تخمبن و بهینه سازی پارامتر موتور های اسنکرون و القایی با الگوریتم pso
تخمبن و بهینه سازی پارامتر موتور های اسنکرون و القایی با الگوریتم pso
انجام پروژه متلب: موتورهای القایی از پر کاربردترین موتورها در بخش صنعت هستند که عمده انرژی در حال تبادل در این بخش، توسط این موتورها مصرف میگردد. ویژگیهایی مانند کم هزینه بودن، استحکام، قدرت و اطمینان بالا، عمر طولانی، تعمیر و نگهداری اندک و غیره در مقایسه با دیگر انواع ماشینها، توجهات بسیاری را به خود معطوف گردانیده و باعث انجام مطالعات گستردهای در زمینه عملکردهای موتورهای القایی شده است. در دهههای اخیر، یکی از بیشترین مطالعاتی که بر روی موتورهای القایی صورت گرفته، تخمین پارامترهای مدار معادل موتور القایی است. تخمین دقیق پارامترهای موتور امری ضروری برای بررسی شرایط عملکرد مختلف ماشین و پیش بینی رفتار آن است. بنابراین، در تمامی روش های کنترلی سرعت و یا گشتاور موتور القایی از سیستم های کنترلی اسکالر اولیه گرفته، تا کنترلرهای جهت میدان و یا روشهای کنترل برداری مدرن امروزی، اطلاع دقیق از پارامترهای موتور همواره یک موضوع اساسی بوده است. علاوه بر آن، مدار معادل موتورهای القایی، در بسیاری از تحقیقات مانند مطالعات خطایابی و بازده، افت ولتاژ ناشی از استارت موتورهای القایی، بهینه کردن مشخصه‌های سرعت–گشتاور موتور، کنترل برداری و اسکالر موتورهای القایی و طراحی کنترلرهای سیستم مورد نیاز است.
انجام پروژه متلب: معمولاً، اطلاعات پلاک موتورهای القایی شامل مقادیری از جمله انواع گشتاورهای ماشین، بازده، سرعت و توان خروجی نامی است. از این مقادیر نامی‌که توسط سازنده ارائه می‌شود، طی فرایند تخمین پارامترهای مدار معادل ماشین به دست میآید. این پارامترها معمولاً از طریق تستهای استاندارد عملکرد موتور، مانند تستهای بی‌باری، بار کامل و روتور قفل شده به دست می‌آیند. با این حال، اطلاعات تستهای استاندارد، معمولاً برای کاربر نهایی در دسترس نیست. به جای آن، پارامترهای مدار معادل، ممکن است بر اساس اطلاعات عملکردی که برای موتور منتشر شده است، تخمین زده شوند.
انجام پروژه متلب: روشهایی که پارامترهای ماشین را در هنگام توقف روتور تخمین می‌زنند، عبارتند از: روش حداکثر احتمال و نیز روش برازش مدل که در معرفی شد و دارای مشکل فرایند تخمین طولانی با گامهای زیاد است، و روشهای ریاضیاتی دیگر مانند تکنیکهای تخمین پارامتر خطی و غیر خطی، روش برنامهنویسی غیر خطی ، روشهای بر پایه فیلتر کالمن .
روش تخمین پارامتر آنلاین با استفاده از قوانین سیستم سازگار مرجع و تکنیک فیلترینگ رزونانسی سنکرون، برای تعیین مقاومت موتور القایی در استفاده شده است. در ، شرح کاملی از روشهای مختلف تخمین پارامترهای موتور ارائه شده است. علاوه بر روشهای کلاسیک و ریاضیاتی ذکر شده در بالا، روشهای ابتکاری وجود دارند که به نظر می‌رسد استفاده از آنها در مقابل روشهای کلاسیکی که برای تخمین پارامترها استفاده شدهاند، انتخاب بهتر و امیدوارکنندهتری باشند، مانند الگوریتم ژنتیک (GA) ]، الگوریتم ژنتیک سازگار ، روش بهینه‌سازی ازدحام ذرات (PSO)
]، الگوریتم تکثیر باکتری (BFA) ، الگوریتم تکامل تفاضلی (DE) ، شبکه عصبی مصنوعی (ANN) ، سیستم ایمنی مصنوعی ، که هر کدام از این روشها، پارامترها و مقادیر گشتاور را نزدیک مقدار واقعی خود نتیجه داده و بعلاوه سرعت همگرایی مناسبی دارند.
در این مقاله، از الگوریتم بهینه‌سازی ذرات (pso)، برای تخمین پارامترهای ماشین القایی استفاده شد.
روش بهینه‌سازی ازدحام ذرات ( Particle swarm optimization) یا به اختصار روش PSO، یک روش سراسری کمینه‌سازی است که با استفاده از آن می‌توان با مسائلی که جواب آنها یک نقطه یا سطح در فضای n بعدی می‌باشد، برخورد نمود. در اینچنین فضایی، فرضیاتی مطرح می‌شود و یک سرعت ابتدایی به آنها اختصاص داده می‌شود، همچنین کانال‌های ارتباطی بین ذرات درنظر گرفته می‌شود. سپس این ذرات در فضای پاسخ حرکت می‌کنند، و نتایج حاصله بر مبنای یک «ملاک شایستگی» پس از هر بازهٔ زمانی محاسبه می‌شود. با گذشت زمان، ذرات به سمت ذراتی که دارای ملاک شایستگی بالاتری هستند و در گروه ارتباطی یکسانی قرار دارند، شتاب می‌گیرند. علی‌رغم اینکه هر روش در محدوده‌ای از مسائل به خوبی کار می‌کند، این روش در حل مسائل بهینه‌سازی پیوسته موفقیت بسیاری از خود نشان داده‌است.
خروجی متلب:
شض
دیدگاه ها