Разработка и исследование наблюдателя угловой скорости для асинхронных электроприводов по схеме ТРН-АД

• Автор: Тимошкин, Вадим Владимирович
• Шифр специальности: 05.09.03
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Томск
• Количество страниц: 162 с. : ил.

ОГЛАВЛЕНИЕ

ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

Введение

1.АНАЛИЗ ПРАКТИЧЕСКИХ И ТЕОРЕТИЧЕСКИХ РАЗРАБОТОК СИСТЕМ НА БАЗЕ ТРН-АД

1.1. Особенности применения и использования электроприводов типа ТРН-АД

1.2. Технико-экономическое обоснование выбора систем ТРН-АД

1.3. Анализ существующих и перспективных вариантов построения наблюдателей скорости для электроприводов ТРН-АД

1.3.1. Определение скорости вращения АД на основе ЭДС статора

1.3.2. Нейросетевой наблюдатель скорости

1.3.3. Фильтр Калмана

1.4. Перспективные методы идентификации параметров схемы замещения асинхронной машины
1.5. Перспективы применения электроприводов по схеме ТРН-АД с наблюдателем угловой скорости ротора для автоматизации установок погружных электроцентробежных насосов
1.6. Постановка задач исследования
1.7. Выводы по первой главе
2.МАТЕМАТИЧЕСКОЕ ОПИСАНИЕ ЭЛЕКТРОПРИВОДА ТРН-АД
2.1. Математическая модель трехфазного асинхронного двигателя
2.2. Разработка имитационной модели электропривода ТРН-АД
2.3. Основные допущения при математическом моделировании электропривода ТРН-АД
2.4. Исследование имитационной модели электропривода ТРН-АД при работе на типовых механических нагрузках

2.5. Выводы по второй главе
3.РАЗРАБОТКА КОСВЕННЫХ МЕТОДОВ ОЦЕНКИ УГЛОВОЙ СКОРОСТИ ВРАЩЕНИЯ РОТОРА АСИНХРОННОГО ЭЛЕКТРОДВИГАТЕЛЯ в ЭЛЕКТРОПРИВОДА ПО СХЕМЕ ТРН-ад
3.1. Принципы построения наблюдателей Люенбергера
3.2. Разработка метода идентификации параметров АД для построения модифицированного наблюдателя
3.3. Разработка структуры наблюдателя скорости в системе ТРН-АД на основе модификации наблюдателя Люенбергера
3.4. Определение настроечных коэффициентов для наблюдателя угловой скорости
3.5. Исследование модифицированного наблюдателя на робастность
3.6. Оптимизация работы модифицированного наблюдателя при изменении параметров АД
3.7. Сравнительный анализ динамических и статических режимов ТРН-АД для разомкнутой и замкнутой системы
3.8. Выводы по третьей главе
4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ СИСТЕМЫ ТРН-АД
4.1. Описание экспериментальной установки
4.2. Описание программного комплекса экспериментальной установки ТРН-АД
4.3. Исследование статики электропривода ТРН-АД в составе экспериментальной установки
4.3.1. Работа электропривода ТРН-АД на холостом ходу
4.3.2. Работа электропривода ТРН-АД под нагрузкой
4.4. Идентификация параметров схемы замещения асинхронной машины экспериментальной установки с помощью генетических алгоритмов

4.5.Проверка работоспособности модифицированного наблюдателя скорости
для разомкнутой системы ТРИ-АД на экспериментальной установке.
4.6. Выводы по четвертой главе
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ

где тк— значение максимального момента электродвигателя; а— полный коэффициент рассения, Х5— полное индуктивное сопротивление фазу двигателя; аТ— коэффициент затухания роторных цепей при разомкнутом статоре; - критическое скольжение двигателя [33-38].
Особенностью данного метода является измерение ЭДС двигателя в момент бестоковой паузы, но на скоростях близких к номинальным, величина этой бестоковой паузы будет минимальна, а следовательно вычисление ЭДС будет происходить с погрешностью. При работе на пониженных скоростях, как показано в работах [33-38], данный наблюдатель отрабатывает с неплохой точностью, но особенностью данных приводов ТРН-АД является то, что они практически не работают на низких скоростях, в виду большого нагрева и значительного уменьшенного момента на валу двигателя.
1.3.2. Нейросетевой наблюдатель скорости
Для создания наблюдателей могут применять математические модели асинхронного двигателя разного порядка и уровня. Существуют параметрические и непараметрические методы создания математических моделей на основе экспериментальных данных. Параметрические методы обычно строятся на основе систем дифференциальных уравнений и требуют структурной и параметрической идентификации [42]. К непараметрическим методам можно отнести искусственные нейронные сети (ИНС), так как они не имеют априорного строго математического описания для конкретного объекта исследования. Благодаря этому они позволяют с хорошей точностью производить вычисление произвольной непрерывной функции, т.е. с ее