Optimal design of the extended Kalman filter for the two-mass system using genetic algorithm

• Autorzy: Szabat K. , Orłowska-Kowalska T.

Warianty tytułu

PL

Optymalne projektowanie rozszerzonego filtru Kalmana dla układu dwumasowego przy wykorzystaniu algorytmu genetycznego

• Języki publikacji: EN

Abstrakty

EN

The paper deals with the application of the Extended Kalman Filter in the control structure of the drive system with elastic coupling. In order to ensure the suppression of torsional vibration the application of additional feedbacks from selected state variables (load speed, torsional torque) is necessary. In the paper these state variables were estimated using the extended Kalman filter algorithm. The covariance matrices Q and R elements, which determine the dynamical characteristics of the Kalman filter, were selected using the genetic algorithm with specially defined cost function. It makes possible to get the accuracy of the state variable estimation in the system with parameter variations and big noise level. The extended Kalman filter used for load speed, torsional and load torques estimation, was tested in the open- and closed-loop control structure in whole speed range, also under reverse operation. Simulation results were verified by the experimental tests.

PL

W artykule przedstawiono zastosowanie rozszerzonego filtru Kalmana w strukturze sterowania napędu elektrycznego z połączeniem elastycznym. Aby zapewnić tłumienie oscylacji momentu skrętnego w takim układzie, niezbędne jest zastosowanie dodatkowych sprzężeń zwrotnych od wybranych zmiennych stanu (prędkość obciążenia, moment skrętny). Do estymacji tych zmiennych stanu zaproponowano zastosowanie rozszerzonego filtru Kalmana. Elementy macierzy kowariancji zakłóceń stanu i wyjścia Q i R, które determinują charakterystyki dynamiczne filtru Kalmana, zostały dobrane za pomocą algorytmu genetycznego o odpowiednio zdefiniowanej funkcji celu. Umożliwiło to uzyskanie dobrej dokładności odtwarzania zmiennych stanu w układzie z zakłóceniami parametrycznymi i pomiarowymi. Rozszerzony filtr Kalmana, umożliwiający estymację prędkości obciążenia, momentu skrętnego i momentu obciążenia, został przetestowany w otwartej i zamkniętej pętli regulacji, w całym zakresie zmian prędkości zadanej oraz podczas pracy nawrotnej napędu. Wyniki badań symulacyjnych zostały zweryfikowane eksperymentalnie na stanowisku laboratoryjnym.

Słowa kluczowe

EN

electric drives; two-mass system; state estimation; Kalman filter; genetic algorithms

PL

napęd elektryczny; układ dwumasowy; estymacja zmiennych stanu; filtr Kalmana; algorytm genetyczny

• Wydawca: Polish Academy of Sciences, Committee on Electrical Engineering
• Czasopismo: Archives of Electrical Engineering
• Rocznik: 2006
• Tom: Vol. 55, nr 3-4
• Strony: 237--254
• Opis fizyczny: Bibliogr. 17 poz., rys.

Twórcy

autor

Szabat K.

autor

Orłowska-Kowalska T.

• Institute of Electrical Machine Drives and Measurements, Wrocław University of Technology,

Bibliografia

• 1. Ji J.K., Sul S.K., DSP-Based Self Tuning IP Speed Controller with Load Torque Compensation for Rolling Mill DC Drive. IEEE Trans, on Industrial Electronics. Vol. 42, No. 4, 1995, pp. 382-386.
• 2. Zhang G., Furusho J.: Speed Control of Two-Inertia System by PI/PID Control. IEEE Trans, on Industrial Electronics, Vol. 47, No. 3, 2000, pp. 603-609.
• 3. Pacas J.M., Armin J., Eutebach T.: Automatic Identification and Damping of Torsional Vibrations in High-Dynamic-Drives. Proc. of Intern. Symp. on Industrial Electronics ISIE'2000, Cholula-Puebla, Mexico, 2000, pp. 201-206.
• 4. Orlowska-Kowalska T., Szabat K.: Optimisation of Fuzzy Logic Speed Controller for DC Drive System with Elastic Joints. IEEE Trans, on Industry Applications, Vol. 40, No. 4, 2004, pp. 1138-1144.
• 5. Schroder D., HintzC, Rau M.: Intelligent Modeling, Observation, and Control for Nonlinear Systems. IEEE Trans, on Mechatronics, Vol. 6, No. 2, 2001, pp. 122-130.
• 6. Gawronski W., Racho C.S., Me11strom J.A.: Application of the LQG and Feedforward Controllers to the Deep Space Network Antennas. IEEE Transaction on Control System Technology, Vol. 3, No. 4, 1995, pp. 417-421.
• 7. Sugiura K., Hori Y.: Vibration Suppression in 2- and 3- Mass System Based on the Feedback of Imperfect Derivative of the Estimated Torsional Torque. IEEE Trans, on Ind. Electron., Vol. 43, No. 1, 1996, pp. 56-64.
• 8. Orlowska-Kowa1ska T., Szabat K.: Comparative Analysis of Different PI/PID Control Structures for Two-mass System. Proc. of 8th Intern. Conf. OPTIM'04, CD, Romania, 2004.
• 9. Szabat K., Orlowska-Kowa1ska T.: Application of Different State Variable Estimators in the Control Structures of Two-mass System. Proc. of 8th Intern. Conf. OPTIM'04, CD, Romania, 2004.
• 10. Peter K., Scholing I., Orlik B.: Robust Output-Feedback HA Control With a Nonlinear Observer for a Two-Mass System. IEEE Trans, on Industry Application, Vol. 6, No. 2, 2003, pp. 637-644.
• 11. Beineke S., Schütte F., Grotsto11en H.: Comparison of Methods for State Estimation and On-Line Identification in Speed and Position Control Loops. Proc. of 7th Conf. EPE'97, 1997, pp. 3.364-3.369.
• 12. Kaczmarek T., Muszyński R.: Damping of the Torsional Servodrive Vibration by Means of the State Variable Feedback. Proc. on EPE-PEMC'2000, 2000, pp. 6.225-6.228.
• 13. Ji J.K., Su1 S.K.: Kalman Filter and LQ Based Speed Controller for Torsional Vibration Suppression in a 2-Mass Motor Drive System. IEEE Transaction on Industrial Electronics, Vol. 42, No. 6, 1995, pp. 564-571.
• 14. Orlowska-K owalska T., Szabat K.: Sensitivity analysis of state variable estimators for two-mass drive system. Proc. of 10th Conf. EPE'03, CD, France, 2003.
• 15. Szabat K., Orlowska-Kowalska T., Dyrcz K.P.: Application of the Extended Kalman Filters in the Control Structure of Two-Mass System. Proc. of Intern. Conf. PELINCEC'05, CD, Poland, 2005.
• 16. Dyrcz K.P., Orlowska-K owalska T.: Sensorless Field Oriented Control of the Induction Motor Drive Using the Extended Kalman Filter. Proc. of Intern. Conf. PELINCEC'05, CD, Poland, 2005.
• 17. Goldberg D.E.: Genetics Algorithms in Search, Optimisation and Machine Learning. Addison-Wesley, 1989.