بخشی از مقاله
چکیده
موتورهای DC بدون جاروبک به دلیل داشتن حجم پائین، بازدهی بالا و عمر مفید طولانی در کاربردهای حساس مانند تجهیزات پزشکی، دیسک درایوهای کامپیوتری، صنایع فضایی و تجهیزات زیردریایی بطور گسترده مورد استفاده قرار میگیرند . با توجه به کاربرد این موتورها در صنایع و موقعیتهای حساس، کنترل دقیق سرعت این موتورها از اهمیت بالایی برخوردار است.
به همین دلیل در این مطالعه یک روش هوشمند بر اساس کنترل گر فازی عصبی-فازی جهت کنترل سرعت موتورهای DC بدون جاروبک پیشنهاد شده است. روش پیشنهادی از دو بخش اساسی تشکیل شده است: بخش کنترلگر و بخش الگوریتم یادگیری. در بخش کنترلگر از کنترلگر عصبی-فازی انفیس استفاده شده است. عملکرد انفیس به نحوه آموزش آن و دقت الگوریتم یادگیری آن وابسته است.
به همین خاطر در روش پیشنهادی از یک الگوریتم جدید یادگیری مبتنی بر الگوریتم کلونی زنبور مصنوعی تطبیقی استفاده شده است. جهت ارزیابی عملکرد روش پیشنهادی، روش پیشنهادی بر روی یک موتور DC بدون جاروبک با قدرت نامی 1/1 اسب بخار و سرعت نامی 1500 دور بر دقیقه تست شده است. جهت مقایسه با سایر روشهای مشابه، عملکرد روش پیشنهادی با کنترلگر PI مقایسه شده است. نتایج بدست آمده نشان داده که روش پیشنهادی دارای عملکرد و دقت بسیار خوبی در کنترل سرعت موتورهای DC بدون جاروبک برخوردار است.
مقدمه
موتورهای DC بدون جاروبک از خانواده موتورهای سنکرون هستند که در سالهای اخیر کاربرد گسترده ای در صنایع مختلف پیدا کرده اند. به غیر از مزایایی همچون داشتن حجم کم، راندمان بالا، نویز پائین، کنترل سرعت مناسب، قابلیت انعطاف بالا و نگهداری آسانتر، این موتورها به دلیل نداشتن جاروبک مشکلات مربوط به جاروبک را نیز ندارند. در موتورهای جریان مستقیمم معمولی - با جاروبک - که عمل کموتاسیون در آنها توسط جاروبک که یک بخش مکانیکی است انجام می گیرد، نیاز به تعمیر و نگهداری بیشتر دارد.
همچنین در موتورهای DC با جاروبک، به دلیل وجود سایش بین اجزاء این بخش از بازدهی موتور به شدت کاسته می شود و به دلیل وجود جرقه های موجود هنگام تعویض قطبها، احتمال آتش سوزی نیز وجود دارد. ولی در موتورهای DC بدون جاروبک به دلیل حذف جاروبک مشکلات مذکور وجود نداشته و عملا حجم و بازدهی موتور بطور قابل موثری افزایش می یابد.
به دلیل اهمیت موتورهای دی سی بدون جاروبک و کاربرد آن ها در صنایع مختلف، در سال های اخیر مطالعات گسترده ای در زمینه طراحی و کنترل سرعت این موتورها صورت گرفته است. در - Ibrahim et al, 2014 - از کنترل گر PID جهت کنترل سرعت موتور دی سی بدون جاروبک استفاده شده است. کنترل گر PID مرسوم ترین کنترل گر در صنعت می باشد، بطوریکه بیش از %90 از کنترل گرهای موجود در صنعت از این نوع هستند.
این کنترل گرها به دلیل ساختار ساده و سهولت پیاده سازی از محبوبیت بالائی برخوردار هستند. به دلیل اینکه ضرایب تناسبی، انتگرالی و مشتقی در این کنترل از تاثیر بالائی برخوردار هستند، در این روش از الگوریتم بهینه سازی پرنده و الگوریتم بهینه سازی باکتری جهت تعیین مقدار بهینه این ضرایب استفاده شده است. به منظور ارزیابی روش پیشنهادی از یک موتور دی سی بدون جاروبک 52 وات، ولتاژ ورودی 24 ولت و سرعت نامی 200 دور بر دقیقه استفاده شده است.
در - Premkumar and Manikandan, 2015 - از کنترل گر PID جهت کنترل سرعت موتور DC بدون جاروبک استفاده شده است. در این روش از سیستم فازی جهت تنظیم و تعیین آنلاین ضرایب کنترل گر PID استفاده شده است. به منظور ارزیابی روش پیشنهادی از یک موتور DC بدون جاروبک با ولتاژ نامی 470 ولت، 50 آمپر، 4 جفت قطب و سرعت نامی 1500 دور بر دقیقه استفاده شده است. روش پیشنهادی در شرایط مختلف کاری موتور، تغییر گشتاور بار و تغییر سرعت مرجع تست شده است و نتایج شبیه سازی ها نشان داده است که روش پیشنهادی از دقت بسیار خوبی برخوردار است.
در - Premkumar and Manikandan, 2016 - نیز مانند - Premkumar and Manikandan, 2015 - از کنترل گر PID که ضرایب آن توسط سیستم فازی تنظیم آنلاین می شود برای کنترل سرعت موتور DC بدون جاروبک استفاده شده است، با این تفاوت که در این روش از الگوریتم های بهینه سازی مبتنی بر هوش جمعی مانند الگوریتم خفاش، الگوریتم پرنده و فاخته جهت بهینه سازی ساختار سیستم فازی استفاده شده است.
در - Niapour et al, 2014 - ، از کنترل گر H برای کنترل سرعت موتور دی سی بدون جاروبک استفاده شده است. دلیل استفاده از کنترل گر H ، عملکرد خوب و مقاوم بودن آن در مقابل اغتشاشات است. روش کنترلی + به عنوان یکی از متداولترین روش های کنترلی در طراحی کنترل کننده ی سرعت موتور مورد استفاده قرار گرفته است. در این مطالعه تاثیر عدم قطعیت ها در پارامترهای موتور و نویزهای موجود بر عملکرد کنترل گر بررسی شده است.
در - Niapour et al, 2012 - نیز از کنترل مقاوم جهت کنترل سرعت موتور دی سی بدون جاروبک استفاده شده است. در این تحقیق، از کنترل گر L استفاده شده است. به منظور ارزیابی بهتر، عملکرد کنترل گر L با کنترل گر های مد لغزشی و فیلتر کالمن مقایسه شده است.
در - Gokbulut and Tekin, 2006 - از شبکه عصبی جهت مدل سازی و کنترل سرعت موتور دی سی بدون جاروبک استفاده شده است. شبیه سازی ها با استفاده از زبان دلفی انجام شده است. نتایج شبیه سازی نشان داده که شبکه عصبی به خوبی قادر است سرعت موتور را تحت شرایط مختلف و با تغییر پارامترها کنترل کند.
در - Gedikpinar, 2011 - از ماشین بردار پشتیبان جهت کنترل سرعت موتور دی سی بدون جاروبک استفاده شده است. برای مقایسه بهتر، عملکرد ماشین بردار پشتیبان با عملکرد کنترل گر PI نیز مقایسه شده است. نتایج شبیه سازی نشان می دهد که ماشین بردار پشتیبان عملکرد بسیار بهتری نسبت به کنترل گر PI دارد.
در - Huang and Yu, 2015 - از انفیس جهت کنترل سرعت موتور دی سی بدون جاروبک استفاده شده است. در این روش از 20000 نمونه داده جهت آموزش انفیس استفاده شده و جهت بهبود عملکرد انفیس، از الگوریتم بهینه سازی خفاش جهت تعیین آنلاین ضرایب انفیس استفاده شده است. در این روش، نرخ یادگیری، فاکتور فراموشی و ثابت تند ترین نزول توسط الگوریتم بهینه ساز بهینه شده است.
کنترل مد لغزشی یکی از روش های کنترل مقاوم است که جهت مقابله با عدم قطعیت و اغتشاشات خارجی بسیار قدرتمند است. در این روش یک سطح متغیر با زمان به نام s در نظر می گیریم و حالت های سیستم در زمان محدود به سطح می رسند و روی سطح لغزش کرده و به صفر می رسند. در Rao and.Prasad, 2014 - و - Bharathi, 2014 از روش کنترلی مد لغزشی جهت کنترل سرعت موتور دی سی بدون جاروبک استفاده شده است. یکی از معایب مد لغزشی به جهت استفاده از کنترل ناپیوسته علامت یا sign پدیده چترینگ است و عبارت از نوسانات فرکانس بالا ولی محدود است که جهت اجرای عملی کنترل کننده باید از آن اجتناب شود.
در این مطالعه یک روش جدید جهت کنترل سرعت موتور DC بدون جاروبک بر اساس انفیس و الگوریتم کلونی زنبور مصنوعی تطبیقی ارائه شده است. در ادامه مقاله، مفاهیم مورد نیاز شامل انفیس و لگوریتم کلونی زنبور مصنوعی تطبیقی بطور خلاصه معرفی شدهاند. سپس جزئیات روش پیشنهادی آمده است. در ادامه، نتایج مطالعات عددی ارائه شده و در انتها نتیجه گیری کلی مقاله آمده است.
انفیس
نظریه مجموعه های فازی در سال 1965 توسط عسگرزاده، دانشمند ایرانی تبار و استاد دانشگاه برکلی آمریکا عرضه شد - Zadeh, . - 1966 اولین بار جانگ در سال 1993 توانست از قدرت زبانی سیستمهای فازی و آموزش شبکه های عصبی استفاده نماید و سیستمی تحت عنوان سیستم های فازی بر پایه شبکه عصبی تطبیقی ارائه نماید . - Jang, 1993 - این سیستم ها به سیستم های انفیس معروف شده اندغالباً. سیستمهای انفیس را با استفاده از یک سیستم فازی تاکاگی-سوگنو -کانگ به صورت ساختار شبکه ای پیشرونده به کار می برند. اگر خروجی هر لایه به صورت Oik - خروجی kام در iامین گره از لایه - L باشد که با دو تابع عضویت توصیف شود، ساختار انفیس بصورت 5 لایه - شکل - - 1 - و بصورت زیر خواهد بود:
شکل -1ساختار کلی انفیس - Jang, 1993 -