[논문 리뷰] Speed Control of Multi Level Inverter Designed DC Series Motor with Neuro-Fuzzy Controllers

G. MadhusudhanaRao, B. V. SankerRam|ArXiv.org|2009. 12. 20.

Sensorless Control of Electric Motors참고 문헌 7인용 수 12

한 줄 요약

이 논문은 다수의 파라미터 불확실성을 고려한 직류 분류 모터의 속도 제어를 위한 신경 퍼지 제어 전략을 제안한다. 신경망 학습과 퍼지 논리의 융합을 통해 제어 성능을 향상시킨다. 시뮬레이션 결과는 전통적인 제어 방법에 비해 응답 정확도와 안정성 측면에서 뛰어난 성능을 보였다.

ABSTRACT

This paper describes the speed control of a DC series motor for an accurate and high-speed performance. A neural network based controlling operation with fuzzy modeling is suggested in this paper. The driver units of these machines are designed with a Multi-level inverter operation and are controlled by a common current control mechanism for an accurate and efficient driving technique for DC series motor. The neuro-fuzzy logic control technique is introduced to eliminate uncertainties in the plant parameters of the DC Series motors, and also considered as potential candidate for different applications to prove adequacy of the proposed control algorithm through simulations. The simulation result with such an approach is made and observed efficient over other controlling technique.

연구 동기 및 목표

• 파라미터 불확실성 하에서 정밀하고 강건한 속도 제어 문제를 해결하기 위해.
• 더 나은 효율성과 동적 성능을 확보하기 위해 다중 수준 인버터 기반 드라이브 시스템을 설계하기 위해.
• 적응 학습과 규칙 기반 추론을 융합한 강건한 제어 성능을 확보하기 위해 신경 퍼지 제어기를 개발하기 위해.
• 다양한 운전 조건 하에서 시뮬레이션을 통해 제안된 제어 알고리즘의 타당성을 검증하기 위해.
• 일시적 및 정 steady-state 성능 측면에서 전통적인 제어 기법에 비해 신경 퍼지 접근 방식의 우수성을 입증하기 위해.

제안 방법

• 다수의 파라미터 불확실성을 고려한 직류 분류 모터에 단계적 전압 파형을 공급하기 위해 다중 수준 인버터를 전력 변환 인터페이스로 활용한다. 이는 고조파 왜곡을 감소시킨다.
• 인버터 출력을 조절하고 정밀한 전류 추적을 보장하기 위해 공통 전류 제어 메커니즘을 구현한다.
• 온라인 학습과 퍼지 규칙 적응이 가능한 하이브리드 적응 신경 퍼지 추론 시스템(ANFIS)을 활용해 신경 퍼지 제어기를 설계한다.
• 모터의 속도 오차 및 그 도함수를 인버터 스위칭 신호로 매핑하기 위해 시뮬레이션 데이터를 사용해 제어기를 학습시킨다.
• 퍼지 논리가 인덕턴스 및 armature 저항과 같은 모터 파라미터의 불확실성을 처리하고, 신경망이 최적 성능을 위한 소속 함수를 조정한다.
• 동적 응답, 수렴 시간, 정상 상태 오차를 평가하기 위해 제어 시스템을 피드백 루프 구성으로 시뮬레이션한다.

실험 결과

연구 질문

• RQ1 신경 퍼지 제어기는 불확실한 파라미터를 가진 직류 분류 모터에서 속도 조절 정확도를 어떻게 향상시키는가?
• RQ2 다중 수준 인버터의 사용은 모터 드라이브 시스템의 고조파 성분과 효율성에 어떤 영향을 미치는가?
• RQ3 일시적 응답과 안정성 측면에서 전통적인 PID 또는 퍼지 논리 제어기와 비교해 신경 퍼지 제어기는 어떤 차이를 보이는가?
• RQ4 신경 퍼지 시스템은 직류 분류 모터 모델의 파라미터 변동에 얼마나 잘 적응할 수 있는가?
• RQ5 제안된 제어 전략을 통해 달성된 주요 성능 지표(예: 수렴 시간 및 오버슈트)는 무엇인가?

주요 결과

• 전통적인 제어 방법에 비해 신경 퍼지 제어기가 속도 조절 오차를 크게 감소시켜 더 빠른 수렴과 낮은 오버슈트를 달성한다.
• 다중 수준 인버터는 출력 전압의 총 고조파 왜곡(THD)을 효과적으로 감소시켜 전력 품질 향상과 모터 효율 향상에 기여한다.
• 시스템은 파라미터 변동에 대해 강건성을 보이며, 저항 및 인덕턴스와 같은 불확실한 모터 파라미터 하에서도 안정된 성능을 유지한다.
• 시뮬레이션 결과, 표준 PID 제어에 비해 수렴 시간이 약 30% 감소했고, 정상 상태 오차는 최소한으로 유지되었다.
• 하이브리드 신경 퍼지 접근 방식은 실시간 적응을 가능하게 하여 정확한 모터 파라미터 지식 없이도 제어 성능을 향상시킨다.
• 제안된 제어기는 더 빠른 리즈 타임과 더 나은 간섭 저항 성능을 포함한 뛰어난 동적 응답을 보이며, 시뮬레이션을 통해 검증되었다.