Estimação de parâmetros do motor de indução trifásico com o uso de redes neurais recorrentes

• Ano de defesa: 2004
• Autor(a) principal: OLIVEIRA, Rubiane Heloisa
• Orientador(a): SILVA, Luiz Eduardo Borges da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Engenharia Elétrica
• Departamento: IESTI - Instituto de Engenharia de Sistemas e Tecnologia da Informação
• País: Brasil
• Palavras-chave em Português: Motores de indução trifásico; Redes neurais; Filtros de Kalman
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELÉTRICA
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/3239

Atualmente no acionamento de motores de indução é utilizado o controle vetorial para obter uma resposta rápida de torque. Para avaliação do fluxo pode-se utilizar o sensoriamento direto no entreferro, através de sondas de efeito Hall ou de outra técnica de medida ou realizar estimação do fluxo, medindo a tensão e a corrente do estator e através de processamentos realizar a estimação. O sensoriamento direto do fluxo tem alto custo e o sistema de medição pode não apresentar o desempenho necessário, já no processo de estimação do fluxo, os sensores de fluxo e velocidade são eliminados, diminuindo assim o custo e aumentando a confiabilidade do sistema. Para a estimação de fluxo neste trabalho, é usada a estratégia do Filtro Passa-Baixa em Cascata Programável (PCLPF-Programmable Cascaded Low-pass Filter), com implementação baseada em Redes Neurais Recorrente (RNN) treinada por Filtro de Kalman. O PCLPF permite a integração ideal da tensão, desde freqüências extremamente baixas até altas freqüências na escala de enfraquecimento de campo. A implementação do filtro, baseada em redes neurais, é simples, tem bom desempenho e pode apresentar execuções mais rápidas por processador digital de sinal (DSP). O uso do Filtro de Kalman como algoritmo de treinamento da RNN tem mostrado bons resultados em termos de quantidade de dados e tempo total de treinamento. Além da medição da tensão e da corrente do estator, o parâmetro do motor necessário para estimação do fluxo, utilizando o conceito do controle vetorial direto orientado através do fluxo do estator, é a impedância equivalente ao enrolamento do estator, do qual a resistência representa parte significativa. Este trabalho apresenta a estimação da resistência do estator usando um Filtro de Kalman Estendido (EKF), tornando assim, os valores da estimação do fluxo do estator e do torque mais precisos. Posteriormente, será realizada a estimação de outros parâmetros de um motor de indução, tais como: resistência do rotor; resistência do estator e indutância do rotor simultaneamente, através do emprego do conceito de EKF, e também a estimação da velocidade e resistência do rotor simultânea usando RNN e treinamento por EKF. As estimações propostas foram comprovadas através de resultados de simulações.