2018 & 2019
Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2018
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2019
Genehmigende Fakultät
Fak06
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2018-11-26
Online
DOI: 10.18154/RWTH-2018-231364
URL: http://publications.rwth-aachen.de/record/751451/files/751451.pdf
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
IM modeling (frei) ; dynamics optimization (frei) ; efficiency optimization (frei) ; electrical drives (frei) ; flux observers (frei) ; induction machines (frei) ; sensorless (frei) ; torque accuracy (frei) ; voltage sensing (frei)
Thematische Einordnung (Klassifikation)
DDC: 621.3
Kurzfassung
Modellfehler, Parametervariationen und parasitäre Einflüsse des Wechselrichters können in feldorientierten Asynchronmaschinenantrieben einen signifikanten Drehmomentfehler sowie eine Verstimmung des Reglers verursachen. Diese Arbeit beschreibt ein analytischen Minimierungsansatz für die Sensitivität von Flussverkettungsbeobachtern gegenüber Parametervariationen, Messfehler und Harmonischen höherer Ordnungen. Ein erweitertes Modell der Asynchronmaschine wird eingeführt, welches die magnetische Sättigung, Eisenverluste, Stromverdrängung im Rotor und die Temperaturabhängigkeit des Rotor- und Statorwiderstands berücksichtigt. Basierend auf einer analytischen Sensitivitätsanalyse wird der Flussbeobachter hinsichtlich minimaler Sensitivität bezüglich unsicherer Parameter ausgelegt. Die Genauigkeit bei niedrigen Drehzahlen wird durch eine instantane Phasenspannungsmessung, welche mit dem Gate-Treiber integriert ist, verbessert. Die Methode basiert auf Überabtastung und digitaler Integration. Zur Minimierung des instantanen Messfehlers wird ein analoger Tiefpassfilter hoher Bandbreite eingeführt und optimiert. Eine neuartige Sensor-Offset-Kompensationsmethode wird entwickelt, welche eine individuelle Kalibrierung aller Phasenspannungs- und Stromsensoren im Betrieb erlaubt. Die Methode ist völlig entkoppelt vom Regelungsalgorithmus. Ein weiterer wichtiger Aspekt ist die Dynamik effizienzoptimierter Asynchronmaschinenantriebe. Ein modell-prädiktiver Ansatz für die optimale dynamische Stromaufteilung zwischen flussbildendem und drehmomentbildendem Strom wird vorgeschlagen. Die Ergebnisse werden in eine Lookup-Tabelle überführt, um eine Implementierung auf kostengünstigen Mikrokontrollern zu ermöglichen.Model inaccuracies, parameter variations and parasitic influences of the voltage source inverter can cause significant torque error and detuning in field-oriented induction machine drives. This thesis describes an analytical minimization approach for the sensitivity of flux-linkage observers to parameter variations, measurement feedback deviation and higher-order harmonics. An extended model of the induction machine, which takes into account magnetic saturation, iron losses, rotor deep-bar effect, and temperature drift of the rotor and stator resistances is introduced. Based on an analytical sensitivity analysis, the flux-linkage observer is designed with respect to minimal sensitivity to uncertain parameters. The low-speed accuracy is improved by an instantaneous phase voltage sensing circuit integrated with the bottom gate driver of each inverter leg. The method is based on oversampling and digital integration. A high-bandwidth low-pass filter is introduced and optimized to minimize the instantaneous measuring error. A novel sensor-offset compensation method is developed, which allows independent offset calibration for all phase voltage and current sensors during operation. The method is fully decoupled from the control algorithm. Another important aspect is the dynamics of efficiency-enhanced IM drives. A model-predictive approach for optimal dynamic current sharing of the flux-producing and torque-producing current is proposed. The results are transferred into a lookup table for implementation on a low-cost microcontroller.
OpenAccess: PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis/Book
Format
online
Sprache
English
Externe Identnummern
HBZ: HT019932105
Interne Identnummern
RWTH-2018-231364
Datensatz-ID: 751451
Beteiligte Länder
Germany
![]() |
The record appears in these collections: |