Escolar Documentos
Profissional Documentos
Cultura Documentos
Dissertação de Mestrado
A DISTÚRBIOS DE TORQUE
PPGEE
por
Cristiane Cauduro Gastaldini
CDU: 621.333
________________________________________________________________________________________
© 2008
Todos os direitos autorais reservados a Cristiane Cauduro Gastaldini. A reprodução de
partes ou do todo deste trabalho só poderá ser com autorização por escrito do autor.
Telefone (0xy) 55 32215873; Tel. Móvel (0xy) 55 96144911;
End. Eletr: gastaldini@ieee.org
-
Dedico esse trabalho aos meus pais, Maria do Carmo e Antônio Luiz,
que sempre me incentivaram ao estudo e a pesquisa.
-
Agradecimentos
Resumo
Controle de Velocidade Sensorless de Motores de Indução
Trifásicos sujeitos a Distúrbios de Torque
1.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.2.2 Controladores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
Capítulo 6 – Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
Im T
Vetor corrente magnetizante ⎡⎣ Iqm Idm ⎤⎦
iR T
Vetor corrente do rotor ⎡⎣ Iqr Idr ⎤⎦
iS T
Vetor corrente do estator ⎡⎣ Iqs Ids ⎤⎦
λS T
Vetor fluxo do estator ⎡⎣ λ qs λ ds ⎤⎦
INTRODUÇÃO
1.1 INTRODUÇÃO
A concepção inicial do motor de indução foi no final do século XIX por Nicolas Tesla.
Esta descoberta ocorreu em aproximadamente 50 anos após a descoberta do fenômeno da
indução eletromagnética por Faraday. Do ínicio do século XX até 1970, impulsionados pela
elevação mundial no preço do petróleo, melhorias construtivas com a finalidade de redução
dos custos de operação e aumento do rendimento foram propostas para motores de indução,
conforme Chapman (1999).
Estudos de modelagem do motor de indução desenvolvidos por Park, em 1920,
facilitaram o desenvolvimento do sistema de controle, porém, o acionamento deste motor
ainda era complexo e oneroso. A partir da década de 80, alguns fatores foram cruciais aos
avanços neste campo de estudo. A disponibilidade e a contínua diminuição dos custos dos
conversores de potência, o grande desenvolvimento e popularização de processadores de
sinais digitais e o avanço nos estudos de técnicas de controle robustas e adaptativas,
ampliaram o uso destes motores em diversas aplicações (Bose, 1997).
As primeiras técnicas de controle de motores utilizavam o controle escalar, isto é, pela
variação somente da magnitude das váriaveis tensão e freqüência. Apesar deste tipo de
controle apresentar baixo desempenho dinâmico, isto é, baixa resolução de velocidade e lenta
resposta de torque. É ainda utilizado pela indústria em certas aplicações devido sua fácil
18
maior desempenho para técnicas de controle por campo orientado e de controle direto de
torque. Nas próximas subseções são detalhadas essas técnicas abordando as estratégias de
controle empregadas enfatizando para aplicações sensorless, suas características e limitações.
vetor do fluxo rotórico encontra-se alinhado ao eixo direto d, de forma que seja nulo o fluxo
rotórico de quadratura λe qr = 0 . Giménez (1995) [17] apresenta detalhadamente as duas
formas de orientação.
Para essa orientação, o fluxo dever ser medido ou estimado e realimentado. Devido à
dificuldade de instalar sensores para mensurar esse valor, normalmente, o fluxo é estimado
e/ou calculado indiretamente. Em muitos casos, a realimentação do fluxo no controle
apresenta ruídos, prejudicando o desempenho do controlador principalmente nas baixas
freqüências, problemas de estimação devido a baixa excitação. Este é um dos principais
desafios a ser sanado na utilização desta técnica.
Na figura 1.1, é apresentado um diagrama de blocos resumido do controle por campo
orientado direto.
A principal dificuldade de implementação de um controlador sensorless empregando a
orientação de campo direto é a determinação da orientação instantânea do vetor fluxo. Tamai
(1985), apud Schauder et. alli (1992) [56], apresentou as primeiras propostas empregando
modelo de referência adaptativo (MRAS). Em 1992, Schauder et. alli, publicou outro trabalho
nesta linha com reduzida complexidade e maior desempenho.
Em 1989, Hori et. alli propôs um controle utilizando o observador de fluxo com
orientação de campo (FOFO). Este controle agrega robustez ao torque e variações
paramétricas do motor. Outro trabalho com este controlador foi apresentado em Tajima et. alli
(1993), onde resultados experimentais foram obtidos em um plataforma a base de processador
digital de sinais (DSP) atestando a robustez.
20
Segundo Kubota et. alli (1994), nas metodologias apresentadas por Schauder e Tajima,
variações paramétricas da resistência rotórica causam erros na estimação da velocidade. Desta
forma, Kubota sugeriu a estimação instantânea da velocidade e da resistência rotórica onde
obtinha a velocidade por um observador de fluxo. Seguindo esta tendência, Suwankawin et.
alli (2002), apresentou um trabalho mais recente, demostrando a análise da estabilidade do
controlador.
Uma metodologia baseada na geometria e efeitos de saturação, foi apresentada por
Schroedl (1996) – INFORM , detecção indireta do fluxo pela medida online da reatância. Um
equacionamento matemático é realizado com as medidas de correntes e tensões reativas
estatóricas, obtendo a chamada reatância complexa INFORM. A partir desta, determina-se
informações da posição angular do fluxo.
O estudo de técnicas que permitam a operação em baixas velocidades de rotação foi
proposto por Consoli (2004). Utilizando-se quatro sensores de tensão, é realizado um controle
por campo orientado direto sensorless de seqüência zero (SZS). A tensão de seqüência zero
do estator é gerada através da injeção de um sinal de alta freqüência adequado, possibilitando-
se detectar tanto a amplitude quando a posição angular do fluxo rotórico. A manipulação desta
componente de tensão não afeta a velocidade e o torque.
Desde o ínicio da década de 90, observa-se um interesse no estudo de controladores
sliding mode em aplicações de servoacionamento de motor de corrente alternada (indução e
imã permanente). Vislumbra-se que esta metodologia pode ser uma solução ao controle
sensorless, visto o crescente número de trabalhos publicados.
21
A técnica de controle por campo orientado indireto (IFOC) considera que o vetor do
fluxo rotórico encontra-se alinhado ao eixo direto d, de forma que seja nulo o fluxo rotórico
de quadratura λe qr = 0 . [17] As equações do motor de indução são aplicadas para calcular o
Takahashi, são:
O DTC é uma técnica baseada no controle do ciclo limite do fluxo e torque.
Determina-se a tensão estatórica ótima através de uma tabela de comutação. Esta tabela é
organizada selecionando os melhores vetores de tensão de forma a se ter uma rápida resposta
ao torque, assim como minimizar as perdas em comutação.
A componente harmônica do torque eletromagnético é restrita pela banda de histerese.
A freqüência de comutação dos comparadores pode ser a mesma utilizada pelo controle por
campo orientado. Entretanto, o DTC possibilita reduzir, sob a mesma condição, oscilações de
torque e fluxo. Essas oscilações são relacionadas a ruído acústico e perdas harmônicas.
A eficiência do DTC em regime permanente é garantida controlando a amplitude do
fluxo de acordo com o torque necessitado, excluindo-se em baixas freqüências de rotação. No
caso do controle por campo orientado, devido a tensão de saída do inversor ser limitada, a
resposta instantânea ao torque não pode ser assegurada.
Na técnica de controle DTC, diferentemente do controle por campo orientado, não são
necessários: reguladores para as correntes, sistema de referência, geração de sinais em largura
de pulso (PWM).
Na figura 1.3, é apresentado um diagrama de blocos resumido do controle direto de
torque.
baixas velocidades de rotação. Estratégias DTC operando em freqüência constante podem ser
implementadas em malha fechada com controladores proporcionais integrais, preditivos –
dead-beat ou neuro-fuzzy. É calculado o vetor tensão o qual pode ser sintetizado utilizando
técnicas de modulação por largura de pulso (PWM) ou modulação space-vector (SVM). Um
trabalho com este enfoque, é o de Lai et. alli (2001), o qual emprega amostragem regular
assimétrica de modulação space vector.
A introdução de técnicas fuzzy e neuro-fuzzy são proposta para o controle DTC. Bacha
et. alli (2001) propõem um controlador DTC baseado na lógica fuzzy. O controlador fuzzy
possui três variáveis de estado e uma variável de controle para atingir o torque e fluxo
constante. As variáveis de estado utilizadas são: a diferença entre o fluxo de referência e o
estimado no estator, a diferença entre o torque elétrico e o estimado e a fase com o fluxo
estatórico. Miloudi et. alli (2004) apresentaram um controlador DTC neuro-fuzzy. Este
controlador utiliza a amplitude do fluxo estatórico e o torque eletromagnético na
determinação, pelo controlador neuro-fuzzy adaptativo, da tensão space vector.
A utilização de estimadores de fluxo no controle DTC são apresentadas com o intuito
de melhorar o desempenho em baixas velocidade de rotação. Casadei et. alli (1997) [10]
apresentaram uma proposta ao desempenho do DTC em baixas velocidades de rotação
inserindo um estimador para o fluxo estatórico. A inserção deste estimador permitiu uma
significativa redução da sensibilidade do controlador a variações paramétricas e offsets dos
sensores de corrente. Lascu et alli [36] apresentaram um controlador híbrido, utilizando o
controle bang-bang quando é necessária uma rápida resposta ao torque, e controle space
vector em regime permanente. Neste trabalho, um estimador Luenberger do fluxo estatórico
foi empregado para minimizar os erros cumulativos na estimação da velocidade.
Nas últimas décadas, têm sido publicadas várias propostas de controle sem a utilização
de sensores mecânicos para motores de indução trifásicos. Agregando conceitos de
confiabilidade e robustez, aliados a redução dos custos dos microcontroladores (entre eles o
processador digital de sinais – DSP), a substituição de sensores mecânicos por algoritmos
capazes de estimar a velocidade rotórica passou a ter respaldo comercial. Normalmente, estes
algoritmos de estimação utilizam informações das correntes e tensões estatóricas. O diagrama
27
Abbondanti et. alli (1975) publicaram uma das primeiras formas de estimação da
velocidade medindo somente a tensão e a corrente estatórica. Baseando-se no modelo
equivalente do motor de indução no referencial estacionário, é obtida uma equação que
relaciona o conjugado eletromagnético Te com a velocidade rotórica ω:
28
R r ⋅ 2 ⋅ π ⋅ f ⋅ Te
ωs = (1.1)
N Vs − ( R s − j ⋅ ω ⋅ Ls ) ⋅ I s
ω = ωs + ω e (1.2)
ωe =
(V
qs
s
− R s ⋅ Iqs s ) ⋅ λ ds s − ( Vdss − R s ⋅ Ids s ) ⋅ λ qs s
(1.4)
2
λs
Lr
Onde Tr = e σ = Ls ⋅ L r − L m 2 .
Rr
Béres et. alli [5] propuseram um controle IFOC sensorless baseado em uma equação
que relaciona o escorregamento do motor com a corrente de quadratura do estator Iqse e o
fluxo de eixo direto do rotor λ dr e . Esta equação é determinada através do modelo matemático
O sistema de controle apresentado por Béres [4] possui bom desempenho em baixas
velocidades de rotação e no controle de torque. Entretanto, a estimação é bastante ruidosa na
passagem da velocidade rotórica por zero.
29
Modelos regressão linear são metodologias de estimação para sistemas não lineares,
podendo ser utilizados para estimação de parâmetros aumentando o número de estados.
Vélez-Reyes et alli (1989) propuseram um estimador de erro mínimo quadrático da função de
transferência. Esta função é obtida através do modelo matemático do motor:
1 1 ⎛1 ⎞
⋅s + ⋅ ⎜ − jω ⎟
Is σ ⋅ Ls σ ⋅ Ls ⎝ Tr ⎠
=
Vs ⎛ Ls ⎞
⎜ Rs + T ⎟ R ⎛1 ⎞
(1.6)
s +⎜
2 r
− jω ⎟ ⋅ s + s ⋅ ⎜ − jω ⎟
⎜ σ ⋅ Ls ⎟ σ ⋅ Ls ⎝ Tr ⎠
⎜ ⎟
⎝ ⎠
•
X = A ⋅ X + B ⋅ vs (1.8)
•
l=A
X l ⋅X
s s (
l + B ⋅ v + G i − i
s ) (1.9)
⎛⎡ 1 ⎤ ⎡1 ⎤ ⎞
⎜ ⎢− −ω ⎥ ⎢T 0⎥ ⎟
em = L m ⎜ ⎢ Tr
2
⎥ ⋅ Im + ⎢ r ⎥ ⋅ Is ⎟ (1.10)
Lr ⎜ ⎢ 1⎥ ⎢ 1⎥ ⎟
⎜⎢ ω − ⎥ ⎢0 ⎟
⎝⎣ Tr ⎦ ⎣ Tr ⎥⎦ ⎠
⎛ ⎡R 0⎤ ⎡ 0 −σLs ⎤ • ⎞
em = Vs − ⎜ ⎢ s ⎥ ⋅ Is + ⎢ ⋅I ⎟
0 ⎥⎦ s ⎠
(1.11)
⎝⎣ 0 Rs ⎦ ⎣σLs
⎡ 1 ⎤
⎢− −ω ⎥
q = L m ⋅ I ⊗ ⎢ Tr
2
⎥ ⋅ Im
m
Lr
s
⎢ 1⎥ (1.13)
⎢ ω − ⎥
⎣ Tr ⎦
⎛ ⎡ 0 −σLs ⎤ • ⎞
qm = I s ⊗ ⎜ Vs − ⎢ ⋅I ⎟ (1.14)
⎝ ⎣σLs 0 ⎥⎦ s ⎠
A utilização de um filtro de Kalman com ordem reduzida foi proposta por Kim et. alli
(1995). Nesta proposta, não é necessário a medição da tensão do barramento capacitivo do
inversor, sendo obtidas indiretamente pela função de comutação. Para compensar o erro de
velocidade é empregado um controlador proporcional integral. A forma reduzida do filtro de
Kalman apresentou-se mais robusta a variações na resistência rotórica.
As principais limitações desta técnica devem-se:
Sensibilidade paramétrica.
Exige um maior esforço computacional.
Operação em baixas velocidades; o fluxo rotórico fica enfraquecido dificultando
sua estimação devido a ser uma técnica de controle orientado direto.
Para o cálculo da matriz de ganho do filtro de Kalman é necessário o
conhecimento da distribuição do ruído. Não sendo bem conhecida esta
distribuição, a minimização do ruído não pode ser garantida.
35
MODELAGEM, ESTIMAÇÃO DE
VELOCIDADE E TORQUE
2.1 INTRODUÇÃO
Na equação (2.1), as componentes de sequência zero não são representadas, seu valor
é nulo para o motor de indução trifásico balanceado.
Seguindo as definições (2.2)-(2-12) e a simbologia da Tabela 2.1, tem-se
a 0 Ls L r − L m 2 (2.2)
R s Lr
a1 (2.3)
a0
Lm 2
a2 (2.4)
a0
R r Lm
a3 (2.5)
a0
40
Lr Lm
a4 (2.6)
a0
Lr
a5 (2.7)
a0
R s Lm
a6 (2.8)
a0
Ls L m
a7 (2.9)
a0
R r Ls
a8 (2.10)
a0
Ls L r
a9 (2.11)
a0
Lm
a10 (2.12)
a0
A figura 2.1 ilustra o circuito elétrico equivalente do motor de indução trifásico gaiola
de esquilo em um referencial genérico.
O torque eletromagnético Te produzido pelo motor é proporcional ao produto vetorial
dos fluxos estatórico e rotórico, podendo ser representado por
Substituindo (2.15) e (2.16) em (2.13), tem-se que a equação do torque elétrico pode
ser dada por:
λr dr r
Te = NL m I qs (2.17)
Lr
λr dr = L m ⋅ I r ds (2.18)
O torque elétrico Te pode então ser reescrito em função das corrente Ids e Iqs como
NL m 2 I r ds r
Te = I qs (2.19)
Lr
42
Te = K tn Iqs* (2.21)
NL m 2 Ids
K tn = (2.22)
Lr
•
θ=ω (2.23)
43
y = Cm x m (2.26)
xm = [ ω θ TL ]
T
(2.27)
⎡ Bn 1⎤
⎢− J 0 − ⎥
J
⎢ ⎥
Am = ⎢ 1 0 0 ⎥ (2.28)
⎢ 0 0 0 ⎥
⎢ ⎥
⎣ ⎦
T
⎡1 ⎤
Bm = ⎢ 0 0⎥ (2.29)
⎣J ⎦
Cm = [1 0 0] (2.30)
• ⎡ Bn 1⎤ ⎡1 ⎤
− 0 − ⎥
⎡ω⎤ ⎢ J J ⎡ ω ⎤ ⎢J⎥
⎢θ ⎥=⎢ 1 ⎥⎢ ⎥ ⎢ ⎥
0 0 ⎥ ⎢ θ ⎥ + ⎢ 0 ⎥ Te
⎢ ⎥ ⎢ (2.31)
⎢⎣ TL ⎥⎦ ⎢ 0 0 0 ⎥ ⎢⎣ TL ⎥⎦ ⎢ 0 ⎥
⎢ ⎥ ⎢ ⎥
⎣ ⎦ ⎣ ⎦
44
⎡ω⎤
y = [1 0 0] ⎢⎢ θ ⎥⎥ (2.32)
⎢⎣ TL ⎥⎦
O estimador de velocidade utilizado aqui baseia-se na proposta de Peng et. alli (1994)
[53]. Neste trabalho, foi proposto um sistema adaptativo por modelo de referência (MRAS)
para realizar a estimativa da velocidade através da potência reativa. Este tipo de estimador
compõe-se de dois modelos, um dependente da velocidade rotórica ω (modelo adaptativo) e
outro independente (modelo de referência). As principais vantagens desta metodologia de
estimatição da velocidade são a robustez com relação a resistência estatórica e a variação
térmica da resistência rotórica, e também não requer integração direta das variáveis medidas.
O diagrama de blocos da figura 2.3 ilustra o estimador MRAS baseado na potência
reativa.
⎡ V s qs ⎤ ⎡ R s + ρLs 0 ρL m 0 ⎤ ⎡ Is qs ⎤
⎢ s ⎥ ⎢
0 R s + ρLs 0 ρL m ⎥⎢ s ⎥
⎢ V ds ⎥ = ⎢ ⎥ ⎢ I ds ⎥
⎢ 0 ⎥ ⎢ ρL m − NωL m R r + ρL r − NωL r ⎥ ⎢ Is qr ⎥ (2.33)
⎢ ⎥ ⎢ ⎥⎢ ⎥
⎣ 0 ⎦ ⎣ NωL m ρL m NωL r R r + ρL r ⎦ ⎣⎢ Is dr ⎦⎥
As correntes magnetizantes do motor Iqm e Idm podem ser calculadas por (vide anexo
A)
⎡ Is qm ⎤ L r ⎡ Is qr ⎤ ⎡ Is qs ⎤
⎢ s ⎥= ⎢ s ⎥+⎢ s ⎥ (2.34)
⎣ I dm ⎦ L m ⎣ I dr ⎦ ⎣ I ds ⎦
⎡ Is qr ⎤ L m ⎛ ⎡ Is qm ⎤ ⎡ Is qs ⎤ ⎞
⎢ s ⎥= ⎜⎜ ⎢ s ⎥ − ⎢ s ⎥ ⎟⎟ (2.35)
⎣ I dr ⎦ L r ⎝ ⎣ I dm ⎦ ⎣ I ds ⎦ ⎠
⎡ Is qs ⎤
⎡ V s qs ⎤ ⎡ R s + ρLs ⎢ ⎥
0 ρL m 0 ⎤⎢ s
I ds ⎥
⎢ s ⎥ ⎢
⎢ V ds ⎥ = ⎢ 0 R s + ρLs 0 ρL m ⎥⎥ ⎢ L m s ⎥
⎢ 0 ⎥ ⎢ ρL m − NωL m R r + ρL r
⎢
− NωL r ⎥ ⎢ L r
( I qm − Is qs ) ⎥ (2.36)
⎢ ⎥ ⎢ ⎥
⎥
⎣ 0 ⎦ ⎣ NωL m ρL m NωL r R r + ρL r ⎦ ⎢ L m s ⎥
⎢ ( I dm − I ds ) ⎥
s
⎣ Lr ⎦
•
⎡ es qm ⎤ ⎡ V s qs ⎤ ⎡ Is qs ⎤ ⎡ Is qs ⎤
=
⎢ s ⎥ ⎢ s ⎥ − R s ⎢ s ⎥ − σL s ⎢ s ⎥ (2.39)
⎣ e dm ⎦ ⎣ V ds ⎦ ⎣ I ds ⎦ ⎣ I ds ⎦
⎢ Tr ⎥⎦ ⎢ Tr ⎥⎦
⎣ ⎣
⎡ 1 ⎤
⎢−T Nω ⎥
A Im =⎢ r ⎥
(2.43)
⎢ 1⎥
⎢ − Nω − T ⎥
⎣ r ⎦
⎡1 ⎤
⎢T 0⎥
B Im =⎢ r ⎥
(2.44)
⎢ 1⎥
⎢0 Tr ⎥⎦
⎣
q m = I s ⊗ em (2.45)
⎛ •
⎞
⎡ Is qs ⎤ ⎜ ⎡ V s qs ⎤ ⎡ Is qs ⎤ ⎟
qm = ⎢ s ⎥ ⊗ ⎜ ⎢ s ⎥ − σLs ⎢ s ⎥ ⎟ (2.47)
⎣ I ds ⎦ ⎜ ⎣ V ds ⎦ ⎣ I ds ⎦ ⎟
⎝ ⎠
De onde
L 2
e m = m ( A Im I m + B Ιm I s ) (2.49)
Lr
q m = I s ⊗ e m (2.50)
q = I ⊗ ⎛ L m ( A I + B I ) ⎞
2
m s ⎜ Im m Ιm s ⎟
(2.51)
⎝ Lr ⎠
48
ou
⎡ ls 1 1 ⎤
⎢ NωI dm + Is qs − Is qm ⎥
L ⎡I ⎤
s
2
Tr Tr
q m = m ⎢ s qs ⎥ ⊗ ⎢ ⎥
(2.52)
L r ⎣ I ds ⎦ ⎢ l s 1 s 1 s ⎥
⎢ − NωI qm + T I ds − T I dm ⎥
⎣ r r ⎦
L 2⎛ ⎛ l s 1 s 1 ⎞ ⎛ l s + 1 Is − 1 Is ⎞ ⎞⎟
q m = m ⎜⎜ Is ds ⎜ NωI dm + I qs − Is qm ⎟ − Is qs ⎜ − NωI qm ds dm ⎟ ⎟
Lr ⎝ ⎝ Tr Tr Tr Tr (2.53)
⎠ ⎝ ⎠⎠
⎜ pω
⎝ s ⎠
⎟ m (
l = ⎛ K + K iω ⎞ q − q
ω m ) (2.54)
K iω 1
O projeto dos ganhos Kpω e Kiω devem atender a condição, > , conforme Peng
K pω Tr
et. alli (1994). Em baixas velocidades de rotação, Peng et. alli [54] sugerem que sejam
utilizadas as correntes de referência calculadas pelo controlador Is* na estimação da
velocidade. Tendo em vista a minimização de problemas de ruído, principalmente na do
cálculo da derivada da corrente estatórica ρIss .
l s ( s ) − 1 I s ( s ) + 1 Is ( s )
sIs dm ( s ) = − NωI (2.56)
qm dm ds
Tr Tr
49
t s ( z + 1) ⎛ 1 s 1 s ⎞
Is qm ( z ) = ⎜ − I qm ( z ) + NωI dm ( z ) + I qs ( z ) ⎟
ls (2.58)
2 ( z − 1) ⎝ Tr Tr ⎠
t s ( z + 1) ⎛ 1 s 1 s ⎞
Is dm ( z ) = ⎜ − NωI qm ( z ) − I dm ( z ) + I ds ( z ) ⎟
ls (2.59)
2 ( z − 1) ⎝ Tr Tr ⎠
t ⎛ 1 s l s ( z ) + 1 Is ( z ) ⎞
( z − 1) Is qm ( z ) = s ( z + 1) ⎜ − I qm ( z ) + NωI dm qs ⎟ (2.60)
2 ⎝ Tr Tr ⎠
e
t ⎛ 1 s 1 ⎞
( z − 1) Is dm ( z ) = s ( z + 1) ⎜ − NωI
l s (z) −
qm I dm ( z ) + Is ds ( z ) ⎟ (2.61)
2 ⎝ Tr Tr ⎠
ts
Admitindo-se K1 = e K 2 = K1 + 1 , então
2Tr
(
z K 2 Is qm ( z ) − K1Tr NωI )
l s ( z ) = (1 − K ) Is ( z ) + K T NωI
dm 1 qm 1 r
l s ( z ) + ( z + 1) K Is ( z )
dm 1 qs
(2.62)
(
z K 2 Is dm ( z ) + K1Tr NωI 1 )
l s ( z ) = (1 − K ) Is ( z ) − K T NωI
qm dm 1 r
l s ( z ) + ( z + 1) K Is ( z )
qm 1 ds
(2.63)
−1
⎡ Is qm ( z ) ⎤ ⎡ K 2 l⎤
− K1Tr Nω ⎡(1 − K1 ) Is qm ( z ) + K1Tr NωI
l s ( z ) + ( z + 1) K Is ( z ) ⎤
dm 1 qs
⎢s ⎥=⎢ ⎥ ⎢ ⎥
⎣ I dm ( z ) ⎦ ⎢⎣ K1Tr Nω
l K 2 ⎥⎦ ⎢⎣(1 − K1 ) I dm ( z ) − K1Tr NωI qm ( z ) + ( z + 1) K1Is ds ( z ) ⎥⎦
l (2.65)
s s
⎡ K2 l
K1Tr Nω ⎤
⎢ − ⎥
( ) ( )
2 2
l⎤
−1
⎢ K 2 + K1Tr Nω
2 l K 2 2 + K1Tr Nωl ⎥
⎡ K2 − K1Tr Nω
⎢ ⎥ = ⎢ ⎥
l ⎢ l ⎥ (2.66)
⎢⎣ K1Tr Nω K 2 ⎥⎦ K1Tr Nω K2
⎢ ⎥
( ) ( )
2 2
l
⎢ K 2 2 + K1Tr Nω l ⎥
K 2 2 + K1Tr Nω
⎣ ⎦
Os termo zIqs(z) e zIds(z) são computados por filtros na forma de variáveis de estados,
conforme foi proposto por Martins [40], apresentados na seção 2.6.
⎡ω⎤
y = [1 0] ⎢ ⎥
(2.68)
⎣ TL ⎦
⎡ Bn 1⎤
− − ⎥
A m _ red =⎢ J J
⎢ ⎥ (2.70)
⎢⎣ 0 0 ⎥⎦
⎡1 ⎤
Bm _ red = ⎢J⎥
⎢ ⎥ (2.71)
⎣0⎦
Cm _ red = [1 0]
(2.72)
Os ganhos deste filtro são determidados, conforme Aström et. alli (1997) [2], como
K ( k ) = P ( k ) Ck T ( Ck P ( k ) C k T + R )
−1
(2.75)
P ( k + 1) = A k ( P ( k ) − K ( k ) Ck P ( k ) ) A k T + B k QB k T (2.76)
(
x k ( k + 1) = A k x k ( k ) + B k u k ( k ) + A k K ( k ) y ( k ) − Ck x k ( k ) ) (2.77)
l (k) .
O valor de entrada de y(k) representa o valor da estimativa da velocidade ω
Como este filtro possui a capacidade de tratar sinais com ruídos, é realizada a realimentação
lk (k) .
do controlador com a velocidade filtrada por Kalman ω
O filtro de variáveis de estado insere um atraso de fase nos sinais. Este filtro é
necessário na determinação da variação dos sinais de tensão e corrente utilizados no estimador
de velocidade e no controlador.
A função de transferência do filtro é de segunda ordem já que é necessária a obtenção
das derivadas de primeira ordem.
ωf 2
Gf (s ) = (2.78)
( s + ωf )
2
T
Bf = ⎡⎣0 ωf 2 ⎤⎦ (2.81)
53
xf = [ u f ρu f ]
T
(2.82)
ρu f .
xf ( k + 1) = ( I + A f t s ) xf ( k ) + Bf t s u f ( k ) (2.83)
PROJETO DO SISTEMA DE
CONTROLE
3.1 INTRODUÇÃO
i
I ds = −a12 Ids + ω x I qs + a13a11λ dr + a13 Nωλ qr + a14 u ds (3.2)
i
λ qr = −a11λ qr − ( ω x − Nω ) λ dr + a11L m Iqs (3.3)
i
λ dr = −a11λ dr + ( ω x − Nω ) λ qr + a11L m I ds (3.4)
TL
ω = μ ( λ dr Iqs − λ qr I ds ) −
i
(3.5)
J
a0 Ls L r − L m 2 (3.6)
Rr
a11 (3.7)
Lr
56
⎛ Ls L r R s L m 2 ⎞
a12 ⎜ + a11 ⎟ (3.8)
⎝ a 0 Ls a0 ⎠
Lm
a13 (3.9)
a0
Lr
a14 (3.10)
a0
NL m
μ= (3.11)
JL r
lim t →∞ ( λ dr ( t ) − λ* ( t ) ) = 0 .
λ qr = 0 (3.12)
λ dr = λ∗ (3.13)
eω = ω − ω* (3.16)
Os controladores das correntes “qd” são determinados através das equações (3.1) e
(3.2), de onde tem-se que
u qs =
1
a14
(
a12 Iqs* + ω x I ds* + a13 λ* N ( ω* + e ω ) + ρI qs ) (3.17)
e
58
1
u ds =
a14
( a12 Ids* − ωx Iqs* − a11a13λ* + ρIds ) (3.18)
Vqs = u qs − u q (3.19)
Vds = u ds − u d (3.20)
⎛ k ⎞ ⎛ k ⎞
onde u q = ⎜ k pv + iv ⎟ i qs e u d = ⎜ k pv + iv ⎟ i ds .
⎝ s ⎠ ⎝ s ⎠
A velocidade síncrona é obtida por um rearranjo da equação (3.3), de onde resulta
a11L m *
ω x = Nω + I qs (3.21)
λ*
Iqs∗ = i q − i q (3.24)
⎛ k ⎞
onde i q = ⎜ k p _ iq + i _ iq ⎟ eω . Na implementação do controlador de velocidade discreto,
⎝ s ⎠
é realizado a discretização das equações (3.23)-(3.24) utilizando a metodologia de Tustin (ou
discretização bilinear) [50].
•
⎡
⎢
⎡ λ qr ⎤ ⎢
R
− r ( ⎤
− ω x − Nω ⎥ ) ⎡ R r Lm
⎢ L 0 ⎥
⎤
⎥ ⎡⎢ qr ⎤⎥ + ⎢ r ⎥ ⎡⎢ qs ⎤⎥
Lr λ I
⎢λ ⎥ = ⎢ (3.25)
⎣ dr ⎦
⎣
(
⎢ ωx − Nω ) − r
R
Lr
⎥ ⎣ λ dr ⎦ ⎢
⎥
⎦
⎢ 0
⎣
R r L m ⎥ ⎣ Ids ⎦
L r ⎥⎦
⎡ λ qr(k +1) ⎤
⎡
⎢
R
1 − r ⋅ ts
Lr
( )
⎤
− ω x − Nω ⋅ t s ⎥
⎡ R r Lm
⎡ λ qr(k ) ⎤ ⎢ L r
⋅ ts 0
⎤
⎥ ⎡I ⎤
⎢λ ⎥=⎢ ⎥⎢ ⎥+⎢ ⎥ ⎢ qs(k ) ⎥
(
⎣ dr(k +1) ⎦ ⎢ ω − Nω ⋅ t
) ⎥ ⎣ λ dr(k ) ⎦ ⎢ R r L m ⎥ ⎣ Ids(k ) ⎦
Rr (3.26)
⎢ x s 1− ⋅ ts ⎥ ⎢ 0 ⋅ ts ⎥
⎣ Lr ⎦ ⎣ Lr ⎦
k iv
G iqd = k pv + (3.27)
s
e
61
1
G pv = (3.28)
Ls ⋅ σ ⋅ s + R s
Figura 3.2 – Diagrama de blocos do modelo simplificado do motor de indução com adição dos
controladores PI
s ⋅ k pv + k iv
Ls ⋅ σ
Tpv = (3.30)
k pv
k
s + 2
⋅ s + iv
Ls ⋅ σ Ls ⋅ σ
Para um ganho equivalente de 0,707, a largura de banda deve ser 3,01db, ou seja
⎛ ω ( jωb ) ⎞
20 log ⎜ ⎟ = 3, 01db (3.32)
⎜ ωref ( jωb ) ⎟
⎝ ⎠
2δωn ( jωb ) + ωn 2
= 0, 707 (3.33)
( jωb ) + 2δωn ( jωb ) ⋅ ( jωb ) + ωn 2
2
( 2δωn ωb ) + ( ωn 2 )
2 2
= 0,5 (3.34)
(ω n
2
− ωb 2 2
) + ( 2δω ω )n b
2
Isolando ωn 4 , obtém-se
ou,
⎡⎛ 2 2
⎞ 2⎤ 2
⎛ ω ⎞ ⎛ ω ⎞ ⎛ ω ⎞
1 = 0,5 ⎢⎜ 1 − ⎜ ⎟ ⎟ + 4δ ⎜ ⎟ ⎥ − 4δ ⎜ ⎟
b 2 b 2 b (3.37)
⎢⎜ ⎝ ω n ⎠ ⎟ ⎝ ωn ⎠ ⎥ ⎝ ωn ⎠
⎣⎝ ⎠ ⎦
63
Definindo-se
2
⎛ω ⎞
a =⎜ b ⎟ (3.38)
⎝ ωn ⎠
1 = 0,5 ⎡(1 − a ) + 4δ 2 a ⎤ − 4δ 2 a
2
(3.39)
⎣ ⎦
ou,
a = 2δ 2 + 1 ± (1 + 2δ ) 2 2
+1 (3.41)
ωb = ωn 2δ 2 + 1 ± (1 + 2δ ) 2 2
+1 (3.42)
Os ganhos kpv e kiv são definidos substituindo-se (3.42) nas equações (3.43) e (3.44)
respectivamente
2δωb Ls ⋅ σ
k pv = (3.45)
(1 + 2δ2 ) + 1
2
2δ 2 + 1 ±
e
ωb 2 Ls ⋅ σ
k iv = (3.46)
2δ 2 + 1 ± (1 + 2δ ) 2 2
+1
64
⎛ k ⋅t ⎞
k pv _ z = k pv − ⎜ iv s ⎟ (3.47)
⎝ 2 ⎠
e
k iv _ z = k iv ⋅ t s (3.48)
s 2
+
(B + k p _ iq ⋅ K TN )
s+
k i _ iq ⋅ K TN (3.51)
J J
k p _ iq ⋅ K TN k i _ iq ⋅ K TN
s⋅ +
Tω = J J (3.52)
k p _ iq ⋅ K TN k i _ iq ⋅ K TN
s +
2
s+
J J
Figura 3.3 – Diagrama de blocos do modelo simplificado do motor de indução com adição dos
controladores PI
ωb 2 ⋅ J
k iv = (3.58)
⎛ ⎞
K TN ⎜ 2δ 2 + 1 ±
⎝
(1 + 2δ ) 2 2
+1⎟
⎠
k i _ iqz = k i _ iq ⋅ t s (3.60)
Estas correntes computam os valores de tensão uds e uqs compensadas por um controlador PI
de forma a gerar as tensões Vds e Vqs para a alimentação do motor de indução. Com os valores
das grandezas estatóricas em coordenadas αβ, é realizada a estimação da velocidade. Este
valor estimado é filtrado pelo filtro de Kalman que também estima o torque de carta TL e
realimentam o sistema de controle de velocidade.
RESULTADOS DE SIMULAÇÃO
4.1 INTRODUÇÃO
4.2.2 CONTROLADORES
K pω 1
K iω 10
≈ 80
Tr
k pv 14, 1544
k iv 0,0758
k p _ iq 0,0605
k i _ iq 0,00000908
70
λ* = L m ⋅ I d* (4.1)
•
Tm = Te − TL = J ω+ Bn ω (4.3)
Te = K tn Iqs* (4.4)
x ( k + 1) = ( I + At s ) x ( k ) + Bt s u ( k ) (4.5)
71
A figura 4.2 ilustra a trajetória de velocidade real e estimada. Durante os três primeiros
segundos é realizado a magnetização do motor com velocidade nula. Após 4 segundos é
mantida a referência de velocidade de 18 rad/s.
20 20
15 15
Velocidade estimada(rad/s)
Velocidade real(rad/s)
10 10
5 5
0 0
-5 -5
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
Tempo(s) Tempo(s)
0.3
0.25
0.2
Torque Estimado
0.15
0.1
0.05
-0.05
0 1 2 3 4 5 6 7 8
Tempo(s)
1.2 0.6
1 0.5
0.4
0.8
0.3
Corrente Ids
Corrente Iqs
0.6
0.2
0.4
0.1
0.2
0
0 -0.1
-0.2 -0.2
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
Tempo(s) Tempo(s)
100 100
80 80
Velocidade estimada(rad/s)
Velocidade real(rad/s)
60 60
40 40
20 20
0 0
-20 -20
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
Tempo(s) Tempo(s)
1.2
0.8
Torque Estimado
0.6
0.4
0.2
-0.2
0 1 2 3 4 5 6 7 8
Tempo(s)
1.2 0.6
1 0.5
0.8 0.4
Corrente Ids
Corrente Iqs
0.6 0.3
0.4 0.2
0.2 0.1
0 0
-0.2 -0.1
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
Tempo(s) Tempo(s)
PLATAFORMA EXPERIMENTAL
5.1 INTRODUÇÃO
A simulação por Hardware de tempo real possibilita uma avaliação prévia do sistema a
ser implementado sem a presença física do motor. As características elétricas e mecânicas do
motor foram sumarizadas na seção 4.2.1.
Para implementação do algoritmo de controle realizou-se as seguintes considerações:
Para melhor representar o comportamento dinâmico do motor de indução
trifásico na simulação, foi empregado o modelo do motor de indução trifásico
utilizando uma biblioteca de ponto-flutuante.
Empregou-se a biblioteca de ponto fixo na execução do estimador de torque
(Filtro de Kalman).
Na estimação da velocidade via algoritmo MRAS, e nos controladores de fluxo,
de velocidade e de corrente, foram utilizados a biblioteca de ponto-flutuante. Esta
decisão deve-se ao fato de que, em ambos os casos, são necessários filtros na forma de
variáveis de estado. Estes filtros apresentam uma variação de valores numéricos de
suas variáveis a qual é extremamente significativa. Embora a utilização de bibliotecas
de ponto-flutuante ocupe maior tempo de processamento, como o algoritmo de
controle é relativamente simples e de fácil execução, isto não se tornou um impecilho.
No algoritmo dos controladores, foi estabelecido limites para os sinais de
controle. Ações de controle sem limitação podem computar sinais de controle acima
dos níveis desejados.
30 25
25
20
20
Velocidade estimada
15
Velocidade real
15
10
10
5
5
0 0
-5 -5
2 4 6 8 10 12 2 4 6 8 10 12
Tempo(s) Tempo(s)
0,3
-0,3
2 4 6 8 10 12
Tempo(s)
2 1
1.5
0.5
Correntes Ids
Correntes Iqs
1
0
0.5
-0.5
0
-0.5 -1
2 4 6 8 10 12 2 4 6 8 10 12
Tempo(s) Tempo(s)
Observa-se uma grande oscilação na corrente Iqs na partida do motor, esta variação é
reflexo da sensibilidade do estimador de torque (filtro de Kalman). Este erro de estimativa do
torque também é a causa do overshoot da velocidade.
120 120
100 100
80 80
Velocidade estimada
Velocidade real
60 60
40 40
20 20
0 0
-20 -20
2 4 6 8 10 12 2 4 6 8 10 12
Tempo(s) Tempo(s)
1.5
0.5
-0.5
2 4 6 8 10 12
Tempo(s)
2.5
1.5
2
1.5
Correntes Ids
Correntes Iqs
1
0.5 0.5
0
0
-0.5
-0.5 -1
2 4 6 8 10 12 2 4 6 8 10 12
Tempo(s) Tempo(s)
Para a realização dos ensaios com distúrbio de torque, foi acoplado um motor de
84
corrente contínua ao eixo do motor de indução. Este acoplamento insere uma carga de valor
significativo que não foi considerada na modelagem. De forma que o momento de inércia do
motor passa a ser diferente do informado pelo fabricante, tornando necessário a determinação
do novo valor do momento de inércia do conjunto motor-gerador.
A estimação do momento de inércia é realizada empregando um controle de corrente
proporcional integral. A corrente de eixo direto é mantida fixa Ids = 1,5 A. Já a corrente de
quadratura é nula durante os quatro segundos iniciais para magnetização do motor e muda
instantaneamente a Iqs = 0,15A.
Realizado o acionamento do motor de indução, a velocidade cresce linearmente até
atingir um regime permanente. São apontados o valor da velocidade em regime permanente
ω = 130 rad/s e o tempo em segundos onde a velocidade atinge 63,2% de seu valor máximo
t6,32% = 7,08s. Através do modelo mecânico do motor de indução o coeficiente de atrito pode
ser determinado por
NL m 2 ⋅ I ds Iqs
Bn = (5.2)
Lr ω
J = Bn t 63,2% (5.3)
distúrbio de torque. Como se tem um estimador dos fluxos rotóricos a partir das correntes
medidas, conforme apresentado na seção 3.3, o torque elétrico é computado por
Lm
Te = N
Lr
( λdr Iqs − Ids λ qr ) (5.4)
18
16
14
12
Velocidade real
10
0
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8
Tempo(s)
0.14
0.1
0.08
0.06
0.04
0.02
0
1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8
Tempo(s)
1.2 0.5
1 0.4
Corrente Ids
Corrente Iqs
0.8 0.3
0.6 0.2
0.4 0.1
0.2 0
0 -0.1
1 1.2 1.4 1.6 1.8 2 1 1.2 1.4 1.6 1.8 2
Tempo(s) Tempo(s)
1 1
0.8
0.6
0.5
0.4
0.2
Corrente IR
Corrente IS
0 0
-0.2
-0.4
-0.5
-0.6
-0.8
-1 -1
1 1.2 1.4 1.6 1.8 2 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2
Tempo(s) Tempo(s)
30
20
10
Tensao VRS
-10
-20
-30
1 1.2 1.4 1.6 1.8 2
Tempo(s)
Figura 5.12 – Tensão VRS que será transformada em PWM para acionamento do motor
20
18
Velocidade real
16
14
12
10
8 10 20 30 40 50 60
Tempo(s)
15
10
Erro de Rastreamento (%)
-5
-10
-15
-20
10 20 30 40 50 60
Tempo(s)
1.4
0.8
0.6
0.4
0.2
0
5 8 10 15 20 25 30 35 40 45 50 55 60
Tempo(s)
1.4 1.6
1.4
1.2
1.2
1
1
Corrente Ids
Corrente Iqs
0.8 0.8
0.6 0.6
0.4
0.4
0.2
0.2
0
0 -0.2
10 20 30 40 50 60 10 20 30 40 50 60
Tempo(s) Tempo(s)
55
50
Velocidade real
45
40
35
8 10 20 30 40 50 60
Tempo(s)
10
5
Erro de Rastreamento (%)
-5
-10
-15
10 20 30 40 50 60
Tempo(s)
1.2
0.8
0.6
0.4
0.2
0
8 10 20 30 40 50 60
Tempo(s)
O valor do torque estimado pelo filtro de Kalman sem carga é igual ao caso anterior,
onde se verificou que ocorria uma pequena variação em diferentes faixas de velocidade.
Na figura 5.20, são ilustradas as correntes de eixo direto e de quadratura. Na aplicação
do distúrbio de torque, visualiza-se uma variação na corrente Iqs para a compensação do
sistema.
1.4 1.6
1.4
1.2
1.2
1
1
Corrente Ids
Corrente Iqs
0.8 0.8
0.6 0.6
0.4
0.4
0.2
0.2
0
0 -0.2
10 20 30 40 50 60 10 20 30 40 50 60
Tempo(s) Tempo(s)
20 20
15 15
10 10
5 5
0 0
1 1.5 2 2.5
1 1.5 2 2.5
Tempo(s) Tempo(s)
1.5 0.8
0.7
0.6
1 0.5
Corrente Ids (A)
0.4
0.3
0.5 0.2
0.1
0 -0.1
1 1.5 2 2.5 1 1.5 2 2.5
Tempo(s) Tempo(s)
1.5 1.5
1 1
0.5 0.5
Corrente IR (A)
Corrente IS (A)
0 0
-0.5 -0.5
-1 -1
-1.5 -1.5
1 1.5 2 2.5 1 1.5 2 2.5
Tempo(s) Tempo(s)
20 20
Velocidade estimada (rad/s)
Velocidade real (rad/s)
15 15
10 10
5 5
0 0
-5 -5
10 20 30 40 50 60 10 20 30 40 50 60
Tempo(s) Tempo(s)
10
0
Erro de Estimativa (%)
-5
-10
-15
-20
-25
-30
10 20 30 40 50 60
Tempo(s)
2
1.5
Corrente Ids(A)
Corrente Iqs(A)
1.5
1
1
0.5
0.5
0 0
10 20 30 40 50 60 10 20 30 40 50 60
Tempo(s) Tempo(s)
1.6
1.4
1.2
Torque estimado(Nm)
0.8
0.6
0.4
0.2
0
10 20 30 40 50 60
Tempo(s)
60 50
50
40
40
30
30
20
20
10
10
0 0
10 20 30 40 50 60 10 20 30 40 50 60
Tempo(s) Tempo(s)
10
5
Erro de Estimativa (%)
-5
-10
-15
10 20 30 40 50 60
Tempo(s)
2 2.5
2
1.5
Corrente Ids(A)
Corrente Iqs(A)
1.5
1
1
0.5
0.5
0 0
10 20 30 40 50 60 10 20 30 40 50 60
Tempo(s) Tempo(s)
1.8
1.6
1.4
Torque estimado(Nm)
1.2
0.8
0.6
0.4
0.2
0
10 20 30 40 50 60
Tempo(s)
CONCLUSÃO
controle, o torque deve ser aplicado em regime permanente, isto é, velocidade constante.
Além disto, as variações de torque de carga devem ser suaves.
Desta forma, as principais contribuições deste trabalho são:
Estudo da técnica de controle realimentada linearizada aplicada a
servomecanismos de motor de indução.
Averiguação do sistema de controle sensorless proposto frente a variações de
carga, inclusive em baixas velocidades de rotação.
Inclusão de controladores proporcionais integrais para obter erro nulo em regime
permanente naquilo que já foi desenvolvido por Montanari et. alli [43]-[47] e Marino
et. alli [38]-[39].
Por fim, podem-se citar algumas sugestões para futuros trabalhos:
A busca de uma metodologia de adaptativa para computar os ganhos dos
controladores em tempo-real na melhoria do desempenho da compensação do torque.
Avaliação dos sistema frente a variações paramétrica do motor e implementação
de estimativas em tempo-real para compensação do algoritmo de controle.
A utilização de outras técnicas de estimação da velocidade de rotação para a
controle realimentado linearizado.
Estudo da aplicação de uma técnica de controle robusta, sliding mode, discreto
para servomecanismos sensorless.
ReferênciasBibliográficas
[1]
Abbondanti, Alberto; Brennen, Michael B., "Variable Speed induction Motor
Drives Use Electronic Slip Calculator Based on Motor Voltages and Currents,"
Industry Applications, IEEE Transactions on , vol.IA-11, no.5, pp.483-488, Sept.
1975.
[2]
Aström, K.; Wittenmark, B. “Computer-Controlled Systems: Theory and Design”.
Prentice-Hall, New Jersey, 1997.
[3]
Bacha, F.; Dhifaoui, R.; Buyse, H., "Real-time implementation of direct torque
control of an induction machine by fuzzy logic controller," Electrical Machines and
Systems, 2001. ICEMS 2001. Proceedings of the Fifth International Conference on,
vol.2, no., pp.1244-1249 vol.2, Aug 2001.
[4]
Béres, Z.; Vranka, P., "Sensorless IFOC of induction motor with current regulators
in current reference frame," Industry Applications, IEEE Transactions on , vol.37,
no.4, pp.1012-1018, Jul/Aug 2001.
[5]
Bose, B.K.; Godoy Simoes, M.; Crecelius, D.R.; Rajashekara, K.; Martin, R.,
"Speed sensorless hybrid vector controlled induction motor drive," Industry
Applications Conference, 1995. Thirtieth IAS Annual Meeting, IAS '95., Conference
Record of the 1995 IEEE , vol.1, no., pp.137-143 vol.1, 8-12 Oct 1995.
[6]
Bose, B.K., "High performance control and estimation in AC drives," Industrial
Electronics, Control and Instrumentation, 1997. IECON 97. 23rd International
Conference on, vol.2, no., pp.377-385 vol.2, 9-14 Nov 1997.
[7]
Buja, G.S.; Kazmierkowski, M.P., "Direct torque control of PWM inverter-fed AC
motors - a survey," Industrial Electronics, IEEE Transactions on , vol.51, no.4, pp.
103
[8]
Câmara, H. T.; Gründling, H. A.; “A MRLS with MRC Applied to Sensorless
Speed Control Induction Motor Drive”; VI Conferência Internacional de
Aplicações Industriais, INDUSCON 2004, JOINVILLE 2004.
[9]
Casadei, D.; Grandi, G.; Serra, G.; Tani, A., "Effects of flux and torque hysteresis
band amplitude in direct torque control of induction machines," Industrial
Electronics, Control and Instrumentation, 1994. IECON '94, 20th International
Conference on , vol.1, no., pp.299-304 vol.1, 5-9 Sep 1994.
[10]
Casadei, D.; Serra, G.; Tani, A., "Sensitivity investigation of a speed sensorless
induction motor drive based on stator flux vector control," Power Electronics
Specialists Conference, 1997. PESC '97 Record., 28th Annual IEEE, vol.2, no.,
pp.1055-1060 vol.2, 22-27 Jun 1997.
[11]
Casadei, D.; Profumo, F.; Serra, G.; Tani, A., "FOC and DTC: two viable schemes
for induction motors torque control," Power Electronics, IEEE Transactions on,
vol.17, no.5, pp. 779-787, Sep 2002.
[12]
Cilia, J.; Asher, G.M.; Bradley, K.J.; Sumner, M., "Sensorless position detection for
vector-controlled induction motor drives using an asymmetric outer-section cage,"
Industry Applications, IEEE Transactions on , vol.33, no.5, pp.1162-1169, Sep/Oct
1997.
[13]
Cirrincione, M.; Pucci, M.; Cirrincione, G.; Capolino, G.-A., "An adaptive speed
observer based on a new total least-squares neuron for induction machine drives,"
Industry Applications, IEEE Transactions on , vol.42, no.1, pp. 89-104, Jan.-Feb.
2006.
[14]
Chapman, S.J.; “Electric machinery fundamentals” 3ªEd. McGraw-Hill 1999.
[15]
Consoli, A.; Scarcella, G.; Testa, A., "Speed- and current-sensorless field-oriented
induction motor drive operating at low stator frequencies," Industry Applications,
IEEE Transactions on , vol.40, no.1, pp. 186-193, Jan.-Feb. 2004.
104
[16]
Depenbrock, M., "Direct self-control (DSC) of inverter-fed induction machine,"
Power Electronics, IEEE Transactions on , vol.3, no.4, pp.420-429, Oct 1988.
[17]
Giménez, R. B.; High Speed Performance Sensorless Vector Control of Induction
Motor Drives, Philosophy Doctor thesis, University of Nottingham, December
1995.
[18]
Haffner, J. F.; “Análise de Estimadores de Fuxo para Implementação de Técnicas
de Controle por Campo Orientado Direto em Máquinas de Indução” Dissertação de
Mestrado em Engenharia Elétrica – Pontifícia Universidade Católica do Rio Grande
do Sul, PUC-RS Dezembro, 1998.
[19]
Harnefors, L., "Instability phenomena and remedies in sensorless indirect field
oriented control," Power Electronics, IEEE Transactions on , vol.15, no.4, pp.733-
743, Jul 2000.
[20]
Harnefors, L., "Globally Stable Speed-Adaptive Observers for Sensorless Induction
Motor Drives," Industrial Electronics, IEEE Transactions on , vol.54, no.2,
pp.1243-1245, April 2007.
[21]
Harnefors, L.; Hinkkanen, M., "Complete Stability of Reduced-Order and Full-
Order Observers for Sensorless IM Drives," Industrial Electronics, IEEE
Transactions on , vol.55, no.3, pp.1319-1329, March 2008.
[22]
Hinkkanen, M.; Luomi, J., "Stabilization of regenerating-mode operation in
sensorless induction motor drives by full-order flux observer design," Industrial
Electronics, IEEE Transactions on , vol.51, no.6, pp. 1318-1328, Dec. 2004.
[23]
Holtz, J., "Sensorless control of induction motor drives," Proceedings of the IEEE ,
vol.90, no.8, pp. 1359-1394, Aug 2002.
[24]
Hori, Y.; Umeno, T., "Implementation of robust flux observer based field
orientation (FOFO) controller for induction machines," Industry Applications
Society Annual Meeting, 1989., Conference Record of the 1989 IEEE , vol., no.,
pp.523-528 vol.1, 1-5 Oct 1989.
105
[25]
Jacobina, C.B.; Bione Fo, J.; Salvadori, F.; Lima, A.M.N.; Ribeiro, L.A.S., "A
simple indirect field oriented control of induction machines without speed
measurement," Industry Applications Conference, 2000. Conference Record of the
2000 IEEE, vol.3, no., pp.1809-1813 vol.3, 2000.
[26]
Jansen, P.L.; Lorenz, R.D., "Transducerless position and velocity estimation in
induction and salient AC machines," Industry Applications, IEEE Transactions on ,
vol.31, no.2, pp.240-247, Mar/Apr 1995.
[27]
Kang, J.K.; Chung, D. W.; Sul, S.K.; "Direct torque control of induction machine
with variable amplitude control of flux and torque hysteresis bands," Electric
Machines and Drives, 1999. International Conference IEMD '99 , vol., no., pp.640-
642, May 1999.
[28]
Kim, Y.R.; Sul, S.K.; Park, M.H.; "Speed sensorless vector control of induction
motor using extended Kalman filter," Industry Applications, IEEE Transactions on,
vol.30, no.5, pp.1225-1233, Sep/Oct 1994.
[29]
Kim, Y.S.; Kim, S.U.; Yang, L.W.; "Implementation of a speed sensor-less vector
control of induction motor by reduced-order extended Kalman filter," Applied
Power Electronics Conference and Exposition, 1995. APEC '95. Conference
Proceedings 1995., Tenth Annual , vol., no.0, pp.197-203 vol.1, 5-9 Mar 1995.
[30]
Kook, Y.S.; Kim, Y.H.; Lee, B.S.; "Implementation of speed sensorless induction
motor drives by fast learning neural network using recursive least squares
approach," Power Electronic Drives and Energy Systems for Industrial Growth,
1998. Proceedings. 1998 International Conference on , vol.2, no., pp. 745-750 Vol.
2, 1-3 Dec. 1998.
[31]
Kubota, H.; Matsuse, K., "Speed sensorless field-oriented control of induction
motor with rotor resistance adaptation," Industry Applications, IEEE Transactions
on, vol.30, no.5, pp.1219-1224, Sep/Oct 1994.
[32]
Kubota, H.; Matsuse, K.; Nakano, T., "DSP-based speed adaptive flux observer of
induction motor," Industry Applications, IEEE Transactions on, vol.29, no.2,
106
[33]
Krause, P.C.; Analysis of electric machinery, McGraw-Hill, United States of
America, 1986.
[34]
Lai, Y.S.; Chen, J.H., "A new approach to direct torque control of induction motor
drives for constant inverter switching frequency and torque ripple reduction ,"
Energy Conversion, IEEE Transaction on , vol.16, no.3, pp.220-227, Sep 2001.
[35]
Lascu, C.; Boldea, I.; Blaabjerg, F., "Direct torque control of sensorless induction
motor drives: a sliding-mode approach," Industry Applications, IEEE Transactions
on, vol.40, no.2, pp. 582-590, March-April 2004.
[36]
Lascu, C.; Trzynadlowski, A.M., "A sensorless hybrid DTC drive for high-volume
low-cost applications," Industrial Electronics, IEEE Transactions on, vol.51, no.5,
pp. 1048-1055, Oct. 2004.
[37]
Maes, J.; Melkebeek, J.A., "Speed-sensorless direct torque control of induction
motors using an adaptive flux observer," Industry Applications, IEEE Transactions
on, vol.36, no.3, pp.778-785, May/Jun 2000.
[38]
Marino, R.; Peresada, S.; Valigi, P., "Adaptive partial feedback linearization of
induction motors," Decision and Control, 1990., Proceedings of the 29th IEEE
Conference on , vol., no., pp.3313-3318 vol.6, 5-7 Dec 1990.
[39]
Marino, R.; Tomei, P.; Verrelli, C. M.; “A global tracking control for speed-
sensorless induction motors”; Automatica - Elsevier, 40(6):1071–1077, June 2004.
[40]
Martins, O. S.; “Comparação de Técnicas de Controle de Velocidade Sensorless
Aplicadas a Motores de Indução em Plataforma DSP”; Dissertação de Mestrado em
Engenharia Elétrica – Universidade Federa de Santa Maria, UFSM, Rio Grande do
Sul, Brasil, 2006.
[41]
Misawa, E.A., "Observer-based discrete-time sliding mode control with
computational time delay: the linear case," American Control Conference, 1995.
107
[42]
Miloudi, A.; Radadi, E.A.A.; Draou, A.; Miloud, Y., "Simulation and modelling of
a variable gain PI controller for speed control of a direct torque neuro fuzzy
controlled induction machine drive," Power Electronics Specialists Conference,
2004. PESC 04. 2004 IEEE 35th Annual, vol.5, no., pp. 3493-3498 Vol.5, 20-25
June 2004.
[43]
Minami, K.; Vélez-Reyes, M.; Elten, D.; Verghese, G.C.; Filbert, D., "Multi-stage
speed and parameter estimation for induction machines," Power Electronics
Specialists Conference, 1991. PESC '91 Record., 22nd Annual IEEE, vol., no.,
pp.596-604, 24-27 Jun 1991.
[44]
Montanari, M.; Peresada, S.; Tilli, A.; Tonielli, A., "Speed sensorless control of
induction motor based on indirect field-orientation," Industry Applications
Conference, 2000. Conference Record of the 2000 IEEE , vol.3, no., pp.1858-1865
vol.3, 2000.
[45]
Montanari, M.; Peresada, S.; Tilli, A., "Sensorless indirect field oriented control of
induction motor via adaptive speed observer," American Control Conference, 2003.
Proceedings of the 2003, vol.6, no., pp. 4675-4680 vol.6, 4-6 June 2003.
[46]
Montanari, M.; Tilli, A.; Peresada, S., "Sensorless control of induction motor with
adaptive speed-flux observer," Decision and Control, 2004. CDC. 43rd IEEE
Conference on , vol.1, no., pp. 201-206 Vol.1, 14-17 Dec. 2004.
[47]
Montanari, M.; Peresada, S.M.; Rossi, C.; Tilli, A., "Speed Sensorless Control of
Induction Motors Based on a Reduced-Order Adaptive Observer," Control Systems
Technology, IEEE Transactions on , vol.15, no.6, pp.1049-1064, Nov. 2007.
[48]
Nash, J.N., "Direct torque control, induction motor vector control without an
encoder," Industry Applications, IEEE Transactions on , vol.33, no.2, pp.333-341,
Mar/Apr 1997.
[49]
Neves, F.S.; Landim, R.P.; Habetler, T.G.; Menezes, B.R.; Silva, S.R., "Induction
motor DTC strategy using discrete-time sliding mode control," Industry
108
[50]
Ogata, K. “Discrete-time Control Systems”. 2ed. Estados Unidos da América:
Prentice-Hall, 1995.
[51]
Peresada, S.; Tilli, A.; Tonielli, A., "Indirect field-oriented control of induction
motor: new design leads to improved performance and efficiency," Industrial
Electronics Society, 1998. IECON '98. Proceedings of the 24th Annual Conference
of the IEEE, vol.3, no., pp.1609-1614 vol.3, 31 Aug-4 Sep 1998.
[52]
Peresada, S.; Montanari, M.; Tilli, A.; Kovbasa, S., "Sensorless indirect field-
oriented control of induction motors, based on high gain speed estimation," IECON
02 [Industrial Electronics Society, IEEE 2002 28th Annual Conference of the] ,
vol.2, no., pp. 1702-1709 vol.2, 5-8 Nov. 2002.
[53]
Peng, F. Z.; Fukao, T., "Robust speed identification for speed-sensorless vector
control of induction motors," Industry Applications, IEEE Transactions on , vol.30,
no.5, pp.1234-1240, Sep/Oct 1994.
[54]
Peng, F. Z.; Fukao, T.; Lai, J.S.; "Low-speed performance of robust speed
identification using instantaneous reactive power for tacholess vector control of
induction motors," Industry Applications Society Annual Meeting, 1994.,
Conference Record of the 1994 IEEE , vol., no., pp.509-514 vol.1, 2-6 Oct 1994.
[55]
Rodic, M.; Jezernik, K., "Speed-sensorless sliding-mode torque control of an
induction motor," Industrial Electronics, IEEE Transactions on , vol.49, no.1,
pp.87-95, Feb 2002.
[56]
Schauder, C., "Adaptive speed identification for vector control of induction motors
without rotational transducers," Industry Applications, IEEE Transactions on ,
vol.28, no.5, pp.1054-1061, Sep/Oct 1992.
[57]
Schroedl, M., "Sensorless control of AC machines at low speed and standstill based
on the “INFORM” method," Industry Applications Conference, 1996. Thirty-First
IAS Annual Meeting, IAS '96., Conference Record of the 1996 IEEE , vol.1, no.,
109
[58]
Sen, P.C., "Electric motor drives and control-past, present, and future," Industrial
Electronics, IEEE Transactions on , vol.37, no.6, pp.562-575, Dec 1990.
[59]
Sen, P.C.; Namuduri, C.S.; Nandam, P.K., "Evolution of control techniques for
industrial drives," Power Electronics, Drives and Energy Systems for Industrial
Growth, 1996., Proceedings of the 1996 International Conference on , vol.2, no.,
pp.869-875 vol.2, 8-11 Jan 1996.
[60]
Suemitsu, W.I.; Soares, G.A.; Imbuzeiro, R.S.S., "Electric motor drives in Brazil: a
reflection on the perspectives of the development of commercial research lines,"
Industrial Electronics, 2000. ISIE 2000. Proceedings of the 2000 IEEE
International Symposium on , vol.1, no., pp.225-229 vol.1, 2000.
[61]
Suwankawin, S.; Sangwongwanich, S., "A speed-sensorless IM drive with
decoupling control and stability analysis of speed estimation," Industrial
Electronics, IEEE Transactions on, vol.49, no.2, pp.444-455, Apr 2002.
[62]
Suwankawin, S.; Sangwongwanich, S., "Design strategy of an adaptive full-order
observer for speed-sensorless induction-motor Drives-tracking performance and
stabilization," Industrial Electronics, IEEE Transactions on , vol.53, no.1, pp. 96-
119, Feb. 2006.
[63]
Tajima, H.; Hori, Y., "Speed sensorless field-orientation control of the induction
machine ," Industry Applications, IEEE Transactions on , vol.29, no.1, pp.175-180,
Jan/Feb 1993.
[64]
Tajima, H.; Guidi, G.; Umida, H., "Consideration about problems and solutions of
speed estimation method and parameter tuning for speed-sensorless vector control
of induction motor drives," Industry Applications, IEEE Transactions on , vol.38,
no.5, pp. 1282-1289, Sep/Oct 2002.
[65]
Takahashi, Isao; Noguchi, Toshihiko, "A New Quick-Response and High-
Efficiency Control Strategy of an Induction Motor," Industry Applications, IEEE
110
[66]
Teske, N.; Asher, G.M.; Sumner, M.; Bradley, K.J., "Suppression of saturation
saliency effects for the sensorless position control of induction motor drives under
loaded conditions," Industrial Electronics, IEEE Transactions on , vol.47, no.5,
pp.1142-1150, Oct 2000.
[67]
Texas Instruments Inc. IQmath Library - A Virtual Floating Point Engine. Module
user’s Guide C28x Foundation Software, June 2002.
[68]
Texas Instruments Inc. TMS320F2810, TMS320F2811, TMS320F2812
TMS320C2810, TMS320C2811, TMS320C2812 - Digital Signal Processors Data
Manual. Literatura no: SPRS174L, April 2001 − Revisão de 2004.
[69]
Tursini, M.; Petrella, R.; Parasiliti, F., "Adaptive sliding-mode observer for speed-
sensorless control of induction motors," Industry Applications, IEEE Transactions
on , vol.36, no.5, pp.1380-1387, Sep/Oct 2000.
[70]
Utkin, V.I., "Sliding mode control design principles and applications to electric
drives," Industrial Electronics, IEEE Transactions on , vol.40, no.1, pp.23-36, Feb
1993.
[71]
Vélez-Reyes, M.; Minami, K.; Verghese, G.C., "Recursive speed and parameter
estimation for induction machines," Industry Applications Society Annual Meeting,
1989., Conference Record of the 1989 IEEE , vol., no., pp.607-611 vol.1, 1-5 Oct
1989.
[72]
Velez-Reyes, M.; Wee Liam Fung; Ramos-Torres, J.E., "Developing robust
algorithms for speed and parameter estimation in induction machines," Decision
and Control, 2001. Proceedings of the 40th IEEE Conference on , vol.3, no.,
pp.2223-2228 vol.3, 2001.
[73]
Zhang Yan; Changxi Jin; Utkin, V., "Sensorless sliding-mode control of induction
motors," Industrial Electronics, IEEE Transactions on , vol.47, no.6, pp. 1286-
1297, Dec 2000.
ANEXO A
MODELAGEM DO MOTOR DE
INDUÇÃO TRIFÁSICO
A.1 INTRODUÇÃO
A.3.1 CONSIDERAÇÕES
senoidal.
g) A máquina é considerada bipolar.
h) Não são consideradas as perdas magnéticas.
Essas considerações estabelecem simplificações para modelagem incluindo restrições
aos fenômenos físicos. Em casos, onde os efeitos da saturação não podem ser desconsiderados
são aplicadas algumas técnicas para introduzir no modelo final o efeito da saturação
magnética.
A partir destas hipóteses, é estabelecido que
a) Os fluxos são superpostos
3 3
∑λ TOTAL =∑ λ Ri + ∑ λ Si
i =1 i =1
(A.1)
λRi e λSi são o fluxo produzido pelo enrolamento “i” rotórico e estatórico
respectivamente.
b) Os enrolamentos estatórico e rotórico apresentam indutâncias e resistências
constantes. Tem-se Lr-R, Lr-S, Lr-T, Ls-R, Ls-S, Ls-T (indutâncias rotóricas e estatóricas em suas
respectivas fases) e Rr-R, Rr-S, Rr-T, Rs-R, Rs-S, Rs-T (resistências rotóricas e estatóricas em suas
respectivas fases).
c) Pela igualdade, têm-se
L r − R = L r −S = L r −T = Llr (A.2)
Ls − R = Ls −S = Ls −T = Lls (A.3)
R r − R = R r −S = R r − T = R r (A.4)
R s − R = R s −S = R s − T = R s (A.5)
L mR − R = L mR −S = L mR −T = L mR (A.6)
i
VR = R R ⋅ i R + λ R (A.9)
VS ≡ [ vS− R vS − T ]
T
v S −S (A.10)
VR ≡ [ v R −R v R −T ]
T
v R −S (A.11)
i S ≡ [ iS− R i S −S i S − T ]
T
(A.12)
i R ≡ [i R − R i R −S i R − T ]
T
(A.13)
Seguindo as definições
⎡ L lS L mS L mS ⎤
LSS = ⎢⎢ L mS L lS L mS ⎥⎥ (A.15)
⎢⎣ L mS L mS L lS ⎥⎦
⎡ ⎛ 2π ⎞ ⎛ 4π ⎞⎤
⎢ cos ( θ) cos ⎜ θ + ⎟ cos ⎜ θ + ⎟⎥
3⎠ 3 ⎠⎥
⎢ ⎝ ⎝
⎢ ⎛ 4π ⎞ ⎛ 2π ⎞⎥
LSR = LmSR ⋅ ⎢cos ⎜ θ + ⎟ cos ( θ) cos ⎜ θ + ⎟⎥ (A.16)
⎢ ⎝ 3⎠ ⎝ 3 ⎠⎥
⎢ ⎛ 2π ⎞ ⎛ 4π ⎞ ⎥
⎢cos ⎜ θ + ⎟ cos ⎜ θ + ⎟ cos ( θ) ⎥
⎣ ⎝ 3⎠ ⎝ 3⎠ ⎦
LmS e LmSR são a indutância mútua do estator e a indutância mútua entre o estator e o
rotor.
Substituindo-se o fluxo λS em (A.8) tem-se
i i ∂LSR ( θ )
VS = R S ⋅ i S + LSS ⋅ i S + LSR ⋅ i R + ⋅ iR (A.17)
∂θ
λ S = L RR ⋅ i R + L RS ⋅ i S (A.18)
L RS = LSR T (A.19)
Segundo as definições
⎡f x R ⎤
⎢ ⎥
f x RST = ⎢ f xS ⎥ (A.24)
⎢f xT ⎥
⎣ ⎦
⎡f x q ⎤
⎢ ⎥
f x qd0 = ⎢f x d ⎥ (A.25)
⎢f x 0 ⎥
⎣ ⎦
118
⎡ 1 1 ⎤
⎢1 − −
2 2 ⎥
⎢ ⎥
2 ⎢ 3 3⎥
K= ⋅ 0 − −
3 ⎢ 2 ⎥
(A.26)
2
⎢ ⎥
⎢1 1 1 ⎥
⎢2 2 2 ⎥⎦
⎣
fqd0s = ( T x s ) ⋅ f x qd0s
−1
(A.28)
⎡ cos(θ x ) −sen(θ x ) 0 ⎤
T s = ⎢⎢sen(θ x ) cos(θ x ) 0 ⎥⎥
x
(A.29)
⎢⎣ 0 0 1 ⎥⎦
119
fqd0r = ( T x r ) ⋅ f x qd0r
−1
(A.31)
⎡ cos(δ x ) −sen(δ x ) 0 ⎤
T x r = ⎢⎢sen(δ x ) cos(δ x ) 0 ⎥⎥ (A.32)
⎢⎣ 0 0 1 ⎥⎦
δx = θx − θr (A.33)
θ r = ∫ ω ⋅ dt (A.34)
θx = 0 (A.35)
δ x = −θ r (A.36)
f RSTr = ( Ts r ) ⋅ ( K ) ⋅ f s qd0r
−1 −1
(A.40)
θx = θr (A.41)
δx = 0 (A.42)
f RSTs = ( Tr s ) ⋅ ( K ) ⋅ f r qd0s
−1 −1
(A.44)
f RSTr = ( K ) ⋅ f r qd0s
−1
(A.46)
θe = ∫ ωe ⋅ dt (A.47)
θ x = θe (A.48)
δ x = θ x − θr (A.49)
f RSTr = ( Te r ) ⋅ ( K ) ⋅ f r qd0s
−1 −1
(A.53)
122
As equações das tensões (A.8) e (A.9) são escritas para uma referência arbitrária em
um sistema de coordenadas em quadratura “qd0”.
A matriz Txs representa a matriz mudança de base para a equação do estator.
(T )
x
s
−1
⋅ V x qd0s = R S ⋅ ( T x s ) ⋅ I x qd0s +
−1 d
dt
{( T x
s )
−1
⋅ λ x qd0s } (A.54)
⎡R s 0 0⎤
R S = ⎢⎢ 0 Rs 0 ⎥⎥ (A.55)
⎢⎣ 0 0 R s ⎥⎦
d x −1 x d
V x qd0s = R S ⋅ I x qd0s + T x s ⋅
dt
( T s ) ⋅ λ qd0s + λ x qd0s
dt
(A.56)
A matriz Txs foi definida em (A.29), multiplicando-a por sua derivada em relação ao
tempo
d x
Tx s ⋅ T s = −ωx ⋅ H (A.57)
dt
⎡0 −1 0 ⎤
H = ⎢⎢1 0 0 ⎥⎥ (A.58)
⎢⎣0 0 0 ⎥⎦
Reescrevendo (A.54)
d x
V x qd0s = R S ⋅ I x qd0s + λ qd0s − ωx ⋅ H ⋅ λ x qd0s (A.59)
dt
(T )x
r
−1
⋅ V x qd0r = R R ⋅ ( T x r ) ⋅ I x qd0r +
−1 d
dt
{( T x
r )
−1
⋅ λ x qd0r } (A.60)
⎡R r 0 0⎤
R R = ⎢⎢ 0 Rr 0 ⎥⎥ (A.61)
⎢⎣ 0 0 R r ⎥⎦
d x −1 x d
V x qd0r = R R ⋅ I x qd0r + T x r ⋅
dt
( Τ r ) ⋅ λ qd0r + λ x qd0r
dt
(A.62)
A matriz Txs foi definida em (A.29), multiplicando-a por sua derivada em relação ao
tempo
d x −1
Tx r ⋅
dt
( T r ) = −(ωx − ω) ⋅ H (A.63)
Reescrevendo (A.62)
d x
V x qd0r = R R ⋅ I x qd0r + λ qd0r − (ωx − ω) ⋅ H ⋅ λ x qd0r (A.64)
dt
Ls = Lls + L m (A.73)
L r = L lr + L m (A.74)
⎡ λ x qs ⎤ ⎡ Ls 0 0 ⎤ ⎡ I x qs ⎤ ⎡ L m 0 0 ⎤ ⎡ I x qr ⎤
⎢ x ⎥ ⎢ ⎢ ⎥ ⎢ ⎥
⎢ λ ds ⎥ = ⎢ 0 Ls 0 ⎥⎥ ⋅ ⎢ I x ds ⎥ + ⎢⎢ 0 Lm 0 ⎥⎥ ⋅ ⎢ I x dr ⎥ (A.75)
⎢ λ x 0s ⎥ ⎢⎣ 0 0 Lls ⎥⎦ ⎢⎣ I x 0s ⎥⎦ ⎢⎣ 0 0 0 ⎥⎦ ⎢⎣ I x 0r ⎥⎦
⎣ ⎦
⎡ λ qr ⎤ ⎡ L r
x
0 0 ⎤ ⎡ I x qr ⎤ ⎡ L m 0 0 ⎤ ⎡ I x qs ⎤
⎢ x ⎥ ⎢ ⎢ ⎥ ⎢ ⎥
⎢ λ dr ⎥ = ⎢ 0 Lr 0 ⎥⎥ ⋅ ⎢ I x dr ⎥ + ⎢⎢ 0 Lm 0 ⎥⎥ ⋅ ⎢ I x ds ⎥ (A.76)
⎢ λ x 0r ⎥ ⎢⎣ 0 0 Llr ⎥⎦ ⎢⎣ I x 0r ⎥⎦ ⎢⎣ 0 0 0 ⎥⎦ ⎢⎣ I x 0s ⎥⎦
⎣ ⎦
125
⎡ i ⎤
⎡0⎤ ⎡ I r qr ⎤ ⎢λ r qr ⎥ ⎡0 −1⎤ ⎡ λ r qr ⎤
⎢ ⎥ = R ⋅
r ⎢ r ⎥ + − ( ω − ω) ⋅ ⎢1 0 ⎥ ⋅ ⎢ r ⎥ (A.80)
⎢⎣ I qr ⎥⎦ ⎢λ r ⎥
x
⎣0⎦ ⎦ ⎣λ dr ⎦
i
⎣
⎣⎢ dr ⎦⎥
⎡ ri ⎤ ⎡ ri ⎤
⎡ 0 ⎤ R r ⎡λ r qs ⎤ R r ⋅ Ls ⎡Ir ⎤ L λ L 2 − Ls ⋅ L r I
⎢ ⎥= ⋅⎢ r ⎥ − ⋅ ⎢ r qs ⎥ + r ⋅ ⎢ iqs ⎥ + m ⋅ ⎢ iqs ⎥
⎣ 0 ⎦ L m ⎣λ ds ⎦ Lm ⎢ r ⎥ ⎢ r ⎥
⎣ I ds ⎦ L m Lm
⎣⎢ λ ds ⎦⎥ ⎣⎢ I ds ⎦⎥ (A.82)
⎡0 −1⎤ ⎡λ r qr ⎤
−(ωx − ω) ⋅ ⎢ ⎥⋅⎢ r ⎥
⎣1 0 ⎦ ⎣λ dr ⎦
A derivada dos fluxos rotóricos é escrita em função das correntes, pela substituição de
(A.79) e sua derivada em (A.82)
⎡ •r ⎤
⎡
⎡ ⎤ R r λ qr ⎤ R r ⋅ L m I qs ⎢λ qr ⎥
⎡ ⎤ ⎡ 0 −1⎤ ⎡ λ r qr ⎤
r r
0
⎢ 0 ⎥ = L ⎢ r ⎥ + L ⋅ ⎢ r ⎥ + ⎢ • ⎥ − ( ωx − ω ) ⋅ ⎢ 1 0 ⎥ ⋅ ⎢ r ⎥ (A.83)
⎣ ⎦ r ⎣ λ dr ⎦ r ⎣ I ds ⎦ ⎢λ r ⎥ ⎣ ⎦ ⎣ λ dr ⎦
⎣ dr ⎦
⎡ R r ⋅ Lm ⎤ ⎡I ⎤
r
R
⎡ •
⎤ ⎢ 0 − r − ( ωx − ω) ⎥ ⎢ r qs ⎥
⎢λ ⎥ = ⎢ Lr
r
Lr I
qr
⎥ ⋅ ⎢ ds ⎥ (A.84)
⎢ • ⎥ ⎢ R r ⋅ Lm R ⎥ ⎢λ r ⎥
⎢⎣ λ r dr ⎥⎦ ⎢ 0 − ( ωx − ω ) − r ⎥ ⎢ r qr ⎥
⎣ Lr L r ⎦ ⎢⎣λ dr ⎥⎦
⎡ ri ⎤
⎢ λ qs ⎥ = − R ⋅ ⎡ I qs ⎤ + ω ⋅ ⎡0 −1⎤ ⋅ ⎡ λ qs ⎤ + ⎡ V qs ⎤
r r r
s ⎢ r ⎥ x ⎢ ⎢ ⎥ ⎢ ⎥
⎢ ri ⎥
⎣ I ds ⎦ ⎣ 1 0 ⎥⎦ ⎣ λr ds ⎦ ⎣ V r ds ⎦ (A.85)
⎢⎣ λ ds ⎥⎦
⎣1 0 ⎦ ⎜⎝ L r ⎣ λ dr ⎦ ⎟
r (A.86)
⎣λ ⎦ds ⎣ I ds ⎦ Lr ⎣ I ds ⎦ ⎠ ⎣ V ds ⎦
Dada a matriz λqds, (A.79), e sua derivada, (A.86), a equação (A.82) é reescrita
⎡ 0 ⎤ R r ⎡ λr qr ⎤ R r ⋅ L m ⎡ I r qs ⎤ L r ⋅ R s ⎡ I r qs ⎤ ⎛ L m 2 − LS ⋅ L R ⎞ ⎡ I r ds ⎤
⎢0 ⎥ = L ⋅ ⎢ r ⎥ − L ⋅ ⎢ r ⎥ − L ⋅ ⎢ r ⎥ + ωx ⋅ ⎜ ⎟⋅⎢ r ⎥
⎣ ⎦ r ⎣ λ dr ⎦ r ⎣ I ds ⎦ m ⎣ I ds ⎦ ⎝ Lm ⎠ ⎢⎣ −I qs ⎦⎥
•
(A.87)
L ⎡ V r ⎤ L 2 − Ls ⋅ L r ⎡ Ir ⎤ ⎡ −λr ⎤
+ r ⋅ ⎢ r qs ⎥ + m ⋅ ⎢ r qs ⎥ + ω ⋅ ⎢ r dr ⎥
L m ⎣ V ds ⎦ Lm ⎣ I ds ⎦ ⎢⎣ λ qr ⎥⎦
127
Definindo-se
Lm 2
σ = 1− (A.88)
Ls ⋅ L r
Lr
Tr = (A.89)
Rr
⎡ Rs Lm 2 ⎤
• − −
⎢ L σ T L L σ −ω x ⎥ r
⎡I ⎤ ⎢ s ⋅
r
r ⋅ s⋅ r ⋅ ⎥ ⋅ ⎡ I qs ⎤
⎢ ⎥=⎢
qs
r
⎣I ⎦ Rs Lm 2 ⎥ ⎢⎣ I r ds ⎥⎦
ds
⎢ ω x − − ⎥
⎣ Ls ⋅ σ Tr ⋅ Ls ⋅ L r ⋅ σ ⎦
(A.90)
⎡ Lm ω ⋅ Lm ⎤
⎢ T ⋅ L ⋅ L ⋅ σ − L ⋅ L ⋅ σ ⎥ ⎡ λr ⎤ ⎡Vr ⎤
+⎢
r s r s r
⎥ ⋅ ⎢ qr ⎥ + 1 ⋅ ⎢ qs ⎥
⎢ ω ⋅ Lm Lm ⎥ ⎣ λr dr ⎦ LS ⋅ σ ⎣ V r ds ⎦
⎢ L ⋅L ⋅σ Tr ⋅ Ls ⋅ L r ⋅ σ ⎥⎦
⎣ s r
É obtido de (A.90)
•
⎛ R Lm 2 ⎞ r ⎛ Lm ⎞ V r ds
Ids r = ⎜ − s − ⋅
⎟ dsI + ω x ⋅ I qs
r
+ ⎜ ⋅
⎟ drλ r
+
⎝ Ls ⋅ σ Tr ⋅ Ls ⋅ L r ⋅ σ ⎠ ⎝ Tr ⋅ Ls ⋅ L r ⋅ σ ⎠ Ls ⋅ σ (A.92)
⎡0⎤ ⎡ I r qr ⎤ ⎡ 0 ⎤ ⎡0 −1⎤ ⎡ 0 ⎤
⎢ 0 ⎥ = R r ⋅ ⎢ I r ⎥ + ⎢ ri ⎥ − (ω x − ω) ⋅ ⎢1 0 ⎥ ⋅ ⎢ λr ⎥ (A.93)
⎣ ⎦ ⎢⎣ qr ⎥⎦ ⎢⎣ λ dr ⎥⎦ ⎣ ⎦ ⎣ dr ⎦
•
⎡0⎤ R r ⎡ 0 ⎤ Lm ⋅ R r ⎡ I r qs ⎤ ⎡ 0 ⎤ ⎡0 −1⎤ ⎡ 0 ⎤
⎢ 0 ⎥ = L ⋅ ⎢ λr ⎥ − L ⋅ ⎢ r ⎥ + ⎢ r ⎥ − (ωx − ω) ⋅ ⎢ ⎥⋅⎢ r ⎥ (A.95)
⎣ ⎦ r ⎣ dr ⎦ r ⎣ I ds ⎦ ⎣ λ dr ⎦ ⎣1 0 ⎦ ⎣ λ dr ⎦
De (A.96) tem-se
Rr r i
L ⋅R
⋅ λ dr + λr dr = m r ⋅ I r ds (A.98)
Lr Lr
λr dr = L m ⋅ I r ds (A.99)
Ids r ( s ) ⋅ ( Ls ⋅ σ ⋅ s + R s ) = Ls ⋅ σ ⋅ ω x ⋅ I r qs ( s ) + V r ds ( s ) (A.104)
Reorganizando (A.104)
Ids r ( s ) 1
= (A.105)
Ls ⋅ σ ⋅ ω x ⋅ I qs ( s ) + V
r r
ds (s ) Ls ⋅ σ ⋅ s + R s
Obtém-se de (A.90)
•
Rs Lm2 ⎛ ω ⋅ Lm ⎞ r V r qs
I r qs = −ω x ⋅ I r ds − ⋅ I r qs − ⋅ I r qs − ⎜ ⋅
⎟ drλ +
Ls ⋅ σ Tr ⋅ Ls ⋅ L r ⋅ σ ⎝ Ls ⋅ L r ⋅ σ ⎠ Ls ⋅ σ (A.108)
L m ⋅ ωx r
Considerando-se que λrdr é constante, o valor de ⋅ λ dr é interpretado como um
LR
distúrbio de torque. Desconsiderando esse valor e aplicando a transformada de Laplace em
(A.109)
Iqs r ( s ) ⋅ ( Ls ⋅ σ ⋅ s + R s ) = − Ls ⋅ σ ⋅ ω x ⋅ I r ds ( s ) + V r qs ( s ) (A.110)
Reescrevendo-se (A.110)
130
I r qs ( s ) 1
= (A.111)
V r
qs ( s ) − Ls ⋅ σ ⋅ ωx ⋅ I ds ( s )
r
Ls ⋅ σ ⋅ s + R s
⎡ λx qs ⎤ ⎡ Ls 0 0 Lm 0 0 ⎤ ⎡ I x qs ⎤
⎢ x ⎥ ⎢ ⎢ ⎥
⎢ λ ds ⎥ ⎢ 0 Ls 0 0 Lm 0 ⎥⎥ ⎢ I x ds ⎥
⎢ λx 0s ⎥ ⎢ 0 0 Lls 0 0 0 ⎥ ⎢ I x 0s ⎥
⎢ x ⎥=⎢ ⎥⋅⎢ ⎥ (A.112)
⎢ λ qr ⎥ ⎢ L m 0 0 Lr 0 0 ⎥ ⎢ I x qr ⎥
⎢ λx ⎥ ⎢ 0 Lm 0 0 Lr 0 ⎥ ⎢ I x dr ⎥
⎢ x dr ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣ λ 0r ⎥⎦ ⎣⎢ 0 0 0 0 0 Llr ⎦⎥ ⎢⎣ I x 0r ⎥⎦
•
⎡ V x qs ⎤ ⎡ R s 0 0 0 0 0 ⎤ ⎡ I x qs ⎤ ⎡ λx qs ⎤
⎢ x ⎥ ⎢ ⎥ ⎢ x ⎥ ⎢ x ⎥
⎢ V ds ⎥ ⎢ 0 Rs 0 0 0 0 ⎥ ⎢ I ds ⎥ ⎢ λ ds ⎥
⎢ V x 0s ⎥ ⎢ 0 0 Rs 0 0 0 ⎥ ⎢ I x 0s ⎥ ⎢ λx 0s ⎥
⎢ x ⎥=⎢ ⎥⋅⎢ ⎥ + ⎢ ⎥
⎢ V qr ⎥ ⎢ 0 0 0 Rr 0 0 ⎥ ⎢ I x qr ⎥ ⎢ λx qr ⎥
⎢Vx ⎥ ⎢ 0 0 0 0 Rr 0 ⎥ ⎢ I x dr ⎥ ⎢ λx dr ⎥
⎢ x dr ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣ V 0r ⎥⎦ ⎣⎢ 0 0 0 0 0 R r ⎦⎥ ⎢⎣ I x 0r ⎥⎦ ⎢⎣ λx 0r ⎥⎦
(A.113)
⎡ 0 −ω x 0 0 0 0 ⎤ ⎡ λx qs ⎤
⎢ω ⎢ ⎥
⎢ x 0 0 0 0 0 ⎥⎥ ⎢ λx ds ⎥
⎢0 0 0 0 0 0 ⎥ ⎢ λx 0s ⎥
−⎢ ⎥⎢ ⎥
⎢0 0 0 0 −(ωx − ω) 0 ⎥ ⎢ λx qr ⎥
⎢0 0 0 (ωx − ω) 0 0 ⎥ ⎢ λx dr ⎥
⎢ ⎥⎢ ⎥
⎣0 0 0 0 0 0 ⎦ ⎢⎣ λx 0r ⎥⎦
i i
V x ds = −ω x Ls I x qs + R s I x ds − ω x L m I x qr + Ls I x ds + L m I x dr (A.116)
i i
0 = (ω x − Nω)L m I x ds + R r I x qr + (ω x − Nω)L r I x dr + L m I x qs + L r I x qr (A.117)
i i
0 = −(ω x − Nω)L m I x qs − (ωx − Nω)L r I x qr + R r I x dr + L m I x ds + L r I x dr (A.118)
i i
I x dr e I x ds são obtidos das equações (A.118) e (A.116)
i
Lm x R L i
I x dr = (ωx − Nω) I qs + (ωx − Nω)I x qr − r I x dr − m I x ds (A.119)
Lr Lr Lr
i
V x ds R L L i
I x ds = + ωx I x qs − s I x ds + ωx m I x qr − m I x dr (A.120)
Ls Ls Ls Ls
i
x
Substituindo I dr de (119) em (120)
i
⎛ L 2 ⎞ V x ds Rs x Lm 2 L L R
I x ds ⎜1 − m ⎟ = + ω I x
x qs − I ds − (ωx − Nω)I x qs + m NωI x qr + m r I x dr
(A.121)
⎝ Ls L r ⎠ Ls Ls Ls L r Ls Ls L r
Definindo-se os termos
a0 Ls L r − L m 2 (A.122)
R s Lr
a1 (A.123)
a0
Lm 2
a2 (A.124)
a0
133
R r Lm
a3 (A.125)
a0
Lr Lm
a4 (A.126)
a0
Lr
a5 (A.127)
a0
i i
Isolando I x qr e I x qs das equações (A.115) e (A.117)
x
i
Rs x L i ωL V
I x qs = − I qs − ω x I x ds − m I x qr − x m I x dr + qs (A.129)
Ls Ls Ls Ls
i
(ωx − Nω)L m x R L i
I x qr = − I ds − r I x qr − (ωx − Nω)I x dr − m I x qs (A.130)
Lr Lr Lr
i
Utilizando I x qr de (A.130) em (A.129)
i
⎛ L 2⎞ Rs x Lm 2
I x qs ⎜1 − m ⎟ = − I qs − ω I x
x ds + (ω x − Nω)I x ds
⎝ Ls L r
⎠ L s L L
s r
x (A.131)
L R L V
+ m r I x qr − m NωI x dr + qs
Ls L r Ls Ls
i
Empregando I x ds de (A.119) em (A.120), e substituindo (A.122)
i
Ls L m x L R ⎛ LL ⎞ LR L
I x dr = − Nω I qs + m s I x ds + ⎜ ωx − r s Nω ⎟ I x qr − s r I x dr − m V x ds
a0 a0 a0 a0 a0 (A.133)
⎝ ⎠
134
i
A partir de I x qs apresentado (A.129) e (A.122), reescreve-se (A.130)
i
Lm R s x LL LR LL L 2
I x qr = I qs + s m NωI x ds − s r I x qr − (ωx − r s Nω)I x dr − m V x qs
a0 a0 a0 a0 a0 (A.140)
•
⎡ V x qr ⎤ ⎡ R r 0 ⎤ ⎡ I x qr ⎤ ⎡ 0 (ω x − Nω) ⎤ ⎡ λx qr ⎤ ⎡ λx qr ⎤
⎢ x ⎥=⎢ ⎢ ⎥+ ⎥⎢ x ⎥+⎢ x ⎥
⎣ V dr ⎦ ⎣ 0 R r ⎥⎦ ⎣ I x dr ⎦ ⎢⎣ −(ωx − Nω) 0 ⎦ ⎣ λ dr ⎦ ⎣ λ dr ⎦
(A.144)
⎤ ⎡ I qs ⎤
x
⎡ 1 0 0 0
⎡ I qs ⎤ ⎢ 0
x
1 0 0 ⎥ ⎢ Ix ⎥ ⎡ Ix ⎤
⎢ x ⎥ ⎢ ⎥ ⎢ ds ⎥ ⎢ qs ⎥
⎢ I ds ⎥ = ⎢ − L m 1 ⎥ ⎢ I x 0s ⎥ ⎢ I x ds ⎥
0 0 ⎥⎢ x ⎥ x
⎢ I x qr ⎥ ⎢ L r Lr ⎢ ⎥ (A.145)
⎢ x ⎥ ⎢ ⎥ ⎢ λ qr ⎥ ⎢ λ qr ⎥
⎣⎢ I dr ⎦⎥ ⎢ 0 Lm 1 ⎥ ⎢ λ dr ⎥ ⎣⎢ λx dr ⎦⎥
x
⎢ − 0 ⎥⎢ ⎥
⎣ Lr L r ⎦ ⎢⎣ λx 0r ⎥⎦
⎢ ⎢ x ⎥
L 2⎥ I ⎢ L m ⎥ ⎣ λx dr ⎦
⎢ 0 Ls − m ⎥ ⎣ ds ⎦ ⎢ 0
⎣ Lr ⎦ ⎣ L r ⎥⎦
136
⎡ R r Lm ⎤ ⎡ Rr ⎤
− 0 (ωx − Nω) ⎥ x •
⎡ V qr ⎤ ⎢ L r
x ⎥ ⎡Ix ⎤ ⎢ L ⎡ λ ⎤ ⎡ λx
⎤
⎢ x ⎥=⎢ ⎥ ⎢ qs ⎥ + ⎢ ⎥ ⎢ qr ⎥ + ⎢ qr ⎥
r
⎣ V dr ⎦ ⎢ 0 RL ⎥ I ⎢ ⎥ ⎣ λ dr ⎦ ⎣ λ dr ⎦
x x x
Rr
⎢ − r m ⎥ ⎣ ds ⎦ ⎢ −(ω x − Nω) ⎥
(A.147)
⎣ Lr ⎦ ⎣ Lr ⎦
⎛ Lm 2 ⎞ x Lm ⎛ L m 2 ⎞ x• L m x•
V x
ds = −ω x ⎜ L s − ⎟ I qs + R s I ds −
x
ωx λ qr + ⎜ Ls −
x
⎟ I ds + λ dr
Lr ⎠ Lr Lr ⎠ Lr (A.149)
⎝ ⎝
•
R r Lm x R
0=− I qs + r λx qr + ( ωx − Nω ) λx dr + λx qr (A.150)
Lr Lr
•
R r Lm x R
0=− I qs − ( ωx − Nω ) λx qr + r λx dr + λx dr (A.151)
Lr Lr
• •
x x
Isolando os termos λ qr e λ dr de (A.150) e (A.151)
•
R r Lm x R
λx qr = I qs − r λx qr − ( ωx − Nω ) λx dr (A.152)
LR LR
•
R r Lm x R
λx dr = I ds + ( ωx − Nω ) λx qr − r λx dr (A.153)
LR LR
Dada a definição
Rr
a11 (A.154)
Lr
•
λx dr = a11L m I x ds + ( ωx − Nω ) λx qr − a11λx dr (A.156)
•
I x qr
Resolvendo as equações (A.148) e (A.149) com (A.137), e isolando os termos e
137
•
x
I dr , respectivamente
• •
Rs x L L a
I x qs = −a 9 I qs − ωx I x ds − a 9 m ωx λx dr − a 9 m λx qr + 9 V x qs (A.157)
Ls Ls L r Ls L r Ls
• •
Rs x L L a
I x ds = ωx I x qs − a 9 I ds + a 9 m ω x λx qr − a 9 m λx dr + 9 V x ds (A.158)
Ls Ls L r Ls L r Ls
•
⎛ R ⎞ L L a
I x ds = ω x I x qs − ⎜ a 9 s + ( a 9 − 1) a11 ⎟ I x ds + a 9 m Nωλx qr + a 9 m a11λx dr + 9 V x ds
(A.160)
⎝ Ls ⎠ Ls L r Ls L r Ls
Definindo-se os termos
⎛ Rs ⎞
a12 ⎜ a9 + ( a 9 − 1) a11 ⎟ (A.161)
⎝ Ls ⎠
Lm
a13 a9 (A.162)
Ls L r
a9
a14 (A.163)
Ls
•
I x ds = ω x I x qs − a12 I x ds + a13 Nωλx qr + a13a11λx dr + a14 V x ds (A.163)
⎡ Lr Lm ⎤
⎢ a 0 − 0 ⎥
a0
⎢ 0 ⎥
⎡ I qs ⎤ ⎢
x
Lr L m ⎥ ⎡ λx qs ⎤
⎢ x ⎥ ⎢ 0 0 − ⎢ ⎥
⎢ I ds ⎥ = ⎢ a0 a 0 ⎥ ⎢ λx ds ⎥
⎥⋅ (A.165)
⎢ I x qr ⎥ ⎢ L m Ls ⎥ ⎢ λx ⎥
⎢ x ⎥ ⎢− 0 0 ⎥ ⎢ x qr ⎥
⎣⎢ I dr ⎦⎥ ⎢ a 0 a0 ⎥ ⎣⎢ λ dr ⎦⎥
⎢ Lm Ls ⎥
⎢ 0 − 0 ⎥
⎣ a0 a0 ⎦
⎡ R s Lr R s Lm ⎤
ωx − 0
⎡ V qs ⎤ ⎢ a 0
x
a0 ⎥
⎢ x ⎥ ⎢ ⎥ •
⎢ V ds ⎥ ⎢ −ω R s Lr R s L m ⎥ ⎡ λx qs ⎤ ⎡ λx qs ⎤
0 − ⎢ ⎥ ⎢ ⎥
⎢ V x 0s ⎥ ⎢ x
a0 a 0 ⎥⎥ ⎢ λx ds ⎥ ⎢ λx ds ⎥
⎢ x ⎥= ⎢ ⋅ +
⎢ V qr ⎥ ⎢ − R r L m R r Ls ⎥ ⎢ λx qr ⎥ ⎢ λx qr ⎥ (A.166)
0 (ωx − Nω) ⎥ ⎢ x ⎥ ⎢ x ⎥
⎢Vx ⎥ ⎢ a0 a0
⎢ x dr ⎥ ⎢ ⎥ ⎢⎣ λ dr ⎥⎦ ⎢⎣ λ dr ⎥⎦
⎢ R r Lm R r Ls ⎥
⎣⎢ V 0r ⎦⎥ ⎢ 0 − −(ω x − Nω) ⎥
⎣ a0 a0 ⎦
•
Utilizando-se (A.166) em (A.113) e isolando λx
⎡ R s Lr R s Lm ⎤
⎢− a −ω x
a0 ⎥ 0
• ⎢ 0
⎥
⎡ λ qs ⎤ ⎢
x
R s Lr R s L m ⎥ ⎡ λx qs ⎤ ⎡ V x qs ⎤
⎢ x ⎥ ⎢ ωx − 0 ⎥ ⎢ x ⎥ ⎢ x ⎥
⎢ λ ds ⎥ = ⎢ a0 a0 ⎥ ⋅ ⎢ λ ds ⎥ + ⎢ V ds ⎥
⎢ λx qr ⎥ ⎢ R r L m RL ⎥ ⎢ λx ⎥ ⎢ V x ⎥
⎢ x ⎥ ⎢ 0 − r s −(ω x − Nω) ⎥ ⎢ x qr ⎥ ⎢ x qr ⎥ (A.167)
⎢⎣ λ dr ⎥⎦ ⎢ a 0 a0 ⎥ ⎢⎣ λ dr ⎥⎦ ⎢⎣ V dr ⎥⎦
⎢ R r Lm RL ⎥
⎢ 0 (ω x − Nω) − r s ⎥
⎣ a0 a0 ⎦
•
R s Lr x RL
λx ds = ωx λx qs − λ ds + s m λx dr + V x ds (A.169)
a0 a0
•
λx ds = ωx λx qs − a1 λx ds + a 6 λx dr + V x ds (A.171)