18026

18026

طراحي سيستم كنترل لغزش براي قطار الكتريكي مبتني بر قوانين فازي و بر اساس شناسايي مدل موتور الكتريكيAC

كارشناسي ارسد

مهندسي كنترل علائم

اسفندماه 1359

دكتر بيرن معاوني - دكتر داود عرب خابوري

راه آهن

با توجه به لزوم كنترل لغزش در قطارهاي الكتريكي، طراحي سيستم كنترل لغزش ضرورت پيدا مي‌كند. از طرفي لزوم رعايت مصرف انرژي و نحوه‌ي تنظيم زمان سير قطار از جمله دلايل بسيار مهم در رديابي پروفايل سرعت مطلوب قطار هستند. در اين پايان‌نامه دو روش كنترلي به جهت برآورده‌سازي اهداف كنترلي مذكور ارائه‌شده است. در روش اول از يك كنترل‌كننده‌ي فازي و در روش دوم از يك سيستم كنترل مبتني بر مدل مبناي پيش‌بين با ناظر فازي استفاده‌شده است. در اين روش‌هاي كنترلي از يك مدل موتور القائي، كنترل‌شده به روش كنترل برداري به‌عنوان موتور كشش قطار الكتريكي استفاده‌شده است. با تمركز بر ساختار كنترل برداري، سيگنال كنترليِ توليدشده به‌عنوان سرعت مرجع به ساختار كنترل برداري اعمال‌شده است. در سيستم كنترل لغزش مبتني بر مدل مبناي پيش‌بين با ناظر فازي، سيگنال كنترلي بر اساس اهداف كنترليِ تعريف‌شده در تابع هزينه‌ي مدل مبناي پيش‌بين طراحي‌شده و بر اساس اهميت هدف كنترلي مطابق با لزوم كنترل لغزش يا رديابي پروفايل سرعت قطار توسط ناظر فازي ارزش‌گذاري شده است. در اين روش كنترلي بر اساس تشخيص جنس سطح ريل، سرعت طولي قطار و اصطكاك سطح ريل تخمين‌زده مي‌شود از طرفي نظارت در سيستم فازي بر اساس خطاي لغزش مطلوب از مقدار لغزش محاسبه‌شده از مقادير تخميني و خطاي پروفايل سرعت مطلوب قطار-توليدشده توسط سيستم عملكرد خودكار قطار- از سرعت تخمين‌زده شده انجام مي‌شود. اين روش‌ها سبب مي‌شوند قطار با حفظ مقدار لغزش مطلوب در طول سير، پروفايل سرعت مطلوب خود را نيز رديابي كند. در بخش ديگر اين پايان‌نامه با توجه به لزوم شناخت زيرساخت‌هاي سيستم كنترل لغزش، به استخراج مدلي براي يك موتور القائي با استفاده از داده‌برداري و روش‌هاي شناسايي پرداخته‌شده است. شبيه‌سازي‌هاي انجام‌شده صحت عملكرد اين روش كنترلي و شناسايي انجام‌شده را نشان داده‌اند.

1396/08/15

11/6/2017 12:00:00 AM

In this thesis, a fuzzy supervisory model predictive control system and a fuzzy controller are introduced. Tracking the desired speed profile by the train and preventing the wheels from slipping in the acceleration mode are the main goals of the proposed control system. In the introduced control strategy, field oriented control (FOC) is employed to control the angular speed of the wheel. Also, model predictive control and fuzzy logic control are used to control the longitudinal velocity of the train for tracking the desired speed profile and preventing the wheel form slipping by generating the desired angular velocity for the FOC. In addition, an estimation method to estimate the longitudinal train velocity and adhesion coefficient between the wheel and rail surface, which are vital for implementing the presented methods in real train control system is presented. In another part of this thesis, a black-box identification and validation of an induction motor in traction system using experimental input output data has been done. Simulation results are performed under different friction coefficients and for real train parameters to verify the effectiveness of the proposed re-adhesion control system.