|
|
Identifikace parametrů synchronního motoru s permanentními magnety
Veselý, Ivo ; Bobál, Vladimír (oponent) ; Janeček, Eduard (oponent) ; Blaha, Petr (vedoucí práce)
V rámci dizertační práce byly navrženy identifikační metody pro synchronní motor s permanentními magnety. Celá identifikace i řízení motoru probíhalo v dq souřadnicích a pro zpracovaní bylo použito prostředí Matlab Simulink spolu s realtime platformou Dspace. Práce se zaměřila na dvě hlavní odvětví identifikace a to off-line a online identifikaci. K off-line identifikaci byla použita frekvenční analýza využívající lock rotor test pro získání třech parametrů. Jedná se o příčnou a podélnou indukčnost a odpor statoru. V online metodě byly tyto parametry ještě rozšířeny o magnetický tok magnetu _f identifikovaného pomocí metody MRAS. Zbylé parametry byly opět identifikovány pomocí frekvenční analýzy, která byla upravena pro online režim a zároveň aplikována na identifikaci více složek najednou. Poslední metodou, která se v práci nachází, je Newtonova metoda, která se využívá pro odhad odporu statoru, aniž by se do motoru musel injektovat jakýkoli signál.
|
|
|
Rozšířená kvadraticky optimální identifikace a filtrace
Dokoupil, Jakub ; Bobál, Vladimír (oponent) ; Dostál,, Petr (oponent) ; Pivoňka, Petr (vedoucí práce)
Souběžné vyhodnocování souboru modelů různých řádů a schopnost sledovat nemodelované změny v parametrech je často žádoucím prvkem v úlohách parametrické estimace. Vhodným nástrojem umožňujícím řešení problému paralelní identifikace je technika pracující s faktory rozšířené kovarianční (ACM) popř. informační matice (AIM). Odtud je odvozen název rozšířená identifikace (AI) metodou nejmenších čtverců. Metoda AI tak zachovává numerickou stabilitu výpočtu konvenční metody nejmenších čtverců, avšak mnohem efektivněji vyhodnocuje informační obsažnost dat. Pro účely sledování časového vývoje parametrů lze využít, že veškerá informace vztahující se k rekurzivní identifikaci, a tím i k datově řízenému zapomínání, je koncentrována přímo v ACM a stejně tak i v AIM. V práci bude uveden postup, jak ocenit přínos dat a zapomínat pouze tu část informace uložené v ACM (AIM), která bude modifikována nejnovějšími daty nesenými regresorem. V úlohách estimace vystupuje i praktická potřeba znalosti vnitřních stavů identifikovaného systému. Protože rozšířená identifikace spadá do třídy metod minimalizujících chybu predikce (PEM), vyvstává racionální požadavek na formulaci stavového filtru jako na optimalizační proceduru, která minimalizuje chybu predikovanou stavovým modelem s ohledem na působení vektoru stavů. Navržené schéma stavového filtru doplní okruh metod pracujících s ACM (AIM) o přístup rozšířené filtrace (AF). Tímto bude položen ucelený koncept parametrické estimace, který se v porovnání s konvenčními přístupy vyznačuje všestranností, nízkými nároky kladenými na apriorní znalost procesu a jedinečnými numerickými vlastnostmi (odolný vůči přeparametrizování, řešící mnohamodelový problém).
|
|
|
Adaptivní regulátory s prvky umělé inteligence
Šulová, Markéta ; Šeda, Miloš (oponent) ; Bobál, Vladimír (oponent) ; Pivoňka, Petr (vedoucí práce)
Cílem dizertace je zlepšit kvalitu řízení adaptivních systémů s průběžnou identifikací. Práce se zaměřuje především na problematickou identifikační část, která představuje slabé místo celého adaptivního systému. Paradoxně ale závisí kvalita adaptivního systému právě na identifikační části, protože na základě modelu procesu získaného identifikací jsou vypočteny parametry řídicí části a následně akční zásah do systému. S využitím znalostí moderních metod řízení byl proto vyvinut nový identifikační algoritmus pro identifikaci v uzavřené smyčce. Tento jednoduchý, rychlý a výkonný algoritmus překonává všechna omezení stávajících klasických identifikačních metod založených na metodě nejmenších čtverců. Mezi jeho přednosti mimo jiné patří schopnost práce při krátké periodě vzorkování, přítomnost jediného parametru schopného přizpůsobit regulační děj konkrétním požadavkům nebo schopnost algoritmu identifikovat proces v reálné praxi. Algoritmus byl použit v adaptivním systému, poté testován na sadě simulačních a reálných modelů s překvapujícími výsledky. V rámci ověřování byl nový algoritmus úspěšně implementován do programovatelného automatu. V rámci práce je také představeno nové univerzální grafické prostředí pro testování a verifikaci řídicích algoritmů.
|
|
|
Identifikace parametrů synchronního motoru s permanentními magnety
Veselý, Ivo ; Bobál, Vladimír (oponent) ; Janeček, Eduard (oponent) ; Blaha, Petr (vedoucí práce)
V rámci dizertační práce byly navrženy identifikační metody pro synchronní motor s permanentními magnety. Celá identifikace i řízení motoru probíhalo v dq souřadnicích a pro zpracovaní bylo použito prostředí Matlab Simulink spolu s realtime platformou Dspace. Práce se zaměřila na dvě hlavní odvětví identifikace a to off-line a online identifikaci. K off-line identifikaci byla použita frekvenční analýza využívající lock rotor test pro získání třech parametrů. Jedná se o příčnou a podélnou indukčnost a odpor statoru. V online metodě byly tyto parametry ještě rozšířeny o magnetický tok magnetu _f identifikovaného pomocí metody MRAS. Zbylé parametry byly opět identifikovány pomocí frekvenční analýzy, která byla upravena pro online režim a zároveň aplikována na identifikaci více složek najednou. Poslední metodou, která se v práci nachází, je Newtonova metoda, která se využívá pro odhad odporu statoru, aniž by se do motoru musel injektovat jakýkoli signál.
|
|
|
Rozšířená kvadraticky optimální identifikace a filtrace
Dokoupil, Jakub ; Bobál, Vladimír (oponent) ; Dostál,, Petr (oponent) ; Pivoňka, Petr (vedoucí práce)
Souběžné vyhodnocování souboru modelů různých řádů a schopnost sledovat nemodelované změny v parametrech je často žádoucím prvkem v úlohách parametrické estimace. Vhodným nástrojem umožňujícím řešení problému paralelní identifikace je technika pracující s faktory rozšířené kovarianční (ACM) popř. informační matice (AIM). Odtud je odvozen název rozšířená identifikace (AI) metodou nejmenších čtverců. Metoda AI tak zachovává numerickou stabilitu výpočtu konvenční metody nejmenších čtverců, avšak mnohem efektivněji vyhodnocuje informační obsažnost dat. Pro účely sledování časového vývoje parametrů lze využít, že veškerá informace vztahující se k rekurzivní identifikaci, a tím i k datově řízenému zapomínání, je koncentrována přímo v ACM a stejně tak i v AIM. V práci bude uveden postup, jak ocenit přínos dat a zapomínat pouze tu část informace uložené v ACM (AIM), která bude modifikována nejnovějšími daty nesenými regresorem. V úlohách estimace vystupuje i praktická potřeba znalosti vnitřních stavů identifikovaného systému. Protože rozšířená identifikace spadá do třídy metod minimalizujících chybu predikce (PEM), vyvstává racionální požadavek na formulaci stavového filtru jako na optimalizační proceduru, která minimalizuje chybu predikovanou stavovým modelem s ohledem na působení vektoru stavů. Navržené schéma stavového filtru doplní okruh metod pracujících s ACM (AIM) o přístup rozšířené filtrace (AF). Tímto bude položen ucelený koncept parametrické estimace, který se v porovnání s konvenčními přístupy vyznačuje všestranností, nízkými nároky kladenými na apriorní znalost procesu a jedinečnými numerickými vlastnostmi (odolný vůči přeparametrizování, řešící mnohamodelový problém).
|
|
|
Adaptivní regulátory s prvky umělé inteligence
Šulová, Markéta ; Šeda, Miloš (oponent) ; Bobál, Vladimír (oponent) ; Pivoňka, Petr (vedoucí práce)
Cílem dizertace je zlepšit kvalitu řízení adaptivních systémů s průběžnou identifikací. Práce se zaměřuje především na problematickou identifikační část, která představuje slabé místo celého adaptivního systému. Paradoxně ale závisí kvalita adaptivního systému právě na identifikační části, protože na základě modelu procesu získaného identifikací jsou vypočteny parametry řídicí části a následně akční zásah do systému. S využitím znalostí moderních metod řízení byl proto vyvinut nový identifikační algoritmus pro identifikaci v uzavřené smyčce. Tento jednoduchý, rychlý a výkonný algoritmus překonává všechna omezení stávajících klasických identifikačních metod založených na metodě nejmenších čtverců. Mezi jeho přednosti mimo jiné patří schopnost práce při krátké periodě vzorkování, přítomnost jediného parametru schopného přizpůsobit regulační děj konkrétním požadavkům nebo schopnost algoritmu identifikovat proces v reálné praxi. Algoritmus byl použit v adaptivním systému, poté testován na sadě simulačních a reálných modelů s překvapujícími výsledky. V rámci ověřování byl nový algoritmus úspěšně implementován do programovatelného automatu. V rámci práce je také představeno nové univerzální grafické prostředí pro testování a verifikaci řídicích algoritmů.
|
host ::
