تخمین پارامترها و متغیرهای حالت مدل کویل تروئیدی گسسته با استفاده از الگوریتم حداقل مربعات بازگشتی و فیلتر کالمن
Publish place: 24nd International Power System Conference
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 884
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC24_115
تاریخ نمایه سازی: 28 اسفند 1388
Abstract:
این مقاله مدل فشرده کویل تروئیدی گسسته را ارائه میکند وبدنبال آن نشان داده میشود که مقادیر پارامترهای این مدل با استفاده از نمونهبرداری از نتایج آزمایشگاهی و الگوریتم حداقل مربعات بازگشتی قابل شناسایی میباشد. مقایسه مقادیر پارامترهای شناسایی شده با پارامترهای استخراج شده از تحلیل هندسی مدل بیان میدارد که الگوریتم حداقل مربعات بازگشتی بدون نیاز به تعیین حدود صفر و قطب توابع شبکه توانایی بسیار بالایی در شناسایی مقادیر پارامترهای مدلهای واقعی از روی نتایج آزمایشگاهی که با نویز همراه هستند را دارا میباشد. با توجه به اینکه طراحی مفهومی و جزئی این کویل در انطباق با اینورتر منبع جریان مستلزم تخمین تغییرات ولتاژ و جریان دو سر هر دور کویل (در مراحل سهگانه شارژ، آماده بکار و دشارژ) بوده وهمچنین انرژی مغناطیسی واقعی ذخیره شده در کل کویل با توجه به مدل ارائه شده(جداسازی انرژی مغناطیسی از انرژی الکتریکی) از رفتار ولتاژ و جریان دو سر کویل بدست نمیآید ، لذا در این تحقیق از فیلتر کالمن جهت تخمین کمیتهای فوق به دلیل غیرقابل اندازهگیری بودن ولتاژ و جریان سلفهای جزئی ارائه شده در مدل و همچنین غیرقابل اندازهگیری بودن انرژی مغناطیسی واقعی ذخیره شده در مدل، استفاده شده است. شایان ذکر است دادههای آزمایشگاهی با نویز و اثرات الکترمغناطیسی همراه هستند و مقایسه نتایج حاصل از فیلتر کالمن با نتایج تحلیلی مدل بیان میدارد که فیلتر کالمن توانائی بسیار بالائی در حذف اثرات مزاحم و تخمین متغیرهای حالت سیستم غیر قابل اندازهگیری دارد.
Keywords:
الگوریتم حداقل مربعات بازگشتی , شناسایی پارامترهای کویل , فیلتر کالمن , مدلسازی کویل , کویل تروئیدی گسسته
Authors
محمدرضا علیزاده پهلوانی
دانشگاه علم و صنعت ایران
عباس شولایی
استاد دانشگاه علم و صنعت ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :