Técnicas de adaptación aplicadas a controles dead-beat predictivos

Mostrar el registro sencillo del ítem

dc.contributor.advisor Gonzalez, Sergio A.
dc.contributor.author Echeverria, Noelia I.
dc.date.accessioned 2019-04-05T19:40:52Z
dc.date.available 2019-04-05T19:40:52Z
dc.date.issued 2019-03-08
dc.identifier.uri http://rinfi.fi.mdp.edu.ar/xmlui/handle/123456789/249
dc.description.abstract Esta tesis aborda las problemáticas asociadas a los controles de corriente predictivos y robustos aplicados a inversores de tensión controlados en corriente (CC-VSI) monofásicos y trifásicos en configuración 4 hilos, y brinda solución a estos problemas a través de un enfoque adaptativo. Los algoritmos clásicos de identificación en tiempo real están basados en mínimos cuadrados recursivos por lo que su velocidad de convergencia y estabilidad numérica pueden verse severamente comprometidas si el problema esta mal condicionado. Es por ello que en primer lugar se analiza una técnica basada en la descomposición QR que busca mejorar la estabilidad numérica de los algoritmos de identificación. Debido a que los controles del tipo predictivo utilizan el modelo de la planta para controlar la corriente de inyección, su desempeño se degrada rápidamente frente a incongruencias entre el modelo y la planta, por lo que se realiza un análisis detallado del sistema a controlar. Se describe el modelo físico del sistema, teniendo en cuenta los retardos agregados por los filtros anti-aliasing y posteriormente mediante la transformada z avanzada, se construye un modelo mas sencillo el cual se utiliza para obtener una ley que gobierne el comportamiento del control predictivo. La mayoría de las problemáticas asociadas a los controles predictivos son consecuencia de las discrepancias entre el modelo utilizado para obtener la ley de control y la planta. No tener en cuenta los cambios en los parámetros de planta debidos a variaciones en las inductancias de filtro (por saturación o bien alinealidades propias del material), o bien por el efecto de los tiempos muertos asociados a las llaves semiconductoras, degradan el desempeño del control, comprometiendo seriamente su estabilidad. Es por ello que se propone dar solución a algunas de las problemáticas mencionadas a través de un enfoque adaptativo. Se presenta como aporte de esta tesis un control predictivo robusto y autoajustable, basado en un modelo simplificado de la planta (planta sin filtros) el cual utiliza identificación paramétrica mediante mínimos cuadrados recursivos para auto-ajustar los parámetros del control y del observador de estados, minimizando el error en régimen permanente y mejorando la distorsión armónica producto de los tiempos muertos. Posteriormente, se presenta un control adaptativo predictivo y robusto tolerante a retardos basado en un modelo de la planta que contempla los retardos introducidos por la etapa de filtrado. Por ultimo se presenta un control predictivo y robusto con planificación de ganancia no lineal, el cual mejora el desempeño del control RPCC mediante un ajuste a lazo abierto, logrando mejorar notablemente la distorsión por tiempos muertos. es_AR
dc.format application/pdf es_AR
dc.language.iso spa es_AR
dc.publisher Universidad Nacional de Mar del Plata. Facultad de Ingeniería. Argentina es_AR
dc.rights info:eu-repo/semantics/openAccess es_AR
dc.subject CONTROLES DE CORRIENTE es_AR
dc.subject INVERSORES DE CORRIENTE ELECTRICA es_AR
dc.subject DEAD-BEAT es_AR
dc.subject DEAD-BEAT PREDICTIVOS es_AR
dc.title Técnicas de adaptación aplicadas a controles dead-beat predictivos es_AR
dc.type Thesis es_AR
dc.rights.holder https://creativecommons.org/licenses/by/4.0/ es_AR
dc.type.oa info:eu-repo/semantics/doctoralThesis es_AR
dc.type.snrd info:ar-repo/semantics/tesis doctoral es_AR
dc.type.info info:eu-repo/semantics/draft es_AR
dc.description.fil Fil: Echeverria, Noelia I. Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina es_AR


Ficheros en el ítem

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Buscar en RINFI


Listar

Mi cuenta

Estadísticas