Asenkron motorun durum ve parametre kestirimi için karma uyarlamalı genişletilmiş kalman filtresinin tasarımı
Yükleniyor...
Tarih
2021
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Niğde Ömer Halisdemir Üniversitesi / Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Asenkron motorlar (ASM'ler) endüstride en yaygın kullanılan tahrik makinalarıdır. ASM'lerin durum/parametre kestirimi bu makinelerin yüksek başarımlı kontrolü ve hız algılayıcısız kontrolü için önem arz etmektedir. Genişletilmiş Kalman filtresi (GKF) sistem ve ölçme gürültülerini de hesaba katarak durum/parametre kestirimine olasıl bir yaklaşım sunmaktadır. Bununla birlikte, GKF ile en iyi kestirimlerin gerçekleştirebilmesi için ASM'ye ait hem dinamik hem de istatiksel model parametrelerinin bilgilerine eksiksiz ihtiyaç duyulmaktadır. Bu bilgilerin çoğu uygulamada bilinmemesi veya kısmen bilinmesi geleneksel GKF'lerin başarımını düşürmektedir. ASM'nin durum/parametre kestiriminde, eksik sistem ve ölçüm gürültü kovaryansları filtreleme başarımı üzerinde en büyük etkiye sahiptir. Bu sorunun üstesinden gelmek için uyarlamalı GKF yöntemleri önerilmiştir. Bununla birlikte, mevcut uyarlama yapıları ile ilgili literatürde belirtilen sıkıntılar bu yöntemlerin kullanımını sınırlandırmaktadır. Bu tez çalışmasında, literatürde mevcut olan uyarlama yöntemlerinin üstünlüklerini bir araya getiren karma bir uyarlama yapısının tasarımı gerçekleştirilmiştir. Önerilen karma uyarlamalı GKF gözlemleyicisi ASM'nin durum/parametre kestirim sorununa uygulanarak başarımı test edilmiştir. Önerilen yöntem hem benzetim hem de deneysel çalışmalarla doğrulanmıştır.
Induction motors (IMs) are the most widely used drive machines in the industry. State/parameter estimation of IMs is crucial for high-performance control and speed sensorless control of these machines. Extended Kalman filter (EKF) provides a stochastic approach to state/parameter estimation, taking into account system and measurement noises. However, in order to make optimal estimations with GKF, the complete information of both dynamic and statistical model parameters of IM is required. Not knowing or partially knowing this information in most applications reduces the performance of conventional EKFs. In the state/parameter estimation of IM, incomplete system and measurement noise covariances have the greatest effect on the filtering performance. Adaptive EKF methods have been proposed to overcome this problem. However, the problems stated in the literature regarding existing adaptation mechanisms limit the use of these methods. In this thesis, a hybrid adaptation mechanism that combines the advantages of current adaptation methods has been designed. The performance of the proposed hybrid adaptive EKF observer has been tested by applying the state/parameter estimation problem of IM. The proposed method has been verified by both simulation and experimental studies. Keywords: Induction motor, adaptive Kalman filter, state and parameter estimation
Induction motors (IMs) are the most widely used drive machines in the industry. State/parameter estimation of IMs is crucial for high-performance control and speed sensorless control of these machines. Extended Kalman filter (EKF) provides a stochastic approach to state/parameter estimation, taking into account system and measurement noises. However, in order to make optimal estimations with GKF, the complete information of both dynamic and statistical model parameters of IM is required. Not knowing or partially knowing this information in most applications reduces the performance of conventional EKFs. In the state/parameter estimation of IM, incomplete system and measurement noise covariances have the greatest effect on the filtering performance. Adaptive EKF methods have been proposed to overcome this problem. However, the problems stated in the literature regarding existing adaptation mechanisms limit the use of these methods. In this thesis, a hybrid adaptation mechanism that combines the advantages of current adaptation methods has been designed. The performance of the proposed hybrid adaptive EKF observer has been tested by applying the state/parameter estimation problem of IM. The proposed method has been verified by both simulation and experimental studies. Keywords: Induction motor, adaptive Kalman filter, state and parameter estimation
Açıklama
Anahtar Kelimeler
Asenkron motor, Uyarlamalı Kalman filtresi, Durum ve parametre kestirimi, Induction motor, Adaptive Kalman filter, State and parameter estimation
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Özkurt, G. (2021). Asenkron motorun durum ve parametre kestirimi için karma uyarlamalı genişletilmiş kalman filtresinin tasarımı. (Yüksek Lisans Tezi) Niğde Ömer Halisdemir Üniversitesi, Fen Bilimleri Enstitüsü, Niğde
