Estimador neuro-fuzzy de velocidade aplicado ao controle vetorial sem sensores de motores de indução trifásicos.

• Ano de defesa: 2010
• Autor(a) principal: Lima, Fábio
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Acionamento sem sensores; ANFIS; Artificial neural networks; Fuzzy logic; Induction motors; Lógica Fuzzy; Motor de indução; Redes neurais artificiais; Sensorless drives
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3143/tde-20092011-150232/

Este trabalho apresenta uma alternativa ao controle vetorial de motores de indução, sem a utilização de sensores para realimentação da velocidade mecânica do motor. Ao longo do tempo, diversas técnicas de controle vetorial têm sido propostas na literatura. Dentre elas está a técnica de controle por orientação de campo (FOC), muito utilizada na indústria e presente também neste trabalho. A principal desvantagem do FOC é a sua grande sensibilidade às variações paramétricas da máquina, as quais podem invalidar o modelo e as ações de controle. Nesse sentido, uma estimativa correta dos parâmetros da máquina, torna-se fundamental para o acionamento. Este trabalho propõe o desenvolvimento e implementação de um estimador baseado em um sistema de inferência neuro-fuzzy adaptativo (ANFIS) para o controle de velocidade do motor de indução trifásico em um acionamento sem sensores. Pelo fato do acionamento em malha fechada admitir diversas velocidades de regime estacionário para o motor, uma nova metodologia de treinamento por partição de frequência é proposta. Ainda, faz-se a validação do sistema utilizando a orientação de campo magnético no referencial de campo de entreferro da máquina. Simulações para avaliação do desempenho do estimador mediante o acionamento vetorial do motor foram realizadas utilizando o programa Matlab/Simulink. Para a validação prática do modelo, uma bancada de testes foi implementada; o acionamento do motor foi realizado por um inversor de frequência do tipo fonte de tensão (VSI) e o controle vetorial, incluindo o estimador neuro-fuzzy, foi realizado pelo pacote de tempo real do programa Matlab/Simulink, juntamente com uma placa de aquisição de dados da National Instruments.