STEROWANIE ZORIENTOWANE POLOWO DLA SILNIKÓW INDUKCYJNYCH OPARTE NA SZTUCZNEJ INTELIGENCJI
Elmehdi Benmalek
elmehdi.benmalek@um5s.net.maMohammed V University of Rabat (Maroko)
https://orcid.org/0000-0003-1078-1421
Marouane Rayyam
Mohammed V University of Rabat (Maroko)
Ayoub Gege
Mohammed V University in Rabat (Maroko)
Omar Ennasiri
Mohammed V University in Rabat (Maroko)
Adil Ezzaidi
Mohammed V University in Rabat (Maroko)
Abstrakt
Niniejszy artykuł dotyczy implementacji uczenia ze wzmacnianiem (Reinforcement Learning – RL) opartego na sterowaniu polowym (FOC) dla silników indukcyjnych (IM). Należy wspomnieć, że chociaż konwencjonalne regulatory, takie jak PID, są szeroko stosowane w indukcji FOC, są one oparte na modelu i napotykają problemy, takie jak dostosowanie parametrów. Regulatory PID muszą być dostrajane ze względu na przybliżenia modelu, zmiany parametrów podczas pracy, oraz zewnętrzne zakłócenia, które są niepewne i nieprzewidywalne. RL to podejście oparte na uczeniu maszynowym, które jest wolne od modelu i może dostosowywać się do zmian i zakłóceń. Dlatego też regulatory te mogą być doskonałą alternatywą dla konwencjonalnych regulatorów. W niniejszym badaniu do sterowania prędkością silnika indukcyjnego wykorzystano sterownik oparty na RL, wykorzystujący FOC i modulację wektora przestrzennego (SVM). Symulacje obliczeniowe przeprowadzono przy użyciu MATLAB/SIMULINK w celu przetestowania wydajności sterowników w różnych warunkach pracy. Badanie to podkreśla skuteczność RL w optymalizacji sterowania IM, oferując potencjalne korzyści w różnych zastosowaniach przemysłowych i automatyzacji.
Słowa kluczowe:
silnik indukcyjny, sterowanie polowe, przekształtnik NPC, uczenie ze wzmacnianiem, agent TD3Bibliografia
[1] Balal A. et al.: A review on multilevel inverter topologies. Emerging Science Journal 6(1), 2022, 185–200.
Google Scholar
[2] Barzegarkhoo R. et al.: Switched-capacitor multilevel inverters: A compre-hensive review. IEEE Transactions on Power Electronics 37(9), 2022, 11209–11243.
Google Scholar
[3] Blaschke F.: The principle of field orientation as applied to the new transvector closed-loop system for rotating-field machines. Siemens Review 34(3), 1972, 217–220.
Google Scholar
[4] Chinmaya K. A., Singh G. K.: Experimental analysis of various space vector pulse width modulation (SVPWM) techniques for dual three-phase induction motor drive. International Transactions on Electrical Energy Systems 29(1), 2019, e2678.
Google Scholar
[5] Ding Z. et al.: Introduction to reinforcement learning. Deep reinforcement learning: fundamentals, research and applications, 2020, 47–123.
Google Scholar
[6] Goolak S. et al.: Mathematical modeling of an induction motor for vehicles. Eastern-European Journal of Enterprise Technologies 2(2), 2020, 104.
Google Scholar
[7] Hari V., Narayanan G.: Space-vector-based hybrid pulse width modulation technique to reduce line current distortion in induction motor drives. IET Power Electronics 5(8), 2012, 1463–1471.
Google Scholar
[8] Hasse K.: On the dynamics of speed control of a static ac drive with a squirrel-cage induction machine. Ph.D., TH Darmstadt, 1969.
Google Scholar
[9] Kumar P., Hati A. S.: Review on machine learning algorithm based fault detection in induction motors. Archives of Computational Methods in Engineering 28, 2021, 1929–1940.
Google Scholar
[10] Memon A. Y.: Reinforcement Learning Based Field Oriented Control Of An Induction Motor. Third International Conference on Latest trends in Electrical Engineering and Computing Technologies (INTELLECT). Pakistan, Karachi, 2022, 1–8.
Google Scholar
[11] Patel P. J., Patel V., Tekwani P. N.: Pulse-based dead-time compensation method for self-balancing space vector pulse width-modulated scheme used in a three-level inverter-fed induction motor drive. IET Power Electronics 4(6), 2011, 624–631.
Google Scholar
[12] Qi X., Cao W., Aarniovuori L.: Reinforcement learning based parameter lookup table generating method for optimal torque control of induction motors. IEEE Transactions on Industrial Electronics 70(5), 2022, 4516–4525.
Google Scholar
[13] Sistani M. B. N., Hesari S.: Decreasing Induction Motor Loss Using Reinfor-cement Learning. Journal of Automation and Control Engineering 4(1), 2016.
Google Scholar
[14] Stender M., Wallscheid O., Böcker J.: Accurate torque estimation for induction motors by utilizing a hybrid machine learning approach. IEEE 19th International Power Electronics and Motion Control Conference (PEMC). 2021, 390–397.
Google Scholar
[15] Tamilvani M. et al.: Harmonic reduction in variable frequency drives using active power filter. Bulletin of Electrical Engineering and Informatics (BEEI) 3(2), 2014, 119–126.
Google Scholar
[16] Torrey D. A., Selamogullari U. S.: Modelica implementation of field-oriented controlled 3-phase induction machine drive. 2nd Int. Modelica Conf., DLR, Oberpfaffenhofen, Germany 2002, 173–182.
Google Scholar
[17] Vaezi S. A., Iman-Eini H., Razi R.: A New Space Vector Modulation Technique for Reducing Switching Losses in Induction Motor DTC-SVM Scheme. 10th International Power Electronics, Drive Systems and Technologies Conference (PEDSTC). Iran, Shiraz, 2019, 184–188.
Google Scholar
[18] Wang F. et al.: Advanced control strategies of induction machine: Field oriented control, direct torque control and model predictive control. Energies 11(1), 2018, 120.
Google Scholar
[19] Wang H. N. et al.: Deep reinforcement learning: a survey. Frontiers of Information Technology & Electronic Engineering 21(12), 2020, 1726–1744.
Google Scholar
[20] Zahraoui Y., Akherraz M., Fahassa C.: Induction Motor DTC Performance Improvement By Reducing Torque Ripples in Low Speed. U.P.B. Sci. Bull., Series C 81(3), 2019, 249–260.
Google Scholar
[21] Zhang Z. et al.: Novel Direct Torque Control Based on Space Vector Modulation With Adaptive Stator Flux Observer for Induction Motors. IEEE Transactions on Magnetics 46(8), 2010, 3133–3136.
Google Scholar
Autorzy
Elmehdi Benmalekelmehdi.benmalek@um5s.net.ma
Mohammed V University of Rabat Maroko
https://orcid.org/0000-0003-1078-1421
Autorzy
Marouane RayyamMohammed V University of Rabat Maroko
Autorzy
Ayoub GegeMohammed V University in Rabat Maroko
Autorzy
Omar EnnasiriMohammed V University in Rabat Maroko
Autorzy
Adil EzzaidiMohammed V University in Rabat Maroko
Statystyki
Abstract views: 1PDF downloads: 2