با توجه به نياز صنعت به استفاده از موتورها در بازه‌هاي مختلف سرعت و راه‌اندازي نرم براي كاهش جريان راه‌انداز و محدود كردن تلفات و جريان در حالت دائم، كنترل دور موتورها از اهميت بالايي برخوردار است. در اين پايان‌نامه سيستم كنترل يك موتور مغناطيس‌دائم بدون‌جاروبك تحليل و شبيه‌سازي شده است. با توجه به اهميت كنترل همه‌ي متغيرهاي كنترلي موجود در موتور، به الگوريتمي نياز است كه همه‌ي فاكتورهاي با اهميت موتور براي كنترل را در خود جاي دهد. الگوريتم كنترلي پيش‌بين يا MPC روشي كنترلي است كه مي‌تواند هر فاكتوري كه به كنترل نياز دارد را در خود جاي دهد. اين الگوريتم يك تابع هزينه دارد كه مي‌توان تمامي فاكتورها را در آن به‌صورت اختلاف بين مقدار محاسبه شده در سيكل بعد و مقدار مطلوب قرار داد. در تابع هزينه اختلاف سرعت مطلوب و سرعت سيكل بعد، فاكتور محدود‌كننده جريان، اختلاف تلفات مطلوب و تلفات در سيكل بعد لحاظ شده است. براي حداقل كردن تابع هزينه نياز به اعمال ضريب وزني براي اين فاكتورها مي‌باشد. براي بهينه كردن ضرايب وزني در پشت فاكتورها از الگوريتم بهينه‌سازي PSO استفاده‌شده است. اين الگوريتم ضرايب را بهينه‌سازي كرده و با تغيير ضرايب پشت فاكتورهاي تابع هزينه آن را حداقل مي‌كند. با توجه به هزينه و حجم بالاي حسگر سرعت بهتر است كه حس‌گر سرعت از مدار حذف شود. در اين پايان‌نامه از يك الگوريتم فازي-عصبي به نام ANFIS استفاده‌شده است و مقدار سرعت با دقت نسبتاً خوبي محاسبه شده است كه در اين حالت نيازي به حسگر سرعت نيست. براي اجراي اين الگوريتم در حالت offline با استفاده از حسگر سرعت داده‌هايي گرفته و به سيستم داده مي‌شود. با استفاده از اين داده‌ها سيستم مدل شده و در حالت online با ورودي‎‌هاي قبل سرعت را تخمين مي‌زند. سپس اين سيستم تخمين سرعت شبيه‌سازي شده و نتايج آن تحليل مي‌شود. واژه‌هاي كليدي: موتور BLDC، الگوريتم MPC ، روش ANFIS و الگوريتم PSO.

1396/11/09

11/4/2017 12:00:00 AM

Now adays, considering the need of using motors in various speed ranges, soft-starting in order to reduce the initial current, and controlling current and losses in the steady-state, the drivers of motors have a significant importance in the industry. In this thesis, a Brushless Direct Current (BLDC) motor is controlled. Since all control variables of motor are important, the used algorithm must include all of these important variables. Model Predictive Control (MPC) method is a technique which can control all desirable variables. This method has a cost function which contain all variables in terms of difference between desirable value and predicted value for the next cycle. In this thesis, control variables are speed, losses, and initial current. The speed difference, losses, and initial current must be minimized. In order to minimize the cost function, some factors must be applied. This factors, called weighting factors, should be selected efficiently; In this regard, PSO algorithm is used. This algorithm selects weighting factors so that the cost function is minimized. Also, in order to eliminating a costly and high-volume speed sensor, ANFIS method is used, and the speed value is measured with enough precision. In order to impelement this algorithm in the offline mode, data are taken by using speed sensor, and they are applied to the system. With making use of these data the system is modeled, and it estimates the speed based on the previous inputs. Then this speed estimation system is simulated, and its results are analysed. Keywords: BLDC motor, MPC algorithm, ANFIS method, PSO algorithm.