Titelaufnahme
Titelaufnahme
- TitelDatenbasierte Modellierung von Asynchronmotorantrieben zur präzisen Schätzung und Steuerung des Drehmoments / Marius Stender ; Erster Gutachter: Prof. Dr.-Ing. Joachim Böcker, Zweiter Gutachter: Prof. Dr.-Ing. Axel Mertens
- Autor
- Gutachter
- Erschienen
- Umfang1 Online-Ressource (vi, 178 Seiten) Diagramme, Illustrationen
- HochschulschriftUniversität Paderborn, Dissertation, 2025
- AnmerkungTag der Verteidigung: 22.04.2025
- Verteidigung2025-04-22
- SpracheDeutsch
- DokumenttypDissertation
- Schlagwörter (GND)
- URN
- DOI
Links
- Social MediaShare
- Nachweis
- IIIF
Dateien
Klassifikation
Zusammenfassung
Asynchronmotorantriebe sind ein wesentlicher Bestandteil der modernen Industrie sowie des privaten Alltags und werden in zahlreichen Anwendungen drehmomentgesteuert eingesetzt. Diese Arbeit adressiert die hochgenaue Schätzung und Steuerung des Drehmoments von Asynchronmotorantrieben. Zur Erreichung dieser Zielsetzung wird das klassische Asynchronmotormodell um nichtlineare elektrische Einflüsse erweitert und für die Zustandsbeobachtung in ein adaptives Kalman-Filter integriert. Durch Hinzunahme eines thermischen Netzwerks wird der Beobachter anschließend zu einem elektrisch-thermischen Beobachter vervollständigt. Im Unterschied zum Stand der Technik werden alle relevanten nichtlinearen Motoreffekte aus der elektrischen sowie der thermischen Domäne berücksichtigt und sämtliche unsicheren Beobachterparameter mit einer gemeinsamen Offline-Optimierung basierend auf einem umfassenden Messdatensatz bestimmt. Der Beobachter erzielt mit einem geringen Online-Rechenaufwand eine hohe Performanz sowohl bei der Schätzung als auch bei der Steuerung des Drehmoments in der feldorientierten Regelung. Die quadratischen Mittelwerte der Abweichungen liegen unter 0,8 % des Nenndrehmoments. Zusätzlich stehen vom Beobachter geschätzte Motortemperaturen und Verlustleistungen im Online-Betrieb zur Verfügung. Für die Beobachtung mithilfe des adaptiven Kalman-Filters wird eine genaue Information über die vom Umrichter gestellte Spannung benötigt. Deshalb werden zunächst präzise datenbasierte Umrichtermodelle und Umrichterkompensationsverfahren erarbeitet. Gegenüber dem Stand der Technik werden hierin alle wesentlichen nichtlinearen Effekte des Umrichters, insbesondere auch diejenigen bei sehr hohen oder sehr niedrigen Tastverhältnissen, berücksichtigt und gemeinsam offline mithilfe umfangreicher Messdaten bestimmt.
Abstract
Induction motor drives are an essential part of modern industry as well as everyday private life and are used torque-controlled in numerous applications. This work addresses the highly accurate estimation and control of the torque of induction motor drives. To achieve this objective, the classical induction motor model is extended by non-linear electrical influences and integrated into an adaptive Kalman filter for state observation. By incorporating a thermal network, the observer is subsequently completed to an electrical-thermal observer. In contrast to the state of the art, all relevant non-linear motor effects from the electrical as well as the thermal domain are taken into account and all uncertain observer parameters are determined with a joint offline optimization based on a comprehensive measurement data set. The observer achieves high performance in both estimating and controlling the torque in the field-oriented control while requiring low online computing power. The root mean square deviations are below 0.8 % of the nominal torque. Additionally, motor temperatures and power losses estimated by the observer are available in online operation. Precise information on the voltage set by the inverter is needed for the observation using the adaptive Kalman filter. For this reason, accurate data-based inverter models and inverter compensation methods are first developed. Compared to the state of the art, all significant non-linear effects of the inverter, in particular also those at very high or very low duty cycles, are considered and jointly determined offline based on comprehensive measurement data.
Inhalt
Statistik
- Das PDF-Dokument wurde 33 mal heruntergeladen.
