DE10146376A1 - Optimizing fuzzy logic regulator involves simulating fuzzy logic with model(s) generated for at least one machine operating range arranged in feedback loop from logic output to logic input - Google Patents
Optimizing fuzzy logic regulator involves simulating fuzzy logic with model(s) generated for at least one machine operating range arranged in feedback loop from logic output to logic inputInfo
- Publication number
- DE10146376A1 DE10146376A1 DE2001146376 DE10146376A DE10146376A1 DE 10146376 A1 DE10146376 A1 DE 10146376A1 DE 2001146376 DE2001146376 DE 2001146376 DE 10146376 A DE10146376 A DE 10146376A DE 10146376 A1 DE10146376 A1 DE 10146376A1
- Authority
- DE
- Germany
- Prior art keywords
- fuzzy logic
- logic controller
- optimizing
- fuzzy
- starter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004088 simulation Methods 0.000 claims abstract description 18
- 239000007858 starting material Substances 0.000 claims description 41
- 230000006698 induction Effects 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 230000004907 flux Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 abstract description 9
- 230000008859 change Effects 0.000 description 34
- 238000005457 optimization Methods 0.000 description 13
- 230000004044 response Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000005284 excitation Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004804 winding Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 208000026097 Factitious disease Diseases 0.000 description 1
- 235000008730 Ficus carica Nutrition 0.000 description 1
- 244000025361 Ficus carica Species 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B17/00—Systems involving the use of models or simulators of said systems
- G05B17/02—Systems involving the use of models or simulators of said systems electric
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Feedback Control In General (AREA)
Abstract
Description
Querverweis auf eine verwandte AnmeldungCross-reference to a related application
Diese Anmeldung beansprucht den Nutzen der vorläufigen US-Anmeldung Se riennr. 60/156,884, eingereicht am 30. September 1999, mit dem Titel "Fuzzy Logic Controller Optimization", deren Beschreibung in ihrer Gesamtheit durch Erwähnung ausdrücklich Bestandteil dieser Anmeldung wird.This application claims the benefit of U.S. Provisional Application Se riennr. 60 / 156,884, filed September 30, 1999, entitled "Fuzzy Logic Controller Optimization ", the description of which in its entirety by mention becomes an integral part of this registration.
Diese Erfindung erfolgte mit Unterstützung der Regierung unter der NREL Sub contract Nr. ZCB-4-13032, Prime Contract Nr. DE-AC36-83CH10093, erteilt durch das Department of Energy. Die Regierung hat gewisse Rechte an der Erfindung.This invention was made with government support under the NREL Sub contract No.ZCB-4-13032, Prime Contract No. DE-AC36-83CH10093, issued by the Department of Energy. The government has certain rights in the invention.
Die vorliegende Erfindung betrifft die Optimierung von Reglern mit unscharfer Lo gik, sogenannter Fuzzy Logic, weiche bei umlaufenden Induktionsmaschinensys temen verwendet werden. The present invention relates to the optimization of controllers with unsharp Lo gik, so-called fuzzy logic, giving way to rotating induction machine systems systems can be used.
Ein umlaufendes Induktionsmaschinensystem überträgt durch elektromagnetische Induktion Kraft zwischen einem feststehenden Element, dem Ständer, und einem umlaufendem Element, dem Läufer. Der Ständer enthält eine oder mehrere Folgen von Wicklungen, die in parallelen Schlitzen entlang der Ständerlänge angeordnet sind. Der Läufer ist so ausgelegt, dass er in dem Ständer dreht, wobei er typi scherweise Elektromagneten trägt, die durch einen Erregungsstrom oder Flussre gelungsstrom angetrieben werden. Eine Induktionsmaschine kann durch Zufuhr von Wechselstrom zu dem Ständer als Motor betrieben werden. Der Ständerstrom er zeugt umlaufende Magnetfelder in dem Ständer, was ein Drehen des Läufers be wirkt und abgegebene Leistung als Drehmoment bei einer gewissen Drehge schwindigkeit erzeugt. Eine Induktionsmaschine kann durch Zufuhr von Drehkraft zu dem Läufer auch als Generator betrieben werden, wodurch ein Wechselstrom in den Ständerwicklungen induziert wird.A rotating induction machine system transmits through electromagnetic Induction force between a fixed element, the stand, and one surrounding element, the runner. The stand contains one or more episodes of windings arranged in parallel slots along the length of the stator are. The rotor is designed to rotate in the stand, typi usually carries electromagnets caused by an excitation current or flux re current are driven. An induction machine can be supplied by AC power to the stator can be operated as a motor. The stator current creates rotating magnetic fields in the stator, causing the rotor to rotate acts and output as torque at a certain turning creates speed. An induction machine can be made by applying torque to the rotor also be operated as a generator, causing an alternating current in the stator windings is induced.
Neben der Maschine selbst sind weitere Bestandteile typischerweise erforderlich, um die Induktionsmaschine anzutreiben und zu regeln. Ein Wechselrichter oder eine Gleichrichter-Wechselrichter-Kombination wird zur Erzeugung von zyklischem Strom für die Motordrehzahlregelung verwendet. Ein Geschwindigkeitsregler gleicht den Schlupf zwischen dem umlaufenden Magnetfeld und dem Läufer aus. Ein Vektorstromregler ermittelt die Größenordnung und Zeiteinstellung der Stromre gelimpulse.In addition to the machine itself, other components are typically required, to drive and control the induction machine. An inverter or a rectifier-inverter combination is used to generate cyclic Current used for engine speed control. A speed controller is the same the slip between the rotating magnetic field and the rotor. On Vector current controller determines the magnitude and time setting of the current re gelimpulse.
Eine Regelung mit Fuzzy Logic wurde in Induktionsmaschinensystemen zur Schät zung von Regelparametern und zur Erzeugung von Regelsignalen aufgenommen. Ein Regler mit Fuzzy Logic weist jedes Eingangsmuster einem oder mehreren Mengen einer Mitgliedsgradfunktion zu. Dann werden Inferenzregeln zur Erzeu gung von Ausgangswerten anhand der Mitgliedsgradmengen der Eingangsvariab len verwendet. Die Ausgangsgrößen werden dann "defuzzifiziert", um Regelaus gangssignale zu erzeugen. Fuzzy-Entscheidungsparameter, beispielsweise Mit gliedsgradfunktionen, müssen optimiert bzw. abgestimmt werden, um die ge wünschten Regeleigenschaften zu verwirklichen.Fuzzy logic control has become a problem in induction machine systems control parameters and for generating control signals. A controller with fuzzy logic assigns each input pattern to one or more Amounts to a membership grade function. Then inference rules become generators output values based on the membership degree quantities of the input variable len used. The output variables are then "defuzzified" to rule out generate signals. Fuzzy decision parameters, e.g. With limb functions, must be optimized or coordinated to meet the ge desired control properties.
Eine beispielhafte Anwendung eines Reglers mit Fuzzy Logic ist in der Regelung eines Induktionsstarters/-alternators für ein elektrisches Hybridfahrzeug zu finden. Ein derartiges geregeltes Gerät ist der Starter/Alternator, der in einem Fachaufsatz von J. M. Miller et al. mit dem Titel "Starter-Alternator for Hybrid Electric Vehicle: Comparison of Induction and Variable Reluctance Machines and Drives", erschie nen in IEEE IAS Conference Proceedings, Seiten 513-523, 1998, beschrieben wird und welcher durch Erwähnung hiermit Bestandteil dieser Anmeldung wird.An example application of a controller with fuzzy logic is in the control to find an induction starter / alternator for an electric hybrid vehicle. One such regulated device is the starter / alternator, which is in a technical article by J. M. Miller et al. entitled "Starter Alternator for Hybrid Electric Vehicle: Comparison of Induction and Variable Reluctance Machines and Drives " described in IEEE IAS Conference Proceedings, pages 513-523, 1998 and which, by mentioning, hereby becomes part of this application.
Der Induktionsstarter/-alternator kann sowohl durch einen Geschwindigkeitsregler zur Wahrung einer konstanten Drehgeschwindigkeit als auch durch einen Regler mit Fuzzy Logic zur Optimierung der Leistungseffizienz geregelt werden. Derartige Regelsysteme werden in einem Fachaufsatz von G. C. D. Sousaet al. mit dem Titel "Fuzzy Logic Based On-Line Efficiency Optimization Control of an Indirect Vector Controlled Induction Motor Drive", erschienen in IEEE-IECON Conference Record, Seiten 1168-1174, 1993 und in dem US-Patent Nr. 5,652,485 mit dem Titel "Fuzzy Logic Integrated Electrical Control To Improve Variable Speed Wind Turbine Effi ciency And Performance", erteilt am 29. Juli 1997 für Spiegel et al., beschrieben, welche beide hiermit durch Erwähnung Bestandteil dieser Anmeldung werden.The induction starter / alternator can be operated by a speed controller to maintain a constant speed of rotation as well as by a controller can be controlled with fuzzy logic to optimize performance efficiency. such Control systems are described in a technical article by G. C. D. Sousa et al. with the title "Fuzzy Logic Based On-Line Efficiency Optimization Control of an Indirect Vector Controlled Induction Motor Drive ", published in IEEE-IECON Conference Record, Pages 1168-1174, 1993 and in U.S. Patent No. 5,652,485 entitled "Fuzzy Logic Integrated Electrical Control To Improve Variable Speed Wind Turbine Effi ciency and performance ", issued July 29, 1997 to Spiegel et al., both of which hereby become part of this application by reference.
Erforderlich ist eine verbesserte Optimierung der Betriebsparameter des Fuzzy- Logic-Motorreglers. Das Optimierungsverfahren sollte sich mühelos an alle an dem geregelten System erfolgten Änderungen anpassen. Das Optimierungsverfahren sollte weiterhin eine automatische Abstimmung der Fuzzy-Logic-Regelparameter erlauben. Improved optimization of the fuzzy operating parameters is required. Logic-motor controller. The optimization process should work effortlessly on everyone adjust the changes made to the regulated system. The optimization process should continue to automatically adjust the fuzzy logic control parameters allow.
Die vorliegende Erfindung optimiert Parameter eines Fuzzy-Logic-Reglers durch Simulation, ohne dass komplexe und potentiell ungenaue Modelle des geregelten umlaufenden Induktionsmaschinensystems entwickelt werden müssen.The present invention optimizes parameters of a fuzzy logic controller Simulation without complex and potentially inaccurate models of the regulated revolving induction machine system must be developed.
Im Allgemeinen weist der Fuzzy-Logic-Regler mindestens einen Eingang und min destens einen Ausgang auf, wobei jeder Eingang einen Maschinensystembetriebs parameter annimmt und jeder Ausgang mindestens einen Maschinensystemregel parameter erzeugt. Der Fuzzy-Logic-Regler erzeugt jede Ausgangsgröße anhand von mindestens einer Eingangsgröße und von Fuzzy-Logik- Entscheidungsparametern. Das Ziel ist die Optimierung der Fuzzy-Logik- Entscheidungsparameter. Um die Optimierung einzuleiten, wird eine die Regelpa rameter mit den Betriebsparametern verknüpfende Datenmenge für jeden der einen oderinehreren Maschinenbetriebsbereiche gewonnen. Ein auf Messung beruhen des Modell wird für jeden Maschinenbetriebsbereich anhand der gewonnenen Da ten konstruiert. Der Fuzzy-Logic-Regler wird mit mindestens einem erzeugten Mo dell in einer Rückführungsschleife von mindestens einem Fuzzy-Logic-Ausgang zu mindestens einem Fuzzy-Logic-Eingang simuliert. Die Fuzzy-Logic- Entscheidungsparameter werden anhand der Simulationsergebnisse optimiert. Die Simulation mit einem auf Messung beruhenden Modell des Maschinensystems ist als Hardware-Daten-in-der-Simulationsschleife (HDSL) bekannt. Die Verwendung von HDSL eliminiert die Notwendigkeit der Entwicklung mathematischer Modelle, die das Maschinensystem verkörpern. Derartige mathematische Modelle sind häu fig ungenaue Annäherungen an das tatsächliche System. Zudem erfordern alle Än derungen im Maschinensystem eine Neuformulierung des Modells.In general, the fuzzy logic controller has at least one input and min at least one output, each input operating a machine system parameter and each output accepts at least one machine system rule parameters generated. The fuzzy logic controller generates each output variable based on of at least one input variable and of fuzzy logic Decision parameters. The goal is to optimize the fuzzy logic Decision parameters. In order to initiate the optimization, the rule pa Data linked to the operating parameters for each of the parameters or won in their machine operating areas. One based on measurement of the model is calculated for each machine operating area based on the data obtained constructed. The fuzzy logic controller is generated with at least one Mo dell in a feedback loop from at least one fuzzy logic output simulated at least one fuzzy logic input. The fuzzy logic Decision parameters are optimized based on the simulation results. The Simulation with a model of the machine system based on measurement known as hardware data in the simulation loop (HDSL). The usage from HDSL eliminates the need to develop mathematical models, that embody the machine system. Such mathematical models are common fig inaccurate approximations to the actual system. In addition, all require changes in the machine system a reformulation of the model.
Typischerweise umfassen Fuzzy-Logic-Entscheidungsparameter Fuzzy- Mitgliedsgradfunktionsbereiche. Diese Werte werden angepasst, um eine ge wünschte dynamische Reaktion für das Maschinensystem auf eine Störeingabe oder auf eine Änderung des gewünschten Betriebsbereichs zu erhalten. Die Simu lation einer Änderung des gewünschten Betriebsbereichs kann während der Simu lation durch Schalten zwischen Modellen, die auf verschiedenen Maschinenbe triebsbereichen beruhen, verwirklicht werden. Der Eingang des Fuzzy-Logic- Reglers wird dann überwacht, um zu ermitteln, ob die Reaktion die gewünschten dynamischen Eigenschaften, wie Ausregelzeit, Überschwingen, usw. aufweist. Wenn die Reaktion nicht die dynamischen Anforderungen erfüllt, können die Mit gliedsgradbereiche variiert werden.Typically, fuzzy logic decision parameters include fuzzy Membership function areas. These values are adjusted to a ge wanted dynamic response for the machine system to a fault input or to get a change in the desired operating range. The Simu A change in the desired operating range can be made during the simu lation by switching between models on different machines drive areas are based, realized. The entrance of the fuzzy logic Controller is then monitored to determine if the response is the desired one dynamic properties, such as settling time, overshoot, etc. If the reaction does not meet the dynamic requirements, the Mit limb ranges can be varied.
Entscheidungsparameter können manuell geändert werden. Alternativ zur manuel len Änderung von Fuzzy-Logic-Entscheidungsparametern und dem erneuten Durchlaufen der Simulation können die Entscheidungsparameter mit Hilfe von adaptiver Neuro-Fuzzy-Inferenz, die durch ein adaptives Neuro-Fuzzy- Inferenzsystem (ANFIS) erzeugt wird, automatisch abgestimmt werden.Decision parameters can be changed manually. As an alternative to manual len change of fuzzy logic decision parameters and the new one The decision parameters can be run through the simulation with the help of adaptive neuro-fuzzy inference, which is based on an adaptive neuro-fuzzy Inference system (ANFIS) is generated, can be automatically tuned.
Es wird ein Verfahren zur Optimierung eines Fuzzy-Logic-Reglers für ein umlaufen des Induktionsmaschinensystem zur Hand gegeben. Der Fuzzy-Logic-Regler weist mindestens einen Eingang und mindestens einen Ausgang auf. Jeder Eingang nimmt einen Maschinensystembetriebsparameter an. Jeder Ausgang erzeugt min destens einen Maschinensystemregelparameter. Der Fuzzy-Logic-Regler erzeugt jede Ausgangsgröße aufgrund von mindestens einer Eingangsgröße und von Fuz zy-Logic-Entscheidungsparametern. Die Optimierung beginnt durch Erhalt einer Datenmenge, welche jeden Regelparameter mit mindestens einem Betriebspara meter für jeden Maschinenbetriebsbereich verknüpft. Es wird ein auf den erhalte nen Maschinenbetriebsbereichdaten beruhendes Modell für jeden Maschinenbe triebsbereich konstruiert. Der Fuzzy-Logic-Regler wird mit mindestens einem er zeugten Modell in einer Rückführungsschleife von einem Fuzzy-Logic-Ausgang zu einem Fuzzy-Logic-Eingang simuliert. Die Fuzzy-Logic-Entscheidungsparameter werden anhand der Simulation optimiert.There will be a process for optimizing a fuzzy logic controller for one of the induction machine system. The fuzzy logic controller points at least one input and at least one output. Any entrance takes a machine system operating parameter. Each output generates min at least a machine system control parameter. The fuzzy logic controller generates each output variable based on at least one input variable and fuz zy-logic decision parameters. The optimization begins by receiving one Amount of data containing each control parameter with at least one operating parameter meters for each machine operating area. It will get one on A machine operating area data based model for each machine area drive area constructed. The fuzzy logic controller is equipped with at least one generated model in a feedback loop from a fuzzy logic output simulated a fuzzy logic input. The fuzzy logic decision parameters are optimized using the simulation.
In den Ausführungen der vorliegenden Erfindung können die Betriebsparameter einen Messwert der Maschinensystem-Ausgangsleistung und des Maschi nenflußstroms enthalten. In the implementations of the present invention, the operating parameters a measurement of the machine system output power and the machine included.
In einer weiteren Ausführung der vorliegenden Erfindung werden eine Vielzahl von Modellen erzeugt. Das Simulieren des Fuzzy-Logic-Reglers umfasst das Schalten zwischen Modellen, um eine Störeingabe in den Fuzzy-Logic-Regler zu erzeugen.In another embodiment of the present invention, a variety of Models. Simulating the fuzzy logic controller involves switching between models to generate a fault input in the fuzzy logic controller.
In einer noch weiteren Ausführung der vorliegenden Erfindung enthalten die Fuzzy- Logic-Entscheidungsparameter Fuzzy-Mitgliedsgradfunktionen.In yet another embodiment of the present invention, the fuzzy Logic decision parameters fuzzy membership functions.
In noch weiteren Ausführungen der vorliegenden Erfindung werden die Fuzzy- Logic-Entscheidungsparameter optimiert, um eine gewünschte dynamische Reakti on für das Maschinensystem zu verwirklichen oder um die Leistungseffizienz des Maschinensystems zu optimieren.In still further embodiments of the present invention, the fuzzy Logic decision parameters optimized to a desired dynamic response on for the machine system or to achieve the performance efficiency of the Optimize the machine system.
In einer weiteren Ausführung der vorliegenden Erfindung werden Fuzzy-Logic- Entscheidungsparameter mit Hilfe adaptiver Neuro-Fuzzy-Inferenz optimiert.In a further embodiment of the present invention, fuzzy logic Decision parameters optimized using adaptive neuro-fuzzy inference.
In einer noch weiteren Ausführung der vorliegenden Erfindung umfasst die Kon struktion jedes Modells den Aufbau einer Tabelle für jeden Maschinenbetriebsbe reich, welche mindestens einen Maschinensystem-Betriebsbereich mit mindestens einem Maschinensystem-Regelparameter verknüpft.In yet another embodiment of the present invention, the con structure of each model, the construction of a table for each machine operating area rich, which has at least one machine system operating area with at least linked to a machine system control parameter.
Es wird auch ein Verfahren zur Optimierung eines Fuzzy-Reglers für ein Starter-/Alter natorsystem zur Hand gegeben. Der Fuzzy-Logic-Regler hat einen Eingang für Systemleistung und einen Ausgang für die Flußstromregelung. Der Fuzzy-Logic- Regler erzeugt anhand des Leistungseingangs und anhand von Fuzzy-Logic- Entscheidungsparametern einen Stromregelausgang. Das Optimieren des Fuzzy- Logic-Reglers umfasst das Erhalten einer Datenmenge, welche die Systemleistung mit der Stromregelung für mindestens einen Maschinenbetriebsbereich verknüpft. Anhand der erhaltenen Daten wird ein Modell für jeden Maschinenbetriebsbereich konstruiert. Der Fuzzy-Logic-Regler wird mit mindestens einem erzeugten Modell in einer Rückführungsschleife von dem Stromregelausgang zu dem Leistungseingang simuliert. Die Fuzzy-Logic-Entscheidungsparameter werden anhand der Simulation optimiert. There is also a method of optimizing a fuzzy controller for a starter / age nator system on hand. The fuzzy logic controller has one input for system performance and an output for flow current control. The fuzzy logic Controller generates based on the power input and based on fuzzy logic Decision parameters a current control output. Optimizing the fuzzy Logic controller involves getting a quantity of data representing system performance linked to the current control for at least one machine operating area. Based on the data obtained, a model is created for each machine operating area constructed. The fuzzy logic controller is created with at least one model a feedback loop from the current control output to the power input simulated. The fuzzy logic decision parameters are based on the simulation optimized.
Die obigen Aufgaben sowie weitere Aufgaben, Merkmale und Vorteile der vorlie genden Erfindung gehen aus der folgenden eingehenden Beschreibung der besten Art der Durchführung der Erfindung in Verbindung mit den Begleitzeichnungen her vor.The above tasks as well as other tasks, features and advantages of the present The present invention is best derived from the following detailed description How the invention is carried out in conjunction with the accompanying drawings in front.
Fig. 1 ist ein Blockdiagramm eines Starter-/Alternatorsystems nach einer erfin dungsgemäßen Ausführung; Fig. 1 is a block diagram of a starter / alternator system according to an embodiment of the invention;
Fig. 2 ist ein Blockdiagramm einer Simulation für die Optimierung der Fuzzy- Entscheidungsparameter nach einer erfindungsgemäßen Ausführung; Fig. 2 is a block diagram of a simulation for the optimization of the fuzzy decision parameter for an embodiment of the invention;
Fig. 3a-3c sind Diagramme, welche die Fuzzy-Entscheidungsparameter nach ei ner erfindungsgemäßen Ausführung zeigen; FIGS. 3a-3c are diagrams showing the fuzzy decision parameters according ei ner embodiment of the invention;
Fig. 4 ist eine Kurvendarstellung, welche die optimale Effizienzabbildung von vier Konturen mit konstanter Leistung für einen 12-poligen Starter/Alternator mit 8 kW nach einer erfindungsgemäßen Ausführung zeigt; Fig. 4 is a graph showing the optimal efficiency mapping of four contours with constant power for a 12-pole starter / alternator with 8 kW according to an embodiment of the invention;
Fig. 5a und 5b sind Kurvendarstellungen, welche den Temperaturausgleich eines Fuzzy-Reglers für einen 12-poligen Starter/Alternator mit 8 kW nach einer erfin dungsgemäßen Ausführung zeigen, und FIGS. 5a and 5b are graphs showing the temperature compensation of a fuzzy controller for a 12-pole starter / alternator with 8 kW according to the invention an OF INVENTION embodiment, and
Fig. 6a-6c sind Kurvendarstellungen, welche die Betriebsparameter als Funktion der Läufergeschwindigkeit für einen 12-poligen Starter/Alternator mit 8 kW nach einer erfindungsgemäßen Ausführung zeigen. FIGS. 6a-6c are graphs showing the operating parameters as a function of rotor speed for a 12-pole starter / alternator with 8 kW according to an inventive embodiment.
Unter Bezug nun auf Fig. 1 wird ein Blockdiagramm eines Starter-/Alternator systems gezeigt. Ein insgesamt bei 30 gezeigtes Starter-/Alternator system umfasst einen mit der programmierbaren Last 24 gekoppelten Starter/Alternator 22. Die programmierbare Last 24 kann im Modus konstanter Ge schwindigkeit oder im Modus konstanter Drehzahl basierend auf einem Lastprofil 26 betreiben werden, welches von einem Rechner unter Steuerung der Grafik- Benutzeroberfläche (GUI) 28 erzeugt wurde. Die GUI 28 berechnet das Lastdreh moment 30 und die Geschwindigkeit 32, wovon jede zur Regelung des Star ters/Alternators 22 verwendet werden kann. Wird die Last 24 über die Geschwin digkeit geregelt, wird der Starter/Alternator 22 über das Drehmoment geregelt. Der Schalter 34 wird so gesetzt, dass das Lastdrehmoment 30 als Drehmomentbefehl ϑ*, 36 übergeben wird. Wird die Last 24 über das Drehmoment geregelt, wird der Starter/Alternator 22 über die Geschwindigkeit geregelt. Der Geschwindigkeitsreg ler 38 nimmt die Lastgeschwindigkeit 32 und die Läufergeschwindigkeit T, 40, an und erzeugt die Drehmomentschätzung 42. Die Läufergeschwindigkeit 40 wird an hand der Läuferposition, 2 Rotor, 46, durch einen Beobachter 44 erzeugt. Der Schalter 34 wird so gesetzt, dass die Drehmomentschätzung 44 als Drehmoment befehl 36 übergeben wird. Die Drehmoment-zu-Iq-Umsetzung nimmt den Drehmo mentbefehl 36 und den Flußstrom ID*, 50 an und erzeugt den Drehmomentstrom Iq*, 52. Der Vektorstrom-Regler 54 erzeugt ein Wechselrichter-Regelsignal V*, 56 mit Hilfe des Drehmomentstroms 52, des Flußstroms 50 und des Zustands der elektrischen Verbindungen 58 des Starters/Alternators. Der IGBT-Wechselrichter 60 wandelt die Busleistung 62 in elektrische Eingangsleistung an den elektrischen Verbindungen 58 um, wenn der Starter/Alternator 22 als Motor läuft, und wandelt die elektrische Ausgangsleistung an den elektrischen Verbindungen 58 in Busleis tung 62 um, wenn der Starter/Alternator 22 als Generator läuft. Dieses System be sitzt eine Vierquadrantensteuerung, was einen Motor- oder Generatorbetrieb in je der Drehrichtung erlaubt. Der Gleichstrombus 62 ist die elektrische Leistungsquelle, wenn der Starter/Alternator 22 sich im Motorbetrieb befindet, und ist die elektrische Leistungssenke, wenn der Starter/Alternator 22 sich im Generatorbetrieb befindet. Referring now to FIG. 1, a block diagram of a starter / alternator system is shown. A starter / alternator system shown overall at 30 comprises a starter / alternator 22 coupled to the programmable load 24 . The programmable load 24 can operate in constant speed mode or in constant speed mode based on a load profile 26 generated by a computer under the control of the graphic user interface (GUI) 28 . The GUI 28 calculates the load torque 30 and the speed 32 , each of which can be used to control the starter / alternator 22 . If the load 24 is regulated via the speed, the starter / alternator 22 is regulated via the torque. The switch 34 is set such that the load torque 30 is transferred as a torque command Drehmoment *, 36 . If the load 24 is regulated via the torque, the starter / alternator 22 is regulated via the speed. The speed controller 38 assumes the load speed 32 and the rotor speed T, 40 , and generates the torque estimate 42 . The rotor speed 40 is generated on the basis of the rotor position, 2 rotor, 46 , by an observer 44 . The switch 34 is set so that the torque estimate 44 is passed as a torque command 36 . The torque to Iq conversion takes the torque command 36 and the flux current ID *, 50 and generates the torque current Iq *, 52 . The vector current controller 54 generates an inverter control signal V *, 56 using the torque current 52 , the flux current 50 and the state of the electrical connections 58 of the starter / alternator. The IGBT inverter 60 converts the bus power 62 into electrical input power at the electrical connections 58 when the starter / alternator 22 is running as a motor, and converts the electrical output power at the electrical connections 58 into bus power 62 when the starter / alternator 22 runs as a generator. This system has a four-quadrant control, which allows motor or generator operation in each direction of rotation. The DC bus 62 is the electrical power source when the starter / alternator 22 is in engine mode and is the electrical power sink when the starter / alternator 22 is in generator mode.
Der Drehmomentbefehl-Regelkreis 36 des IGBT-Wechselrichters 60 ist so ausge legt, dass er eine relativ schnelle Zeitkonstante aufweist, was eine schnelle Reakti on auf kleine Änderungen der Lastbedingungen erlaubt.The torque command control circuit 36 of the IGBT inverter 60 is designed to have a relatively fast time constant, which allows a quick reaction to small changes in the load conditions.
Der Fuzzy-Regler 64 erzeugt den Flußstrom 50, um die Leistungseffizienz des Starters/Alternators 22 oder eines Subsystems mit einem Starter/Alternator 22 zu optimieren. Der den Fuzzy-Regler 64 enthaltende Regelkreis ist so ausgelegt, dass er eine relativ lange Zeitkonstante hat, was langsame Reaktionen auf Änderungen der Betriebsbedingungen, wie zum Beispiel neue Lastbetriebsbereiche oder Tem peratur, erlaubt. Der Fuzzy-Regler 64 erzeugt anhand der Leistung im Signal 66 Flußstrom 50. Der Schalter 68 wählt zwischen elektrischer Motorleistung 70, wenn die Effizienz des Starters/Alternators 22 optimiert werden soll, und der elektrischen Busleistung 72, wenn die Effizienz des Starters/Alternators 22 und des Wechsel richters 60 optimiert werden soll. Wenn sich der Starter/Alternator 22 im Motorbe trieb befindet, wird die Effizienz durch Minimieren der Leistung in 66 für eine me chanische Leistung mit vorgegebenem Bemessungsleistung optimiert. Wenn sich der Starter/Alternator 22 im Generatorbetrieb befindet, wird die Effizienz durch Ma ximieren der Leistung in 66 für eine mechanisch Leistung mit vorgegebener Be messungsleistung optimiert.The fuzzy controller 64 generates the flow current 50 to optimize the power efficiency of the starter / alternator 22 or a subsystem with a starter / alternator 22 . The control loop containing fuzzy controller 64 is designed to have a relatively long time constant, which allows slow responses to changes in operating conditions, such as new load operating ranges or temperature. The fuzzy controller 64 uses the power in the signal 66 to generate flux current 50 . The switch 68 chooses between electric motor power 70 if the efficiency of the starter / alternator 22 is to be optimized, and the electric bus power 72 if the efficiency of the starter / alternator 22 and the inverter 60 is to be optimized. When the starter / alternator 22 is in engine operation, the efficiency is optimized by minimizing the power in 66 for a mechanical power with a given rated power. When the starter / alternator 22 is in generator mode, the efficiency is optimized by maximizing the power in 66 for a mechanical power with a given rated power.
Das Ziel des Fuzzy-Logic-Reglers 64 ist die Optimierung der Leistungseffizienz in einem bzw. in beiden der Generator- und Motorbetriebsarten. Die Effizienz des In duktionsmaschinensystems 20 ist eine Funktion vieler Variablen, einschließlich der Maschinenkonstruktion, der Leistungskomponenten, wie Umrichter, Wechselrichter, Schalter, Pulsbreitenmodulatoren usw., der Steueralgorithmen und der Betriebsbe dingungen, wie Last und Temperatur. Ein bei einem Bemessungsfluß betriebenes Maschinensystem weist normalerweise das beste Übergangsverhalten auf. In Peri oden leichter Lasten, die bei normalem Gebrauch häufig auftreten, ergibt sich ein übermäßiger Kernverlust, wenn der Bemessungsflußstrom angelegt wird. Dies ver ringert stark die Leistungseffizienz des Starter-/Alternatorsystems 20. Durch richti ges Regeln des Flußstroms 50 mit dem Fuzzy-Logic-Regler 64 kann eine optimale Effizienz auch unter Leichtlastbedingungen verwirklicht werden. Die dynamische Reaktion, welche bestimmt, wie die optimale Effizienz erreicht wird, kann durch Ab stimmen des Fuzzy-Logic-Reglers 64 gesetzt werden.The goal of fuzzy logic controller 64 is to optimize power efficiency in one or both of the generator and engine modes. The efficiency of the induction machine system 20 is a function of many variables, including the machine design, the power components such as converters, inverters, switches, pulse width modulators, etc., the control algorithms and the operating conditions such as load and temperature. A machine system operated at a rated flow usually has the best transition behavior. In periods of light loads, which occur frequently during normal use, there is excessive core loss when the rated flux is applied. This greatly reduces the performance efficiency of the starter / alternator system 20 . By properly regulating the flow current 50 with the fuzzy logic controller 64 , optimum efficiency can also be achieved under light load conditions. The dynamic response, which determines how the optimal efficiency is achieved, can be set by tuning the fuzzy logic controller 64 .
Das Abstimmen des Fuzzy-Reglers 64 beginnt durch Erhalten von Daten, welche die Leistung 66 mit dem Flußstrom 55 verknüpfen. Dies kann durch Entfernen des Fuzzy-Reglers 64 aus dem Starter-/Alternatorsystem 20 verwirklicht werden. Für jeden gewünschten Betriebsbereich des Systems wird die Leistung 66 für jeden einer Menge von angeordneten Flußströmen 50 gemessen. Das Modell für jeden Betriebsbereich ist eine Tabelle, welche den Flußstrom 50 mit der Leistung 66 ver knüpft. Es wird Interpolation verwendet, um die Leistung 66 für Werte des Flußstroms 50 zwischen den Tabelleneinträgen zu erhalten. Dieses Modell hat mehrere Vorteile gegenüber traditionellen mathematischen Modellen. Zum einen berücksichtigt das Modell alle Komponenten des Systems 20 zwischen dem Ein gang und dem Ausgang des Fuzzy-Reglers. Dies beinhaltet den Wechselrichter 60, den Geschwindigkeitsregler 38 und den Stromregler 54 sowie den Star ter/Alternator 22. Zu anderen werden Systemkomplexitäten, wie Nichtlinearitäten, Wirkungen höherer Ordnung usw., automatisch in das Modell integriert. Zum Dritten kann jede Änderung von Komponenten oder Betriebsbedingungen schnell mit Hilfe des gleichen Verfahrens modelliert werden, ohne dass das Analysemodell geändert oder neue Analysemodellparameter geschätzt oder experimentell ermittelt werden müssen.Tuning the fuzzy controller 64 begins by obtaining data that links the power 66 to the flow current 55 . This can be accomplished by removing the fuzzy controller 64 from the starter / alternator system 20 . For each desired operating range of the system, the power 66 is measured for each of a number of arranged flow streams 50 . The model for each operating area is a table which links the flow current 50 to the power 66 . Interpolation is used to obtain the power 66 for values of the flux 50 between the table entries. This model has several advantages over traditional mathematical models. On the one hand, the model takes into account all components of the system 20 between the input and the output of the fuzzy controller. This includes the inverter 60 , the speed controller 38 and the current controller 54 as well as the starter / alternator 22 . On the other hand, system complexities such as nonlinearities, higher order effects etc. are automatically integrated into the model. Third, any change in components or operating conditions can be quickly modeled using the same method, without having to change the analysis model, estimate new experiment model parameters, or experimentally determine them.
Dann werden ein oder mehrere Modelle als Hardware-Daten-in-der- Simulationsschleife zum Abstimmen der Fuzzy-Logic-Entscheidungsparameter verwendet. Es wird eine Simulation mit dem Fuzzy-Regler 64 konstruiert, die das Modell "regelt". Die Aufgabe der Simulation besteht darin, zu beobachten, wie der Fuzzy-Logic-Regler 64 eine optimale Leistungseffizienz erreicht. Insbesondere wird eine Prüfung durchgeführt, um festzustellen, ob die dynamische Reaktion der Leistung 66 gegenüber der Zeit die Designkriterien erfüllt. Falls nicht, werden die Entscheidungsparameter für den Fuzzy-Regler 64 solange abgeändert, bis die ge wünschte dynamische Reaktion erreicht wird. Die Entscheidungsparameter können manuell oder automatisch geändert werden. One or more models are then used as a hardware data-in-the-simulation loop to tune the fuzzy logic decision parameters. A simulation with the fuzzy controller 64 is constructed which "regulates" the model. The task of the simulation is to observe how the fuzzy logic controller 64 achieves optimal performance efficiency. In particular, a check is made to determine if the dynamic response of the performance 66 over time meets the design criteria. If not, the decision parameters for the fuzzy controller 64 are changed until the desired dynamic response is achieved. The decision parameters can be changed manually or automatically.
Als Alternative zur manuellen Änderung der Fuzzy-Logic-Entscheidungsparameter und dem erneuten Ablaufenlassen der Simulation können die Entscheidungspara meter mit Hilfe adaptiver Neuro-Fuzzy-Inferenz, die von einem adaptiven Neuro- Fuzzy-Inferenzsystem (ANFIS) bereitgestellt wird, automatisch abgestimmt werden. Der Vorgang erfolgt in zwei Schritten. Zum einen wird ein allgemeines Fuzzy- System aus den Übungsdaten und den vom Anwender gelieferten Eingaben, ein schließlich der Anzahl der Reglereingaben, der Anzahl der Mitgliedsgradfunktionen, der gewünschten Form der Mitgliedsgradfunktionen, usw., automatisch erzeugt. Dies kann zum Beispiel durch Einsatz des MATLAB® Fuzzy Logic Toolbox Genfisl- Algorithmus, der einen Gitterpartitionsstil verwendet, verwirklicht werden. Als Nächstes kann das allgemeine Fuzzy-System mit Hilfe von ANFIS lernen oder sich an die Übungsdaten anpassen. ANFIS stimmt das Fuzzy-System ab, wobei es zum Beispiel die Mitgliedsgradfunktionen mit Hilfe eines rückwärts fortpflanzenden Algo rithmus aufgrund der Eingabe-/Ausgabe-Übungsdaten ändert. Es wird eine Fehler minimierung der kleinsten Quadrate zwischen den tatsächlichen und den ge wünschten Ausgaben erreicht. Ein Befolgen dieses Vorgehen und eine Integration der HDSL-Daten ermöglicht eine automatische Abstimmung, die alle Systemnichtli nearitäten und das Reglerverhalten ohne die Notwendigkeit komplexer Systemmo dellierung integriert.As an alternative to manually changing the fuzzy logic decision parameters and allowing the simulation to run again, the decision para meters with the help of adaptive neuro-fuzzy inference, which is generated by an adaptive Fuzzy inference system (ANFIS) is provided to be automatically tuned. The process takes place in two steps. On the one hand, a general fuzzy System from the exercise data and the inputs provided by the user finally the number of controller entries, the number of membership degree functions, the desired form of membership level functions, etc., is automatically generated. This can be done, for example, by using the MATLAB® Fuzzy Logic Toolbox Geneva Algorithm using a grid partition style can be realized. As Next, the general fuzzy system can learn with the help of ANFIS or yourself adapt to the exercise dates. ANFIS tunes the fuzzy system, using it as the Example of membership functions using a backward propagating algo rhythm changes based on the input / output exercise data. It will be a mistake minimizing the least squares between the actual and the ge desired expenditure achieved. Following this approach and integration The HDSL data enables automatic tuning, which all system not similarities and controller behavior without the need for complex system mo integrated delling.
Unter Bezug auf Fig. 2 wird ein Blockdiagramm einer Simulation zur Optimierung von Fuzzy-Entscheidungsparametern gezeigt. Die Optimierungssimulation 98 um fasst den Fuzzy-Regler 64 mit der Fuzzy Logic 100, welche die nächste Änderung des Flußstroms)ID(next), 102 aufgrund der letzten Leistungsänderung)Pd, 104 und der letzten Änderung des Flußstroms)Id(last), 106, erzeugt. Das Summierglied 108 und die Verzögerung 110 wandeln die nächste Änderung des Flußstroms 102 in den nächsten Flußstrom 50 um. Der Schalter 114 wählt, welches Modell 116 den Flußstrom 50 erhält. Das gewählte Modell 116 gibt die Leistung 66 aus, welche zur Änderung in Leistung 120 durch den Differenzierer 122 und die Verzögerung 124 umgewandelt wird. Der Sättigungsbegrenzer 126 begrenzt den Bereich der Ände rung der Leistung 102, um eine Leistungsänderung 104 zu erzeugen. Das Verzöge rungselement 128 erzeugt die letzte Änderung des Flußstroms 106 von der nächs ten Änderung des Flußstroms 102. Die Strecke von der nächsten Änderung des Flußstroms 102 durch Modell 116 zu der Leistungsänderung 104 bildet eine Rück führpfad von dem Fuzzy-Regler-Ausgang 50 zu dem Fuzzy-Regler-Eingang 66, allgemein durch 130 dargestellt.Referring to FIG. 2 is a block diagram of a simulation to optimization of fuzzy decision parameters is shown. The optimization simulation 98 includes the fuzzy controller 64 with the fuzzy logic 100 , which shows the next change in the flow current) ID (next), 102 due to the last change in power) Pd, 104 and the last change in the flow current) Id (last), 106 , generated. Adder 108 and delay 110 convert the next change in flow current 102 to the next flow current 50 . The switch 114 selects which model 116 receives the flow current 50 . The selected model 116 outputs the power 66 , which is converted to change into power 120 by the differentiator 122 and the delay 124 . The saturation limiter 126 limits the range of change in power 102 to produce a power change 104 . The delay element 128 generates the last change in the flow current 106 from the next change in the flow current 102 . The path from the next change in flow current 102 through model 116 to power change 104 forms a feedback path from fuzzy controller output 50 to fuzzy controller input 66 , generally represented by 130 .
Unter normalen Betriebsbedingungen sind nur geringfügige Korrekturen seitens des Fuzzy-Reglers 64 erforderlich, sobald die optimale Effizienz im stabilen Zustand erreicht ist. Bei Auftreten einer Änderung der Betriebsparameter des Maschinen systems findet der Fuzzy-Regler 64 jedoch eine neue optimale Effizienz. Eine Än derung der Betriebsparameter kann auftreten, wenn ein neuer Maschinenbetriebs bereich angeordnet wird, wie zum Beispiel eine Änderung der Last, oder wenn es zu einer Änderung der Betriebsbedingungen kommt, zum Beispiel einer Tempera turänderung. Derartige Änderungen können durch Verbinden eines anderen Mo dells 116 mittels Schalter 114 mit dem Fuzzy-Regler 64 simuliert werden.Under normal operating conditions, only minor corrections on the part of the fuzzy controller 64 are required as soon as the optimum efficiency is achieved in the stable state. When a change in the operating parameters of the machine system occurs, however, the fuzzy controller 64 finds a new optimal efficiency. A change in the operating parameters can occur when a new machine operating area is arranged, such as a change in the load, or when there is a change in the operating conditions, for example a change in temperature. Such changes can be simulated by connecting another model 116 by means of switch 114 to fuzzy controller 64 .
Unter Bezug auf Fig. 3a bis 3c werden nun Diagramme mit Fuzzy- Entscheidungsparametern gezeigt. Fig. 3a zeigt die Mitgliedsgradfunktion für eine Leistungsänderung, die insgesamt bei 200 gezeigt wird. Die Leistungsänderung 104 ist in sieben Fuzzy-Mengen unterteilt: negativ groß (NB) 202, negativ mittel (NM) 204, negativ klein (NS) 206, Null (ZE) 208, positiv klein (PS) 210, positiv mittel (PM) 212 und positiv groß (PB) 214. Die Änderung der Leistungs- Mitgliedsgradfunktion 200 bricht die Leistungsänderung 104 in sieben Bereiche ba sierend auf der Größe und Richtung bzw. Vorzeichen der letzten Leistungsände rung 104 auf.Referring to Fig. 3a to 3c are diagrams will now be shown with fuzzy decision parameters. Fig. 3a shows the membership function for a power change, which is shown generally at 200. The power change 104 is divided into seven fuzzy sets: negative large (NB) 202 , negative medium (NM) 204 , negative small (NS) 206 , zero (ZE) 208 , positive small (PS) 210 , positive medium (PM) 212 and positive size (PB) 214 . The change in the performance membership function 200 breaks the performance change 104 into seven areas based on the size and direction or sign of the last performance change 104 .
Fig. 3b zeigt die Mitgliedsgradfunktion für die letzte Stromänderung, insgesamt bei 220 dargestellt. Die letzte Änderung der Strom-Mitgliedsgradfunktion 220 bricht die letzte Stromänderung 106 in zwei Fuzzy-Mengen auf: negativ (N) 222 und positiv (P) 224. Die letzte Änderung der Strom-Mitgliedsgradfunktion 220 ermittelt im Grunde genommen das Vorzeichen der letzten Stromänderung 106. FIG. 3b shows the membership function for the last current change, generally shown at 220. The last change in current membership level function 220 breaks the last change in current 106 into two fuzzy sets: negative (N) 222 and positive (P) 224 . The last change in the stream membership function 220 basically determines the sign of the last stream change 106 .
Fig. 3c Zeit die Mitgliedsgradfunktion für die nächste Stromänderung, die insge samt bei 240 gezeigt wird. Die nächste Änderung der Strom-Mitgliedsgradfunktion 240 unterteilt die nächste Stromänderung 102 in sieben Fuzzy-Mengen: negativ groß (NB) 242, negativ mittel (NM) 244, negativ klein (NS) 246, Null (ZE) 248, posi tiv klein (PS) 250, positiv mittel (PM) 252 und positiv groß (PB) 254. Somit kann die Ausgangsgröße des Fuzzy-Reglers 64 in Größe und Vorzeichen variiert werden. Fig. 3c time the membership level function for the next current change, which is shown in total at 240 . The next change in current membership function 240 divides the next change in current 102 into seven fuzzy sets: negative large (NB) 242 , negative medium (NM) 244 , negative small (NS) 246 , zero (ZE) 248 , positive small ( PS) 250 , positive medium (PM) 252 and positive large (PB) 254 . The output size of the fuzzy controller 64 can thus be varied in size and sign.
In dieser Anwendung umfasst das Optimieren der Fuzzy-Logic- Entscheidungsparameter das Abänderung des Bereichs und der Form der Fuzzy- Mengen in den Mitgliedsgradfunktionen 200, 220, 240. Insbesondere können der Ausgangspunkt, der Endpunkt und der Spitzenpunkt für jede Menge 202-214, 222-224, 242-254 variiert werden, um eine gewünschte dynamische Reaktion zu ver wirklichen. Zwar werden dreieckige Mengen gezeigt, doch für einen Durchschnitts fachmann auf dem Gebiet ist nachvollziehbar, dass eine Fuzzy-Menge jeder Form verwendet werden kann, einschließlich trapezförmig, gaußisch, kosinusquadriert usw..In this application, optimizing the fuzzy logic decision parameters involves changing the range and shape of the fuzzy sets in membership level functions 200 , 220 , 240 . In particular, the starting point, the ending point and the peak point for each set 202-214 , 222-224 , 242-254 can be varied in order to achieve a desired dynamic response. Triangular sets are shown, but it will be understood by one of ordinary skill in the art that a fuzzy set of any shape can be used, including trapezoidal, Gaussian, cosine-squared, etc.
Unter Bezug auf Fig. 4-6 werden nun experimentelle Ergebnisse gezeigt, die mit Hilfe eines nach einer erfindungsgemäßen Ausführung optimierten Fuzzy-Logic- Reglers erhalten wurden. Der Fuzzy-Logic-Regler regelte eine 12-polige Maschine mit 8 kW mit parallel-verbundenen Wicklungen in einer Alternator-Konfiguration. Der Starter/Alternator wird in einem Fachaufsatz von J. M. Miller et al. mit dem Titel "Starter-Alternator for Hybrid Electric Vehicle: Comparison of Induction and Variable Reluctance Machines and Drives", erschienen.in IEEE lAS Conference Procee dings, Seiten 513-523, 1998, beschrieben. Die nachstehende Tabelle 1 listet die gemessenen Motorparameter einer äquivalenten Schaltung auf.With reference to FIGS. 4-6, experimental results are now shown which were obtained with the aid of a fuzzy logic controller optimized according to an embodiment according to the invention. The fuzzy logic controller controlled a 12-pole machine with 8 kW with windings connected in parallel in an alternator configuration. The starter / alternator is described in a technical paper by JM Miller et al. with the title "Starter-Alternator for Hybrid Electric Vehicle: Comparison of Induction and Variable Reluctance Machines and Drives", published in IEEE lAS Conference Processes, pages 513-523, 1998. Table 1 below lists the measured engine parameters of an equivalent circuit.
Unter Bezug auf Fig. 4 wird nun eine Kurvendarstellung gezeigt, welche die opti male Effizienzabbildung von vier Konturen konstanter Leistung nach einer erfin dungsgemäßen Ausführung zeigt. Die optimale Effizienz als Funktion der Läufer drehzahl wird für Konturen konstanter Leistung von 1 kW durch Kurvendarstellung 270, von 2 kW durch Kurvendarstellung 272, von 4 kW durch Kurvendarstellung 274, von 6 kW durch Kurvendarstellung 276 und von 8 kW durch Kurvendarstellung 278 gezeigt. Die optimale Effizienz des Starters/Alternators liegt bei 1.400 U/min bei etwa 85%, fällt aber auf bis zu 35% bei Drehzahlen unter 300 U/min.With reference to FIG. 4, a graph is now shown, which shows the optimal efficiency mapping of four contours of constant power according to an embodiment of the invention. The optimal efficiency as a function of the rotor speed is shown for contours of constant power of 1 kW by curve display 270 , 2 kW by curve display 272 , 4 kW by curve display 274 , 6 kW by curve display 276 and 8 kW by curve display 278 . The optimal efficiency of the starter / alternator is around 85% at 1,400 rpm, but drops to up to 35% at speeds below 300 rpm.
Unter Bezug auf Fig. 5a und 5b werden nun Kurvendarstellungen gezeigt, die den Temperaturausgleich eines Fuzzy-Reglers für eine erfindungsgemäße Ausführung vorführen. Die Fähigkeit des Fuzzy-Reglers, die maximale Effizienz des Star ters/Alternators während sich ändernder Bedingungen zu wahren, wird in Fig. 5 veranschaulicht. Die Temperatur-Kurvendarstellung 282 des Ständers wird als Funktion der Zeit ansteigend gezeigt. Die Zeit wird in Form von Fuzzy-Regler- Optimierungsschritten ausgedrückt. Wie durch die Effizienz-Kurvendarstellung 284 veranschaulicht, verfolgt der Fuzzy-Regler weiter, wenngleich die optimalen Effi zienzpunkte bei höheren Temperaturen sinken.With reference to FIGS . 5a and 5b, curve representations are now shown which demonstrate the temperature compensation of a fuzzy controller for an embodiment according to the invention. The ability of the fuzzy controller to maintain the maximum efficiency of the starter / alternator during changing conditions is illustrated in FIG. 5. The stator temperature curve plot 282 is shown increasing as a function of time. The time is expressed in the form of fuzzy controller optimization steps. As illustrated by the efficiency curve representation 284 , the fuzzy controller continues to follow, although the optimal effi ciency points decrease at higher temperatures.
Unter Bezug auf Fig. 6a-6c werden nun Kurvendarstellungen gezeigt, welche die Betriebsparameter als Funktion der Läuferdrehzahl für eine erfindungsgemäße Ausführung zeigen. Vergleiche zwischen der vorherbestimmten und gemessen Effi zienz und Spannung wurden für den von der Fuzzy Logic geregelten Induktions motor erhalten. Die Ergebnisse der Optimierung wurden auf einer Kontur mit 4 kW konstanter Leistung erhalten. With reference to FIGS . 6a-6c, curve representations are now shown which show the operating parameters as a function of the rotor speed for an embodiment according to the invention. Comparisons between the predetermined and measured effi ciency and voltage were obtained for the induction motor controlled by the fuzzy logic. The results of the optimization were obtained on a contour with 4 kW constant power.
Bei vorgegebenem Drehmoment T, Drehzahl n und Erregerfrequenz f kann die
Spannung wie in Gleichung (1) gezeigt ermittelt werden:
For a given torque T, speed n and excitation frequency f, the voltage can be determined as shown in equation (1):
wobei p die Anzahl der Pole ist. Es ist möglich, diese Größen zur Berechnung der verbleibenden Spannungen und Ströme in der äquivalenten Schaltung des Indukti onsmotors zu verwenden.where p is the number of poles. It is possible to use these sizes to calculate the remaining voltages and currents in the equivalent circuit of the inductor to use onsmotors.
Der Ausdruck für die Effizienz des Induktionsmotors wird in Gleichung (2) gezeigt:
The expression for the efficiency of the induction motor is shown in equation (2):
wobei Pfeo der Eisenkernverlust ohne Last ist, Pfvo die Reibungs- und Wicklungs verluste darstellt und Eo die Nennspannung bei der Charakterisierungsdrehzahl no U/min ist. Bei vorgegebenem Drehmoment und Drehzahl kann die Effizienz bezüg lich der Erregerfrequenz f maximiert werden.where P feo is the iron core loss without load, P fvo represents the friction and winding losses and E o is the nominal voltage at the characterization speed n o rpm. For a given torque and speed, the efficiency can be maximized with respect to the excitation frequency f.
In den Fig. 6a-6c werden die gemessenen Parameter als Funktion von U/min. durch offene Kreise gezeigt, die durch eine Linie verbunden sind. Die geschätzten Parameter ohne Kernsättigung werden durch offene Quadrate angezeigt und die geschätzten Parameter mit Kernsättigung werden durch Kreuze angezeigt. In Fig. 6a wird gezeigt, dass die Kurve 290 der gemessenen Effizienz gut der geschätzten gesättigten Effizienz folgt. In Fig. 6b folgt die Kurve 292 der gemessenen Erreger frequenz der geschätzten Erregerfrequenz. In Fig. 6c folgt die Kurve 294 der ge messenen verketteten Spannung eng den erwarteten gesättigten Spannungswer ten.In FIGS. 6a-6c, the measured parameter as a function of U are / min. shown by open circles connected by a line. The estimated parameters without core saturation are shown by open squares and the estimated parameters with core saturation are shown by crosses. In Fig. 6a, it is shown that the curve 290 of the measured efficiency of the estimated saturated good efficiency follows. In Fig. 6b, the curve 292 follows the measured excitation frequency of the estimated excitation frequency. In Fig. 6c, curve 294 of the measured chained voltage closely follows the expected saturated voltage values.
Zwar wurden erfindungsgemäße Ausführungen veranschaulicht und beschrieben, doch diese Ausführungen sollen nicht alle möglichen Ausgestaltungen der Erfin dung veranschaulichen und beschreiben. Vielmehr sind die Ausführungen der Pa tentbeschreibung beschreibender und nicht einschränkender Natur und es können verschiedene Abwandlungen vorgenommen werden, ohne vom Wesen und Schutzumfang der Erfindung abzuweichen.Although embodiments according to the invention have been illustrated and described, however, these statements are not intended to be all possible configurations of the inven illustrate and describe the application. Rather, the statements of Pa descriptive and non-restrictive nature and it can various modifications can be made without being and Deviate scope of the invention.
Claims (16)
Erhalten einer Datenmenge, welche den mindestens einen Regelparameter mit dem mindestens einen Betriebsparameter für mindestens einen Maschi nenbetriebsbereich verknüpft;
Konstruieren eines Modells für jeden des mindestens einen Maschinenbe triebsbereichs anhand der erhaltenen Daten für den Maschinenbetriebsbe reich;
Simulieren des Fuzzy-Logic-Reglers mit mindestens einem erzeugten Modell in einer Rückführungsschleife von mindestens einem Fuzzy-Logic-Ausgang zu mindestens einem Fuzzy-Logic-Eingang und
Optimieren der Fuzzy-Logic-Entscheidungsparameter anhand der Simulati on.1. A method for optimizing a fuzzy logic controller of a rotating induction machine system, the fuzzy logic controller having at least one input and at least one output, each input adopting a machine system operating parameter, each output generating at least one machine system control parameter, the fuzzy logic controller works in such a way that it generates each output variable on the basis of at least one input variable and fuzzy logic decision parameters, the method comprising the following:
Obtaining a quantity of data that links the at least one control parameter with the at least one operating parameter for at least one machine operating range;
Constructing a model for each of the at least one machine operating area based on the obtained data for the machine operating area;
Simulating the fuzzy logic controller with at least one generated model in a feedback loop from at least one fuzzy logic output to at least one fuzzy logic input and
Optimize the fuzzy logic decision parameters based on the simulation.
Erhalten einer Datenmenge, welche die Systemleistung mit der Stromrege lung für mindestens einen Maschinenbetriebsbereich verknüpft;
Konstruieren eines Modells für jeden Maschinenbetriebsbereich anhand der erhaltenen Daten;
Simulieren des Fuzzy-Logic-Reglers mit mindestens einem erzeugten Modell in einer Rückführungsschleife von dem Stromregelausgang zu dem Lei stungseingang und
Optimieren der Fuzzy-Logic-Entscheidungsparameter anhand der Simulati on.10. Method for optimizing a fuzzy logic controller for a starter / alternator system, the fuzzy logic controller comprising an input for the system power and an output for the flux current control, the fuzzy logic controller working in such a way that generate a current control output based on the power input and the fuzzy logic decision parameters, the method comprising:
Obtaining an amount of data that links system performance to power control for at least one machine operating area;
Constructing a model for each machine operating area based on the data obtained;
Simulate the fuzzy logic controller with at least one generated model in a feedback loop from the current control output to the power input and
Optimize the fuzzy logic decision parameters based on the simulation.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/669,211 US6711556B1 (en) | 1999-09-30 | 2000-09-25 | Fuzzy logic controller optimization |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| DE10146376A1 true DE10146376A1 (en) | 2002-05-02 |
Family
ID=24685511
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| DE2001146376 Withdrawn DE10146376A1 (en) | 2000-09-25 | 2001-09-20 | Optimizing fuzzy logic regulator involves simulating fuzzy logic with model(s) generated for at least one machine operating range arranged in feedback loop from logic output to logic input |
Country Status (1)
| Country | Link |
|---|---|
| DE (1) | DE10146376A1 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1410942A3 (en) * | 2002-10-15 | 2006-04-12 | Yamaha Hatsudoki Kabushiki Kaisha | Method for controlling an electric motor, electric motor driven vehicle, and method of gathering data of such a vehicle |
| DE102008014748A1 (en) * | 2008-03-18 | 2009-10-01 | Continental Automotive Gmbh | Model parameters determining method for hybrid physical-mathematical model of piezo-common rail control valve for burner of gas turbine, involves varying model parameter to be determined by mathematical optimization algorithm |
-
2001
- 2001-09-20 DE DE2001146376 patent/DE10146376A1/en not_active Withdrawn
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1410942A3 (en) * | 2002-10-15 | 2006-04-12 | Yamaha Hatsudoki Kabushiki Kaisha | Method for controlling an electric motor, electric motor driven vehicle, and method of gathering data of such a vehicle |
| US7117968B2 (en) | 2002-10-15 | 2006-10-10 | Yamaha Hatsudoki Kabushiki Kaisha | Motor driven vehicle and method of sampling map data of the motor driven vehicle |
| DE102008014748A1 (en) * | 2008-03-18 | 2009-10-01 | Continental Automotive Gmbh | Model parameters determining method for hybrid physical-mathematical model of piezo-common rail control valve for burner of gas turbine, involves varying model parameter to be determined by mathematical optimization algorithm |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE69233343T2 (en) | Wind turbine with variable speed | |
| DE102008013799B4 (en) | Method and system for controlling permanent magnet AC machines | |
| Mir et al. | Fault-tolerant switched reluctance motor drive using adaptive fuzzy logic controller | |
| DE69530828T2 (en) | Torque and output control of an internal combustion engine | |
| DE69216062T2 (en) | METHOD AND DEVICE FOR CONTROLLING AND DRIVING INDUCTION MOTORS. | |
| DE69318126T3 (en) | Optimal supply for an electric motor | |
| EP3129799A1 (en) | Method and controller for model predictive control of a multi-phase dc/dc converter | |
| DE69626770T2 (en) | Drive system for a hybrid powered motor vehicle and associated control method | |
| DE102008034543A1 (en) | Linear device for field weakening in a machine with internal permanent magnets | |
| DE102006027713A1 (en) | On-line control of the minimum copper loss of the internal permanent magnet synchronous machine for automotive applications | |
| EP0999953A1 (en) | Method for regulating a generator capable of being driven by an internal combustion engine | |
| DE60223690T2 (en) | METHOD AND DEVICE FOR CONTROLLING THE SPEED OF A HIGH DYNAMIC PERMANENT MOTORCYCLE ENGINE WITH RESTRICTED POSITION INFORMATION | |
| US6711556B1 (en) | Fuzzy logic controller optimization | |
| EP1504523B1 (en) | Method and device for the sensor reduced regulation of a permanent magnet excited synchronous machine | |
| DE10120721A1 (en) | Method of calculating the moment of inertia and control for an electric motor | |
| WO1997002651A1 (en) | Sensorless field-orientation control of an induction motor | |
| DE10146376A1 (en) | Optimizing fuzzy logic regulator involves simulating fuzzy logic with model(s) generated for at least one machine operating range arranged in feedback loop from logic output to logic input | |
| DE69216127T2 (en) | Synchronous motor with permanent magnets and motor system | |
| DE10044181A1 (en) | Controller structure for electrical machines | |
| EP0469177A1 (en) | Method and device for restarting an induction motor | |
| DE102014224158A1 (en) | Control of a permanent-magnet synchronous motor | |
| DE60038648T2 (en) | Control process for a rotating machine and device for supplying this machine | |
| DE10219826A1 (en) | Process and device for the field orientation control of a permanent magnet excited synchronous electric motor for a motor vehicle has rotation speed limiters | |
| DE69014401T2 (en) | Power supply system. | |
| DE102013103928A1 (en) | Control device for reducing the disturbance emanating from a rotating electrical machine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| OP8 | Request for examination as to paragraph 44 patent law | ||
| 8127 | New person/name/address of the applicant |
Owner name: FORD GLOBAL TECHNOLOGIES, LLC (N.D.GES.D. STAATES |
|
| 8139 | Disposal/non-payment of the annual fee |