SlideShare una empresa de Scribd logo
1 de 16
Descargar para leer sin conexión
単相PWMコンバータにおける
出力電圧のデッドビート制御
(本名)
(学校名)
1
単相PWMコンバータの制御系
2
従来のPI制御による出力電圧制御
制御帯域: 10 Hz 零点: 2 Hz
制御帯域: 20 Hz 零点: 4 Hz
応答性を改善するため
制御帯域を上げる
→ リプル電圧の影響で
入力電流が歪む
負荷電流𝑖𝑜 0 A → 3 A
電源電圧𝑣𝑎𝑐 AC100 V 50 Hz
平滑コンデンサ𝐶 2200 μF
出力電圧指令値 300 V
5 V/div
10 A/div
5 V/div
10 A/div
50 ms/div
50 ms/div
入力電流の歪みを無くしつつ
高速応答を実現する出力電圧
制御方法を提案
3
入力電流
出力電圧
入力電流
出力電圧
出力電圧制御系のプラントの離散時間モデル
𝑖𝑑𝑐[𝑘] ≡
1
𝑇 𝑘𝑇
𝑘+1 𝑇
𝑖𝑑𝑐(𝑡) 𝑑𝑡
𝑘 ∈ ℤ
𝑖𝑜[𝑘] ≡
1
𝑇 𝑘𝑇
𝑘+1 𝑇
𝑖𝑜(𝑡) 𝑑𝑡
𝑣𝑑𝑐[𝑘] ≡ 𝑣𝑑𝑐(𝑘𝑇)
𝑣𝑑𝑐 𝑘 + 1 𝑇 = 𝑣𝑑𝑐 𝑘𝑇
𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 +
𝑇
𝐶
𝑖𝑑𝑐 𝑘 − 𝑖𝑜 𝑘
+
1
𝐶 𝑘𝑇
𝑘+1 𝑇
𝑖𝑑𝑐 𝑡 − 𝑖𝑜(𝑡) 𝑑𝑡
4
(1)
(2)
(3)
(4)
(5)
出力電圧デッドビート制御則の構成
𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 +
𝑇
𝐶
𝑖𝑑𝑐 𝑘 − 𝑖𝑜 𝑘
プラントの離散時間モデル:
1ステップ先の制御量𝑣𝑑𝑐 𝑘 + 1 が指令値𝑣𝑑𝑐𝑟𝑒𝑓 𝑘 と一致するような操作量𝑖𝑑𝑐 𝑘 を与える.
従って,𝑉𝑑𝑐𝑟𝑒𝑓[𝑘] = 𝑣𝑑𝑐 𝑘 + 1 とし,式(5)より𝑖𝑑𝑐 𝑘 について解くと
𝑖𝑑𝑐 𝑘 =
𝐶
𝑇
𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 − 𝑣𝑑𝑐 𝑘 + 𝑖𝑜 𝑘
負荷電流𝑖𝑜 𝑘 は外乱オブザーバにより推定する.
𝑖𝑜 [𝑘 + 1] = 𝑖𝑜 𝑘 とし,式(5)より𝑖𝑜 [𝑘 + 1]について解くと
𝑖𝑜 [𝑘 + 1] =
𝐶
𝑇
𝑣𝑑𝑐 𝑘 − 𝑣𝑑𝑐 𝑘 + 1 + 𝑖𝑑𝑐 𝑘
𝑖𝑜 [𝑘] =
𝐶
𝑇
𝑣𝑑𝑐 𝑘 − 1 − 𝑣𝑑𝑐 𝑘 + 𝑖𝑑𝑐 𝑘 − 1
𝑧−1
= 𝑒−𝑇𝑠
ZOH =
1 − 𝑒−𝑇𝑠
𝑠
5
(5)
(6)
(7)
(8)
シミュレーション結果
6
負荷電流𝑖𝑜 0 A → 3 A
電源電圧𝑣𝑎𝑐 AC100 V 50 Hz
平滑コンデンサ𝐶 2200 μF
出力電圧指令値 300 V
出力電流リミッタ ±5A
5 V/div
10 A/div
入力電流
出力電圧
50 ms/div
提案した出力電圧デッドビート制御の利点
• 出力電圧制御の高速応答化
• 電源の半周期ごとにおける入力電流の歪みが無い
• 負荷変化に対してロバスト
• 最適なパラメータの設定が容易
• 制御則の構成が簡単
• ハードウェア的な変更が無く適用できる
• 遅延器が1つのみ,演算周期が電源の半周期毎のみであり,計算リソースが軽量
• むだ時間補償用のオブザーバは必要としない
まとめ
制御周期を電源周波数の2倍に同期させることで,出力電圧のリプルによる電流制
御系への干渉を無くしつつ,デッドビート制御により短時間で指令値に整定が可能
な出力電圧制御を実現できる.
7
補足資料① 電源周波数相違に対するロバスト性
8
電源周波数 50 Hz 𝑇 = 1 ÷ 50 ÷ 2 = 0.01 電源周波数 50 Hz 𝑇 = 1 ÷ 60 ÷ 2 ≅ 0.0083
電源周波数 60 Hz 𝑇 = 1 ÷ 50 ÷ 2 = 0.01
• 50 Hz/60 Hz両対応としたい場合,
𝑇 はPLLにより取得し可変パラメータとするとなお良い.
𝑖𝑑𝑐 (制御器出力)
補足資料② 平滑コンデンサ容量変化に対するロバスト性
9
平滑コンデンサ容量真値=モデル×0.8 平滑コンデンサ容量真値=モデル×0.7
平滑コンデンサ容量真値=モデル×0.6
• 電源周波数に対する𝑇に相違がない場合,平滑コンデ
ンサの真値がモデルの値の0.75倍以下となると不安定
となる.
𝑖𝑑𝑐 (制御器出力)
補足資料③ モデル化誤差に対する安定性
10
𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 +
𝑇
𝐶
𝑖𝑑𝑐 𝑘 − 𝑖𝑜 𝑘
𝑖𝑑𝑐 𝑘 =
𝐶𝑚
𝑇𝑚
𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 − 𝑣𝑑𝑐 𝑘 + 𝑖𝑜 𝑘
𝑖𝑜 [𝑘] =
𝐶𝑚
𝑇𝑚
𝑣𝑑𝑐 𝑘 − 1 − 𝑣𝑑𝑐 𝑘 + 𝑖𝑑𝑐 𝑘 − 1
𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 +
𝑇
𝐶
𝑖𝑑𝑐 𝑘
𝑊 =
𝑇
𝐶
とし,式(9)をz変換すると
𝑧𝑣𝑑𝑐(𝑧) = 𝑣𝑑𝑐(𝑧) + 𝑊𝑖𝑑𝑐(𝑧)
𝑣𝑑𝑐(𝑧) =
𝑊
𝑧 − 1
𝑖𝑑𝑐 𝑧
:プラント
:制御器
:外乱オブザーバ
𝑖𝑜 𝑘 = 𝑖𝑜 𝑘 , 𝑊
𝑚 =
𝑇𝑚
𝐶𝑚
とし,式(6),(8)より
𝑖𝑑𝑐 𝑘 =
1
𝑊
𝑚
𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 + 𝑣𝑑𝑐 𝑘 − 1 − 2𝑣𝑑𝑐[𝑘] + 𝑖𝑑𝑐 𝑘 − 1
指令値𝑉𝑑𝑐𝑟𝑒𝑓から制御量𝑣𝑑𝑐までの閉ループパルス伝達関数を求める.
式(12)をz変換すると
𝑖𝑑𝑐(𝑧) =
1
𝑊
𝑚
𝑉𝑑𝑐𝑟𝑒𝑓 𝑧 + 𝑧−1
𝑣𝑑𝑐 𝑧 − 2𝑣𝑑𝑐 𝑧 + 𝑧−1
𝑖𝑑𝑐(𝑧)
𝑖𝑑𝑐(𝑧) =
1
𝑊
𝑚(𝑧 − 1)
𝑧𝑉𝑑𝑐𝑟𝑒𝑓 𝑧 − (2𝑧 − 1)𝑣𝑑𝑐 𝑧
式(11),(14)より
𝑣𝑑𝑐 𝑧 =
𝑊
𝑧 − 1
∙
1
𝑊
𝑚(𝑧 − 1)
𝑧𝑉𝑑𝑐𝑟𝑒𝑓 𝑧 − (2𝑧 − 1)𝑣𝑑𝑐 𝑧
𝑣𝑑𝑐 𝑧
𝑉𝑑𝑐𝑟𝑒𝑓 𝑧
=
𝑊𝑧
𝑊
𝑚𝑧2 − 2 𝑊
𝑚 − 𝑊 𝑧 + 𝑊
𝑚 − 𝑊
従って,パルス伝達関数は
𝑣𝑑𝑐 𝑧
𝑉𝑑𝑐𝑟𝑒𝑓 𝑧
=
1
𝑧
となり,𝑉𝑑𝑐𝑟𝑒𝑓が1ステップ後に𝑣𝑑𝑐へ反映されるようなデッドビート応答
となることを示す.
特性方程式の根,すなわち極が単位円内に収まることで安定となるため
𝑊
𝑚 − 𝑊 ± 𝑊(𝑊 − 𝑊
𝑚)
𝑊
𝑚
< 1
が成り立ち,これを求めると安定条件は
𝑊 = 𝑊
𝑚のとき,式(16)は
3
4
<
𝑊
𝑚
𝑊
(5)
(9)
(10)
(11)
(6)
(8)
(12)
(13)
(14)
(15)
(16)
(17)
(18)
(19)
外乱𝑖𝑜 𝑘 = 0として
補足資料④ 状態フィードバック制御としての極配置
11
𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 +
𝑇
𝐶
𝑖𝑑𝑐 𝑘 − 𝑖𝑜 𝑘
𝑖𝑑𝑐 𝑘 = −𝐹𝑣𝑑𝑐 𝑘 + 𝐹𝑉𝑑𝑐𝑟𝑒𝑓 𝑘
𝑖𝑑𝑐 𝑘 を入力とし,ゲイン𝐹による状態フィードバックでサーボ系を構成
𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 −
𝑇
𝐶
𝐹𝑣𝑑𝑐 𝑘 + 𝐹𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 − 𝑖𝑜 𝑘
= 1 −
𝑇
𝐶
𝐹 𝑣𝑑𝑐 𝑘 −
𝑇
𝐶
𝐹𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 +
𝑇
𝐶
𝑖𝑜 𝑘
デッドビート制御となるように極を0に配置するため
1 −
𝑇
𝐶
𝐹 = 0
𝐹 =
𝐶
𝑇
𝑖𝑑𝑐 𝑘 = −
𝐶
𝑇
𝑣𝑑𝑐 𝑘 +
𝐶
𝑇
𝑉𝑑𝑐𝑟𝑒𝑓 𝑘
𝑖𝑑𝑐 𝑘 =
𝐶
𝑇
(𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 − 𝑣𝑑𝑐 𝑘 ) + 𝑖𝑜 𝑘
=
𝐶
𝑇
(𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 − 𝑣𝑑𝑐 𝑘 )
外乱𝑖𝑜 𝑘 を相殺するフィードフォワード項を追加すると
(5)
(20)
(21)
(22)
(23)
(24)
式(23)より,式(20)は
(6)
補足資料⑤ 最小次元オブザーバとしての極配置
12
𝑖𝑜 𝑘 + 1 = 𝑖𝑜 𝑘
𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 +
𝑇
𝐶
𝑖𝑑𝑐 𝑘 − 𝑖𝑜 𝑘
𝑖𝑜 𝑘 = 𝑖𝑑𝑐 𝑘 −
𝐶
𝑇
(𝑣𝑑𝑐 𝑘 + 1 − 𝑣𝑑𝑐 𝑘 )
𝑖𝑜 𝑘 + 1 = 𝑖𝑜 𝑘 + 𝐺(𝑖𝑜 𝑘 − 𝑖𝑜 𝑘 )
= 1 − 𝐺 𝑖𝑜 𝑘 + 𝐺𝑖𝑑𝑐 𝑘 −
𝐺𝐶
𝑇
𝑣𝑑𝑐 𝑘 + 1 +
𝐺𝐶
𝑇
𝑣𝑑𝑐 𝑘
ζ 𝑘 = 𝑖𝑜 𝑘 +
𝐺𝐶
𝑇
𝑣𝑑𝑐 𝑘
ζ 𝑘 + 1 = 𝑖𝑜 𝑘 + 1 +
𝐺𝐶
𝑇
𝑣𝑑𝑐 𝑘 + 1
= 1 − 𝐺 𝑖𝑜 𝑘 + 𝐺𝑖𝑑𝑐 𝑘 +
𝐺𝐶
𝑇
𝑣𝑑𝑐 𝑘
= 1 − 𝐺 𝑖𝑜 𝑘 +
𝐺𝐶
𝑇
𝑣𝑑𝑐 𝑘 +
𝐺2
𝐶
𝑇
𝑣𝑑𝑐 𝑘 + 𝐺𝑖𝑑𝑐 𝑘
= 1 − 𝐺 ζ 𝑘 +
𝐺2
𝐶
𝑇
𝑣𝑑𝑐 𝑘 + 𝐺𝑖𝑑𝑐 𝑘
1 − 𝐺 = 0
デッドビートオブザーバとなるように極を0に配置するため
𝐺 = 1
オブザーバゲイン𝐺とし,最小次元オブザーバを構成
𝑖𝑜を0次外乱として
𝑣𝑑𝑐 𝑘 + 1 を消去するため,ζにより次のように変数変換する
従って,最小次元デッドビートオブザーバは
ζ 𝑘 + 1 =
𝐶
𝑇
𝑣𝑑𝑐 𝑘 + 𝑖𝑑𝑐 𝑘
𝑖𝑜 𝑘 = ζ 𝑘 −
𝐶
𝑇
𝑣𝑑𝑐 𝑘
𝑖𝑜 [𝑘] =
𝐶
𝑇
𝑣𝑑𝑐 𝑘 − 1 − 𝑣𝑑𝑐 𝑘 + 𝑖𝑑𝑐 𝑘 − 1
(5)
(25)
(26)
(27)
(28)
(29)
(30)
(31)
(32)
(33)
(8)
補足資料⑥ 電圧制御器出力(出力電流平均値) 𝑖𝑑𝑐から電流
指令値𝑖𝑎𝑐𝑟𝑒𝑓への変換について
13
入出力電力が等しいとすると
𝑉
𝑎𝑐𝐼𝑎𝑐 = 𝑣𝑑𝑐𝑖𝑑𝑐
𝑖𝑎𝑐𝑟𝑒𝑓 =
2𝑣𝑑𝑐 sin 𝜔𝑡
𝑉
𝑎𝑐
𝑖𝑑𝑐
𝑖𝑎𝑐 = 𝑖𝑎𝑐𝑟𝑒𝑓 = 2𝐼𝑎𝑐 sin 𝜔𝑡 とすると
𝐼𝑎𝑐 =
𝑖𝑎𝑐𝑟𝑒𝑓
2 sin 𝜔𝑡
𝑉
𝑎𝑐
𝑖𝑎𝑐𝑟𝑒𝑓
2 sin 𝜔𝑡
= 𝑣𝑑𝑐𝑖𝑑𝑐
𝑖𝑎𝑐𝑟𝑒𝑓について解くと
(34)
(35)
(36)
(37)
補足資料⑦ 実際の構成(無効電力補償を含めた構成)
14
補足資料⑧ コムフィルタを適用した制御器との類似性
15
参考文献 [1] A. Prodic, Jingquan Chen, R.W. Erickson, D. Maksimovic: “Self-tuning digital comb filter for PFC applications”,
IEEE 28th Annual Conference of the Industrial Electronics Society. IECON 02 pp.220-225, 2002
• 出力電圧のリプルの周波数成分をコムフィルタによりカット
しつつ制御帯域を広げることで高速応答を可能とする手法
が提案されている[1].
• ゼロ次ホールドはコムフィルタに積分器を組み合わせたも
のと同様な周波数特性を持つ.
• デッドビート制御器そのものは2自由度P制御と同形である.
• 定常偏差の抑制法として積分補償かフィードフォワード補償
かが両者の大きな相違点である.
補足資料⑨ シミュレーションに用いた全体の回路・ブロック線図
16

Más contenido relacionado

La actualidad más candente

オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
Preferred Networks
 
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
Issei Kurahashi
 

La actualidad más candente (20)

Devil is in the Edges: Learning Semantic Boundaries from Noisy Annotations
Devil is in the Edges: Learning Semantic Boundaries from Noisy AnnotationsDevil is in the Edges: Learning Semantic Boundaries from Noisy Annotations
Devil is in the Edges: Learning Semantic Boundaries from Noisy Annotations
 
異常検知と変化検知 9章 部分空間法による変化点検知
異常検知と変化検知 9章 部分空間法による変化点検知異常検知と変化検知 9章 部分空間法による変化点検知
異常検知と変化検知 9章 部分空間法による変化点検知
 
人工知能2018 6 強化学習の基礎
人工知能2018 6 強化学習の基礎人工知能2018 6 強化学習の基礎
人工知能2018 6 強化学習の基礎
 
論文紹介:Learning With Neighbor Consistency for Noisy Labels
論文紹介:Learning With Neighbor Consistency for Noisy Labels論文紹介:Learning With Neighbor Consistency for Noisy Labels
論文紹介:Learning With Neighbor Consistency for Noisy Labels
 
TokyoRリプレイ - RからfastTextを使ってみた
TokyoRリプレイ - RからfastTextを使ってみたTokyoRリプレイ - RからfastTextを使ってみた
TokyoRリプレイ - RからfastTextを使ってみた
 
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
オンライン凸最適化と線形識別モデル学習の最前線_IBIS2011
 
Rでノンパラメトリック法 1
Rでノンパラメトリック法 1Rでノンパラメトリック法 1
Rでノンパラメトリック法 1
 
Kameoka2017 ieice03
Kameoka2017 ieice03Kameoka2017 ieice03
Kameoka2017 ieice03
 
Icml2018読み会_overview&GANs
Icml2018読み会_overview&GANsIcml2018読み会_overview&GANs
Icml2018読み会_overview&GANs
 
深層強化学習入門 2020年度Deep Learning基礎講座「強化学習」
深層強化学習入門 2020年度Deep Learning基礎講座「強化学習」深層強化学習入門 2020年度Deep Learning基礎講座「強化学習」
深層強化学習入門 2020年度Deep Learning基礎講座「強化学習」
 
L0TV: a new method for image restoration in the presence of impulse noise
L0TV: a new method for image restoration in the presence of impulse noiseL0TV: a new method for image restoration in the presence of impulse noise
L0TV: a new method for image restoration in the presence of impulse noise
 
NeurIPS2021論文読み会 (parameter prediction for unseen deep architecture)
NeurIPS2021論文読み会 (parameter prediction for unseen deep architecture)NeurIPS2021論文読み会 (parameter prediction for unseen deep architecture)
NeurIPS2021論文読み会 (parameter prediction for unseen deep architecture)
 
東京都市大学 データ解析入門 2 行列分解 1
東京都市大学 データ解析入門 2 行列分解 1東京都市大学 データ解析入門 2 行列分解 1
東京都市大学 データ解析入門 2 行列分解 1
 
Hyperbolic Neural Networks
Hyperbolic Neural NetworksHyperbolic Neural Networks
Hyperbolic Neural Networks
 
Fortranが拓く世界、VSCodeが架ける橋
Fortranが拓く世界、VSCodeが架ける橋Fortranが拓く世界、VSCodeが架ける橋
Fortranが拓く世界、VSCodeが架ける橋
 
データ解析2 線形代数の復習
データ解析2 線形代数の復習データ解析2 線形代数の復習
データ解析2 線形代数の復習
 
ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術ディープラーニングの産業応用とそれを支える技術
ディープラーニングの産業応用とそれを支える技術
 
統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333統計的因果推論 勉強用 isseing333
統計的因果推論 勉強用 isseing333
 
Graph LSTM解説
Graph LSTM解説Graph LSTM解説
Graph LSTM解説
 
ความเข้มเสียงการได้ยิน
ความเข้มเสียงการได้ยินความเข้มเสียงการได้ยิน
ความเข้มเสียงการได้ยิน
 

Similar a 単相PWMコンバータにおける出力電圧のデッドビート制御

20030203 doctor thesis_presentation_makotoshuto
20030203 doctor thesis_presentation_makotoshuto20030203 doctor thesis_presentation_makotoshuto
20030203 doctor thesis_presentation_makotoshuto
Makoto Shuto
 
ディジタル信号処理の課題解説
ディジタル信号処理の課題解説ディジタル信号処理の課題解説
ディジタル信号処理の課題解説
noname409
 

Similar a 単相PWMコンバータにおける出力電圧のデッドビート制御 (20)

モータの回転数を検知する
モータの回転数を検知するモータの回転数を検知する
モータの回転数を検知する
 
ITエンジニアのための機械学習理論入門 第5章
ITエンジニアのための機械学習理論入門 第5章ITエンジニアのための機械学習理論入門 第5章
ITエンジニアのための機械学習理論入門 第5章
 
電源回路のデバイスモデリングとLTspiceを活用したノイズシミュレーション
電源回路のデバイスモデリングとLTspiceを活用したノイズシミュレーション電源回路のデバイスモデリングとLTspiceを活用したノイズシミュレーション
電源回路のデバイスモデリングとLTspiceを活用したノイズシミュレーション
 
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
東京都市大学 データ解析入門 6 回帰分析とモデル選択 1
 
PRML復々習レーン#9 6.3-6.3.1
PRML復々習レーン#9 6.3-6.3.1PRML復々習レーン#9 6.3-6.3.1
PRML復々習レーン#9 6.3-6.3.1
 
Chapter 8 ボルツマンマシン - 深層学習本読み会
Chapter 8 ボルツマンマシン - 深層学習本読み会Chapter 8 ボルツマンマシン - 深層学習本読み会
Chapter 8 ボルツマンマシン - 深層学習本読み会
 
PRML_from5.1to5.3.1
PRML_from5.1to5.3.1PRML_from5.1to5.3.1
PRML_from5.1to5.3.1
 
ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習ラビットチャレンジレポート 機械学習
ラビットチャレンジレポート 機械学習
 
PRML Chapter 5 (5.0-5.4)
PRML Chapter 5 (5.0-5.4)PRML Chapter 5 (5.0-5.4)
PRML Chapter 5 (5.0-5.4)
 
ロボット家電と制御 Domestic robotics: mechanisms and control
ロボット家電と制御 Domestic robotics: mechanisms and controlロボット家電と制御 Domestic robotics: mechanisms and control
ロボット家電と制御 Domestic robotics: mechanisms and control
 
20030203 doctor thesis_presentation_makotoshuto
20030203 doctor thesis_presentation_makotoshuto20030203 doctor thesis_presentation_makotoshuto
20030203 doctor thesis_presentation_makotoshuto
 
レポート1
レポート1レポート1
レポート1
 
ディジタル信号処理の課題解説
ディジタル信号処理の課題解説ディジタル信号処理の課題解説
ディジタル信号処理の課題解説
 
スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元スパースモデリングによる多次元信号・画像復元
スパースモデリングによる多次元信号・画像復元
 
昇圧回路
昇圧回路昇圧回路
昇圧回路
 
昇圧チョッパ回路
昇圧チョッパ回路昇圧チョッパ回路
昇圧チョッパ回路
 
EW-610B_Datasheet
EW-610B_DatasheetEW-610B_Datasheet
EW-610B_Datasheet
 
PRML4.3
PRML4.3PRML4.3
PRML4.3
 
PSpiceを活用した降圧回路と昇圧回路入門
PSpiceを活用した降圧回路と昇圧回路入門PSpiceを活用した降圧回路と昇圧回路入門
PSpiceを活用した降圧回路と昇圧回路入門
 
LTspiceを活用した整流回路シミュレーション
LTspiceを活用した整流回路シミュレーションLTspiceを活用した整流回路シミュレーション
LTspiceを活用した整流回路シミュレーション
 

単相PWMコンバータにおける出力電圧のデッドビート制御

  • 3. 従来のPI制御による出力電圧制御 制御帯域: 10 Hz 零点: 2 Hz 制御帯域: 20 Hz 零点: 4 Hz 応答性を改善するため 制御帯域を上げる → リプル電圧の影響で 入力電流が歪む 負荷電流𝑖𝑜 0 A → 3 A 電源電圧𝑣𝑎𝑐 AC100 V 50 Hz 平滑コンデンサ𝐶 2200 μF 出力電圧指令値 300 V 5 V/div 10 A/div 5 V/div 10 A/div 50 ms/div 50 ms/div 入力電流の歪みを無くしつつ 高速応答を実現する出力電圧 制御方法を提案 3 入力電流 出力電圧 入力電流 出力電圧
  • 4. 出力電圧制御系のプラントの離散時間モデル 𝑖𝑑𝑐[𝑘] ≡ 1 𝑇 𝑘𝑇 𝑘+1 𝑇 𝑖𝑑𝑐(𝑡) 𝑑𝑡 𝑘 ∈ ℤ 𝑖𝑜[𝑘] ≡ 1 𝑇 𝑘𝑇 𝑘+1 𝑇 𝑖𝑜(𝑡) 𝑑𝑡 𝑣𝑑𝑐[𝑘] ≡ 𝑣𝑑𝑐(𝑘𝑇) 𝑣𝑑𝑐 𝑘 + 1 𝑇 = 𝑣𝑑𝑐 𝑘𝑇 𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 + 𝑇 𝐶 𝑖𝑑𝑐 𝑘 − 𝑖𝑜 𝑘 + 1 𝐶 𝑘𝑇 𝑘+1 𝑇 𝑖𝑑𝑐 𝑡 − 𝑖𝑜(𝑡) 𝑑𝑡 4 (1) (2) (3) (4) (5)
  • 5. 出力電圧デッドビート制御則の構成 𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 + 𝑇 𝐶 𝑖𝑑𝑐 𝑘 − 𝑖𝑜 𝑘 プラントの離散時間モデル: 1ステップ先の制御量𝑣𝑑𝑐 𝑘 + 1 が指令値𝑣𝑑𝑐𝑟𝑒𝑓 𝑘 と一致するような操作量𝑖𝑑𝑐 𝑘 を与える. 従って,𝑉𝑑𝑐𝑟𝑒𝑓[𝑘] = 𝑣𝑑𝑐 𝑘 + 1 とし,式(5)より𝑖𝑑𝑐 𝑘 について解くと 𝑖𝑑𝑐 𝑘 = 𝐶 𝑇 𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 − 𝑣𝑑𝑐 𝑘 + 𝑖𝑜 𝑘 負荷電流𝑖𝑜 𝑘 は外乱オブザーバにより推定する. 𝑖𝑜 [𝑘 + 1] = 𝑖𝑜 𝑘 とし,式(5)より𝑖𝑜 [𝑘 + 1]について解くと 𝑖𝑜 [𝑘 + 1] = 𝐶 𝑇 𝑣𝑑𝑐 𝑘 − 𝑣𝑑𝑐 𝑘 + 1 + 𝑖𝑑𝑐 𝑘 𝑖𝑜 [𝑘] = 𝐶 𝑇 𝑣𝑑𝑐 𝑘 − 1 − 𝑣𝑑𝑐 𝑘 + 𝑖𝑑𝑐 𝑘 − 1 𝑧−1 = 𝑒−𝑇𝑠 ZOH = 1 − 𝑒−𝑇𝑠 𝑠 5 (5) (6) (7) (8)
  • 6. シミュレーション結果 6 負荷電流𝑖𝑜 0 A → 3 A 電源電圧𝑣𝑎𝑐 AC100 V 50 Hz 平滑コンデンサ𝐶 2200 μF 出力電圧指令値 300 V 出力電流リミッタ ±5A 5 V/div 10 A/div 入力電流 出力電圧 50 ms/div
  • 7. 提案した出力電圧デッドビート制御の利点 • 出力電圧制御の高速応答化 • 電源の半周期ごとにおける入力電流の歪みが無い • 負荷変化に対してロバスト • 最適なパラメータの設定が容易 • 制御則の構成が簡単 • ハードウェア的な変更が無く適用できる • 遅延器が1つのみ,演算周期が電源の半周期毎のみであり,計算リソースが軽量 • むだ時間補償用のオブザーバは必要としない まとめ 制御周期を電源周波数の2倍に同期させることで,出力電圧のリプルによる電流制 御系への干渉を無くしつつ,デッドビート制御により短時間で指令値に整定が可能 な出力電圧制御を実現できる. 7
  • 8. 補足資料① 電源周波数相違に対するロバスト性 8 電源周波数 50 Hz 𝑇 = 1 ÷ 50 ÷ 2 = 0.01 電源周波数 50 Hz 𝑇 = 1 ÷ 60 ÷ 2 ≅ 0.0083 電源周波数 60 Hz 𝑇 = 1 ÷ 50 ÷ 2 = 0.01 • 50 Hz/60 Hz両対応としたい場合, 𝑇 はPLLにより取得し可変パラメータとするとなお良い. 𝑖𝑑𝑐 (制御器出力)
  • 9. 補足資料② 平滑コンデンサ容量変化に対するロバスト性 9 平滑コンデンサ容量真値=モデル×0.8 平滑コンデンサ容量真値=モデル×0.7 平滑コンデンサ容量真値=モデル×0.6 • 電源周波数に対する𝑇に相違がない場合,平滑コンデ ンサの真値がモデルの値の0.75倍以下となると不安定 となる. 𝑖𝑑𝑐 (制御器出力)
  • 10. 補足資料③ モデル化誤差に対する安定性 10 𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 + 𝑇 𝐶 𝑖𝑑𝑐 𝑘 − 𝑖𝑜 𝑘 𝑖𝑑𝑐 𝑘 = 𝐶𝑚 𝑇𝑚 𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 − 𝑣𝑑𝑐 𝑘 + 𝑖𝑜 𝑘 𝑖𝑜 [𝑘] = 𝐶𝑚 𝑇𝑚 𝑣𝑑𝑐 𝑘 − 1 − 𝑣𝑑𝑐 𝑘 + 𝑖𝑑𝑐 𝑘 − 1 𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 + 𝑇 𝐶 𝑖𝑑𝑐 𝑘 𝑊 = 𝑇 𝐶 とし,式(9)をz変換すると 𝑧𝑣𝑑𝑐(𝑧) = 𝑣𝑑𝑐(𝑧) + 𝑊𝑖𝑑𝑐(𝑧) 𝑣𝑑𝑐(𝑧) = 𝑊 𝑧 − 1 𝑖𝑑𝑐 𝑧 :プラント :制御器 :外乱オブザーバ 𝑖𝑜 𝑘 = 𝑖𝑜 𝑘 , 𝑊 𝑚 = 𝑇𝑚 𝐶𝑚 とし,式(6),(8)より 𝑖𝑑𝑐 𝑘 = 1 𝑊 𝑚 𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 + 𝑣𝑑𝑐 𝑘 − 1 − 2𝑣𝑑𝑐[𝑘] + 𝑖𝑑𝑐 𝑘 − 1 指令値𝑉𝑑𝑐𝑟𝑒𝑓から制御量𝑣𝑑𝑐までの閉ループパルス伝達関数を求める. 式(12)をz変換すると 𝑖𝑑𝑐(𝑧) = 1 𝑊 𝑚 𝑉𝑑𝑐𝑟𝑒𝑓 𝑧 + 𝑧−1 𝑣𝑑𝑐 𝑧 − 2𝑣𝑑𝑐 𝑧 + 𝑧−1 𝑖𝑑𝑐(𝑧) 𝑖𝑑𝑐(𝑧) = 1 𝑊 𝑚(𝑧 − 1) 𝑧𝑉𝑑𝑐𝑟𝑒𝑓 𝑧 − (2𝑧 − 1)𝑣𝑑𝑐 𝑧 式(11),(14)より 𝑣𝑑𝑐 𝑧 = 𝑊 𝑧 − 1 ∙ 1 𝑊 𝑚(𝑧 − 1) 𝑧𝑉𝑑𝑐𝑟𝑒𝑓 𝑧 − (2𝑧 − 1)𝑣𝑑𝑐 𝑧 𝑣𝑑𝑐 𝑧 𝑉𝑑𝑐𝑟𝑒𝑓 𝑧 = 𝑊𝑧 𝑊 𝑚𝑧2 − 2 𝑊 𝑚 − 𝑊 𝑧 + 𝑊 𝑚 − 𝑊 従って,パルス伝達関数は 𝑣𝑑𝑐 𝑧 𝑉𝑑𝑐𝑟𝑒𝑓 𝑧 = 1 𝑧 となり,𝑉𝑑𝑐𝑟𝑒𝑓が1ステップ後に𝑣𝑑𝑐へ反映されるようなデッドビート応答 となることを示す. 特性方程式の根,すなわち極が単位円内に収まることで安定となるため 𝑊 𝑚 − 𝑊 ± 𝑊(𝑊 − 𝑊 𝑚) 𝑊 𝑚 < 1 が成り立ち,これを求めると安定条件は 𝑊 = 𝑊 𝑚のとき,式(16)は 3 4 < 𝑊 𝑚 𝑊 (5) (9) (10) (11) (6) (8) (12) (13) (14) (15) (16) (17) (18) (19) 外乱𝑖𝑜 𝑘 = 0として
  • 11. 補足資料④ 状態フィードバック制御としての極配置 11 𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 + 𝑇 𝐶 𝑖𝑑𝑐 𝑘 − 𝑖𝑜 𝑘 𝑖𝑑𝑐 𝑘 = −𝐹𝑣𝑑𝑐 𝑘 + 𝐹𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 𝑖𝑑𝑐 𝑘 を入力とし,ゲイン𝐹による状態フィードバックでサーボ系を構成 𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 − 𝑇 𝐶 𝐹𝑣𝑑𝑐 𝑘 + 𝐹𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 − 𝑖𝑜 𝑘 = 1 − 𝑇 𝐶 𝐹 𝑣𝑑𝑐 𝑘 − 𝑇 𝐶 𝐹𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 + 𝑇 𝐶 𝑖𝑜 𝑘 デッドビート制御となるように極を0に配置するため 1 − 𝑇 𝐶 𝐹 = 0 𝐹 = 𝐶 𝑇 𝑖𝑑𝑐 𝑘 = − 𝐶 𝑇 𝑣𝑑𝑐 𝑘 + 𝐶 𝑇 𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 𝑖𝑑𝑐 𝑘 = 𝐶 𝑇 (𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 − 𝑣𝑑𝑐 𝑘 ) + 𝑖𝑜 𝑘 = 𝐶 𝑇 (𝑉𝑑𝑐𝑟𝑒𝑓 𝑘 − 𝑣𝑑𝑐 𝑘 ) 外乱𝑖𝑜 𝑘 を相殺するフィードフォワード項を追加すると (5) (20) (21) (22) (23) (24) 式(23)より,式(20)は (6)
  • 12. 補足資料⑤ 最小次元オブザーバとしての極配置 12 𝑖𝑜 𝑘 + 1 = 𝑖𝑜 𝑘 𝑣𝑑𝑐 𝑘 + 1 = 𝑣𝑑𝑐 𝑘 + 𝑇 𝐶 𝑖𝑑𝑐 𝑘 − 𝑖𝑜 𝑘 𝑖𝑜 𝑘 = 𝑖𝑑𝑐 𝑘 − 𝐶 𝑇 (𝑣𝑑𝑐 𝑘 + 1 − 𝑣𝑑𝑐 𝑘 ) 𝑖𝑜 𝑘 + 1 = 𝑖𝑜 𝑘 + 𝐺(𝑖𝑜 𝑘 − 𝑖𝑜 𝑘 ) = 1 − 𝐺 𝑖𝑜 𝑘 + 𝐺𝑖𝑑𝑐 𝑘 − 𝐺𝐶 𝑇 𝑣𝑑𝑐 𝑘 + 1 + 𝐺𝐶 𝑇 𝑣𝑑𝑐 𝑘 ζ 𝑘 = 𝑖𝑜 𝑘 + 𝐺𝐶 𝑇 𝑣𝑑𝑐 𝑘 ζ 𝑘 + 1 = 𝑖𝑜 𝑘 + 1 + 𝐺𝐶 𝑇 𝑣𝑑𝑐 𝑘 + 1 = 1 − 𝐺 𝑖𝑜 𝑘 + 𝐺𝑖𝑑𝑐 𝑘 + 𝐺𝐶 𝑇 𝑣𝑑𝑐 𝑘 = 1 − 𝐺 𝑖𝑜 𝑘 + 𝐺𝐶 𝑇 𝑣𝑑𝑐 𝑘 + 𝐺2 𝐶 𝑇 𝑣𝑑𝑐 𝑘 + 𝐺𝑖𝑑𝑐 𝑘 = 1 − 𝐺 ζ 𝑘 + 𝐺2 𝐶 𝑇 𝑣𝑑𝑐 𝑘 + 𝐺𝑖𝑑𝑐 𝑘 1 − 𝐺 = 0 デッドビートオブザーバとなるように極を0に配置するため 𝐺 = 1 オブザーバゲイン𝐺とし,最小次元オブザーバを構成 𝑖𝑜を0次外乱として 𝑣𝑑𝑐 𝑘 + 1 を消去するため,ζにより次のように変数変換する 従って,最小次元デッドビートオブザーバは ζ 𝑘 + 1 = 𝐶 𝑇 𝑣𝑑𝑐 𝑘 + 𝑖𝑑𝑐 𝑘 𝑖𝑜 𝑘 = ζ 𝑘 − 𝐶 𝑇 𝑣𝑑𝑐 𝑘 𝑖𝑜 [𝑘] = 𝐶 𝑇 𝑣𝑑𝑐 𝑘 − 1 − 𝑣𝑑𝑐 𝑘 + 𝑖𝑑𝑐 𝑘 − 1 (5) (25) (26) (27) (28) (29) (30) (31) (32) (33) (8)
  • 13. 補足資料⑥ 電圧制御器出力(出力電流平均値) 𝑖𝑑𝑐から電流 指令値𝑖𝑎𝑐𝑟𝑒𝑓への変換について 13 入出力電力が等しいとすると 𝑉 𝑎𝑐𝐼𝑎𝑐 = 𝑣𝑑𝑐𝑖𝑑𝑐 𝑖𝑎𝑐𝑟𝑒𝑓 = 2𝑣𝑑𝑐 sin 𝜔𝑡 𝑉 𝑎𝑐 𝑖𝑑𝑐 𝑖𝑎𝑐 = 𝑖𝑎𝑐𝑟𝑒𝑓 = 2𝐼𝑎𝑐 sin 𝜔𝑡 とすると 𝐼𝑎𝑐 = 𝑖𝑎𝑐𝑟𝑒𝑓 2 sin 𝜔𝑡 𝑉 𝑎𝑐 𝑖𝑎𝑐𝑟𝑒𝑓 2 sin 𝜔𝑡 = 𝑣𝑑𝑐𝑖𝑑𝑐 𝑖𝑎𝑐𝑟𝑒𝑓について解くと (34) (35) (36) (37)
  • 15. 補足資料⑧ コムフィルタを適用した制御器との類似性 15 参考文献 [1] A. Prodic, Jingquan Chen, R.W. Erickson, D. Maksimovic: “Self-tuning digital comb filter for PFC applications”, IEEE 28th Annual Conference of the Industrial Electronics Society. IECON 02 pp.220-225, 2002 • 出力電圧のリプルの周波数成分をコムフィルタによりカット しつつ制御帯域を広げることで高速応答を可能とする手法 が提案されている[1]. • ゼロ次ホールドはコムフィルタに積分器を組み合わせたも のと同様な周波数特性を持つ. • デッドビート制御器そのものは2自由度P制御と同形である. • 定常偏差の抑制法として積分補償かフィードフォワード補償 かが両者の大きな相違点である.