Identificación y Control Wavenet de un Motor de CA

L.E. Ramos Velasco

Mexico

Universidad Autónoma del Estado de Hidalgo

Universidad Politécnica de Pachuca

J.C. Ramos Fernández

Mexico

Universidad Politécnica de Pachuca

O. Islas Gómez

Mexico

Universidad Autónoma del Estado de Hidalgo

J. García Lamont

Mexico

Universidad Autónoma del Estado de Hidalgo

M.A. Espejel Rivera

Mexico

Universidad la Salle Pachuca

M.A. Márquez Vera

Mexico

Universidad Politécnica de Pachuca

Enviado: 06-02-2018

|

Aceptado: 06-02-2018

|
DOI: https://doi.org/10.1016/j.riai.2013.05.002
Datos de financiación

Descargas

Palabras clave:

Control de motores, Controlador PID, Redes neuronales wavelets, Algoritmos auto-ajustables

Agencias de apoyo:

CONACYT

Resumen:

En el presente artículo se muestra un esquema de identificación y control que sintoniza en línea las ganancias proporcional, integral y derivativa de un controlador PID discreto aplicado a un sistema dinámico SISO. Esto se logra empleando una red neuronal de base radial con funciones de activación wavelet hijas Morlet (wavenet) adicionalmente en cascada un filtro de respuesta infinita al impulso (IIR). Dicho esquema es aplicado en tiempo real para controlar la velocidad de un motor de inducción de CA trifásico del tipo jaula de ardilla (MIJA) alimentado con un variador de frecuencia trifásico, de esta forma se muestra cómo este esquema de identificación y control en línea, puede ser implementado en este tipo de plantas que son ampliamente utilizadas en la industria, sin la necesidad de obtener los parámetros del modelo matemático del conjunto variador de frecuencia-motor de inducción trifásico. Se presentan los resultados obtenidos en simulación numérica y experimentales, empleando para esto la plataforma de LabVIEW.
Ver más Ver menos

Citas:

Aguado-Behar, A., MartÍnez-Iranzo, M., 2003. Identificación y Control Adaptativo. Prentice Hall, España.

Aström, K., 1997. Computer-Controlled Systems, Theory and Design. Pretince- Hall, New York.

Aström, K., Hägglund, T., 2006. Advanced PID Control. ISA, The Instrumentation, Systems, and Automation Society.

Bocker, J., Mathapati, S., 2007. State of the art of induction motor control. Proceeding of IEEE International Conference in Electric Machines and Drives, IEDMC’07, 1459–1464.

Chapman, S. J., 2012. Máquinas Eléctricas. Mc Graw Hill, México.

Cruz-Tolentino, J., Ramos-Velasco, L., Espejel-Rivera, M. A., 2010. A selftuning of a wavelet PID controller. IEEE International Conference on Electronics Communications and Computers, 23–31.

Daubechies, I., 1992. Ten Lectures on Wavelets. SIAM, New Jersey.

Domínguez-Mayorga, C. R., Espejel-Rivera, M. A., Ramos-Velasco, L. E., Ramos-Fernández, J. C., Hernández, E. E., Diciembre 2012. Algoritmos wavenet con aplicaciones en la aproximación de señales: un estudio comparativo. Revista Iberoamericana Automática e Informática 9 (4), 347–358.

Farahani, M., January 2012. Intelligent control of SVC using wavelet neural network to enhance transient stability. Eng. Appl. Artif. Intell. 26 (1), 273– 280.

Haykin, S., 2001. Kalman Filtering and Neural Networks. Wiley, New York.

Holtz, J., 2002. Sensorlees control of induction motor drives. Proceeding of IEEE International Conference in Electric Machines and Drives, IEDMC’07, Wuppertal, Germany, 1359–1394.

Islas-Gómez, O., Ramos-Velasco, L. E., García-Lamont, J., 2010. Identificación y control wavenet de un motor de CD. Congreso Anual de la Asociación de México de Control Automático(AMCA), Puerto Vallarta, Jalisco, México.

Jahedi, G., Ardehali, M., Octubre 2012. Wavelet based artificial neural network applied for energy efficiency enhancement of decoupled HVAC system. Energy Conversion and Management 54 (1), 47–56.

Kuo, B., 1995. Digital Control Systems. Oxford University Press, USA.

Levin, A., Narendra, K., March 1993. Control of nonlinear dynamical systems using neural networks: Controllability and stabilization. IEEE Transactions on Neural Networks 4 (2), 192–206.

Levin, A., Narendra, K., January 1996. Control of nonlinear dynamical systems using neural networks - part II: Observability, identification, and control. IEEE Transactions on Neural Networks 7 (1), 30–42.

Lin, C.-J., 2009. Nonlinear systems control using self-constructing wavelet networks. Applied Soft Computing 9 (1), 71–79.

Merabet A., M. O., Bui, R., 2006. Neural generalized predictive controller for induction motor. International Journal of Theoretical and Applied Computer Sciences, 83–100.

Ogata, K., 1995. Discrete-Time Control Systems. Pretince-Hall, New York.

Payakkawan, P., Klomkarn, K., Sooraksa, P., 2009. Dual-line pid controller based on pso for speed control of dc motors. The 9th International Symposium on Communication and Information Technologies (ISCIT), Incheon, Korea.

Perez-Poloa, M., Albertos, P., Berna-Galiano, J., January 2008. Tuning of a pid controlled gyro by using the bifurcation theory. Systems & Control Letters 57 (1), 10–17.

Sedighizadeh, M., Rezazadeh, A., 2008. Adaptive PID control of wind energy conversion systems using RASP1 mother wavelet basis function network. Proceeding of World Academy of Science, Engineering and Technology, 269–273.

Wu, W., Jhao, D.-W., February 2012. Control of a direct internal reforming molten carbonate fuel cell system using wavelet network-based hammerstein models. Journal of Process Control 22 (3), 653–658.

Ver más Ver menos