E-çekirdek çapraz akı makinasının yapay sinir ağı tabanlı modellenmesi ve deneysel rotor pozisyonu kestirimi

Abstract

Farklı tasarımı ve yapısıyla elektrik makinaları arasında dikkat çekici avantajları olan E-Çekirdek Çapraz Akı Makinası (ETFM), çapraz akı ve relüktans prensibini birleştiren bir çalışma şekline sahiptir. ETFM?in rotor pozisyonu ve faz akımının lineer olmayan fonksiyonları olan manyetik akı, endüktans ve moment karakteristiklerinin, makinanın modellemesi için doğru belirlenmesi gerekmektedir. Bu çalışmada, ETFM?in manyetik karakteristiklerinin elde edilmesi için literatürde ilk kez Destek Vektör Regresyon Makinaları (DVRM) kullanılmakta ve Yapay Sinir Ağları (YSA) yöntemi modelleri ile karşılaştırılmaktadır. DVRM ve YSA?nın eğitim ve test verileri laboratuarda test sisteminde yapılan deneysel ölçümlerden elde edilmektedir. ETFM?nin bir egzersiz bisikleti uygulaması için kontrol yapısı ve test sisteminin uygulaması tezde sunulmaktadır. Tüm sistemin modellemesi ve simülasyonu Matlab/Simulink?te uygulanmakta ve farklı koşullar altında test sisteminden alınan dalga şekilleri ile karşılaştırılarak doğrulanmaktadır.ETFM?i optimum performansta çalıştırabilmek için, manyetik durumuna göre fazların uygun pozisyonda enerjilendirilmesi rotor konumu algılanarak yapılmaktadır. Bu tez çalışmasında, ETFM?in rotor pozisyonunun tahmini için YSA tabanlı bir gözlemci yapısı kullanılmaktadır. YSA tahmincisinin girişleri için akı tahmini yapılmakta ve faz akım bilgisi algılanmaktadır. DSpace işlemcisi kullanılarak gözlemci algoritması test sistemine uygulanmakta ve rotor pozisyonu tahmin sonuçları elde edilmektedir. Önerilen gözlemci modelinde akı tahmini ve rotor konum açısı tahmini için deneysel ve simülasyon sonuçları karşılaştırılmaktadır.

The E-core Transverse Flux Machine (ETFM) has major advantages with its different and unique structure in conventional electrical machines. It is a combination of transverse flux and reluctance principle. However, the magnetic characteristics such as flux linkage, phase inductance and electromagnetic torque are highly nonlinear functions of the rotor position and phase current which makes difficult to model the ETFM due to the special structure. In this work, support vector regression machines (SVRM) are used to obtain the magnetic characteristic parameters of the ETFM for the first time and compared with its artificial neural network (ANN) models. Data required in training and testing of SVRM and ANN is directly obtained from experimental measurement done in the actual machine with the laboratory test system. The ETFM is applied for an exercise bike. The control structure and application of the test system is presented in this thesis. The complete modelling and the simulation of the whole system, considering the nonlinear characteristic of the drive, are implemented by Matlab/Simulink and verified the waveforms with the real system results under different conditions.Optimal performance is achieved by proper positioning of the current pulse with respect to the magnetic status of the machine. In this thesis, the sensorless observer of the ETFM rotor position is implemented based on artificial neural network. The rotor position observer is tested in the real test system using a DSpace. The results of the proposed method are compared for the experimental, simulation and real system.