Che cos’è il controllo di motori elettrici?

Il controllo di motori elettrici è il processo di regolazione della velocità, della coppia, della posizione e di altre caratteristiche per migliorare le prestazioni e ottimizzare l’efficienza energetica. I motori elettrici, che rappresentano circa il 45% del consumo globale di elettricità, sono parte integrante di sistemi di trazione, azionamenti industriali, configurazioni HVAC residenziali e commerciali e altre applicazioni, il che rende il controllo di motori elettrici un elemento chiave.

Gli algoritmi convenzionali di controllo motori sono alla base dello sviluppo di algoritmi di controllo di motori elettrici, che includono:

Controllo scalare: noto anche come controllo volt su hertz (V/f), questo metodo di controllo di motori elettrici a loop chiuso mantiene un rapporto tensione/frequenza costante nei motori CA per il controllo di base della velocità.
Controllo Field-Oriented (FOC): questa tecnica di controllo di motori elettrici a loop chiuso impiega il controllo vettoriale utilizzando le trasformate di Clarke e Park per separare e gestire i componenti magnetici e generatori di coppia delle correnti dei motori CA, consentendo un controllo preciso di velocità e coppia.
Controllo diretto di coppia (DTC): questa tecnica facilita le regolazioni dinamiche di coppia e flusso senza la necessità di trasformazioni complesse, per cui è adatta ad applicazioni che richiedono una rapida risposta di coppia.

Sviluppo di sistemi di controllo di motori elettrici con MATLAB e Simulink

Con MATLAB^® e Simulink^®, gli ingegneri di controllo motori progettano algoritmi di controllo motori, simulano il comportamento dei sistemi e ottimizzano le prestazioni tramite test in tempo reale, al fine di determinare l’idoneità dei progetti di controller di motori elettrici e ridurre i tempi e i costi dello sviluppo di algoritmi prima di eseguire dispendiosi test sull’hardware.

Lo sviluppo di sistemi di controllo di motori elettrici prevede diverse attività per passare dalla progettazione di algoritmi di controllo motori all’implementazione di questi su un microcontroller o un FPGA.

Modellazione di impianti

La modellazione di motori e componenti di elettronica di potenza è una pratica ingegneristica accettata per lo sviluppo di sistemi di controllo di motori elettrici. Simscape Electrical™ supporta più livelli di fedeltà nella modellazione di motori, consentendo agli ingegneri di utilizzare la simulazione per scegliere il livello di dettaglio appropriato per varie applicazioni, come il dimensionamento dei motori e la progettazione di controlli di motori di trazione per veicoli elettrici.

Sviluppo di algoritmi

La progettazione e il perfezionamento degli algoritmi consente una gestione precisa di velocità, coppia e consumo energetico nei motori elettrici. Motor Control Blockset offre blocchi predefiniti ottimizzati ed esempi di riferimento per accelerare lo sviluppo e la distribuzione di tecniche di controllo motori con e senza sensori.

Sincronizzazione di controller

Ottenere il comportamento desiderato del sistema comporta l’ottimizzazione dei parametri del controller. Simulink Control Design™ fornisce strumenti come FOC Autotuner, la sincronizzazione automatica PID e la stima della risposta in frequenza, che facilitano una sincronizzazione efficiente e l’ottimizzazione delle prestazioni di stabilità e risposta del sistema.

Generazione di codice

La generazione di codice trasforma gli algoritmi di controllo verificati in codice eseguibile per la distribuzione su hardware. È possibile sfruttare la prototipazione rapida dei controlli e le simulazioni Hardware-In-the-Loop (HIL) su un target in tempo reale generando codice C, C++ o HDL per algoritmi di controllo motori per validare i controller per motori. Embedded Coder^® genera codice C e C++ ottimizzato da modelli Simulink, con pacchetti di supporto hardware che facilitano la distribuzione automatica su C2000, STM32, Infineon Aurix e altri MCU. Per il targeting di FPGA e SoC, HDL Coder™ facilita la generazione di codice e la distribuzione su dispositivi Intel, Xilinx e Microchip.

Applicazioni del controllo di motori elettrici

Gli esempi di riferimento con Motor Control Blockset™ includono anche strategie di controllo motori avanzate come il controllo predittivo basato su modelli, il controllo di reiezione dei disturbi attivi e il Reinforcement Learning per accelerare il processo di sviluppo.

Controllo predittivo basato su modelli

Il controllo predittivo basato su modelli (MPC) migliora il controllo Field-Oriented rispetto al PID gestendo in modo efficace vincoli come la saturazione di coppia e i limiti di tensione, gestendo nel contempo l’accoppiamento incrociato tra i loop per ottimizzare gli obiettivi di controllo. Il controller MPC può essere valutato simulandolo in un loop chiuso con il sistema motore in Simulink utilizzando l’esempio di riferimento.

Diagramma a blocchi di un’architettura di controllo Field-Oriented per il controllo di motori elettrici con un controller predittivo basato su modelli nel loop di corrente interno. — Integrazione di controller predittivi basati su modelli nel controllo Field-Oriented per migliorare il controllo di motori elettrici. (cfr. documentazione).

Controllo di reiezione dei disturbi attivi

Per migliorare la robustezza del sistema, è possibile utilizzare il controllo di reiezione dei disturbi attivi (ADRC) per compensare i disturbi e garantire stabilità in condizioni variabili. Mentre la sincronizzazione PID richiede sforzi notevoli, l’ADRC offre una soluzione di controllo non lineare che raggiunge buone prestazioni con una configurazione più semplice e minori sforzi di sincronizzazione. Il blocco Active Disturbance Rejection Control semplifica l’implementazione dell’ADRC, consentendo anche a utenti meno esperti di applicare la tecnica con maggiore facilità.

Diagramma a blocchi di un sistema di controllo di motori elettrici che illustra l’architettura di un ADRC per i loop di corrente dell’asse d e q. — Implementazione del controllo di reiezione dei disturbi attivi (ADRC) in Simulink Control Design per ottimizzare il controllo di motori elettrici. (cfr. documentazione).

Reinforcement Learning

Il Reinforcement Learning offre un approccio dinamico al controllo apprendendo dalle interazioni con l’ambiente, il che lo rende una solida alternativa ai controller tradizionali come i PID, soprattutto in caso di difficoltà nella caratterizzazione dei motori e delle relative condizioni operative. Nonostante il suo potenziale, il Reinforcement Learning richiede risorse computazionali e tempo di addestramento significativi. In Simulink, il blocco dell’agente di Reinforcement Learning facilita la configurazione di un controller di Reinforcement Learning per il controllo Field-Oriented, consentendo agli ingegneri di sfruttare questa tecnica avanzata.

Sfruttando blocchi predefiniti ed esempi di riferimento con Simulink, gli ingegneri possono sviluppare strategie di controllo e modelli di motori accurati per affrontare in modo efficace le sfide della costruzione di sistemi di controllo di motori elettrici.