Design of speed estimator for induction motor using principal component analysis and neural networks

• Autorzy: Grzesiak L.M. , Ufnalski B.

Warianty tytułu

PL

Projektowanie neuronowego estymatora prędkości kątowej silnika indukcyjnego przy zastosowaniu analizy składowych głównych

• Języki publikacji: EN

Abstrakty

EN

This paper presents a novel approach to speed estimation for induction motor. The method is based on a two-stage preprocessing of measured terminal signals and a universal neural nonlinear function approximator. The first stage of preprocessing (nonlinear one) provides signals that fulfil some criteria related to proposed non-tapped delay architecture i.e. frequency spectrum matching and approximation space enlargement. The second stage (linear one) incorporates PCA (Principal Component Analysis) model which generates signals for the neural function approximator. This stage enables a reduction of dimension of a training set without loss of information. The whole system is implemented in a dSpace DS1103 card and experimental results show the effectiveness of the proposed method.

PL

W artykule przedstawiono nową metodę projektowania neuronowego estymatora prędkości kątowej dla silnika indukcyjnego. Proponowany estymator prędkości składa się z dwustopniowego wstępnego przetwarzania mierzonych sygnałów elektrycznych oraz neuronowego aproksymatora funkcji nieliniowej. Pierwszy stopień (nieliniowy) wstępnego przetwarzania realizuje, narzucone przez kryteria przydatności w proponowanej architekturze, dopasowanie częstotliwościowe sygnałów oraz rozszerzenie bazy aproksymatora. Drugi stopień (liniowy), wykorzystujący model PCA (Principal Component Analysis), generuje zestaw sygnałów dla neuronowego aproksymatora funkcji. Stopień liniowy pozwala ograniczyć rozmiar zbioru uczącego, przy jednoczesnej maksymalizacji informacji o stanie obiektu obserwowanego. Estymator przetestowano w układzie eksperymentalnym z kartą dSpace DS1103.

Słowa kluczowe

EN

neural network; induction motor; estimation techniques; drive

PL

sieć neuronowa; silnik indukcyjny; odtwarzanie prędkości; napęd bezczujnikowy

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2004
• Tom: R. 80, nr 5
• Strony: 493--497
• Opis fizyczny: Bibliogr. 29 poz., rys.

Twórcy

autor

Grzesiak L.M.

• Warsaw University of Technology, Institute of Control and Industrial Electronics, Koszykowa Street 75, 00-662 Warsaw

autor

Ufnalski B.

• Warsaw University of Technology, Institute of Control and Industrial Electronics, Koszykowa Street 75, 00-662 Warsaw

Bibliografia

• [1] Kubota H., Matsuse K., Speed sensorless field-oriented control of induction motor with rotor resistance adaptation, IEEE Transactions on Industry Applications, 30 (1994), n.5, 1219-1224
• [2] Derdiyok A., A novel speed estimation algorithm for induction machines, ELSEVIER, Electric Power Systems Research, 64 (2003), 73-80
• [3] Sensorless Control with Kalman Filter on TMS320 Fixed-Point DSP, Texas Instruments Europe (1997)
• [4] Vas P., Sensorless Vector and Direct Torque Control, Oxford University Press, Monographs in Electrical and Electronic Engineering, 42 (1998)
• [5] Schrödl M., Sensorless control of AC motors (permanent magnet synchronous motors, induction motors), EPE Tutorial, (2003)
• [6] Lorenz R.D., Advances in Electric Drive Control, IEEE International Electric Machines and Drives Conference IEMDC, (1999), 9-16
• [7] Leppänen V.M., Low-frequency injection-based speed sensorless control of induction motors - applicability and implementation aspects, EPE Conference CD-ROM, (2003)
• [8] Beliczyński B., Grzesiak L., Induction motor speed estimation: Neural versus phenomenological model approach, Neurocomputing, 43 (2002), 17-36
• [9] Orłowska-Kowalska T., Pawlak M., Induction motor speed estimation based on neural modelling method, Archives of Electrical Engineering, vol. XLIX, 1 (2000), 35-48
• [10] Sobczuk D. L., Application of ANN for Control of PWM Inverter Fed Induction Motor Drives, Ph.D. Thesis, Warsaw University of Technology, Faculty of Electrical Engineering, (1999)
• [11] Kim S-H., Park T-S., Yoo J-Y., Park G-T., Speed-Sensorless Vector Control of an Induction Moror Using Neural Network Speed Estimator, IEEE Transactions on Industrial Electronics, 48 (2001), n.3, 609-614
• [12] Ben-Brahim L., Tadakuma S., Akdag A., Speed control of induction motor without rotational transducers, IEEE Transactions on Industry Applications, 35 (1999), n.4, 844-850
• [13] Vas P., Artificial-Inteligence-Based Electrical Machines and Drives, Oxford University Press (1999)
• [14] Orłowska-Kowalska T., Migas P., Analysis of the induction motor speed estimation quality using neural networks of different structure, Archives of Electrical Engineering, vol. L, 4 (2001), 411-425
• [15] Kaźmierkowski M. P., Krishnan R., Blaabjerg F., Irwin J. D., Control In Power Electronics - Selected Problems, Academic Press (2002)
• [16] Beliczyński B., Grzesiak L., Induction motor speed estimation: Limitations of certain neural schemes based on time instances of periodic signals, IECON'01 IEEE Service Center (2001), 653-657
• [17] Grzesiak L. M., Beliczyński B., Ufnalski B., Input Preprocessing in Tapped Delay Neural Architecture for Induction Motor Speed Estimation, EPE Conference CD-ROM, (2003)
• [18] Beliczyński B., On input discretisation processes for tapped delay neural archirecture, ICANNGA, (2003)
• [19] Grzesiak L., Ufnalski B., Beliczyński B., Bezczujnikowy napęd prądu przemiennego z neuronowym estymatorem prędkości kątowej, Przegląd Elektrotechniczny, 3 (2003), 187- 193
• [20] Matlab Release 13 Manual, Mathworks, (2002)
• [21] Cichocki A., Amari S., Adaptive Blind Signal and Image Processing: Learning Algorithms and Applications, John Wiley & Sons, Ltd (2002)
• [22] Hyvärinen A., Oja E., Independent Component Analysis: A Tutorial, Helsinki University of Technology, Laboratory of Computer and Information Science, (1999), http:/ /www.cis.hut.fi/projects/ica/
• [23] Sturn A., Cluster Analysis for large Scale Gene Expression Studies, Master Thesis, Institute for Biomedical Engineering, Gratz University of Technology, (2000), http:/ /genome.tugraz.at/Software/Genesis/Documentation.html
• [24] Principal Component Analysis (PCA) and Factor Analysis in OASIS montajTM, Geosoft Technical Note, (1999), http://www.geosoft.com/
• [25] Papliński A. P., Generalized Hebbian Learning and its application in dimensionality reduction, Technical Report 97-2, Faculty of Computing and Information Technology, Department of Digital Systems, MONASH Australia’s International University, (1997)
• [26] NeuroSolutions 4.2 Manual (free evaluation copy), http://www.nd.com/, (2003)
• [27] Osowski S., Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa (1996)
• [28] Press W. H., Teukolsky S. A., Vetterling W. T., Flannery B. P., Numerical Recipes in C: The Art of Scientific Computing, Cambridge University Press (1992)
• [29] Rosen K. H., Michaels J. G., Grossman J. L., Shier D. R., Handbook of Discrete and Combinatorial Mathematics, CRC Press, (2000).