Идентификация двигателя постоянного тока на основе квазиоптимального нелинейного алгоритма управления

Павел Валерьевич Лекомцев; Юрий Рафаилович Никитин; Сергей Александрович Трефилов

doi:10.22213/2413-1172-2021-2-68-76

Авторы

П. В. Лекомцев ИжГТУ имени М. Т. Калашникова
Ю. Р. Никитин ИжГТУ имени М. Т. Калашникова
С. А. Трефилов ИжГТУ имени М. Т. Калашникова

DOI:

https://doi.org/10.22213/2413-1172-2021-2-68-76

Ключевые слова:

идентифицируемость, двигатель постоянного тока, дискретная модель, пространство состояний

Аннотация

Рассмотрена идентификация двигателя постоянного тока, основанная на квазиоптимальной цифровой модели управления. Идентификация двигателя постоянного тока предполагает уточнение таких параметров двигателя, как сопротивление и индуктивность обмотки якоря, магнитный поток статора, коэффициент вязкого трения в опорах привода. Эти параметры входят в матрицу состояния и определяют величину напряжения при реализации квазиоптимального нелинейного алгоритма управления. Их изменение в процессе деградации или определенных условий эксплуатации привода приводит к несоответствию состояния модели истинному и, как следствие, повышению энергопотребления и времени переходных процессов. Предложена методика расчета критерия идентификации для нелинейной системы управления в дискретной форме. Определитель матрицы измерения вычисляется на каждом шаге дискретного времени. Их анализ показывает, что идентификация двигателя возможна в переходных режимах. При отклонении сопротивления обмотки якоря двигателя от номинальных существенно увеличивается время переходного процесса и величина перерегулирования. При уменьшении сопротивления цепи якоря на 25 % меньше номинального значения определитель матрицы измерения двигателя достигает порогового значения критерия идентифицируемости. Таким образом, потеря идентифицируемости говорит о наличии дефекта. Полученные результаты исследования могут быть использованы для обнаружения дефектов приводов.

Биографии авторов

П. В. Лекомцев, ИжГТУ имени М. Т. Калашникова

кандидат технических наук, доцент

Ю. Р. Никитин, ИжГТУ имени М. Т. Калашникова

кандидат технических наук, доцент, доцент кафедры «Мехатронные системы»

С. А. Трефилов, ИжГТУ имени М. Т. Калашникова

кандидат технических наук, доцент, доцент кафедры «Мехатронные системы»

Библиографические ссылки

Umenoand T., Hori Y. Robust speed control of DC servo-motors using modern two degrees-of-freedom controller design. IEEE Transactionson industrial electronics, Oct. 1991, vol. 38, no. 5, pp. 363-368. DOI: 10.1109/41.97556.

Chevrel P., Sicot L., Siala S. Switched LQ controllers for DC motor speed and current control: a comparison with cascade control. In PESC Record. 27th Annual IEEE Power Electronics Specialists Conference, 1996, vol. 1, pp. 906-912. DOI: 10.1109/PESC.1996.548689.

Rubaai A., Kotaru R. Online identification and control of a DC motor using learning adaptation of neural networks. IEEE Transactions on Industry Applications, May-June 2000, vol. 36, no. 3, pp. 935-942. DOI: 10.1109/28.845075.

Yu G.-R., Hwang R.-C. Optimal PID speed control of brushless DC motors using LQR approach. In Proc. IEEE International Conference on Systems, Man and Cybernetics, October 2004, vol. 1, pp. 473-478. DOI: 10.1109/ICSMC.2004.1398343.

Ruderman M., Krettek J., Hoffmann F., Bertram T. Optimal State Space Control of DC Motor. In IFAC Proceedings Volumes, 2008, vol. 41, Issue 2, pp. 5796-5801. DOI: 10.3182/20080706-5-KR-1001.00977.

Peaucelle D., Ebihara Y. LMI results for robust control design of observer-based controllers, the discrete-time case with polytopic uncertainties. In IFAC Proceedings Volumes, 2014, vol. 47, Issue 3, pp. 6527-6532. DOI: 10.3182/20140824-6-ZA-1003.00218.

Luo H. Plug-and-Play Monitoring and Performance Optimization for Industrial Automation Processes. Springer Fachmedien Wiesbaden GmbH. 2017, 158 p. DOI: 10.1007/978-3-658-15928-3.

Luo H. A data-driven realization of the control-performance oriented process monitoring system, IEEE Trans. on Industrial Electronics, vol. 67, pp. 521-530, 2020. DOI: 10.1109/TIE.2019.2892705.

Бычков М. Г., Кузнецова В. Н. Оптимальное и квазиоптимальное управление позиционным электроприводом по критерию минимума электрических потерь. Теория и практика автоматизированного электропривода // ЭСиК. 2015. № 2 (27). С. 4-11.

Mohlalakoma T. Ngwako, Otis T. Nyandoro, John van Coller, Milka C. Madahana. A Condition for Singular Optimal Control Formulation for a Tandem Pair of Gravity Fed Linear DC Machine Powered Mine Locomotives, IFAC-Papers On Line, 2019, vol. 52, Is. 14, pp 201-206. DOI: 10.1016/j.ifacol.2019.09.188.

Мин Т. А. Оптимальное управление электроприводами с двигателями последовательного возбуждения // Молодые ученые - Хабаровскому краю : материалы XXI Краевого конкурса молодых ученых и аспирантов (Хабаровск, 15-18 января 2019 г.). Хабаровск : Тихоокеанский государственный университет, 2019. С. 149-154.

Рыбушкин Н. А., Афанасьев А. Ю. Оптимальное управление электроприводом с двигателем постоянного тока // Молодежь и наука: актуальные проблемы фундаментальных и прикладных исследований : материалы II Всероссийской национальной научной конференции студентов, аспирантов и молодых ученых (Комсомольск-на-Амуре, 8-12 апреля 2019 г.). Комсомольск-на-Амуре : Комсомольский-на-Амуре государственный университет, 2019. С. 437-439.

Самосейко В. Ф., Ширяев Э. В., Улисский Н. А. Энергетически оптимальное управление электромагнитным моментом реактивного двигателя // Вестник государственного университета морского и речного флота им. адмирала С. О. Макарова. 2021. Т. 13, № 1. С. 126-138. DOI: 10.21821/2309-5180-2021-13-1-126-138.

Ding S.X. Advanced Methods for Fault Diagnosis and Fault-tolerant Control. Springer-Verlag GmbH Germany, 2021, 658 p. DOI: 10.1007/978-3-662-62004-5.

Kabziński J. (ed.) Advanced Control of Electrical Drives and Power Electronic Converters. Studies in Systems, Decision and Control, vol. 75. Springer International Publ., Switzerland, 2017, 378 p. DOI: 10.1007/ 978-3-319-45735-2.

Hughes A., Drury B. Electric Motors and Drives: Fundamentals, Types and Applications. Fifth Edition, 2019, Elsevier Ltd, 495 p.

Tang M. Cost-sensitive large margin distribution machine for fault detection of wind turbines, Cluster Computing, 2018.

Wang D.-Y. Connotation and research status of diagnosability of control systems: A review, Acta Automatica Sinica, 2018, vol. 44, pp. 1537-1553.

Xue T. Stationary wavelet transform aided design of parity space vectors for fault detection in LDTV systems, IET Control Theory and Applications, 2018, vol. 12, pp. 857-864.

Yin S. Review on diagnosis techniques for intermittent faults in dynamic systems, IEEE Trans. on Indus. Electronics, 2020, vol. 67, pp. 2337-2347.

Nemeth M., Peterkova A. Proposal of data acquisition method for industrial processes in automotive industry for data analysis according to Industry 4.0. Book Series: IEEE Intern. Conf. on Intellig. Engineering Systems, 2018, pp. 157-161.

Nemeth M. Determination issues of data mining process of failures in the production systems. Book Series: Advance in Intelligent Systems and Computing 2019, 985, pp. 200-207.