유도 전동기의 모델 예측 토크제어와 외란관측기를 이용한 희생제동에의 적용 :Model predictive torque control of induction motor and its application to regenerative braking with disturbance observer

이정주

추천

검색

자료유형: 학위논문

저자정보: 이정주 (서울과학기술대학교, 서울과학기술대학교 대학원)

지도교수: 이영일

발행연도: 2018

저작권: 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.

이용수15

이 논문의 연구 히스토리 (2)

2018

외란관측기를 이용한 회생제동기법

이정주 , 이경석 , 최민호 외 1명 대한전기학회 학술대회 논문집 2018.07 학술대회자료

유도 전동기의 모델 예측 토크제어와 외란관측기를 이용한 희생제동에의 적용

이정주 전기정보공학과 2018.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구에서는 유도 전동기의 토크 제어를 위한 연속제어요소 모델 예측 토크제어(Continuous Control Set-Model Predictive Torque Control, CCS-MPTC)기법과 외란 관측기(Disturbance Observer)를 이용한 유도 전동기의 회생제동기법을 제안한다. 기계적 모델에 포함된 관성모멘트와 마찰계수 값을 변화시키기 위해 필요한 토크 성분이 외란관측기를 통해 만들어진다. 전동기를 감속시키기 위해 마찰 계수 값을 증가시키면, 이 동작을 위해 만들어진 토크 값은 회생제동 토크지령 값이 된다. 회생제동 토크지령 값은 연속제어요소 모델 예측 토크제어에 의해 추종된다. 토크제어는 유도 전동기의 효율을 고려하여 손실최소화(Loss minimization)가 되도록 하는 상태지령을 선정함으로써, 자속 증가영역, 자속제한영역으로 세분화시킨다. 유도 전동기의 모델링을 바탕으로 미래 상태를 예측하고, 선정된 상태지령과 예측된 미래 상태를 이용한 상태추적오차로 비용함수를 구성한다. 비용함수는 Lyapunov 함수로 정의하며, 그 중 비중행렬은 LMI(Linear Matrix Inequality) 최적화기법을 통해 상태추적오차에 대한 적절한 값을 얻음으로써, 모터 동작의 안정성을 보장한다. 또한, 모델예측제어기법에는 적분 성분이 포함되어 있지 않아 정상상태 오차가 발생할 수 있기 때문에 이를 제거하기 위해 제어기에 적분기를 추가한다. 제안하는 기법은 비용함수가 최소화되는 최적의 출력전압벡터를 적용함으로써 모터를 효율적으로 구동한다. 또한, 유도 전동기의 자속기준제어와 모델 예측 제어를 위해 필요한 유도 전동기의 매개 변수 값을 추정하는 방법에 대해 설명한다. 본 연구에서 제안하는 기법들을 검증하기 위해 2레벨 인버터의 시뮬레이션을 통해 분석하였고, TMS320F28377D 프로세서 및 70kW 유도 전동기를 이용하여 실험하였고 그 결과를 얻었다.

In this study, we propose a continuous control set model predictive torque control method and a regenerative braking method using disturbance observer for torque control of an induction motor. The torque is created using the disturbance observer. This torque is determined by changing the values of the moment of inertia and the coefficient of friction in the mechanical model. As the value of the friction coefficient is increased to decelerate the motor, the torque created for this operation becomes the regenerative braking torque reference value. The regenerative braking torque reference value is tracked by the continuous control set model predictive torque control. Torque control is subdivided into a magnetic flux-increased region and a magnetic flux-limited region by selecting a state reference that minimizes the loss of the induction motor. Based on the model of the induction motor, the cost function is constructed by the state tracking error using the selected state reference and the predicted future state. The cost function is defined by the Lyapunov function. The weighting matrix is obtained by an appropriate value for the state tracking error through the Linear Matrix Inequality based optimization method, thereby ensuring the stability of the motor operation. Since the model predictive control method does not include an integral component, a steady state error may occur. Therefore, an integrator is added to the controller to eliminate the off-set error. The proposed method efficiently drives the motor by applying the optimal output voltage vector with the minimized cost function. In addition, A method for identifying the parameter values of the induction motor for the flux-based control and the model predictive control of the induction motor will be described. The efficacy of the proposed method is verified through the simulation results on a 2-level inverter and experimental results using TMS320F28377D processor on a 70kW induction motor are made.

I. 서 론 1
1. 연구의 배경 및 목적 1
2. 논문의 구성 3
II. 제어 시스템의 구성 4
1. 유도 전동기의 수학적 모델 4
2. 2레벨 인버터 시스템 7
III. 2레벨 인버터를 이용한 모델 예측 토크제어 9
1. 상태 지령 계산 9
2. 비용 함수 정의 14
3. 연속제어요소 모델 예측 토크제어기 설계 16
4. 시간 지연 보상 및 적분기, 자속추정기 추가 17
5. 고효율 유도 전동기의 매개 변수 추정 20
6. 실험 결과 24
IV. 부하모의 및 회생제동 30
1. 전동기의 기계적 모델 30
2. 회생제동에의 적용 30
3. 외란 관측기 설계 32
4. 시뮬레이션 및 실험 결과 35
V. 결 론 49
참고문헌 50
영문초록(Abstract) 53
감사의 글 55

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)