Estimação de estados, parâmetros e velocidade do motor de indução trifásico com metodologias de identificação em tempo real

As leis de controlo dos sistemas electrónicos de accionamento do motor de indução trifásico, em aplicações de velocidade variável, utilizando técnicas de controlo recentes e de elevado desempenho, designadamente, o controlo vectorial, requerem o conhecimento preciso dos parâmetros eléctricos do motor. A variação destes parâmetros, ao longo do tempo, afecta o desempenho das leis de controlo, sendo necessário proceder à sua estimação durante o funcionamento normal do motor. Neste contexto, são estudados procedimentos de modelação e identificação paramétricas, com o objectivo de obter modelos descritos directamente pelos parâmetros físicos do motor, ou por outros, a partir dos quais aqueles possam ser obtidos. Nesta dissertação, são desenvolvidos novos procedimentos de modelação, na representação de espaço de estados, que permitem estimar, conjuntamente, estados e parâmetros eléctricos do motor de indução. A estimação, em tempo real, é realizada utilizando o algoritmo do filtro de Kalman estendido (EKF – Extended Kalman Filter), dada a sua natureza recursiva e sua adequação a modelos não lineares e variantes no tempo, sob a forma de espaço de estados. Tendo em conta a elevada dimensão dos modelos e esforço computacional do EKF, para aplicações em tempo real, são introduzidos, nesta dissertação, procedimentos inovadores para a redução da ordem e uma nova forma de discretização dos modelos de espaço de estados no tempo contínuo. Aos modelos de ordem reduzida obtidos, é aplicado o EKF, para a estimação conjunta das componentes do fluxo do rotor e dos parâmetros eléctricos. Os mesmos modelos são também utilizados para a estimação conjunta do fluxo do rotor e da velocidade angular do motor de indução. Atendendo ao peso computacional do EKF e às dificuldades específicas da estimação de grandezas associadas ao motor de indução, é desenvolvido um conjunto de modelos lineares simples, para a estimação dos parâmetros do estator, utilizando métodos recursivos de erro de predição, nomeadamente, o algoritmo do gradiente, o método recursivo de mínimos quadrados e o filtro de Kalman. Estes algoritmos, são então interligados com o EKF, com base no princípio de estimadores de estado adaptativos, tendo em vista a estimação conjunta, mas autónoma, dos parâmetros do estator, por um lado, e das componentes do fluxo do rotor e parâmetros do rotor, por outro, depois de identificadas as potenciais vantagens da utilização desta metodologia de identificação. Deste modo, às estruturas de modelos desenvolvidas, são associados algoritmos recursivos, de modo a construir uma base de procedimentos de identificação suficientemente genérica, flexível e configurável, para estimação das diferentes variáveis associadas ao controlo do motor de indução. Com esta metodologia, é possível ter em conta o regime dinâmico do motor e o seu ponto de funcionamento, de modo a garantir a correcta estimação de todos os parâmetros eléctricos, com base na informação dos sinais da tensão e corrente do estator e da velocidade angular do motor. A estimação da velocidade, requer apenas as componentes da tensão e corrente do estator. As diferentes metodologias de identificação, adequadas à estimação de estados, parâmetros eléctricos e velocidade do motor de indução trifásico, foram validadas experimentalmente, em tempo diferido e em tempo real, utilizando o sistema de desenvolvimento da dSPACE, baseado na carta de controlo DS1103, no programa Simulink e outros programas específicos. The control of modern and high-performance electrical drives for induction motors, in variable speed applications, like vector control, requires the accurate knowledge of the induction motor electrical parameters. Since these parameters are time-varying and variations affect the performance of the control laws, their on-line estimation is needed during the normal operation of the motor. In this context, parametric modeling and identification procedures are investigated with the objective of obtaining models described by a set of either directly the physical parameters of the induction motor, or other parameters from which those could be obtained. In this thesis, new modeling procedures are developed, in the state-space representation, in order to enable the joint estimation of states and electrical parameters of the induction motor. Since the extended Kalman filter (EKF) is suitable for time-varying and non-linear state-space models and considering its recursive nature, this algorithm was used for the joint and on-line estimation of those variables. Taking into account the relatively high order of the models and the computational effort of the EKF for real time applications, new procedures are introduced in this thesis so as to reduce the order of the models and an innovative strategy is proposed for the discretization of the continuous time state-space models. The EKF is then applied to the reduced order models, obtained in this way, for joint estimation of the rotor flux components and the electrical parameters. The same models are also used for the joint estimation of the rotor flux and angular speed of the induction motor. Considering the computational effort of the EKF and the specific difficulties in the estimation of the variables related to the induction motor, a set of simple and linear models is developed for the state parameters estimation, using recursive prediction error methods, namely, the gradient algorithm, the recursive least squares method and the Kalman filter. These algorithms are connected with the EKF in a bootstrap manner based on the concept of adaptive state estimators in view of the joint, but autonomous, estimation of the stator parameters, on the one hand, and the rotor flux and rotor parameters, on the other hand, following the observation of the potentialities of using these identification methodologies. By this way, the recursive algorithms are associated to the developed model structures in order to build a sufficiently generic, flexible and configurable base of identification procedures for the estimation of the different variables related to the induction motor control. Using this methodology, it is possible to take into account the dynamics of the motor as well as its operating point, for the suitable estimation of all electrical parameters considering only the information provided by the stator voltage and current signals and the rotor speed. In the speed estimation algorithm only the stator voltage and current components are required. The different identification methodologies, as well as the speed estimation, were validated with experimental data, in off-line and real time operation, using the dSPACE development system, based on the DS1103 controller board, Simulink and other specific software. Les lois de contrôle des systèmes électroniques d’actionnement du moteur d’induction triphasé sur des applications de vitesse variable, utilisant des techniques de contrôle moderne de performance élevée, spécialement le contrôle vectoriel, exigent la connaissance assez précise des paramètres électriques du moteur. La variation temporelle de ces paramètres, affecte la performance des lois de contrôle. Il est donc nécessaire de procéder à son estimation pendant le fonctionnement du moteur. Dans ce contexte, des procédés de modélisation et d’identification paramétriques sont étudiés, avec l’objectif d’obtenir des modèles décrits directement par les paramètres physiques du moteur d’induction, ou d’ autres, qui peuvent être utilisés pour obtenir ces paramètres physiques. Dans cette dissertation de nouveaux procédés de modélisation sont développés, dans la représentation d’espace d’état, qui permettent d’estimer conjointement, états et paramètres électriques du moteur d’induction. L’estimation en-ligne, de ces paramètres, est réalisée à travers l’utilisation du filtre de Kalman étendu (Extended Kalman Filter), pour sa nature récursive et parce que cet algorithme est adapté aux modèles d’espace d’état variables dans le temps et non-linéaires. En considérant la dimension élevée des modèles et le temps de computation du EKF, pour les applications en temps réel, dans cette dissertation des procédés innovatrices pour la réduction de l’ordre des modèles et une nouvelle forme de discrétisation des modèles d’espace d’état dans le temps continu sont introduites. Aux modèles d’espace d’état d’ordre réduite qui sont obtenus est appliqué l’EKF pour estimer conjointement les composantes du flux du rotor et les paramètres électriques. Les mêmes modèles sont aussi utilisés pour estimer conjointement le flux du rotor et la vitesse angulaire du moteur d’induction Considérant l’effort de computation du EKF et les difficultés spécifiques de l’estimation des grandeurs associées au moteur d’induction, un ensemble de modèles linéaires simples, pour l’estimation des paramètres du stator, est développé, en utilisant des méthodes récursives d’erreur de prédiction, spécialement, l’algorithme du gradient, la méthode des moindres carrés récursifs et le filtre de Kalman. Ces algorithmes, sont interliés avec l’algorithme du EKF en considérant le principe des estimateurs d’état adaptatifs, pour effectuer l’estimation simultanée, mais autonome, des paramètres du stator en utilisant une méthode récursive d’erreur de prédiction, et des composantes du flux du rotor et des paramètres du rotor en utilisant l’EKF, après avoir identifiées les potentiels avantages de l’utilisation de cette méthodologie d’identification. Aux structures des modèles développées sont donc associés des algorithmes récursifs, avec l’objectif de construire une base de conduites d’identification suffisamment générique, flexible et configurable, pour l’estimation des différentes variables associées au pilotage du moteur d’induction, en considérant le régime dynamique et le point de fonctionnement, pour garantir une correct estimation des paramètres électriques du moteur. Dans l’estimation des paramètres, des composants de tension et courrant du stator et la vitesse angulaire du moteur sont utilisés. L’estimation de la vitesse utilise seulement des composants de tension et courrant du stator. Les différentes méthodologies d’identification des paramètres électriques, et d’estimation de la vitesse, ont été validées expérimentalement, hors-ligne et en-ligne, en utilisant le système de développement de dSPACE, qui est basé dans la carte de contrôle DS1103, Simulink et autres programmes spécifiques.Programa PRODE