Journal of Iranian Association of Electrical and Electronics Engineers

fa کنترل موقعیت موتورسنکرون مغناطیس دائم BLDC به روش کنترل پیش بین مبتنی بر مدل با استفاده از توابع لاگر و الگوریتم بهینه سازی اجتماع ذرات Position Control of a BLDC Permanent Magnet Synchronous Motor by Model Predictive Control Using Laguerre Functions and Particle Swarm Optimization Algorithm قدرت Power پژوهشي Research یکی از عواملی که در کارایی موتـورهـای سنکرون مغناطیس دائم نقش مهمی دارد، طراحی بهینه کنترلکننده میباشد. از کنترلکنندههایی که میتواند در دستیابی به دینامیک مطلوب و بهینه این موتورها مورد استفاده قرار گیرد، کنترلکننده پیشبین است. از مهمترین چالشهایی که بر سر راه پیادهسازی عملی کنترلکننده پیشبین وجود دارد و اعمال آن را محدود میکند، حجم محاسباتی این روش کنترلی و تنظیم پارامترهای کنترلکننده میباشد. در واقع، در سیستمهایی که زمان نمونه برداری کوچک یا دینامیک سیستم پیچیده میباشد، متناسب با آن، حجم محاسباتی بصورت نمایی افزایش یافته و تنظیم پارامترهای کنترلکننده پیچیدهتر میشود. این امر موجب کاهش سرعت اجرای بلادرنگ این روش از یک سو و از سوی دیگر، اتخاذ افق پیشبین کوتاهتر خواهد شد. ایده اصلی در این مقاله این است که جهت دستیابی به افق پیشبین طولانیتر، حجم بالای محاسبات به واسطه تعدادی از توابع پایه متعامد گسسته، از قبیل چند جملهای لاگر تقریب زده شده و همچنین تنظیم پارامترهای کنترلکننده با استفاده از الگوریتم اجتماع ذرات، بهینهسازی شود. مزیت اصلی این رویکرد، بهینهسازی ضرایب با تعداد کمتری از توابع متعامد به جای بهینهسازی خود مسیر کنترل میباشد که انتخاب افق پیشبین طولانیتری را ممکن میسازد. One of the factors that has an important effect on improving the efficiency of permanent magnet synchronous motors is the optimal design of the controller. One of the controllers that can be used to achieve optimal dynamics is the predictive controller. One of the most important challenges in the implementation of the predictive controller that limits its application is the high computational burden of this control method and the adjustment of the controller parameters. That is, in plants where the sampling time is small and the system dynamics are complex, correspondingly, the computational burden increases exponentially and the setting of the controller parameters becomes more complicated. This will reduce the speed of real-time implementation of this method on the one hand, and on the other hand, the adoption of a shorter prediction horizon. In this article, the main contribution is that in order to achieve a longer prediction horizon, the high computational volume is approximated by a number of discrete orthogonal basis functions, such as the Laguerre polynomials, and the control parameters are optimally adjusted by the particle swarm algorithm. The main advantage of this approach is to optimize the coefficients with a smaller number of orthogonal functions instead of optimizing the control path itself, which makes it possible to choose a longer prediction horizon. موتور سنکرون مغناطیس دائم, کنترل پیش بین, توابع لاگر, الگوریتم بهینه سازی اجتماع ذرات Permanent Magnet Synchronous Motor, Predictive Control, Laguerre Functions, Particle Swarm Optimization Algorithm 115 126 http://jiaeee.com/browse.php?a_code=A-10-2885-1&slc_lang=fa&sid=1 Mojtaba Salmanfar مجتبی سلمانفر mojtabasalmanfar@gmail.com 100319475328460012853 100319475328460012853 No Faculty of Electrical & Computer Engineering, Malek Ashtar University of Technology دانشگاه صنعتی مالک اشتر، مجتمع دانشگاهی برق و کامپیوتر Mohammad Reza Alizadeh Pahlavani محمدرضا علیزاده پهلوانی mr_alizadehp@mut.ac.ir 100319475328460012854 100319475328460012854 No Faculty of Electrical & Computer Engineering, Malek Ashtar University of Technology دانشگاه صنعتی مالک اشتر، مجتمع دانشگاهی برق و کامپیوتر Arash Dehestani Kolagar آرش دهستانی کلاگر a_dehestani@mut.ac.ir 100319475328460012852 100319475328460012852 Yes Faculty of Electrical & Computer Engineering, Malek Ashtar University of Technology دانشگاه صنعتی مالک اشتر، مجتمع دانشگاهی برق و کامپیوتر Yousef Koohmaskan یوسف کوه مسکن koohmaskan@chmail.ir 100319475328460012855 100319475328460012855 No Faculty of Electrical & Computer Engineering, Malek Ashtar University of Technology دانشگاه صنعتی مالک اشتر، مجتمع دانشگاهی برق و کامپیوتر