Full metadata record
DC FieldValueLanguage
dc.contributor.advisorPeroutka, Zdeněk
dc.contributor.advisorŠmídl, Václav
dc.contributor.authorVošmik, David
dc.contributor.refereeBrandštetter, Pavel
dc.contributor.refereeCibulka, Jiří
dc.contributor.refereeVáclavek, Pavel
dc.date.accepted2014-02-13
dc.date.accessioned2015-04-10T06:43:57Z
dc.date.available2007-09-01cs
dc.date.available2015-04-10T06:43:57Z
dc.date.issued2014
dc.date.submitted2013-09-13
dc.identifier32245
dc.identifier.urihttp://hdl.handle.net/11025/13693
dc.description.abstractTato disertační práce se zabývá problematikou bezsenzorového řízení pohonu se synchronním motorem s permanentními magnety na povrchu rotoru (PMSM). Bezsenzorovým řízením je myšleno řízení, které nepoužívá absolutní čidlo polohy rotoru. V první části je popsána motivace výzkumu bezsenzorového řízení a je uveden současný stav poznání ve zkoumané problematice. Ve druhé kapitole je popsáno referenční vektorové řízení v kartézských souřadnicích s čidlem polohy, se kterým jsou jednotlivé zkoumané bezsenzorové algoritmy porovnávány. Ve třetí kapitole jsou publikovány navržené stavové modely PMSM využitelné pro rozšířený Kalmanův filtr. Dále je uveden popis anisotropie magnetického obvodu PMSM. Čtvrtou rozsáhlou častí práce je bezsenzorový algoritmus založený na výpočtu modelu doplněný o stochastický přístup. Tento algoritmus je nazýván rozšířený Kalmanův filtr (EKF). V práci je navržen EKF se stavovými modely čtvrtého a pátého řádu. V rámci tohoto modelu jsou počítány (estimovány) složky vektoru statorového proudu, elektrická rotorová rychlost, poloha vektoru toku permanentních magnetů a zátěžný moment v případě modelu pátého řádu. EKF je robustní estimátor, který spolehlivě estimuje v nízkých, středních a vysokých otáčkách. Problémem jsou velmi nízké otáčky a stojící rotor. Navržený algoritmus je implementován do DSP a testován na laboratorním prototypu. Pátá kapitola se věnuje injektážním metodám. Tyto metody jsou založeny na injektování testovacího napěťového signálu do statorového vinutí, který způsobí proudovou odezvu takovou, že z ní lze odhadnout polohu rotoru a rotorovou rychlost. Tento odhad je prováděn pomocí PLL. V rámci této kapitoly je dále představena dualita mezi EKF a PLL pro jednoduchý stavový model, kterým je EKF stavový model pro vyhodnocování polohy z magnetické anisotropie. V této kapitole je také popsána problematika startu algoritmu, který přináší problém se správným odhadnutím polarity vektoru magnetického toku. Dále je ukázán vliv zatěžování motoru, který může nepříznivě ovlivnit výsledek estimace. Algoritmus byl podroben ověřovacím testům na postaveném laboratorním prototypu s PMSM o jmenovitém výkonu 10,7 kW. Tento algoritmus dobře estimuje v oblasti nulových a velmi nízkých otáček. Poslední kapitola se zabývá hybridními estimátory, které kombinují vlastnosti obou předchozích algoritmů. První hybridní estimátor je založen na hysterézním přepínání v pevné okamžiky rychlostního profilu. Druhý hybridní estimátor přináší sofistikovaný způsob přepínání mezi partikulárními algoritmy. Tento algoritmus je založen na bayesovském výběru optimálního modelu, který ověřuje v konkrétním čase apriorní pravděpodobnosti obou modelů. Tento způsob přináší hladké přepnutí a je schopný reagovat na případné chyby některého z partikulárních algoritmů. Toto je velkým přínosem v porovnání s algoritmy doposud publikovanými v odborné literatuře.cs
dc.format90 s. (27 500 znaků)cs
dc.format.mimetypeapplication/pdf
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectbezsenzorové řízenícs
dc.subjectrozšířený Kalmanův filtrcs
dc.subjectinjektážní algoritmuscs
dc.subjecthybridní estimátorcs
dc.subjectestimace polohycs
dc.subjectPMSMcs
dc.subjectvěrohodnost modelucs
dc.subjectMarkovův modelcs
dc.titleNové topologie elektrických pohonů s důrazem na trakční aplikacecs
dc.title.alternativeAdvanced Algorithms of Rotor Position and Speed Estimation Applicated in Sensorless Control of PMSMen
dc.typedisertační prácecs
dc.thesis.degree-namePh.D.cs
dc.thesis.degree-levelDoktorskýcs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta elektrotechnickács
dc.description.departmentKatedra elektromechaniky a výkonové elektronikycs
dc.thesis.degree-programElektrotechnika a informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedThis PhD. thesis deals with a sensorless (encoderless) control of a drive with a synchronous motor with permanent magnets on the surface of a rotor (PMSM). First chapter describes motivations for the presented research and state of the art. A referential vector control in Cartesian coordinates with sensor is described in the second chapter and each of the developed algorithms (later described) are compared with it. Third chapter presents PMSM state models and description of PMSM anisotropy magnetic circuit is introduced as well. Fourth chapter presents sensorless algorithm with a EKF that is based on a computation of a mathematical model with a stochastic approach. EKF mathematical models of a fourth and fifth order are employed in this thesis. The estimators estimates components of a stator current vector, a rotor speed, a position of a magnetic flux of permanent magnets and a load torque for the case of the fifth order model. EKF is robust estimator that reliably estimates in a low, middle and high speed regions. On the other hand, low speed region and standstill are serious trouble. Fifth chapter presents injection methods. These methods are based on a voltage signal injection into a stator winding and then the electrical rotor speed and the position of the permanent magnets flux are estimated from an analysis of a current response. Other important topic that is described in this chapter, is start up of the algorithm that has serious trouble with a correct magnetic polarity match. This paper brings solution how the correct polarity can be found. Furthermore this chapter shows influence of load torque that can have bad effect on a quality of the estimation. All of the described approaches are verified with tests on the laboratory drive. The injection algorithm estimations are strong in the region of ultra low speeds and standstill. Furthermore this chapter focus on duality between EKF and PLL for a simple state model used for position estimation via magnetic anisotropy. Hybrid estimators are described in the last chapter. These estimators combine the best behavior of both particular algorithms. First presented hybrid estimator switch between particular algorithms based on regions in fixed speed profile. A hysteresis is applied for this switching. This chapter also propose new hybrid estimator based on optimal model Bayes selection. The switching is in this case based on estimation models probability computations. These probabilities are continuously compared to each other and the algorithm with highest probability is used for the control of the drive. As a result of our proposed solution, transitions between algorithms are smoother. Additionally, the proposed hybrid estimator is able to behave well with possible estimation errors of one of the particular algorithms, compared to the state of the art.en
dc.subject.translatedsensorless controlen
dc.subject.translatedextended Kalman filteren
dc.subject.translatedinjection algorithmen
dc.subject.translatedhybrid estimatoren
dc.subject.translatedposition estimationen
dc.subject.translatedPMSMen
dc.subject.translatedmodel probabilityen
dc.subject.translatedMarkov modelen
Appears in Collections:Disertační práce / Dissertations (KEV)

Files in This Item:
File Description SizeFormat 
phd_thesis_vosmik_david.pdfPlný text práce21,84 MBAdobe PDFView/Open
vosmik publ.pdfPosudek vedoucího práce869,83 kBAdobe PDFView/Open
vosmik opon.pdfPosudek oponenta práce4,42 MBAdobe PDFView/Open
vosmik zapis.pdfPrůběh obhajoby práce734,59 kBAdobe PDFView/Open


Please use this identifier to cite or link to this item: http://hdl.handle.net/11025/13693

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.