(160 امتیاز از 38 رای)
Loading...
پروژه تخمین ردیابی موتور القایی با الگوریتم PSO با Matlab به همراه داکیومنت
در این پست پروژه تخمین ردیابی موتور القایی با الگوریتم PSO با متلب به همراه توضیح فارسی خطوط برنامه نویسی شده را آماده کرده ایم که تکه کدی از آن را با توضیحات و همچنین تصاویر خروجی و فیلم کوتاهی از اجرای پروژه را در ادامه مطلب می توانید مشاهده نمائید.
در این پروژه به طراحی یک موتور القایی یا Induction Motor پرداخته شده که هدف از آن، تخمین و ردیابی پارامترهای آن است. تخمین با الگوریتم PSO یا ازدحام ذرات بهینه شده و ردیابی پارامترهای موتور آسنکرون موتور القایی با پارامترهای انتخاب شده به کمک الگوریتم PSO یا الگوریتم پرندگان روی داد است.
موتورهای القایی به علت سادگی و هزینه کم ساخت، نسبت به ماشین های جریان مستقیم برتری دارند. ماشین های القایی، عمومی ترین موتورهایی هستند که در سیستم های کنترل حرکت صنعت استفاده می شوند.
توضیحات بیشتر و تصاویر و فیلم خروجی پروژه تخمین ردیابی موتور القایی با الگوریتم PSO با متلب را در ادامه مطلب مطالعه نمایئد.
در دهه های اخیر بدلیل مصرف روزافزون انرژی الکتریکی و هزینه بالای تولید این انرژی از منابع فسیلی، تولید برق از منابع تجدید پذیری همچون انرژی باد مورد توجه قرار گرفته شده است. بدلیل اتصال نیروگاه های بادی به شبکه های توزیع، پژوهش های گسترده ای بر روی این نیروگاه ها و ماشین های القایی موجود در آنها اعم از ژنراتور و موتور متمرکز شده است. این پژوهش ها عموما در زمینه های تحلیل پایداری، کنترل و پیش بینی خطای ماشین القایی انجام شدهاند. از طرفی برای طراحی، تحلیل حالت پایدار و عملکرد دینامیکی، کنترل بهینه ماشین القایی و تنظیمات رله های حفاظتی آن، به پارامترهای دقیق ماشین نیاز می باشد . از اینرو روش های گوناگونی برای تخمین پارامترهای ماشین القایی تاکنون بکار گرفته شده اند.
روش های تخمین و شناسایی پارامتر در حین کار بدلیل پیشرفت گسترده در زمینه کنترل جهت دار ماشین های القایی مورد توجه فراوان قرار گرفته اند. با این وجود روش های شناسایی پارامتر در حالت عدم اتصال به شبکه ، بدلیل سادگی، کم هزینه بودن و عدم نیاز به سخت افزار اضافی هنوز کاربرد بسیار دارند.
کنترل ماشین های القایی به مراتب پیچیده تر از کنترل ماشین های جریان مستقیم بوده، چنانچه کارآیی بالایی نیز از ماشین انتظار رود، بر این پیچیدگی افزوده خواهد شد. در حقیقت ، این پیچیدگی به علت ساختار چند متغیره و غی رخطی موتور القایی است. با توجه به کاربردهای این ماشین مشخصات حالت ماندگار آن حایز اهمیت است.
مهمترین سوالی که در انتخاب نوع کنترل موتور القایی باید مد نظر قرار گیرد، این است که موتور در چه محدوده ای از سرعت کار خواهد کرد، زیرا روش های کنترل سرعت موتور القایی کلاسیک معمولا برای یک دامنه محدوده ای از سرعت مناسب هستند و به طور مشترک برای سرعت های بالا، پایین و خیلی پایین استفاده نمی شود. رایجترین روش کنترل سرعت در موتور های القایی، کنترل برداری است. از آن جایی که پردازش بر روی سیگنال های فیدبکی در این گونه درایوها اساسا پیچیده است، استفاده از میکروکامپیوترها و یا پردازش گرهای سیگنال دیجیتال در این درایوها امری معمول است.
تکه کد تخمین ردیابی موتور القایی با الگوریتم PSO :
clear all
close all hidden
wanna_movie = 0;
rng('shuffle');
t_stop = 0.6;
torque_step_time = 0.5;
Ts = 0.001;
% نویز
i_max = 70;
w_max = 100;
noise_level = 2;
% درجه نویز بر حسب درصد
sigma_noise_1 = i_max*noise_level/100;
% انحراف معیار : حدود ۹۵% در این محدوده و ۹۵% در محدوده ۲ سیگما هستند
% در قسمت زیر به توزیع نورمال پرداخته ایم
sigma_noise_2 = w_max*noise_level/100;
noise_psd_i = (sigma_noise_1/2)^2*Ts; % 2 سیگما
noise_psd_w = (sigma_noise_2/2)^2*Ts; % 2 سیگما
asur = 1;
% به روز رسانی قوانین آسنکرون = ۱
% به روز رسانی قوانین سنکرون = ۰
update_without_evaluation = 0;
% به روز رسانی ذرات = ۱
% ایزور یا ASUR استاندارد = ۰
totally_random_start = 0;
% موقعیت شروع اولیه به صورت تصادفی بین بازه زیر است اگر = ۱ باشد
% [-init_position, init_position]
% این کار احتمال اینکه در زمان اجرای پروژه در خط فرمان خطاهایی مشاهده شود
% را در پی خواهد داشت
% موقعیت شروع اولیه اگر = ۰ باشد
% [۰٫۵*actual_value, 1.5*actual_value]
% این مورد را ما تست کرده ایم و به جواب رسیده ایم
% دلیل اینکار این است که اطلاعات کافی از دینامیک موتور را داریم
تصویر خورجی ۲:
تصویر خورجی ۳:
تصویر خورجی ۴:
انجام پروژه ها و شبیه سازی مقالات و پایان نامه ها با متلب
پروژه های آماده برق قدرت با متلب
پروژه ها و آموزش های برنامه نویسی
مشاهده ویدئو در این باره