دانلود پایان نامه تخمین پارامتر در موتور سنکرون مغناطیس دائم

1. مقدمه 2. نظریه 3. پیاده سازی 4. شبیه سازی 5. جهان واقعی 6. چالش های تخمین بالقوه 7. بحث و بررسی 8. نتیجه گیری

چکیده – این پایان نامه، امکان پذیری تخمین پارامترهای وابسته به دما در یک موتور سنکرون مغناطیس دائم با استفاده از فیلترهای کالمان را مورد بررسی قرار می دهد. هدف اصلی، تخمین مقاومت سیم پیچ استاتور موتور و شار پیوندی روتور جهت نظارت بر تغییرات دمایی در حین عملکرد موتور است. انگیزه استفاده از فیلترهای کالمان، قابلیت آنها در مدیریت غیرخطی ها و عدم قطعیت ها می باشد که آنها را برای پرداختن به تغییرات مواجه شده در حین عملکرد در Atlas Copco، بسیار مناسب کرده است. تکرارهای اولیه بردار تبدیل حالت فیلتر کالمان عمدتاً بر برآورد مقاومت متمرکز بوده اند. سپس، نسخه ای مشابه برای برآورد شار توسعه یافت. در نهایت، این دو نسخه با هم ترکیب شدند تا مدل نهایی ایجاد شود و در نتیجه برآورد همزمان مقاومت و شار ممکن می شود. این پایان نامه، سه نوع مختلف فیلتر کالمان را مورد بررسی قرار داد: فیلتر کالمان تعمیم یافته، فیلتر کالمان تعمیم یافته وفقی، و فیلتر کالمان ساده. هدف این پایان نامه ارزیابی عملکرد این فیلترها و مشخص سازی هرگونه تفاوت می باشد. گذار از داده های شبیه سازی شده به داده های واقعی نشان دهنده محدودیت های اتکای محض به مدل های شبیه سازی است. تست داده های واقعی، پیچیدگی ها و عدم قطعیت هایی که در مدل های شبیه سازی ساده شده، نادیده گیری شده بودند را آشکار کردند. بخصوص، وجود نویز در سیگنال ها مطرح بود. درحالی که فیلترهای کالمان قادر به تخمین مقاومت و شار بطور همزمان بدون نویز بودند، اما وارد کردن نویز باعث چالش هایی برای هر سه نوع فیلتر کالمان شد. در نتیجه، عملکرد تخمین ضعیف شد که این نشان دهنده این است که سطوح دقت فعلی برای نظارت مطمئن بر تغییرات دمایی در PMSM کافی نیستند. علاوه بر نویز، داده های واقعی، پدیده های غیرمنتظره مانند ناهماهنگی بین مدل شبیه سازی و ابزار استفاده شده در این پایان نامه و همچنین اهمیت داده ها و پارامترهای موتور دقیق جهت تولید نتایج کافی و دقیق توسط فیلترهای کالمان را آشکار کردند. بطور کل، این پایان نامه بر چالش های مرتبط با برآورد همزمان مقاومت و شار و محدودیت های اتکای محض به شبیه سازی ها، تاکید کرد. این پایان نامه پتانسیل استفاده از فیلترهای کالمان برای تخمین پارامتر وابسته به دما در یک موتور سنکرون مغناطیس دائم را نشان داد. نوعی که در آینده می تواند یک راهکار بدون حسگر را ممکن سازد. با این حال، پژوهش ها و بهبودهای بیشتری برای رفع چالش های مشخص شده و دستیابی به تخمین پارامتر مطمئن لازم می باشند.

This thesis investigated the feasibility of estimating temperature-dependent parameters in a permanent magnet synchronous motor using Kalman filters. The primary focus was on estimating the motor’s stator winding resistance and rotor flux linkage to monitor temperature variations during motor operation. The utilisation of Kalman filters was motivated by their capability to handle nonlinearities and uncertainties, which made them well suited for addressing the variations encountered during the tightening operation at Atlas Copco. The initial iterations of the Kalman filter’s state transition vector primarily focused on estimating the resistance. Subsequently, a similar version was developed for flux estimation. Eventually, these two versions were combined to create the final model, enabling simultaneous estimation of both the resistance and flux. The thesis explored three different variants of the Kalman filter: the Extended Kalman Filter, the Adaptive Extended Kalman Filter, and the Unscented Kalman Filter. The thesis aimed to evaluate the performance of these filters and identify any differences. The transition from simulated data to real world data illustrated the limitations of relying solely on simulation models. Testing on real world data uncovered complexities and uncertainties that were overlooked in the simplified simulation models. Notably, the presence of noise in the signals. While the Kalman filters were capable of estimating the resistance and flux simultaneously without noise, the introduction of noise posed challenges for all the Kalman filter variants. As a result, the estimation performance was poor, indicating that the current accuracy levels were insufficient to reliably monitor temperature changes in the PMSM. In addition to noise, the real world data revealed unexpected phenomena such as discrepancies between the simulation model and the tool used in the thesis, as well as the importance of accurate data and motor parameters for the Kalman filters to yield adequate results. Overall, this thesis emphasised the challenges associated with simultaneous estimation of resistance and flux, and the limitations of relying solely on simulations. This thesis demonstrated the potential of using Kalman filters for temperature dependent parameter estimation in a permanent magnet synchronous motor. A variant which in the future could enable a sensorless solution. However, further research and improvements are necessary to overcome the identified challenges and achieve reliable parameter estimation.