[논문 리뷰] Artificial Neural Networks Based Analysis of BLDC Motor Speed Control

T. Porselvi, Sai Ganesh Cs외 1명|arXiv (Cornell University)|2021. 08. 27.

Sensorless Control of Electric Motors참고 문헌 10인용 수 12

한 줄 요약

이 논문은 PI 제어 기반 BLDC 모터의 MATLAB/Simulink 시뮬레이션 데이터를 훈련 데이터로 사용하여 인공 신경망(ANN) 기반 접근법을 제안한다. 이 방법을 통해 로터 속도, 전자기적 토크, 유도 기전력(EMF)과 같은 주요 BLDC 모터 파라미터를 정확하게 예측할 수 있었으며, 동적 모터 동작을 높은 정밀도로 재현함으로써 ANN 모델이 시뮬레이션 결과를 효과적으로 모방할 수 있음을 입증한다.

ABSTRACT

Artificial Neural Network (ANN) is a simple network that has an input, an output, and numerous hidden layers with a set of nodes. Implementation of ANN algorithms in electrical, and electronics engineering always satisfies with the expected results as ANN handles binary data more accurately. Brushless Direct Current motor (BLDC motor) uses electronic closed-loop controllers to switch DC current to the motor windings and produces the magnetic fields. The BLDC motor finds various applications owing to its high speed, low maintenance and adequate torque capability. They are highly preferred than the other motors because of their better performance and it is easy to control their speed by Power Converters. This article presents a method of speed control of BLDC motors where speed is controlled by changing the DC input voltage of the bridge converter that feeds the motor winding. The control is done by using a PI based speed controller. The motor is modeled in the MATLAB/Simulink and the speed control is obtained with a PI controller. EMF signals, rotor speed, electromagnetic torque, Hall Effect signals, PWM and EMF signals simulations are then obtained. This acquired data is then fed into binary artificial neural networks and as a result, the ANN model predicts the corresponding parameters close to the simulation results. Both the mathematical based simulation and data based prediction gives satisfactory results

연구 동기 및 목표

• PI 속도 제어 하에서 BLDC 모터의 동적 파라미터를 예측하기 위한 데이터 기반 ANN 모델을 개발하기 위해.
• 인공 신경망이 MATLAB/Simulink 기반 BLDC 모터 시스템의 시뮬레이션 결과를 얼마나 효과적으로 재현할 수 있는지 평가하기 위해.
• 로터 속도, EMF, 토크, 헐리 신호 등의 핵심 파라미터에 대해 수학적 시뮬레이션 결과와 ANN 기반 예측 결과를 비교하기 위해.
• 폐쇄형 제어 시스템에서 모터 동작을 실시간으로 추정하기 위해 이진 ANN을 사용할 수 있는지의 타당성을 검증하기 위해.

제안 방법

• PI 기반 속도 제어기를 갖춘 BLDC 모터를 MATLAB/Simulink에서 모델링하여 기준 시뮬레이션 데이터를 생성하기 위해.
• 로터 속도, EMF, 전자기적 토크, 헐리 효과 신호, PWM 파형과 같은 주요 모터 신호를 시뮬레이션하기 위해.
• ANN 훈련을 위해 시뮬레이션 데이터를 이진 입력-출력 쌍으로 추출하고 전처리하기 위해.
• 모의 데이터를 사용하여 피드포워드 이진 인공 신경망을 훈련시켜 모터 파라미터를 예측하기 위해.
• ANN 예측 결과를 원본 Simulink 시뮬레이션 출력 결과와 비교하여 검증하기 위해.
• 비선형적 동역학 관계를 포착하기 위해 은닉층을 갖춘 다층 퍼셉트론 아키텍처를 사용하기 위해.

실험 결과

연구 질문

• RQ1 PI 제어기를 사용한 BLDC 모터의 동적 동작을 정확하게 예측할 수 있는가?
• RQ2 ANN 모델의 출력 결과가 동일한 시스템에 대한 MATLAB/Simulink 시뮬레이션 결과와 얼마나 유사한가?
• RQ3 로터 속도, EMF, 전자기적 토크와 같은 핵심 파라미터에 대해 ANN의 예측 정확도는 어떠한가?
• RQ4 데이터 기반 ANN 모델이 BLDC 모터 시스템의 전통적 시뮬레이션 기반 제어 분석을 얼마나 대체하거나 보완할 수 있는가?

주요 결과

• ANN 모델은 Simulink 시뮬레이션 데이터와 비교하여 높은 정확도로 로터 속도, EMF, 전자기적 토크, 헐리 효과 신호를 성공적으로 예측하였다.
• ANN 출력 결과와 시뮬레이션 결과 간의 예측 오차는 극히 미미하여 훈련된 네트워크의 강력한 일반화 능력을 시사하였다.
• 이진 ANN 아키텍처는 PWM 및 헐리 효과 데이터를 포함한 모터 제어 신호의 이산적 성격을 효과적으로 처리하였다.
• 수학적 시뮬레이션과 데이터 기반 ANN 예측의 조합은 모든 테스트 파라미터에서 일관되고 만족스러운 결과를 도출하였다.
• 본 연구는 ANN가 제어 시스템 설계 및 분석에서 BLDC 모터 동역학의 신뢰할 수 있는 대체 모델로 활용될 수 있음을 확인하였다.