LOGICA FUZZY PARA CONTROL DE VELOCIDAD DE MOTORES ASINCRONICOS

1. Introduccin y Objetivo del Trabajo

Desde hace mucho tiempo, los investigadores se han dedicado a buscar un sistema de control que posea la capacidad de razonar como el ser humano. Cuando se consigue que un sistema de control razone de una forma parecida al hombre, se obtiene un control del proceso mucho ms cercano a la forma en la que lo hara un operador experto quien utiliza su experiencia en la toma de decisiones para controlar dicho proceso. En el caso del control de velocidad de motores asincrnicos, tradicionalmente eran realizados a travs de una serie de simplificaciones sobre los parmetros del sistema, resultando en procesos que comprometen la performance del accionamiento. Los estudios principales en este campo asumen que el sistema es lineal, sin embargo sabemos que el modelo completo de la mquina asincrnica es el de un sistema no lineal. Esos parmetros del motor + carga a ser controlados, varan con la temperatura, la velocidad del rotor, tensin y frecuencia entre otros, lo que produce variaciones del modelo lo que podra llevar a una inestabilidad del sistema. 1

Para solucionar estos problemas adicionamos al sistema, el control de lgica Fuzzy que no depende del modelo adoptado ni de los parmetros utilizados. El control Fuzzy se puede combinar con el Control Adaptivo, y el Control Vectorial indirecto, produciendo mejor performance del accionamiento, cuando es comparado con las tcnicas tradicionales. El control Fuzzy se activa cuando el control tradicional alcanza su lmite operacional debido a imperfecciones del modelo, variacin de los parmetros o no linealidades del sistema, por otro lado por ser discreto pide la presencia del control tradicional para poder obtener la anulacin del error de velocidad en el proceso de control. Por lo tanto el Control Fuzzy y el Control Tradicional (Adaptivo+Vectorial) actan de forma complementaria. Se enfoca el modelamiento y anlisis del Control Fuzzy en los accionamientos de corriente alterna, accionamientos que incluyen adems el Control Vectorial, el Control Adaptivo y el Regulador P.I. caracterizados para sistemas no lineales, y se realiza la simulacin del sistema. Finalmente un prototipo especialmente desarrollado para este trabajo sirvi para las mediciones, experimentos y verificacin de la teora elaborada.
2

2. Anlisis de las Tcnicas Tradicionales de Control de Motores Asincrnicos

Se sabe que los mtodos tradicionales: de malla abierta, malla cerrada y an el Control de torque y flujo tiene una pobre performance. Con el advenimiento del Control de campo orientado /1/, un motor de induccin puede ser operado con la misma exactitud que un motor de corriente continua (c.c.), por lo que nuestro sistema lo incluye, as como el Control Adaptivo, el Control Fuzzy y el Regulador P.I.

CONTROL ADAPTIVO Hm

um

Xm Kx + + Ku + up up(eo) i*qs Kt Te + Tr -

Hp

+ -

e0

+ +

PI

CONTROLADOR FUZZY

Controlador Fuzzy-Adaptivo con P.I.

El modelo de 1er orden correspondiente al sistema es.

r = Hp(s) [Te(s) - TL(s)]

donde: Hp(s) = (1/J)/(s+B/J) = b/(s+a) siendo: B el coeficiente de friccin sustituyendo la ec.(2) en la ec.(1) tenemos: r(s)=(b/(s+a))[Te(s)-TL(s)] r(s)= (b/(s+a))Kt[Te(s)-TL(s)]/Kt de Fig. 1: [Te(s) - TL(s)]/Kt = up sustituyendo ec.(4) en ec.(3) tenemos: sr(s) + a r(s) = b kt up operando s[r(s)/(b Kt)] = -a [r(s)/(b Kt)] + up

(1) (2)

(3) (4)

(5)
5

Supongamos que las ecuaciones de estado de la planta a ser controlada, sean representadas por: . Xp = Ap Xp + Bp up (6) Yp = Cp Xp = r(s) (7) comparando ec. (6) con ec. (5) tenemos: Xp = r(s)/(b Kt) (8) Ap = -a (9) Bp = 1 (10) comparando ec. (8) con ec. (7): Cp = b Kt (11)

Un modelo de referencia de 1er orden del Control Adaptivo /10/ con muy buena performance es: Hm(s) = 8/(s+8) = m/um de aqui: Sm + 8 m = 8 um S[m/(b Kt)] = -8[m/(b kt)] + (12) (13) (14)

8 um (bKt)

siendo las ecuaciones de estado del modelo de referencia: . Xm = Am Xm + Bm um Ym = Cp Xm = m comparando ec. (15) con ec. (14), concluimos que: Xm = m/(b Kt) Am = -8 Bm = 8/(b Kt)

(15) (16) (17) (18) (19)

7

El objetivo es encontrar la seal de entrada de control up, tal que los estados de la planta y su salida (velocidad r) puedan acompaar la salida del modelo de referencia (velocidad m). Para obtener este objetivo, proponemos para la entrada de control up el valor /10/: up = Kx Xm + Ku um + Ke eo (20) donde eo es el error entre la salida de la planta a controlar ( r) y la salida del modelo de referencia ( m): eo = m - r (21) Definimos como vector error de estado a: e = Xm - Xp = eo /Cp derivando la ec. (22) y usando las ecuaciones (6 - 22) obtenemos: e = (Ap - Bp Ke Cp)e + (Am - Ap - Bp Kx)Xm + (Bm - Bp Ku)um (22) (23)

En la ec. (23) vemos que si Ap, Bp, Cp, Ke son escogidos para permitir que: (Ap - Bp Ke Cp) sea una matriz Hurwitz (sus autovalores deben tener su parte real negativa) con lo que se garantiza la estabilidad del sistema y si: Kx = Bp-1 (Am - Ap) (24) -1 Ku = Bp Bm (25) Entonces el vector error en la ec. (23) caer a cero asinttoticamente y la salida de la planta (r) seguir a la salida del modelo de referencia ( m)
8

Debido a las variaciones de las condiciones de operacin y al pobre conocimiento de los valores de los parmetros, los verdaderos parmetros generalmente se desvan de aquellos valores usados en el diseo. La performance del Control Adaptivo es sensible a las variaciones de los parmetros. La experiencia muestra que la estabilidad, las fuerzas de control y las caractersticas de seguimiento del Control Adaptivo son muy afectadas por el trmino Ke eo en la ec. (20) particularmente por el hecho de haber sido usado un modelo dinmico de orden reducido. Para solucionar este problema proponemos la inclusin de un controlador Fuzzy a travs de la sustitucin del trmino Ke eo por up eo determinado por el Controlador Fuzzy y el regulador P.I.

3. Modelado y Anlisis del Controlador Fuzzy en los accionamientos de C.A. Un buen trabajo de Ingeniera debe ser capaz de usar toda la informacin existente de forma efectiva. Para la solucin de muchos problemas prcticos, una importante cantidad de informacin viene de los especialistas. Hay muchas razones para que esta informacin sea usualmente expresada en trminos Fuzzy tales como: son prcticos, de comunicacin fcil, fciles de implementar, econmicos, etc. En el sentido de hacer uso de la informacin de los especialistas de manera sistemtica, el as llamado control inteligente viene emergiendo en los trabajos de la comunidad cientfica. El control Fuzzy entonces condensa la inteligencia y experiencia de un especialista en un sistema de control y la lgica Fuzzy se comporta en cierta manera como la inteligencia humana.

10

um Kt + i*qs up(eo) Te + Tr Hp (S)

r
-

+ + eo

Kp + + upo Ki/S eo Gu D Base de Conocimientos F Gd Ge S

Diagrama de bloques del control Fuzzy

11

El Controlador Fuzzy Fig. 2, bsicamente comprende tres principales componentes: Fusificacin Base de conocimientos Defusificacin 3.1 Fuzzyficacin En el Controlador Fuzzy propuesto, las variables de entrada al sistema son definidas como: el error de seguimiento de la velocidad del rotor eo (error entre la velocidad del modelo de referencia m y la velocidad del rotor r) y el incremento de error eo (velocidad de variacin del error eo). Estos valores de entrada son medidos en el sistema (en mV) y deben ser Fusificados para entrar en el mundo Fuzzy.
Como variable de control del Controlador y que sera la salida del sistema Fuzzy + el Regulador P.I. es escogida la corriente de correccin up (eo) que representa la corriente de torque iqs*. La corriente up (eo) o iqs* va actuar en la entrada del Control vectorial indirecto representado por Kt en la Fig.2.
12

El error y el incremento del error en un instante de tiempo K y un instante de tiempo k-1 anterior son: eo(k) = m(k) - r(k) eo(k) = eo(k) - eo(k-1) donde: m(k) es la velocidad angular de referencia (que es la que se quiere) en el instante k r(k) es la velocidad del rotor, en el instante k El error eo el incremento del error eo son cuantificados en el universo de discurso Fuzzy (Fusificacin). La primera operacin de Fusificacin de eo y eo, es la cuantificacin de sus valores de entrada, que es mostrada en la tabla 1 (nivel de cuantificacin). Los valores correspondientes de entrada del error y del incremento del error estn en p.u. ya que la simulacin se realiza en p.u. y estos valores son previamente tratados con los acondicionadores de seal Ge (para eo) y Gd (para eo) los que le dan a las seales de entrada los valores adecuados para que luego de fusificados caigan en el entorno en que esta establecidas las variables lingisticas.
13

(26) (27)

Tabla 1 Cuantificacin del error y del incremento del error

Error eo -1 -0.5 -0.25 -0.125 -0. 0625 -0.03125 0 0.03125 0.0625 0.125 0.25 0.5 1
increm. Error

eo

Nvel quantif. -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
14

-1 -0.5 -0.25 -0.125 -0.0625 -0.03125 0 0.03125 0.0625 0.125 0.25 0.5 1

Tabla 2 Variables Lingsticas Positivo Grande : Positivo Mdio : Positivo Pequeo : Cero : PG PM P P Ze Negativo Grande : Negativo Mdio : Negativo Pequeo : NG NM NP

En la base de conocimientos las reglas de control Fuzzy utilizan 7 variables lingsticas (que estn caracterizadas por sus funciones pertenencia) los que son suficientes para obtener buenos resultados, tabla 2.
15

Funciones pertenencia Las variables Fuzzy son definidas asignando valores de un grado de pertenencia para cada punto del universo de discurso Fuzzy. Existen varios tipos de funcin pertenencia, pero para mayor facilidad usaremos la forma trianguar mostrada en la Fig. 3 donde el universo de discurso Fuzzy esta constituido por la excursin entre 6 y +6 de la variable de las abcisas (variable x en la Fig. 3). El valor de la funcin pertenencia puede variar entre 0 y 1 (pertenencia total).

NG

NM

NP

Z E 1

PP

PM

PG

-6

-5

-4

-3

-2

-1

6 x

Fig. 3 Funcin pertenencia triangular La funcin pertenencia de las variables lingsticas de forma triangular estn determinadas por tres nmeros (Fig. 3) ejemplo PM: {2, 4, 6}. Las funciones de pertenencia de extrema izquierda y extrema derecha, por no tener la forma triangular completa estn determinadas por dos nmeros.
16

3.2 Base de conocimientos 3.2.1 Anlisis dinmica de la seal error de seguimiento Producido el error entre las velocidades y la velocidad del rotor ser aproximada hasta la velocidad de referencia, en forma ondulante y convergente. La caracterstica convergente de la velocidad del rotor, luego despus de producido el error, es dibujada en la Fig 4 /10/ en que C1, C2, C3... denotan los puntos de cruzamiento por la referencia y los puntos m1, m2, m3.... son los valores de mximo error; en tanto que A1, A2, A3... denotan intervalos de referencia para explicar el proceso. Las polaridades de eo y eo en los intervalos de referencia son tambin indicadas en la Fig. 4.
Respuestas Areas Referencia

m
m2

Respuesta de la planta r

m4 m6
C1 C2 C3 C4 C5 C6 C7

m5 m3 m1 A1 eo + eo + Polaridades A2 + A3 A4 + A5 + + A6 + A7 A8 + A9 + + A10 + A11 A12 + t

Fig. 4 Anlisis dinmico de la seal error de seguimiento

17

Tabla 3 Reglas lingsticas

eo NG NM NP ZE PP PM PG eo NG NG NG NG NG NM ZE ZE NM NG NG NM NM NP ZE ZE NP NG NM NP NP NP ZE ZE ZE NG NM NP ZE PP PM PG PP ZE ZE PP PP PP PM PG PM ZE ZE PP PM PM PG PG PG ZE ZE PM PP PG PG PG

18

3.2.2 Deduccin de las reglas de Control Fuzzy

Las reglas de Control Fuzzy estn basadas en la experiencia de los especialistas en el conocimiento de la ingeniera de control, para obtener buenas caractersticas del modelo.
En la tabla 3 /10/ se incluyen el total de reglas lingsticas (valores de correccin del error) a usar en el control Fuzzy. Algunas observaciones usadas para determinar las reglas de control son indicadas a seguir: a) En las reas A1, A5, A9 de la Fig. 4, eo es positivo y creciente en los tres casos y eo es positivo tambin. Entonces la seal de correccin del error up (eo) (en forma de variable lingstica) es puesta para reducir el error, pero error positivo significa que la velocidad del rotor r es menor que la velocidad de referencia m; por lo tanto up (eo) debe ser positivo para incrementar la velocidad del rotor. Si consideramos la tabla 3 como constituida de 4 cuadrantes, los valores que determinan las reas A1, A5, A9 estn en el 4 cuadrante donde todos los valores de la tabla son positivos.

19

b) En las reas A2, A6, A10, que correspondan al 1er cuadrante: eo es positivo y eo es negativo; el error es an positivo, pero como esta decreciendo gradualmente, la seal de control up (eo) es puesta para tornarlo cada vez menor (todos son valores positivos pero pequeos). Las reglas en las reas A3, A7, A11 y A4, A8, A12 son duales de aquellas listadas en a) y b), respectivamente, por lo que en la tabla 3 se nota una simetra entre el segundo cuadrante y el cuarto cuadrante y entre el primer cuadrante y el tercero, pero una simetra en que, de un lado, los valores son positivos y de otro lado, son negativos. De acuerdo con las observaciones ya realizadas las reglas lingsticas en las reas de referencia son seleccionadas y listadas en la tabla 3.

20