Asenkron motor sürücüleri için kestirim algoritmalarının geliştirilmesi ve gerçek-zamanlı uygulamaları

Basit Öğe Kaydı
dc.contributor.advisorBarut, Murat
dc.contributor.authorDemir, Rıdvan
dc.date.accessioned2019-11-04T13:26:34Z
dc.date.available2019-11-04T13:26:34Z
dc.date.issued2017
dc.date.submitted2017
dc.departmentNiğde ÖHÜ, Fen Bilimleri Enstitüsü, Elektrik Elektronik Mühendisliği Ana Bilim Dalı
dc.description.abstractBu tez çalışmasında, asenkron motorların (ASM'lerin) yüksek başarımlı kontrolü için hız-algılayıcılı ve hız-algılayıcısız durum ve parametre kestirimi yapan algoritmalar tasarlanmıştır. Bu amaçla, ASM'lerin hız-algılayıcılı ve hız-algılayıcısız kontrolünde kullanılan literatürdeki mevcut çalışmalar incelenerek, tez çalışması kapsamında altı farklı çalışma önerilmiştir. İlk çalışmada aktif güç denklemlerini kullanan modele uyarlamalı sistem (MUS) tabanlı stator direnci (R_s) kestiricisi tasarlanmıştır. İkinci çalışmada, geleneksel genişletilmiş Kalman fitresi (GKF) ve MUS tabanlı R_s kestiricisi algoritmaları birleştirilerek eş-zamanlı durum ve parametre kestirimi yapabilen karma kestirim algoritması gerçekleştirilmiştir. Üçüncü çalışmada, hız-algılayıcısız olarak ASM'ye ait kestirilen durum ve parametrelerin sayısını arttırmak amacıyla sekizinci dereceden tek modelin kullanıldığı yeni bir GKF algoritması literatüre tanıtılmıştır. Dördüncü çalışmada, eş-zamanlı rotor ve stator direnci kestirim problemini çözmek için hız-algılayıcısı kullanan tek modelin kullanıldığı GKF algoritması önerilmiştir. Beşinci çalışmada, dördüncü çalışmadaki hesap süresini azaltmak için indirgenmiş dereceli bir GKF (İDGKF) algoritması tasarlanmıştır. Son çalışmada ise ASM'lerin alan zayıflama bölgesindeki yüksek başarımlı kontrolü için yeni bir İDGKF'yi kullanan hız-algılayıcılı doğrudan VK sistemi tasarlanmıştır.
dc.description.abstractIn this thesis, algorithms estimating states and parameters with a speed-sensor or speed-sensorless are designed for high performance control of IM. For this aim, the existing studies in the literature proposed for the control of IM with speed-sensor or speed-sensorless are examined and six different studies are proposed in this thesis. In the first study, a stator resistance (R_s) estimator based on model reference adaptive system (MRAS) using active power equations is designed. In the second study, a new hybrid estimation method combining the conventional extended Kalman filter (EKF) and the MRAS-based R_s estimator is realized for the simultaneous estimations of IM states and parameters. In the third study, a novel EKF-based estimator using an eighth order IM model is introduced to the literature for increasing the estimated states and parameters of IM. In the fourth study, another new EKF algorithm utilizing an IM model is proposed for solving the simultaneous estimation problem of rotor and stator resistances. In the fifth study, a new reduced order EKF (ROEKF)-based estimator is designed for reducing the computational time of the new EKF algorithm which proposed in fourth study. In the last study, for the high performance control of IM in the field weakening region, a direct vector control (VC) using a novel ROEKF-based estimator with a speed-sensor is implemented.
dc.identifier.citationDemir, R. (2017). Asenkron motor sürücüleri için kestirim algoritmalarının geliştirilmesi ve gerçek-zamanlı uygulamaları. (Doktora Tezi) Niğde Ömer Halisdemir Üniversitesi, Fen Bilimleri Enstitüsü, Niğde
dc.identifier.urihttps://hdl.handle.net/11480/7029
dc.identifier.yoktezid490422
dc.institutionauthorDemir, Rıdvan
dc.language.isotr
dc.publisherNiğde Ömer Halisdemir Üniversitesi / Fen Bilimleri Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/embargoedAccess
dc.titleAsenkron motor sürücüleri için kestirim algoritmalarının geliştirilmesi ve gerçek-zamanlı uygulamaları
dc.title.alternativeDevelopments and real-time implementations of estimation algorithms for induction motor drives
dc.typeDoctoral Thesis

Dosyalar

Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu