zurück zur Liste

Dr.-Ing. Ali Montazeri

Kontakt


Motivation

Die Regelung elektrischer Antriebe haben zu Entwicklungen verschiedener Verfahren geführt, wobei direkte Drehmomentregelung, direkte Selbstregelung sowie Regelstrategien basierend auf Pulsweitenmodulation Standardverfahren sind.

In den letzten Jahren haben Modelprädiktive Regelverfahren (Model Predictive Control-MPC) zur weiteren Verbesserung der Leistungsfähigkeit elektrischer Antriebe mehr Aufmerksamkeit durch die Forschungsgemeinschaft erhalten, weil die mittlerweile vorhandene Rechenleistung auch eine praktische Umsetzung erlaubt. Die MPC sind besonders wegen ihrer multikriteriellen Regelung- und Optimierungsfähigkeit vorteilhaft. Wegen des darunterliegenden Prädiktions- und Optimierungsaufwandes sind MPC dennoch schwer auf Standardrechnersysteme zu realisieren.

Schwerpunkte

Der Fokus dieses Forschungsprojektes liegt bei der Verwendung des dynamischen Programmierungsverfahrens zusammen mit „Finite Control Set Model Predictive Control (FCS-MPC)“ (Abbildung 1), welche Vorteile bezüglich Reduktion des Rechenaufwands sowie Auffinden des globalen Optimums einer vorgegebenen Gütefunktion hat.

Dynamische Programmierung ist ein mathematisches Optimierungsverfahren, welches sich mit Problemen befasst, in denen stufenweise Entscheidungen zu treffen sind. In diesem Forschungsthema wird ein zeitdiskretes Zustandsmodell zusammen mit der dynamischen Programmierung mit finitem Horizont eingesetzt. Dies verwendet ein rekursives analytisches Vorgehen, um die beste Entscheidungsreihenfolge zu finden.

Forschungsziele

Das Hauptziel dieses Forschungsvorhabens ist es, ein FCS-MPC basierend auf dynamischer Programmierung zu entwickeln, welcher die dynamische Leistungsfähigkeit der Asynchronmaschine im Vergleich zu klassischen Regelungsverfahren weiter verbessert und dabei die Schalt- und Durchlassverluste des Umrichters reduziert. Die Optimierung der Statorfluss Trajektorien im stationären und dynamischen Betrieb, um Kupfer- und Eisenverluste in der elektrischen Maschine zu reduzieren, ist ebenfalls ein Ziel der Forschung.

Weiterhin wird untersucht, wie dynamische Programmierung (als Optimierungsverfahren) parallel mit Prädiktion implementiert werden können. Dies soll den exponentiellen Anstieg der Prädiktionsaufwand mit ansteigende Prädiktionshorizont vermeiden (Abbildung 2). Dadurch wird die Implementierung höherer Prädiktionshorizonte auf Standard Rechnersystemen für die Antriebsregelung möglich. Ein Kompromiss zwischen Länge des Prädiktionshorizontes und realisierbarer Implementierung auf Rechnersystemen ist zu finden.

Eine System On Chip (SoC) Plattform, auf der sowohl Processing System (Mikrocontroller) als auch programmierbare Logik (FPGA) vorhanden sind, kann als ein ideales Rechnersystem für MPC Regler dienen, da die parallele Rechenfähigkeit des FPGAs perfekt für das parallele Rechnen der Prädiktion eingesetzt werden kann.

Projekt Partner

Dieses Thema ist durch Deutsche Forschungsgemeinschaft finanziert.

  • Bachelorarbeit: Entwurf einer modularen Hard- und Software zur Strommessung für die Anwendung in Maschinenregelung.
  • Masterarbeit: Implementation of Particle Swarm and Pontryagin’s Minimum Principle Optimization Methods on a Developed Model Predictive Controller of an Induction Machine.
  • Masterarbeit: Dynamic Programming-Based Model Predictive Control of Active Front End
  • Masterarbeit: Model Predictive Control eines 2x3 phasigen Wechselrichters mit zwischengeschalteten Interleave-Drosseln
  • Bachelorarbeit: Simulation und Implementierung einer CCS-MPC für eine Asynchronmaschine
  • Bachelorarbeit: Untersuchung der Regelgüte von FCS-MPC bei verschiedenen Prädiktionshorizonten mit passiver einphasiger Belastung
  • Masterarbeit: Geberlose Regelung einer Hochdrehzahl PM-Synchronmaschine
  • A. Montazeri, G. Griepentrog
    Dynamic Programming-Based Optimal Torque Control of Induction Machine
    in IEEE Workshop on Electrical Machines Design, Control and Diagnosis (WEMDCD), Torino, Italy, 26-27 March, 2015
  • A. Montazeri, O. König, G. Griepentrog
    Investigating effects of Delta-Sigma modulation for current measurement on FCS-MPC of IM: Hardware in the loop results
    in IEEE International Symposium on Predictive Control of Electrical Drives and Power Electronics (PRECEDE), Pilsen, Czech Republic, 4 – 6 September 2017
  • A. Montazeri, G. Griepentrog
    Explicit Consideration of Inverter Losses in the Cost Function for Finite Control Set Model Predictive Control of Induction Machine, Experimental Results
    in 2019 IEEE 28th International Symposium on Industrial Electronics (ISIE), Vancouver, BC, Canada, 2019, pp. 521–526.
  • A. Montazeri, G. Griepentrog
    New Approach for Optimizing Inverter Losses in Finite Control Set Model Predictive Control of Induction Machine, Experimental Evaluation
    in IECON 2019 – 45th Annual Conference of the IEEE Industrial Electronics Society, Lisbon, Portugal, 2019, pp. 4001–4006.