ISSN: 1697-7912. Vol. 7, Núm. 4, Octubre 2010, pp.

74-82
www. revista-riai.org

Control Vectorial de un Motor de Inducción con

Carga Desconocida Basado en un Nuevo
Observador No Lineal
Marco A. Gallegos-Lara ∗ Ricardo Álvarez-Salas ∗∗ Jaime A. Moreno ∗∗∗
Gerardo Espinosa-Pérez ∗∗∗∗
∗
Universidad Politécnica de San Luis PotosǼ, Urbano Villalón n◦ 500, C.P.
78363, San Luis PotosǼ, S.L.P., México (e-mail: mgallegos@uaslp.mx)
∗∗
CIEP-FI Universidad Autónoma de San Luis PotosǼ, Av. Manuel Nava n◦ 8,
C.P. 78290, San Luis PotosǼ, S.L.P., México (e-mail: ralvarez@uaslp.mx)
∗∗∗
II - Universidad Nacional Autónoma de México, A.P. 70-472, C.P. 04510,
D.F., México (e-mail:jmorenop@ii.unam.mx)
∗∗∗∗
DEPFI - Universidad Nacional Autónoma de México, A.P. 70-256, C.P.
04510, D.F., México (e-mail:gerardoe@unam.mx)

Resumen: En este trabajo se presenta un esquema de control vectorial sin sensores mecánicos para
un motor de inducción, el cual puede trabajar en un amplio rango de velocidades. El controlador se
basa en un nuevo algoritmo de observación de bajo orden que estima simultáneamente los ƀujos y la
velocidad del rotor en presencia de par de carga constante y desconocido. El desempeño del controlador
por campo orientado sin sensores mecánicos propuesto se veriſca mediante simulaciones numéricas y
resultados experimentales. Se realiza el seguimiento de trayectorias de velocidad variable, que incluyen
la velocidad cero, y se comparan con resultados obtenidos para el mismo esquema de control basado en
un observador adaptable por modelo de referencia. Copyright  c 2010 CEA.

Palabras Clave: Control vectorial sin sensores mecánicos, motor de inducción, observador de
velocidad.

1. INTRODUCCIÓN baja velocidad. En consecuencia, bastantes esfuerzos han sido

En la última década los manejadores de motores de inducción,
controlados por la técnica del campo orientado (FOC Field
Oriented Control), han sido los más empleados en aplicaciones
industriales de alto desempeño. Sin embargo, debido a los
requerimientos de una mayor conſabilidad, lograda a través
de la reducción del número de sensores, un costo mǼnimo y
una baja sensibilidad al ruido (Rajashekara et al., 1996), existe
un fuerte interés industrial por evitar el uso del sensor de
posición/velocidad en el lazo cerrado del control de velocidad.
Es bien sabido que el control sin sensores mecánicos (CSSM)
del motor de inducción (MI) es un problema altamente no
lineal, en el que los estados del sistema no están completamente
disponibles para su medición, que el motor esta sujeto a una
perturbación (par de carga) desconocida y que sus parámetros
tienen incertidumbre. Una solución atractiva cosiste en el uso
de observadores que estimen la velocidad y otras variables de
estado. Sin embargo, su complejidad hace que la solución a este
problema no sea una tarea trivial.
Durante las últimas décadas, varios esquemas para identiſcar
la velocidad del rotor de las máquinas a partir de únicamente la
medición de voltajes y corrientes han sido propuestos (Gallegos
et al., 2006). A causa de la existencia de condiciones de op-
eración para las cuales el modelo del MI sin sensores mecánicos
(SSM) es no observable (Ibarra-Rojas et al., 2004; Canudas
et al., 2000), en la mayorǼa de los casos existen problemas
en la estimación de la velocidad, sobre todo para el rango de
dedicados a desarrollar algoritmos de observación de velocidad
y ƀujo de rotor para lograr un alto desempeño en el control
por campo orientado sin sensor mecánico para baja velocidad,
y de ser posible en velocidad cero (Bostan et al., 2003; Ilas et
al., 1994; Mitronikas and Safacas, 2005; Yaonan et al., 2004;
Rudolph et al., 2004; Rasmussen et al., 2002).
Este artǼculo aborda el problema del FOC SSM para el MI
desde una perspectiva de estimación, sin considerar que la
velocidad es constante. Esta, aunque representa una situación
realista, ha sido poco utilizada en los trabajos previamente re-
portados. El observador propuesto, desarrollado originalmente
en (Moreno and Espinosa-Pérez, 2006), explota el hecho que la
dinámica del error de observación puede interpretarse como la
interconexión en retroalimentació negativa, sujeta a una señal
de perturbación, de dos subsistemas dinámicos. Estos pueden
pasivarse mediante la elección adecuada de las ganancias de
inyección de salida del observador, haciendo que el sistema en
lazo cerrado sea pasivo, y por lo tanto su punto de equilibrio
sea estable. Para trayectorias que aseguren la observabilidad
del MI, se puede concluir convergencia exponencial del obser-
vador. El observador convergente resultante es altamente no lin-
eal y de bajo orden, comparado con los algoritmos previamente
reportados (Gallegos et al., 2007a), que estima simultánea-
mente los ƀujos y la velocidad del rotor en presencia de par
de carga constante y desconocido (Moreno and Espinosa-Pérez,
2006).

3XEOLFDGRHOHFWUyQLFDPHQWH
'2,5,$,
M. A. Gallegos, R. Álvarez, J. A. Moreno, G. R. Espinosa 75

Puesto que el observador presentado es un esquema de orden
completo y con propiedades pasivas, pueden esperarse carac-
terǼsticas de robustez con respecto a variación en los parámet-
ros, lo cual contribuye a mejorar la efectividad del FOC SSM
para la región de baja velocidad. La sencillez en la sintonización
de las ganancias, tanto del controlador como del observador,
se mantiene para el esquema completo en lazo cerrado. El
desempeño del controlador propuesto se veriſca mediante sim-
ulaciones numéricas y pruebas experimentales, que consisten
en el seguimiento de trayectorias de velocidad variable, que
incluyen condiciones de operación de baja velocidad, para las
que puede haber pérdida de observabilidad (Ibarra-Rojas et al.,
2004). Además, los resultados obtenidos con el observador no
lineal son comparados con un esquema FOC cuya estimación
de velocidad se basa en un sistema adaptable por modelo de
referencia, que es el algoritmo más ampliamente reportado en
el área del CSSM. Para las pruebas en lazo cerrado (control-
observador), la medición de la velocidad se sustituye direc-
tamente por la velocidad estimada en los algoritmos de ob-
servación tratados, sin embargo, es necesario asentar que no
se realiza una prueba formal de estabilidad para el sistema
completo.
2. MODELO DEL MOTOR DE INDUCCIÓN
El modelo matemático del MI en el marco de referencia ſjo
(a, b) con respecto al estator es (Rajashekara et al., 1996)
Aunque la suposición de que se conocen los parámetros del
MI no es completamente realista, se hace aqui para facilitar
el diseño del observador. Esto se puede aliviar extendiendo la
metodologǼa propuesta, para estimar algunos otros parámetros
en lǼnea. Como se verá, las propiedades de convergencia del ob-
servador permiten también concluir un cierto nivel de robustez
ante incertidumbres en los parámetros.
Es importante hacer notar que, de acuerdo con el estudio de
las propiedades de observabilidad del modelo del MI en o-
peración SSM presentado en (Ibarra-Rojas et al., 2004), la
máquina exhibe pares de trayectorias que son indistinguibles,
es decir, pares de trayectorias de estado que corresponden a
las mismas parejas entrada/salida. Se sabe, adicionalmente, que
existen trayectorias indistinguibles que no son convergentes,
por lo que el motor no es observable ni detectable para cualquier
trayectoria. Lo anterior implica que no existe un observador
capaz de estimar ƀujos, velocidad y torque de carga para el MI
en operación SSM, que pueda operar correctamente para todo
el rango de operación del sistema. Sin embargo, dicho análisis
permite esperar que sea posible construir observadores que
funcionen de manera adecuada en los regǼmenes de operación
para los cuales el MI es detectable, y que su desempeño se
deteriore en los regǼmenes de operación en los que existan
trayectorias indistinguibles. Por lo tanto, solamente se pueden
diseñar observadores que converjan en un subconjunto de las
trayectorias, por lo menos, detectables del MI.

d
i = β[aψ + pωJ2 ψ − (M a + b) i + cu] 3.1 Estructura del observador y dinámica del error de observación
dt
d TL
ω = −f ω + αψ T J2 i − (1)
dt J Considerando el modelo del MI (1), y bajo la hipótesis de que
d el par de carga es constante pero desconocido, se propone el
ψ = −aψ − pωJ2 ψ + M ai
dt observador SSM con la siguiente estructura
con dı̂
= β[(aI2 + pω̂J2 )ψ̂ − (M a + b)i + cu] − Ki (ı̂ − i)
      dt
i ψa ua TL
i = a ;ψ =
ib ψb
;u =
ub
; ω̂˙ = −f ω̂ + αψ̂ T J2 i − − Kω (ı̂ − i) (2)
J
    ˙
0 1 1 0 pM ψ̂ = −(aI2 + pω̂J2 )ψ̂ + M ai − Kψ (ı̂ − i)
J2 = ; I2 = ;α = ;
−1 0 0 1 JLr ˙
T̂L = −KT (ı̂ − i)
Rr Lr Rs Lr M
a= ;b = ;c = ;β =
Lr M M Lr Ls − M 2 en dónde las ganancias de inyección de salida Ki , Kω , Kψ y
y dónde i, u son los vectores de corrientes y voltajes de estator, KT , que pueden depender de las señales disponibles i, ı̂, ω̂, ψ̂,
respectivamente, ψ es el vector de ƀujos de rotor, Rs y Rr serán diseñados a continuación de tal forma que el observador
son las resistencias de estator y rotor, respectivamente, Ls y converja.
Lr son las inductancias de estator y rotor respectivamente, M
es la inductancia mutua, ω es la velocidad de rotor, f es el Deſniendo los errores de estimación como ei = ı̂−i, eψ = ψ̂−
coeſciente de fricción viscosa, σ = 1 − LM
2
es el coeſciente ψ, eω = ω̂ − ω y eT = T̂L − TL , su dinámica está descrita por
s Lr
de dispersión, p es el número de pares de polos, TL es el par de
carga y J es la inercia.
ėi = − [Ki + (aI2 + pωJ2 )] ei + pβJ2 ψ̂eω + (aI2 + pω̂J2 )ez
3. OBSERVADOR DE VELOCIDAD − peω J2 ez ,

α α eT
Para el diseño del observador que se describe en este trabajo se ėω = −Kω + iT J2 ei − f eω − iT J2 ez − ,
β β J
hicieron las siguientes consideraciones (Moreno and Espinosa-
ėz = −Kz ei , (3)
Pérez, 2006)
ėT = −KT ei
Los parámetros del motor son constantes y conocidos.
El par de carga TL es constante y no medible. dónde se ha introducido la variable de error ez = βeψ + ei ,
Las corrientes y voltajes de estator son las únicas varia- Kz = βKψ + Ki , y ha sido utilizado el hecho de que ω̂J2 ψ̂ −
bles medidas. ωJ2 ψ = (ω + eω )J2 eψ + eω J2 ψ.
76 Control Vectorial de un Motor de Inducción con Carga Desconocida Basado en un Nuevo Observador No Lineal

⎡ ⎤
3.2 Diseño con par de carga constante y desconocido 1 g1T (t) g2 (t)
1⎣
P (t) = g1 (t) g1 (t)g1T (t) + I2 g1 (t)g2 (t) ⎦
El diseño de las ganancias de inyección se realizará en tres k
g2 (t) g2 (t)g1T (t) g22 (t) + 1
pasos:
⎡α T ⎤
1. Se descompondrá a la dinámica del error de observación   J2 i(t)
ġ (t)
(3) en un sistema nominal y una perturbación aditiva, dada ġ(t) = 1 = −f g (t) + ⎣ β 1 ⎦ , g (0) = 0 , (8)
por el término peω J2 ez . ġ2 (t)
2. El sistema nominal se descompondrá a su vez en dos sub- J
sistemas interconectados en retroalimentación negativa. con k > 0, es una función de Lyapunov, cuadrática, decreciente
Las ganancias de inyección de salida son diseñadas de tal y positiva deſnida, que asegura la estabilidad uniforme de
forma que cada uno de estos subsistemas sea pasivado, e2 = 0.
con lo que el sistema nominal se hace pasivo, con el
punto de equilibrio eT = [eTi , eω , eTz , eT ] = 0 global y Observación 1. Dado que Σ2 está estructuralmente deſnida por
uniformemente estable. La estabilidad global y exponen- tres integradores, el punto de equilibrio no puede ser asintótica-
cial se puede establecer cuando se tienen trayectorias que mente estable. Este hecho implica que Σ2 no puede ser pasivado
hacen observable al MI. estrictamente.
3. La estabilidad de e = 0 para el sistema (3) se sigue La derivada temporal de V2 (t, e2 ) a lo largo de las trayectorias
de los resultados clásicos de robustez de la estabilidad de Σ2 está dada por
exponencial ante perturbaciones que se desvanecen en  
f 1 gT
el origen (Khalil, 2002), como es el caso del término V̇2 (t, e2 ) = − eT2 e2 + eT2 P (t)B2 u2 .
peω J2 ez . k g gg T
El sistema nominal de la dinámica del error (3), cuando el Si se elige B2 , es decir, las ganancias de inyección de salida
término peω J2 ez es excluǼdo, puede ser descompuesta en dos Kω , Kz y KT , de tal forma que se satisfaga la igualdad
subsistemas interconectados en retroalimentación, dados por P (t)B2 = C2T ,
 (9)
ėi = [−Ki − (aI2 + pωJ2 )] ei + u1 ,
Σ1 : dónde B2 y C2 están deſnidas en (5), o equivalentemente,
 y1 = ei (4a) α  
ė2 = A2 e2 + B2 u2 , Kω = iT J2 + k pβ 1 + g T (t) g (t) ψ̂ T J2T
Σ2 :
y2 = C2 e2 β
 
dónde ⎡ −g1T (t) aI2 + pω̂J2T (10)
⎤ ⎡ ⎤  
α 1 α
−f , − iT J2 , − Kω − iT J2 Kz = k −pβg1 (t) ψ̂ T J2T + aI2 + pω̂J2T (11)
⎢ β J ⎥ , B =⎢ β ⎥
A2 = ⎣
0 0 0 ⎦ 2 ⎣ Kz ⎦,
KT = −kpβg2 (t) ψ̂ T J2T , (12)
0 0 0 K T
(5) se concluye que el mapa u2 → y2 de Σ2 es pasivo, con V2 (t, e2 )
   T como función de almacenamiento. Nótese que estas ganancias
C2 = pβJ2 ψ̂ , (aI2 + pω̂J2 ) , 0 , e2 = eω ez eT T
de inyección son realizables, ya que solo dependen de señales
y las restricciones de interconexión u1 = y2 , u2 = −y1 . disponibles. En sǼntesis se tiene
A continuación se probará que el mapa u1 → y1 en Σ1 puede Proposición 2. El mapa u2 → y2 de Σ2 es pasivo, con V2 (t, e2 )
hacerse estrictamente pasivo y que el mapa u2 → y2 en Σ2 como función de almacenamiento, si las ganancias de inyección
puede hacerse pasivo, mediante una elección adecuada de las de salida son seleccionadas de acuerdo a (7), (10), (11) y (12).
ganancias de inyección de salida. Ya que la interconexión de Σ1 y Σ2 , una vez pasivados, es
Pasivación estricta del subsistema Σ1 : La derivada temporal también pasiva, se sigue que su punto de equilibrio e = 0 es
de la función de almacenamiento V1 (ei ) = 12 eTi ei para el uniformemente estable. Para concluir convergencia asintótica
subsistema Σ1 está dada por se requiere imponer condiciones adicionales, como se verá en
el siguiente parágrafo.
V̇1 (ei ) = eTi e˙i = eTi [−Ki − aI2 ]ei + y1T u1 . (6)
Seleccionando la inyección de salida como
Ki = ki I2 ; ki ≥ 0 (7) 3.3 Convergencia del observador
este subsistema se hace estrictamente pasivo.
La convergencia asintótica del observador puede asegurarse
Pasivación del subsistema Σ2 : La siguiente proposición,
para trayectorias que sean suſcientemente distinguibles.
cuya prueba es simple, establece que la dinámica interna del
subsistema Σ2 es (uniformamente) estable. Teorema 1. Considere el modelo MI (1). Suponga que el par
de carga es constante pero desconocido, que las condiciones
Proposición 1. El punto de equilibrio e2 = 0 del sistema Σ2 ,
de la Proposición 1 son satisfechas y que las trayectorias del
cuando u2 = 0, es uniformemente estable si
MI permanecen acotadas. Bajo estas condiciones el observador
1) i(t) es uniformemente acotada y f > 0, ó SSM deſnido por (2), con ganancias de inyección de salida
t
2) i(t) y 0 i(τ )dτ son uniformemente acotadas y f = 0. dadas por (7), (10), (11), (12), con Kψ = (Kz − Ki )/β, es
exponencialmente estable si existen números positivos T , α, δ
Además, bajo las mismas condiciones, V2 (t, e2 ) = 12 eT2 P (t)e2 , tales que para todo t ≥ 0 y todo vector unitario w ∈ R6 existe
dónde un t∗ ∈ [t , t + T ] para los que se satisface
M. A. Gallegos, R. Álvarez, J. A. Moreno, G. R. Espinosa 77

 ∗
 t +δ  x (0) la trayectoria del sistema (14) (con δ ( ) = 0) converge

 pβJ2 ψ̂ (τ ) , −pβJ2 ψ̂ (τ ) g1T (τ ) + (aI2 + pω̂ (τ ) J2 ) , más rápidamente al origen que la del sistema (15). Cuando la
 t∗
  condición (16) es satisfecha, entonces el origen de (14) (con
 δ ( ) = 0) es exponencialmente estable. Como δ (0) = 0 y
−pβJ2 ψ̂ (τ ) g2 (τ ) w dτ  ≥ α . 2

δ ( )
≤ η

, por un resultado clásico de robustez de la
(13) estabilidad exponencial (Khalil, 2002), el punto de equilibrio
Prueba. Considere la siguiente transformación lineal, variante ε = 0 del sistema (14) es local y exponencialmente estable si la
en el tiempo condición (16) se satisface. 2
   
1 g T (t) 1 −g T (t) Es importante notar que la condición de convergencia del
= T (t) e2 = e2 , T −1 (t) = .
0 I3 0 I3 observador, dada por (13), está relacionada con la propiedad de
distinguibilidad de las trayectorias del MI, estudiada en (Ibarra-
Bajo las condiciones de la Proposición 1, T (t) es una transfor- Rojas et al., 2004). Esto puede verse fácilmente de la condición
mación de Lyapunov, es decir, T (t) y T −1 (t) son diferencia- equivalente
bles y acotadas. Por lo tanto T (t) preserva las propiedades de  (16),que equivale a la observabilidad uniforme de
la pareja 0 , C̄2 en (14). Por lo tanto, si (13) es satisfecha, la
estabilidad. Mediante esta transformación la dinámica del error trayectoria del MI correspondiente es observable.
de observación (3) se puede escribir como
  La dimensión del observador propuesto es no = n + 3 = 8:
δ ( )
ε̇ (t) = A (t) ε (t) + , (14) el número de variables de estado de la planta más 3 variables
Ā2
de estado para realizar el ſltro lineal requerido para generar
dónde     la señal g(t) (8). La dimensión del observador propuesto es
[−Ki − (aI2 + pωJ2 )] , C̄2 e relativamente baja, cuando se compara con diversos resultados
A (t) = , ε= i ,
−B̄2 0 en la literatura, tales como el ſltro de Kalman, para el cual
! se tiene que resolver una ecuación diferencial de Ricatti, que
  −f , 0 0
δ ( ) = p 1 , −g (t) J2 ez , Ā2 =
T
0 0 0 , incrementa considerablemente el número de estados.
0 0 0 La falta de observabilidad para el sistema con par de carga des-
B̄2 = T (t) B2 , C̄2 = C2 T −1 (t) . conocido tiene dos posibles fuentes: La falta de distinguibilidad
Nótese que de las trayectorias de estado y/o la falta de identiſcabilidad del
kP (t) = T T (t) T (t) parámetro TL . Para una estimación adecuada de los parámetros
y de los estados no medibles se require que las trayectorias del
que, junto con la igualdad (9), implica que MI sean suſcientemente distinguibles.
B̄2 = k C̄2T .
Dada la robustez intrǼnseca de un sistema con punto de equi-
Un resultado clásico para el sistema (Morgan and Narendra, librio exponencialmente estable, se puede fácilmente probar
1977); (Narendra and Annaswamy, 1989) que el observador propuesto presenta una convergencia práctica
ẋ (t) = A (t) x (t) , (15) cuando se presentan perturbaciones externas o incertidumbre
con A (t) contǼnua a tramos y acotada, permite asegurar que el paramétrica en el modelo.
punto de equilibrio x = 0 es global, uniforme y asintóticamente Para mayores detalles sobre el diseño, propiedades de conver-
estable si existen números positivos T , α, δ tales que para todo gencia, pruebas de las proposiciones y desempeño del obser-
t ≥ 0 y vector unitario w ∈ R6 existe un t∗ ∈ [t , t + T ] para vador, consultar (Moreno and Espinosa-Pérez, 2006; Gallegos
los que se satisface
 ∗  et al., 2007b).
 t +δ 
 
 C̄2 (τ ) w dτ  ≥ α . (16)
 t∗ 

Note que esta condición (16) equivale a la condición (13). La

derivada de la candidata a función de Lyapunov 4. RESULTADOS EN SIMULACIÓN Y
! EXPERIMENTALES DEL OBSERVADOR
I2 , 0
V (t, x) = xT 1 x
0 I2
k Para veriſcar la calidad de la estimación de velocidad del ob-
para el sistema (15) es servador propuesto, se presentan algunos resultados de simu-
 
2 (ki + a) I2 , 0 lación y pruebas experimentales del algoritmo en un banco de
V̇ = −x T
x ≤ 0. pruebas (Figura 1), el cual consiste en un MI de rotor jaula de
0 0
ardilla de 1,1kW acoplado a un motor de CD de 1,1kW , un
La derivada de la misma candidata a función de Lyapunov inversor de 20kV A y una tarjeta dSpace 1103. Las mediciones
!
I2 , 0 de corrientes se hacen por medio de sensores de efecto Hall y
W (t, ε) = εT 1 ε la adquisición de voltajes se realiza con una tarjeta de sensado
0 I2
k externa. El par de carga se aplica mediante resistencias conec-
para el sistema (14), cuando consideramos que δ ( ) = 0, es tadas en las terminales de alimentación del motor de CD que
  trabaja como generador. Se asume que los parámetros del motor
T 2 (ki + a) I2 , 0
Ẇ = −ε ε ≤ 0. son perfectamente conocidos, excepto para el par de carga que
0 2Ā2
es estimado en lǼnea. Las ganancias del observador para todas
Nótese que Ẇ ≤ V̇ , por lo que W (t) ≤ V (t) para todo las pruebas son ki = 7000 y k = 20. Los parámetros del MI
t ≥ 0 si W (0) ≤ V (0). Esto quiere decir que, si ε (0) = utilizado son descritos en la Tabla 1.
78 Control Vectorial de un Motor de Inducción con Carga Desconocida Basado en un Nuevo Observador No Lineal

Motor de CD
1.5 HP
realizaron dos diferentes pruebas que incluyen los rangos de ve-
Sistema de adquisición
Inversor Carga
locidad media y baja. La primera prueba consiste en el arraque
PPC DSP
voltajes del motor hasta condiciones de velocidad media ωN /2 con par
PWM
M Motor de inducción
1.5 HP de carga variable. La Figura 5 muestra el comportamiento ex-
Algoritmo de
control perimental para el observador bajo las condiciones anteriores.
dSPACE 1103 Hardware
corrientes
Encoder
El observador semiglobal (SGO - Semiglobal observer) pre-
óptico
senta buen desempeño, similar al presentado para condiciones
nominales incluso con la presencia del par de carga. Entonces,
Control Desk se puede decir que el desempeño del algoritmo para velocidad
Error de estimacion de velocidad Error de estimacion de corriente
5
1

Figura 1. Plataforma experimental. 0

0.5

[rad/seg]

[Amp]
Ŧ5
Tabla1. Parámetros del motor de inducción. 0

Parámetro Valor unidades Ŧ10

Ŧ0.5

Rs 7.83 Ω Ŧ1

Ω
Ŧ15
Rr 2.98 0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1

M 0.11 H x 10Error de estimacion de flujo

Ŧ3 Error de estimacion de par
5 15
Ls 0.113 H
Lr 0.11 H 10

J 0.015 kgm2

[Nm]
[Wb]
0

p 2 5

f 0.002 s−1
Ŧ5 0
0 0.2 0.4 0.6 0.8 1 0 0.2 0.4 0.6 0.8 1
Tiempo[seg] Tiempo[seg]
4.1 Resultados en simulación
Figura 2. Errores de estimación en condiciones nominales.
En la Figura 2 se muestran los errores de observación cuan-
do el motor opera en condiciones nominales. Puesto que bajo 1
Error de estimacion de velocidad
1.5
Error de estimacion de corriente

esas condiciones la observabilidad del motor se satisface clara- 0

mente, los errores de estimación convergen a zero rápidamente. Ŧ1

1
[rad/seg]

[Amp]
En la Figura 3 la frecuencia de excitación es 1 % de su valor Ŧ2 0.5

nominal, es decir ω = 0,6Hz, tal que las trayectorias del

Ŧ3
0
Ŧ4
sistema están cercanas a la indistinguibilidad. Para mantener Ŧ5 Ŧ0.5

las corrientes de estator en valores aceptables, el voltaje de 0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4

excitación se redujo a la cuarta parte de su valor nominal 0

x 10Error
Ŧ3 de estimacion de flujo
1.5
Error de estimacion de par

(VN ). Los errores de estimación convergen a cero, pero debido Ŧ1 1

a la pérdida de excitación persistente de las trayectorias la Ŧ2

0.5

convergencia de ψ˜r y T˜L son mucho más suaves. 0

[Nm]
[Wb]

Ŧ3
Ŧ0.5
Ŧ4
Ŧ1
En la Figura 4 se muestran los errores de observación cuando Ŧ5 Ŧ1.5
la frecuencia de excitación es cero (ω = 0Hz), tal que los Ŧ6 Ŧ2

voltajes de estator son dos valores constantes u1 = VN /10 y

0 0.1 0.2 0.3 0.4 0 0.1 0.2 0.3 0.4
Tiempo[seg] Tiempo[seg]

u2 = −VN /10. El par de carga es TL = 0N en el intervalo

t = [0, 2] y se cambia abruptamente a TL = 4N en el intervalo Figura 3. Errores de estimación en baja frecuencia de ex-
t = [2, 10]. Esto corresponde al caso extremo de pérdida de citación.
observabilidad del motor, tal que ningún observador es capaz de Error de estimacion de velocidad xError
10
Ŧ3 de estimacion de corriente
0.005 5
estimar las variables de estado y el par de carga. Eso se reƀeja
0
claramente en las simulaciones, ya que ninguno de los errores Ŧ0.005
[rad/seg]

de estimación convergen a cero. Sin embargo, note que a pesar

[Amp]

Ŧ0.01 0

de la pérdida de observabilidad, las variables estimadas son Ŧ0.015

acotadas. Esta es una caracterǼstica importante del observador Ŧ0.02

propuesto. Ŧ0.025
0 2 4 6 8 10
Ŧ5
0 2 4 6 8 10

x 10Error de estimacion de flujo Error de estimacion de par

Ŧ3
4.2 Resultados experimentales 0 3

2.5
Ŧ0.2

Las condiciones de experimentación para los algoritmos de Ŧ0.4

2
[Nm]
[Wb]

observación fueron las siguientes: Ŧ0.6

1.5

1.- Referencias de velocidad media y baja con par de carga. Ŧ0.8

0.5

2.- Referencias de velocidad variable (desde ω = 180rad/seg Ŧ1

0 2 4 6 8 10
0
0 2 4 6 8 10

hasta ω = 5rad/seg). Tiempo[seg] Tiempo[seg]

Un problema importante en el CSSM es la estimación de ve- Figura 4. Errores de estimación para frecuencia cero de ex-
locidad en condiciones de baja frecuencia de excitación. Se citación.
M. A. Gallegos, R. Álvarez, J. A. Moreno, G. R. Espinosa 79

nominal y media velocidad es satisfactorio. La segunda prueba Una condición de pérdida de observabilidad en la operación del
comienza en velocidad cero y se incrementa hasta una veloci- MI SSM es el régimen de operación de velocidad cero. En este
dad baja de 45rad/seg con par de carga variable. La estimación trabajo, se realizó una prueba con una referencia de velocidad la
de velocidad para baja frecuencia de excitación con par de carga cual cruza suavemente por esa condición con el ſn de evaluar el
variable se presenta en la Figura 6, en donde se puede observar desempeño del observador alrededor de la trayectoria inobser-
que el error en baja velocidad y con presencia de par es mayor vable. La Figura 9 muestra el resultado experimental para dicha
que en las condiciones anteriores, sin embargo el desempeño es condición. Como era de esperarse, la calidad de la estimación
aún aceptable. de velocidad se degrada conforme la referencia de velocidad
se acerca a la velocidad cero, sin embargo, el observador es
Se realizaron dos pruebas con referencias de velocidad variable
capaz de sobreponerse rápidamente al cruce por la trayectoria
que incluyen el régimen de la baja velocidad. La primera prueba
inobservable. De la prueba experimental, se pudo notar que
consiste en la variación suave de la referencia de velocidad
la cota del error de observación depende de la sintonización
desde ω = 180rad/seg hasta ω = 20rad/seg con par de carga
correcta de las ganancias del observador.
variable. La Figura 7 muestra el comportamiento experimental
para el observador bajo las condiciones anteriores. La Figura Seguimiento de velocidad Error de estimacion de velocidad
200 30
8 muestra los resultados experimentales para el caso de una Z
med 20
referencia variable en baja velocidad (5-40rad/seg) sin par 150 Z
est
10

[rad/seg]

[rad/seg]
de carga, y con un cambio en las ganancias constantes del 100 0

observador (k = 15 y ki = 4000). La calidad de la estimación Ŧ10

50
del par de carga comienza a degradarse conforme la referencia Ŧ20

de velocidad se acerca a cero, lo que podrǼa ser la causa del 0

0 5 10 15 20 25 30
Ŧ30
0 5 10 15 20 25 30

menor desempeño en la estimación de la velocidad en régimen

Error de estimacion de corriente Par estimado
de baja frecuencia de excitación. Sin embargo, estos resultados 0.6 6

dan una perspectiva de que se puede mejorar el desempeño en 0.5

0.4
4

el rango completo de operación con una elección de ganancias [Amp] 0.3

2

[Nm]
apropiada para cada régimen. 0.2
Ŧ2
0.1
Ŧ4
0

Ŧ0.1 Ŧ6
Seguimiento de velocidad
100 Ŧ0.2 Ŧ8
0 5 10 15 20 25 30 0 5 10 15 20 25 30
80 Tiempo [seg] Tiempo [seg]
[rad/seg]

60
40 Zreal
20 Zest Figura 7. Estimación y errores de estimación para referencia de
0
0 1 2 3 4 5 6 7 8 9 10 velocidad variable y con par de carga variable.
Error de estimacion de velocidad Error de estimacion de corriente
1
0
Ŧ20 0.5 Estimacion de velocidad Error de estimacion de velocidad
[rad/seg]

[Amp]

Ŧ40 50 20

Ŧ60
0
Z 15
real
Z
40
Ŧ80 Ŧ0.5 10
est
Ŧ100
[rad/seg]

[rad/seg]

Ŧ1 30 5
0 2 4 6 8 10 0 2 4 6 8 10
0
Flujos de rotor estimados Par estimado
1 15 20 Ŧ5

0.5 10 Ŧ10
10
Ŧ15
[Nm]
[Wb]

0 5
0 Ŧ20
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Ŧ0.5 0

Ŧ1 Ŧ5
1.5 1.55 1.6 1.65 1.7 0 2 4 6 8 10 Error de estimacion de corriente Par estimado
Tiempo [seg] Tiempo [seg] 1 50

0.5
Figura 5. Estimación y errores de estimación en velocidad
[Amp]

[Nm]

media (ωN /2) con par de carga variable. 0 0

Ŧ0.5

Seguimiento de velocidad
60 Ŧ1 Ŧ50
0 5 10 15 20 25 30 0 5 10 15 20 25 30
Tiempo [seg] Tiempo [seg]
[rad/seg]

40

20 Zreal
Zest Figura 8. Estimación y errores de estimación para referencia
0
0 1 2 3 4 5 6 7 8 9 10 variable a muy baja velocidad.
Error de estimacion de velocidad Error de estimacion de corriente
0.5
0

5. ESQUEMA DEL FOC

[rad/seg]

[Amp]

Ŧ20
0

Ŧ40

Ŧ60
0 2 4 6 8 10
Ŧ0.5
0 2 4 6 8 10
El FOC representa una solución al problema de control de alto
1
Flujos de rotor estimados
10
Par estimado desempeño para el MI, controlando los valores instantáneos de
0.5
5
las variables eléctricas, con el ſn de mantener el par instantáneo
[Nm]
[Wb]

0 lo más cerca posible de su valor de referencia (Blaschke, 1972).

0
Ŧ0.5

Ŧ1 Ŧ5 Como el FOC se basa en la alineación del eje d del marco de

referencia con el vector de ƀujo de rotor, la dinámica de control
2.5 2.6 2.7 2.8 2.9 3 0 2 4 6 8 10
Tiempo [seg] Tiempo [seg]

de la estructura no-lineal y altamente acoplada del MI llega

Figura 6. Estimación y errores de estimación en velocidad baja a ser linealizada parcialmente y, además el par y el ƀujo se
(ω ≈ ωN /4) con par de carga variable. desacoplan asintóticamente, manteniendo constante la norma
80 Control Vectorial de un Motor de Inducción con Carga Desconocida Basado en un Nuevo Observador No Lineal

Estimación de velocidad de la velocidad del rotor es también linealizada, por tanto, es

posible realizar un control de ƀujo y de velocidad utilizando
100
Z
real
80 Z controladores PI diseñados de la siguiente manera
est

60
 t
40
i∗sd = kpψ (ψr∗ − ψrd ) + kiψ (ψr∗ − ψrd ) dt
 0 
t 
Lr
i∗sq = kpω (ω ∗ − ω) + kiω (ω ∗ − ω) dt /ψrd
20
[rad/seg]

0 pM 0
Ŧ20
(20)
Ŧ40
donde kpψ , kiψ , kpω , kiω son determinadas de manera que se
imponga una dinámica deseada a los errores ψr∗ −ψrd y ω ∗ −ω.
Cabe señalar que si el ƀujo no es constante, es difǼcil asegurar
Ŧ60

Ŧ80
un adecuado control del par.
Ŧ100
0 1 2 3 4 5
Time [seg]
6 7 8 9 10 Convencionalmente, los compensadores PI se han utilizado
para generar el control de corriente y regulación de la velocidad,
Figura 9. Estimación y errores de estimación para referencia y debido a su simplicidad son ampliamente aceptados en la
variable con cruce por cero. industria.
del ƀujo. Este arreglo provoca que el control sea más preciso
tanto en respuesta transitoria como en estado estable. 6. RESULTADOS DE SIMULACIÓN DEL FOC BASADO
EN EL OBSERVADOR PROPUESTO
En el FOC directo (DFOC), es esencial conocer la posición
del ƀujo para conseguir la correcta orientación. Sin embargo, Para las simulaciones númericas, se sustituye la retroali-
esto es muy costoso y de difǼcil acceso, por lo que en vez de mentación de la velocidad medida en el esquema del DFOC por
medirlo, el ƀujo puede ser estimado basándose en las medi- la velocidad estimada por el observador propuesto en este tra-
ciones del voltaje, las corrientes y en ocasiones de la velocidad bajo. Los parámetros del MI utilizado son los mismos descritos
angular; además, se deben conocer los parámetros del motor. en la Tabla 1.
Una ventaja importante del DFOC, es la posibilidad de sustituir
directamente, en el lazo cerrado, la medición de la velocidad Con la ſnalidad de veriſcar y comparar el desempeño del
para la retroalimentación por una señal estimada en un algo- controlador basado en el observador propuesto, se presentan
ritmo de observación. Por otro lado, otra ventaja del algoritmo también algunos resultados de simulación para el DFOC SSM
de observación propuesto es que también estima los ƀujos del cuya estimación de velocidad se basa en el sistema adaptable
rotor, por lo que es sencillo calcular la posición del ƀujo dentro por modelo de referencia (MRAS Model Reference Adaptive
del FOC. System) presentado en (Gallegos et al., 2007a; Yaonan et al.,
2004).
La dinámica de las corrientes son linealizadas y desacopladas a
partir de las siguientes ecuaciones Las pruebas de simulación realizadas se establecen en los si-
1 guientes regǼmenes de operación
usd = − [ωa isq + aψrd + νsd ]
c (17) 1 Seguimiento a referencia variable de velocidad desde cero
1 hasta 180rad/s y aplicación de escalones de par de 2N m.
usq = [ωa isd + pωψrd + νsq ]
c 2 Seguimiento a referencia senoidal en baja velocidad con
Por lo tanto, el nuevo modelo del MI linealizado parcialmente cruce por cero y aplicación de escalón de par TL = 2N m.
queda de la siguiente manera Las asignaciones de las ganancias para el FOC basados en los
d observadores MRAS y el SGO, se presentan en las Tablas 2 y 3
isd = −β(M a + b)isd + νsd respectivamente.
dt
d
isq = −β(M a + b)isq + νsq Las Figuras 10 y 11 muestran el desempeño del esquema de
dt (18) control basado en el MRAS y SGO respectivamente, para una
d
ψrd = M aisd − aψrd referencia de velocidad que varǼa suavemente desde cero hasta
dt
d 3 pM f TL la velocidad nominal y con par de carga constante TL = 2N m.
ω= ψrd isq − ω − En estas pruebas se puede notar el buen comportamiento en
dt 2 JLr J J
la estimación de velocidad de los dos observadores para la
Las nuevas entradas son calculadas como sigue velocidad nominal. Sin embargo, en la gráſca del error de
 t estimación de velocidad se observa el mejor desempeño del
∗
νsd = kpd (isd − isd ) + kid (i∗sd − isd ) dt SGO en el régimen de la velocidad cero.
0 t (19)
 ∗ Las Figuras 12 y 13 muestran el desempeño del FOC basado en
νsq = kpq i∗sq − isq + kiq isq − isq dt el MRAS y SGO respectivamente, para una referencia senoidal
0
donde kpd , kid , kpq , kiq son las ganancias de los controladores, de muy baja velocidad y con par de carga constante. Aunque
el FOC basado en el MRAS tiene un mal funcionamiento en
i∗sd e i∗sq son las corrientes de referencia para isd e isq , respec-
el transitorio de inicio de la simulación, puede decirse que
tivamente.
el desempeño es suſcientemente bueno para baja velocidad.
Como la amplitud del ƀujo del rotor es igual a la amplitud de Sin embargo, y de acuerdo a los resultados mostrados, el
∗
su referencia constante (i.e. ψrd = |ψr | = ψrd ), la dinámica FOC basado en el SGO tiene aún mejor desempeño tanto en
M. A. Gallegos, R. Álvarez, J. A. Moreno, G. R. Espinosa 81

respuesta transitoria como en estado estable, por lo que se 200

Seguimiento de velocidad

presenta como una solución más atractiva para el problema del Z*

[rad/s]
100
CSSM del MI. Z
0
Par de carga
4
Tabla2. Ganancias del FOC basado en el MRAS.

[Nm]
Lazo de corriente Lazo de par Lazo de velocidad 2

kpd kiq kpτ kiτ kpω kiω 0

5
0 Error de seguimiento de velocidad 5 Voltajes 10

0,5 2000 3 1020 2 50 200

[rad/s]

[V]
0 0
Ŧ200
Ŧ5

Lazo de ƀujo Ganancias del MRAS 10

Corrientes
2
Error de estimación de corriente

kpψ kiψ kpωMRAS kiωMRAS

[A]
[A]
0 0

50 4000 300 10000 Ŧ10

Error de estimación de flujo

Ŧ2
Error de estimación de par
0.1 2

Tabla3. Ganancias del FOC basado en el SGO. 1

[Wb]

[Nm]
0
0
Lazo de corriente Lazo de par Lazo de velocidad Ŧ0.1 Ŧ1
0 2 4 6 8 10 0 2 4 6 8 10
kpd kiq kpτ kiτ kpω kiω Tiempo [s] Tiempo [s]

0,5 2000 3 1020 4 50

Figura 11. Seguimiento y errores de estimación del FOC basado
Lazo de ƀujo Ganancias del SGO en el SGO para una referencia de velocidad variable y par
kpψ kiψ ki k de carga constante.
50 4000 7000 20
Seguimiento de velocidad
1

[rad/s]
*
0 Z
7. CONCLUSIONES Z
Ŧ1
Par de carga
4

En este trabajo se presentó un esquema de control vectorial

[Nm]

2
sin sensores mecánicos para un motor de inducción, basado
en un nuevo algoritmo no lineal de observación de bajo orden 0
0 Error de seguimiento de velocidad 5 Voltajes 10

y convergencia semiglobal capaz de estimar simultáneamente 5 100

los ƀujos y la velocidad del rotor en presencia de par de carga

[rad/s]

[V]
0 0

constante y desconocido, el cual trabaja para un amplio rango Ŧ5 Ŧ100

de velocidades. Puesto que el observador elegido es un esquema 20

Corrientes
0.1
Error de estimación de flujo

de orden completo y con propiedades pasivas, se contibuyó a

[Wb]
[A]

0 0
mejorar la efectividad del método presentado para la región
de baja velocidad e inclusive la velocidad cero. La sencillez Ŧ20
0 2 4 6 8 10
Ŧ0.1
0 2 4 6 8 10
Tiempo [s] Tiempo [s]
en la sintonización de las ganancias tanto del controlador co-
mo del observador se mantuvo para el esquema completo en Figura 12. Seguimiento y errores de estimación del FOC basado
lazo cerrado. El desempeño del controlador propuesto se ve- en el MRAS para baja velocidad y par de carga constante.
riſcó mediante simulaciones numéricas y se comparó con los
resultados obtenidos para un esquema FOC basado en un obser-
vador MRAS, el cual es ampliamente reportado como de buen Seguimiento de velocidad
1
desempeño, obteniendo resultados más favorables. Z
*
[rad/s]

Ŧ1
Z
Par de carga
4
Seguimiento de velocidad
[Nm]

200
2
[rad/s]

*
100 Z 0
0 Error de seguimiento de velocidad 5 Voltajes 10
Z 5 100
[rad/s]

0
[V]

Par de carga 0 0
4
Ŧ5 Ŧ100
Corrientes Error de estimación de corriente
[Nm]

2 20
2
[A]
[A]

0 0
0
0 Error de seguimiento de velocidad 5 Voltajes 10 Ŧ2
Ŧ20
5 Error de estimación de flujo Error de estimación de par
200 0.1 2
[rad/s]

1
[Wb]
[V]

[Nm]

0 0
0
0
Ŧ200
Ŧ5 Ŧ0.1 Ŧ1
0 2 4 6 8 10 0 2 4 6 8 10
Corrientes Error de estimación de flujo Tiempo [s] Tiempo [s]
0.1
10
[Wb]
[A]

0 0
Figura 13. Seguimiento y errores de estimación del FOC basado
Ŧ10

0 2 4 6 8 10
Ŧ0.1
0 2 4 6 8 10
en el SGO para baja velocidad y par de carga constante.
Tiempo [s] Tiempo [s]

Figura 10. Seguimiento y errores de estimación del FOC basado AGRADECIMIENTOS

en el MRAS para una referencia de velocidad variable y
par de carga constante. Los autores agradecen el apoyo ſnanciero de CONACyT,
Proyecto 51244, y PAPIIT, UNAM, Proyecto IN 117610.
82 Control Vectorial de un Motor de Inducción con Carga Desconocida Basado en un Nuevo Observador No Lineal

REFERENCIAS
Blaschke, F. (1972). The principle of ſeld orientation as applied
to new transvektor closed loop control system for rotating
ſeld machines. Siemens Review Vol. 34, 217–220.
Bostan, V., M. Cuibus, C. Ilas and R. Magureanu (2003).
High performance sensorless solutions for induction motor
control. 34th. Annual IEEE Power Electronics Spesialists
Conference (PESC’03) pp. 556–561.
Canudas, C., A. Youssef and F. Malrait J. P. Barbot, P. Martin
(2000). Observability conditions of induction motors at low
frequencies. 39th. IEEE Conference on Decision and Control
(CDC’00), Sydney, Australia.
Gallegos, M. A., R. Alvarez and C. A. Núñez (2006). A sur-
vey on speed estimation for sensorless control of induction
motors. Congreso Internacional de Electrónica de Potencia
(CIEP’06).
Gallegos, M. A., R. Alvarez and C. A. Núñez (2007a). Com-
parative study of nonlinear speed observers for induction
motors. International Review of Electrical Engineering Vol.
2, 378–385.
Gallegos, M. A., R. Alvarez, J. A. Moreno and G. Espinosa-
Pérez (2007b). Evaluación experimental de un observador
de velocidad de convergencia semiglobal y de bajo orden
para motores de inducción. Congreso Nacional de Control
Automático (AMCA’07).
Ibarra-Rojas, S., J. A. Moreno and G. Espinosa-Pérez (2004).
Global obesrvability analysis of sensorless induction motors.
AUTOMATICA Vol. 40, 1079–1085.
Ilas, C., A. Bettini, I. Ferraris, G. Griva and F. Profumo (1994).
Comparison of different schemes without shaft sensors for
ſeld oriented control drives. 20th International Conferen-
ce on Industrial Electronics, Control and Instrumentation
(IECON’94) Vol. 3, 1579–1588.
Khalil, H. K. (2002). Nonlinear Systems. Third ed. Prentice–
Hall. Upsaddle River, New Jersey.
Mitronikas, E. D. and A.Ñ. Safacas (2005). An improved sen-
sorless vector-control method for an induction motor. IEEE
Transactions on Industrial Electronics.
Moreno, J. A. and G. Espinosa-Pérez (2006). A novel sensor-
less observer for induction motors. Congreso Nacional de
Control Automático (AMCA’06).
Morgan, A. P. and K. S. Narendra (1977). On the stability
of nonautonomous differential equations ẋ = [a + b (t)] x,
with skew symmetric matrix b (t)∗ . SIAM J. Control and
Optimization.
Narendra, K. S. and A. M. Annaswamy (1989). Stable Adaptive
Systems. Prentice Hall.
Rajashekara, F., A. Kawamura and K. Matsuse (1996). Sensor-
less control of ac motor drives. IEEE Press.
Rasmussen, H., P. Vadstrup and H. Borsting (2002). Speed
sensorless ſeld oriented control of an induction motor at zero
speed with identiſcation of inverter model parameters. IEEE
International Symposium on Industrial Electronics (ISIE’02)
Vol. 3, 818–821.
Rudolph, C., T. Laczynski and B. Orlik (2004). Sensorless
ſeld oriented control of induction motors considering main
ƀux saturation effects on test signal injection. 35th. Annual
IEEE Power Electronics Spesialists Conference (PESC’04)
pp. 556–561.
Yaonan, W., L. Jiantao, H. Shoudao and Q. Sihai (2004). Speed
sensorless vector control of induction motor based on the
mras theory. 4th International Power Electronics and Motion
Control Conference, (IPEMC’04) Vol. 2, 645–648.