Realisierung und Vergleich der feldorientierten Regelung einer Asynchronmaschine mit Kurzschlussläufer und einer Synchronmaschine mit Permanentmagneten unter Verwendung eines Kalman Filters als Fluss...

ynchronmaschine mit Kurzschlussläufer und einer Permanentmagneterregten Synchronmaschine in einem Digitalen Signalprozessor (DSP) umgesetzt werden. Der Diskrete Kalman Filter ist die Ausgangsform des EKF, kann allerdings mit weitaus weniger Rechenaufwand umgesetzt werden, es wird also ein vergleichsweise weniger leistungsstarker Prozessor benötigt. Zur Berechnung des Rotorflusses werden der gemessene Statorstrom und die Statorspannung, welche vom Modulator vorgegeben wird, verwendet. Die Statorspannung wird also nicht gemessen, was eine Einsparung der dazu nötigen Sensoren ermöglicht.
Zur Erarbeitung des Flussmodells sollen zuerst die theoretischen Grundlagen der Maschinen, der Feldorientierten Regelung und des Diskreten Kalman Filters erläutert werden. Einige kurze Ergebnisse von Simulationen, welche im Voraus durchgeführt wurden, werden im darauf folgenden Abschnitt dargestellt. Danach wird der Versuchsaufbau vorgestellt. Dann wird auf die Umsetzung der Gleichungssysteme im DSP eingegangen, die Ergebnisse der Versuche werden dargestellt und bewertet und letztlich sollen Vorschläge zur weiteren Verbesserung des Verhaltens des Flussmodells mittels eines Kalman Filters eingebracht werden. Moderne Regelungsverfahren für Drehstromantriebe sind in den letzten Jahren sehr stark erforscht wurden, um eine kostengünstige Alternative zu den leistungsstarken und relativ einfach regelbaren Gleichstromantrieben zu finden. Dabei wurde unter anderem viel Aufwand bei der Entwicklung von Verfahren betrieben, die ohne Drehzahlsensoren arbeiten. Der Verzicht auf solche Sensoren bringt vor allem Kostenvorteile bei der Herstellung der Drehstromantriebe, da sowohl der Sensor selbst als auch die dafür nötigen Befestigungs- und Verbindungsvorrichtungen wegfallen. Für die Umsetzung dieser Idee wurden viele verschiedene Varianten von so genannten Beobachtern entwickelt, wobei zwischen open-loop und closed-loop Beobachtern unterschieden wird. Die open-loop Beobachter sind dabei einfacher umzusetzen, haben allerdings den Nachteil, sehr empfindlich gegenüber Änderungen der Motorparameter zu sein. Außerdem bleibt das Problem des Offsets am offenen Integrierer, welches sich stetig aufaddiert. Ein Beispiel dafür ist das einfache Flussmodell ohne Rückführung, bei dem aus dem gemessenen Strom und der gemessenen Spannung der Rotorfluss berechnet wird. Die closed-loop Varianten sind in ihrer Umsetzung umfangreicher und komplizierter, dafür treten die oben genannten Nachteile nicht mehr auf und eine verbesserte Performance ist möglich (1). Beispiele dafür sind der einfache Integrierer mit Rückführung, das Model Reference Adaptive System (MRAS) (2), der Sliding Mode Observer (3), Artificial Neural Networks (ANN) (4) und der Extended Kalman Filter (EKF) (5),(6),(7). Der Nachteil dieser Beobachter ist vor allem die erhöhtr Rechenleistung, die zu ihrer Umsetzung benötigt wird.
In dieser Arbeit soll der Diskrete Kalman Filter als Flussmodell für die sensorlose Feldorientierte Regelung einer As

Klappentext

Moderne Regelungsverfahren für Drehstromantriebe sind in den letzten Jahren sehr stark erforscht wurden, um eine kostengünstige Alternative zu den leistungsstarken und relativ einfach regelbaren Gleichstromantrieben zu finden. Dabei wurde unter anderem viel Aufwand bei der Entwicklung von Verfahren betrieben, die ohne Drehzahlsensoren arbeiten. Der Verzicht auf solche Sensoren bringt vor allem Kostenvorteile bei der Herstellung der Drehstromantriebe, da sowohl der Sensor selbst als auch die dafür nötigen Befestigungs- und Verbindungsvorrichtungen wegfallen. Für die Umsetzung dieser Idee wurden viele verschiedene Varianten von so genannten Beobachtern entwickelt, wobei zwischen open-loop und closed-loop Beobachtern unterschieden wird. Die open-loop Beobachter sind dabei einfacher umzusetzen, haben allerdings den Nachteil, sehr empfindlich gegenüber Änderungen der Motorparameter zu sein. Außerdem bleibt das Problem des Offsets am offenen Integrierer, welches sich stetig aufaddiert. Ein Beispiel dafür ist das einfache Flussmodell ohne Rückführung, bei dem aus dem gemessenen Strom und der gemessenen Spannung der Rotorfluss berechnet wird. Die closed-loop Varianten sind in ihrer Umsetzung umfangreicher und komplizierter, dafür treten die oben genannten Nachteile nicht mehr auf und eine verbesserte Performance ist möglich /1/. Beispiele dafür sind der einfache Integrierer mit Rückführung, das Model Reference Adaptive System (MRAS) /2/, der Sliding Mode Observer /3/, Artificial Neural Networks (ANN) /4/ und der Extended Kalman Filter (EKF) /5/,/6/,/7/. Der Nachteil dieser Beobachter ist vor allem die erhöhtr Rechenleistung, die zu ihrer Umsetzung benötigt wird. In dieser Arbeit soll der Diskrete Kalman Filter als Flussmodell für die sensorlose Feldorientierte Regelung einer Asynchronmaschine mit Kurzschlussläufer und einer Permanentmagneterregten Synchronmaschine in einem Digitalen Signalprozessor (DSP) umgesetzt werden. Der Diskrete Kalman Filter ist die Ausgangsform des EKF, kann allerdings mit weitaus weniger Rechenaufwand umgesetzt werden, es wird also ein vergleichsweise weniger leistungsstarker Prozessor benötigt. Zur Berechnung des Rotorflusses werden der gemessene Statorstrom und die Statorspannung, welche vom Modulator vorgegeben wird, verwendet. Die Statorspannung wird also nicht gemessen, was eine Einsparung der dazu nötigen Sensoren ermöglicht. Zur Erarbeitung des Flussmodells sollen zuerst die theoretischen Grundlagen der Maschinen, der Feldorientierten Regelung und des Diskreten Kalman Filters erläutert werden. Einige kurze Ergebnisse von Simulationen, welche im Voraus durchgeführt wurden, werden im darauf folgenden Abschnitt dargestellt. Danach wird der Versuchsaufbau vorgestellt. Dann wird auf die Umsetzung der Gleichungssysteme im DSP eingegangen, die Ergebnisse der Versuche werden dargestellt und bewertet und letztlich sollen Vorschläge zur weiteren Verbesserung des Verhaltens des Flussmodells mittels eines Kalman Filters eingebracht werden.