تحديد أعطال الاستشعار وتعويضها للمحولات الكهربائية ثلاثية الطور

اقرأ في هذا المقال


أهمية اكتشاف أعطال الاستشعار وتعويضها للمحولات الكهربائية ثلاثية الطور

ركزت الإنجازات الصناعية للعقد الماضي على تطوير المحركات الكهربائية التي يجب أن تكون أكثر موثوقية ويجب أن تؤدي عملية آمنة وحرجة ومستمرة، وفي حالة حدوث عيوب إلى حد ما، كما تمت زيادة الموثوقية باستخدام مكونات كهربائية وإلكترونية عالية الجودة، وذلك باستخدام تصميمات ومواد تستند إلى التحسين مع أداء أفضل.

ونظراً لأن جميع المحركات الكهربائية في الوقت الحاضر يتم التحكم فيها بواسطة معالجات داخلية، فقد تم تحقيق زيادة موثوقية النظام من خلال إضافة قدرات الكشف عن الأخطاء والتعويض إلى وحدات التحكم الكهربائي، وظيفة منطقة الاستغلال للمحرك المستقبلي، وذلك سواء كانت آلية أو مساحة أو دفاعاً، بحيث أصبحت العملية الخالية من الأخطاء إلزامية ليتم تنفيذها في كل من بنية النظام المادي وفي وحدة التحكم الخاصة به.

وبالنسبة لهذا الأخير، كما استثمر العديد من الباحثين جهوداً لتطوير حلول موثوقة للغاية، والتي يمكنها أداء مراقبة الأخطاء والعزل والتعويض بشكل سريع وآمن، وفي العديد من الظروف التشغيلية، لا يمكن أن يحدث خلل في النظام نفسه، ولكن أجهزة الاستشعار التي تراقب سلوكه، ومن ثم تم تطوير حلول للتغلب على هذه العيوب.

ومن الحلول المقترحة إجراء حسابات معقدة على أساس المرونة باستخدام المقدرات والمراقبين لتوفير البيانات كبديل لأجهزة الاستشعار المعيبة، وذلك باستخدام منطق ضبابي أو مراقبين للشبكات العصبية الاصطناعية، كما أثبتت أجهزة التحكم في تحمل الأخطاء الحركية باستخدام مؤشر المويجة، وذلك أنها تتمتع بسلوك مُرضٍ، كذلك هي فلسفة أخرى للموثوقية العالية كانت استخدام وحدات تحكم متعددة قادرة على استبدال الأصلي بعد حدوث الخطأ.

تتطلب التطبيقات الحرجة الآمنة اكتشافاً حقيقياً أو افتراضياً لأجهزة الاستشعار المعيبة، وهي مشكلة تم حلها بواسطة الباحثين، بحيث أثبتت وحدات التحكم في تحمل الأخطاء القائمة على النموذج أو وحدات ترشيح “كالمان” المعدلة، وذلك أنها حلول تشغيلية ومربحة عندما يكون لدى المستخدمين وصف نموذج جيد تحت تصرفهم.

كما تم تطوير تطبيقات أكثر تعقيداً على أساس مراقبي الدول أو نهج مساحة التكافؤ، ومع ذلك؛ فإن تنفيذها الحقيقي صعب للغاية، وبشكل عام الاتجاه في الوقت الحاضر هو إنشاء أنظمة يمكنها إعادة التكوين بعد حدوث الخطأ كما ثبت في الدراسات، بحيث نتج عن التقدم في مجال معالجات التحكم في وقت سريع وثابت للعينة ووحدات قابلة للبرمجة للأجهزة مثل مصفوفة البوابة القابلة للبرمجة الميدانية (FPGA).

خوارزمية كشف الأعطال الكهربائية

في الشكل التالي (1)، تم وصف وحدة التحكم الكاملة للنظام الذي تم التحقيق فيه. يتضمن ذلك (FOC) الكلاسيكي الذي ينتج الفولتية (dq)، وذلك ليتم تحويلها إلى قيم ثلاثية الطور باستخدام تحويل (Park) العكسي، وبناءً على موضع الدوار المقاس (θ)؛ فإنه يتم إرسال الفولتية ثلاثية الطور إلى مولد (PWM) لمقارنتها بحامل التردد الكهربائي الثابت.

كما أن هناك نتائج المقارنة هي إشارات البوابة (ON / OFF) لمحول الطاقة الإلكتروني الذي يزود آلة متزامنة المغناطيس الدائم (PMSM)، بحيث يتم جلب موضع الدوار وسرعته باستخدام محلل مركب مباشرة على العمود.

ruba1-2974769-large-300x190

لذلك من المعروف أنه في أي وحدة تحكم عاكس، بحيث يتم تشغيل أخذ عينات التيارات المقاسة المستخدمة بواسطة (FOC) على تردد (PWM) للتمثيل العملي، كما أنه يمكن للمرء أن يفترض أن الأخير ثابت عند (10) كيلو هرتز، ومن ناحية أخرى تعمل الساعة الأساسية (FPGA) بترددات أعلى بكثير، على سبيل المثال (5) ميجاهرتز.

كما يشير هذا إلى أنه بين عينتين متتاليتين من عينات (FOC) الحالية، كذلك؛ فإنه هناك (499) علامة (FPGA) متاحة (FDA) لإجراء عمليات كشف الأخطاء وحسابات التعويض، وخلال (499) علامة حرة عندما تجري(FDA) حساباتها، لذلك لن يتم تحديث تيارات الإدخال لمركز التركيز البؤري، كما سيتم توفير التيارات المقاسة الجديدة لمركز التركيز البؤري على علامة (500 + 1) الموافق لإعادة تعيين ناقل (PWM)، لذا لن تتكرر هذه العملية كل (500) علامة (FPGA)، وذلك مع الأخذ في الاعتبار الترددين الثابتين المذكورتين أعلاه.

ولفهم أفضل، يجب الرجوع إلى هذه المناقشة إلى الشكل التالي (2)، كما وقد تم تصميم إدارة الغذاء والدواء لتعمل حصرياً على (499) علامة بينما لا يتم تزويد (FOC) بالقياسات الحالية الجديدة، وذلك بحلول نهاية الـ (499) علامة، بحيث تراقب (FDA) وتحسب وتعوض الخطأ (الأخطاء) التي حدثت وتزود (FOC) بقيم التيار المناسبة لها لكي تعمل بشكل مستمر دون أي اضطراب بسبب فقدان قياسات المستشعر.

لذلك يجب التذكير بأن قيم الترددات (10) كيلو هرتز و (5) ميجا هرتز المعروضة أعلاه هي مجرد أمثلة، كما أنه يمكن تطبيق (FDA) الأمريكية على أي مجموعات أخرى من هذا القبيل طالما أن تردد (FPGA) أكبر (100) مرة على الأقل من تردد (PWM)، بحيث تمت صياغة هذا الاستنتاج من خلال الملاحظات التجريبية للباحثين.

ruba2-2974769-large-300x174

الوظيفة (F1): قياس التيارات وتوقيت الخوارزمية كما ذكرنا سابقاً، بحيث تجري (FDA) حسابات خلال الفترة التي لا يتم فيها تزويد مركز التركيز البؤري بقياسات تيارات جديدة، وذلك كما في الشكل التالي (2)، بحيث يمكن ملاحظة أن (FDA) تجلب التيارات اللحظية ثلاثية الطور (IA_1 و IB_1 و IC_1) على العلامة الأولى لكل فترة (PWM).

وفي الحالة العادية يتم إرسال هذه القيم تلقائياً إلى (FOC)، مما يؤدي إلى إجراء حساباته، كما ينتج عنه الفولتية المرجعية للعاكس، وذلك خلال العلامات التالية (في الحالة التي تمت مناقشتها، 499) ، كما تواصل (FDA) قراءة التيارات الآنية من المستشعرات والقيم المستخدمة حصرياً لحساباتها الخاصة، وخلال هذه الفترة، كما يزيد العداد الداخلي (k) من (0) بخطوة (1)، لذلك سيتم استخدام العداد (k) في الوظيفة (F3) لإجراء حساباته المشار إليها في كل علامة من علامات (FDA).

الوظيفة (F2): توليد التيارات الكهربائية المقدرة داخل حلقة (FOC)، بحيث يتم حساب القيم المرجعية للتيارات (dq) لأغراض التحكم، كما يتم جلب هذه القيم من قبل (FDA) الأمريكية أيضاً لتطبيقها على تحويل بارك معكوس لإنشاء نظام تيارات ثلاثية الطور، كما تعتبر القيم المرجعية (IAref و IBref و ICref)، لذلك سيتم استخدام هذه التيارات من ناحية لحساب تعويض التيارات غير القابلة للقياس بسبب الأخطاء (في الوظيفة F2)، ومن ناحية أخرى ستكون مراجع لتحديد متى وأين حدث خطأ في المستشعر (في الوظيفة F3).

الوظيفة (F3): كشف الأعطال كما يتضح من الشكل التالي (3)، بحيث تحسب الدالة (F3) لكل علامة (k) الخطأ اللحظي (الفرق) بين التيارات المقاسة (IA و IB و IC) والتيارات المرجعية (IAref و IBref و ICref)، كما يتم تحقيق ذلك لكل مرحلة على حدة، بحيث يتم تلخيص نتيجة المقارنة التي تم الحصول عليها في كل علامة بشكل مستمر مع القيم السابقة، وذلك مع إجراء مراقبة في الوقت الفعلي لتغير الخطأ في كل مرحلة.

ruba3-2974769-large-300x138

ruba4abcd-2974769-large-300x92

ruba5-2974769-large-300x199

ruba6-2974769-large-153x300

المصدر: S. Karimi, A. Gaillard, P. Poure and S. Saadate, "Current sensor fault-tolerant control for WECS with DFIG", IEEE Trans. Ind. Electron., vol. 56, pp. 4660-4670, Nov. 2009.H. Berriri, M. W. Naouar and I. Slama-Belkhodja, "Easy and fast sensor fault detection and isolation algorithm for electrical drives", IEEE Trans. Power Electron., vol. 27, no. 2, pp. 490-499, Feb. 2012.M. Dybkowski and K. Klimkowski, "Artificial neural network application for current sensors fault detection in the vector controlled induction motor drive", Sensors, vol. 19, no. 3, pp. 571, Jan. 2019.K. S. Gaeid, H. W. Ping, M. Khalid and A. Masaoud, "Sensor and sensorless fault tolerant control for induction motors using a wavelet index", Sensors, vol. 12, no. 4, pp. 4031-4050, Mar. 2012.


شارك المقالة: