СОСТОЯТЕЛЬНОЕ ОЦЕНИВАНИЕ ПАРАМЕТРОВ АСИНХРОННОГО ДВИГАТЕЛЯ С ОШИБКОЙ ПО СКОРОСТИ
Аннотация
Оценивание электромагнитных параметров асинхронного двигателя часто осуществляется на базе K-параметров. Модель асинхронного двигателя на основе K-параметров линейна по коэффициентам, что позволяет упростить алгоритмы идентифи кации. Обычно модель с K-параметрами применяется при условии, что скорость вращения вала электродвигателя постоянная. Это условие предполагает вырожденность ковариационной матрицы сигналов, что создает дополнительные сложности при идентификации. В статье используется усовершенствованная модель асинхронного двигателя на основе K-параметров, позволяющая проводить идентификацию при переменной скорости. Скорость вращения вала асинхронного электродвигателя в реальных системах идентификации всегда измеряется с ошибками. Ошибки могут быть связаны как с погрешностями датчиков определения скорости, так и с погрешностями, возникающими при определении скорости без датчиков. Дискретизация, а также оценивание значений производных, также вносят дополнительные погрешности. Наличие ошибок в определении скорости приводит к смещенным оценкам при применении метода наименьших квадратов (МНК) для оценивания K-параметров. В статье предложен новый метод оценивания электромагнитных параметров асинхронного двигателя с короткозамкнутым ротором с ошибкой в скорости. Доказано, что при неограничительных предположениях на сигнал и помеху оценки будут сильно состоятельны. Результаты моделирования показали, что предложенный метод идентификации на основе обобщенных полных наи меньших квадратов (ОПМНК), позволяет получать более точные оценки параметров, чем используемый в таких случаях метод наименьших квадратов. Результаты данной статьи могут быть применены при разработке систем предикативной диагностики и в системах управления электроприводами.
Скачивания
Литература
Каширских В. Г. Динамическая идентификация асинхронных электродвигателей / В. Г. Каширских. – Кемерово : ГУ КузГТУ, 2005. – 140 с.
Cirrincione M. Power Converters and AC Electrical Drives with Linear Neural Networks / M. Cirrincione, M. Pucci, G. Vitale – Boca Raton: CRC Press, Taylor & Francis Group, 2012. – 661 p.
Toliyat H. A. A review of RFO induction motor parameter estimation techniques / H. A. Toliyat, E. Levi, М. Raina // IEEE Trans. Energy Convers – 2003. – No 18. – P. 271–283.
A review of parameter estimators and controllers for induction motors based on artificial neural networks / Gutierrez-Villalobos G. M. [et al.] // Neurocomputing. – 2013. – Vol. 118. – P. 87–100. https://doi.org/10.1016/j.necom.2013.02.018.
Боловин Е. В. Критический экспертный анализ методов идентификации параметров асинхронных двигателей / Е. В. Боловин // Научный вестник Новосибирского государственного технического университета. – 2015. – № 1(58). – С. 7–27.
A Review on Parameters Identification Methods for Asynchronous Motor / X. Zhan [et al.] //International Journal of Advanced Computer Science and Applications. – 2015. –Vol. 6, No 1. – P. 104–109. http://dx.doi.org/10.14569/IJACSA.2015.060115
Parameter Identification of Inverter-Fed Induction Motors: A Review/ J. Tang [et al.]. – 702018. – T. 11, 2194. https://doi.org/10.3390/en11092194
Moons C., De Moor B. Parameter identification of induction motor drives / C. Moons, B. De Moor // Automatica. – 1995. – Vol. 31, No 8. – P. 1137–1147.
The estimation of the induction motor parameters by the GeTLS EXIN neuron / M. Cirrincione [et al.] // 2010 IEEE Energy Conversion Congress and Exposition. – P. 1680–1685
Cirrincione G., Cirrincione M. Neural Based Orthogonal Data Fitting: The EXIN Neural Networks / G. Cirrincione, M. Cirrincione // Series: Adaptive and Learning Systems for Signal Processing, Communications and Control. New York: Wiley & Sons, 2010. – 255 c.
Иванов Д. В. Идентификация тяговых асинхронных электродвигателей при наличии ошибок измерений / Д. В. Иванов, О. А. Кацюба // Вестник СамГУПС. – 2015. – № 3(29). – С. 154–158.
Ivanov D. V. Generalized total least squares for identification of electromagnetic parameters of an induction motor / D. V. Ivanov, I. L. Sandler, N. V. Chertykovtseva // Journal of Physics: Conference Series. – 2021. – Vol. 2032, No 1. – P. 012093. – DOI 10.1088/17426596/2032/1/012093.
Ivanov D. V. (2023) Identification of Fractional Models of an Induction Motor with Errors in Variables / D. V. Ivanov // Fractal Fract. – No 7, 485. https://doi.org/10.3390/fractalfract7060485
Ivanov D. V. Identification of parameters of induction motor with error of speed sensor / D. V. Ivanov [et al.] // Journal of Physics: Conference Series. – 2022. – Vol. 2176, No 1. – P. 012027. – DOI 10.1088/1742-6596/2176/1/012027.
Stephan J. Real-time estimation of the parameters and fluxes of induction motors / J. Stephan, M. Bodson, J. Chiasson // IEEE Transactions on Industry Applications. – 1994. – Vol. 30, No 3. – P. 746–759. – DOI 10.1109/28.293725.
Zhdanov A. I., Katsyuba O. A. Consistency of least-square estimates of parameters of linear difference equations with autocorrelation noise / A. I. Zhdanov, O. A. Katsyuba // Cybern Syst Anal – 1983. – Vol. 19. – P. 716–725. DOI 10.1007/BF01068771
Гантмахер Ф. Р. Теория матриц. – М. : Наука, 1966. –575 с.
Stoica P. Bias correction in least–squares identification / P. Stoica, T. Soderstrom // Int. J. Control – 1983. – Vol. 35, No 3. – P. 449–457.
Unton F. Recursive Estimator of the Solutions of Linear Equation Sequence / F. Unton // IEEE Trans. Aut. Control. – 1984. –V.AC – 29. N 2. – C. 177–179.
Söderström T., Stoica P. Instrumental Variable Methods for System Identification. – Berlin : Springer, 1983. – 245 p.
Söderström T. A generalized instrumental variable method for errors-in-variables / T. Söderström // Automatica. – 2011. – Vol. 47, No 8. – P. 1656–1666. – DOI: 10.1016/j.automatica.2011.05.010.
Ivanov D. V. Identification of Fractional Linear Dynamical Systems with Autocorrelated Errors in Variables by Generalized Instrumental Variables / D. V. Ivanov, I. L. Sandler, E. V. Kozlov // IFAC-PapersOnLine. – 2018. – Vol. 51, No 32. – P. 580–584. – DOI 10.1016/j.ifacol.2018.11.485.
- Авторы сохраняют за собой авторские права и предоставляют журналу право первой публикации работы, которая по истечении 6 месяцев после публикации автоматически лицензируется на условиях Creative Commons Attribution License , которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).
