Điều khiển thích nghi theo đầu ra động cơ cảm ứng với thông số chưa biết
7 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.FMC.2026.191-200Từ khóa:
Tham số hóa động; Điều khiển đầu ra; Điều khiển thích nghi; DREM; Động cơ cảm ứng.Tóm tắt
Bài báo xem xét mô hình động cơ cảm ứng điều khiển bằng dòng điện stator với các tham số điện trở, độ tự cảm và mô-men tải không xác định. Một mô hình hồi quy tuyến tính hóa tham số được thiết lập dựa trên động lực học của tín hiệu điều khiển, cho phép áp dụng phương pháp mở rộng và trộn hồi quy động (DREM). Trên cơ sở phép đo vận tốc góc rotor, thuật toán ước lượng các tham số bất định và bộ quan sát từ thông rotor được tổng hợp. Luật điều khiển động được đề xuất đảm bảo ổn định vận tốc tại giá trị đặt và tính ổn định toàn cục cho hệ thống kín.
Tài liệu tham khảo
[1]. K. H. Nam, “AC Motor Control and Electrical Vehicle Applications”, CRC Press, (2018).
[2]. R. Ortega, A. Loría, P. J. Nicklasson and H. Sira-Ramírez, “Generalized AC motor”, Passivity-based Control of Euler-Lagrange Systems: Mechanical, Electrical and Electromechanical Applications, Springer, London, pp. 265–309, (1998). DOI: 10.1007/978-1-4471-3603-3_9. DOI: https://doi.org/10.1007/978-1-4471-3603-3_9
[3]. A. Isidori, “Nonlinear Control Systems: An Introduction”, Springer, (1985). DOI: https://doi.org/10.1007/BFb0006368
[4]. Strejc, “Least squares parameter estimation”, Automatica, Vol. 16, No. 5, pp. 535–550, (1980). DOI: 10.1016/0005-1098(80)90077-1. DOI: https://doi.org/10.1016/0005-1098(80)90077-1
[5]. O'Dwyer, “Model parameter and time delay estimation using gradient descent”, Proceedings of the Irish Signals and Systems Conference (ISSC), Maynooth, Ireland, pp. 265–270, (1994).
[6]. R. Kamalapurkar et al., “Integral concurrent learning: Adaptive control with concurrent learning without persistent excitation”, Proceedings of the IEEE 54th Annual Conference on Decision and Control (CDC), Osaka, Japan, pp. 6965–6970, (2015). DOI: 10.1109/CDC.2015.7403255. DOI: https://doi.org/10.1109/CDC.2015.7403255
[7]. Kreutz and J. Timmer, “Guidelines for benchmarking of optimization-based models”, Journal of the Royal Society Interface, Vol. 16, No. 161, Art. No. 20190491, (2019). DOI: 10.1098/rsif.2019.0491.
[8]. S. Aranovskiy, A. Bobtsov, R. Ortega and A. Pyrkin, “Parameters estimation via dynamic regressor extension and mixing”, 2016 American Control Conference (ACC), IEEE, pp. 6971–6976, (2016). DOI: https://doi.org/10.1109/ACC.2016.7526771
[9]. Zhou and C. Wen, “Adaptive Backstepping Control”, Springer, (2008).
[10]. X.-Q. Wang and J.-A. Lu, “Parameter identification and backstepping control of uncertain Lü system”, Chaos, Solitons & Fractals, Vol. 18, No. 4, pp. 721–729, (2003). DOI: https://doi.org/10.1016/S0960-0779(02)00659-8
[11]. Та М. Ш. and Пыркин А. А., “Алгоритм параметризации нестационарных систем с использованием динамического регулятора”, Известия высших учебных заведений. Приборостроение, Vol. 66, No. 12, pp. 1050–1059, (2023). (in Russian)
[12]. A. Pyrkin, A. Bobtsov, R. Ortega, A. Vedyakov and S. Aranovskiy, “Adaptive state observers using dynamic regressor extension and mixing”, Systems & Control Letters, Vol. 133, p. 104519, (2019). DOI: https://doi.org/10.1016/j.sysconle.2019.104519
[13]. R. Ortega, A. Pyrkin, A. Bobtsov, D. Efimov and S. Aranovskiy, “A globally convergent adaptive indirect field-oriented torque controller for induction motors”, Asian Journal of Control, Vol. 22, No. 1, pp. 11–24, (2020). DOI: https://doi.org/10.1002/asjc.1904
[14]. T. M. Son, “Синтез законов адаптивного управления для линейных нестационарных систем с неопределенностями”, Ph.D. Dissertation, St. Petersburg, Russia, (2024). (in Russian)
