KIRA - KI-Methoden zur optimierten Regelung elektrischer Traktionsantriebe; Teilvorhaben: Regelung optimiert durch KI

Abstract

Das Ziel dieser Arbeit war die Entwicklung praxistauglicher, KI-basierter Algorithmen und Systemmodelle, die für die Inbetriebnahme sowie den Betrieb unbekannter isotroper und anisotroper Synchronmaschinen eingesetzt werden können. Die entwickelten Verfahren ermöglichen sowohl den Einsatz im Offline-Betrieb (Maschine im Stillstand) als auch im Online-Betrieb (laufende Maschine). Mithilfe dieser Techniken sollen das Betriebsverhalten – insbesondere die Dynamik der Regler und die Energieeffizienz der Maschine – sowie die Genauigkeit von positionsgeberlosen Regelungen optimiert werden. Da moderne Synchronmaschinen in der Praxis ein nichtlineares magnetisches Verhalten aufweisen, wurden KI-basierte Maschinenmodelle entwickelt, die sowohl das nichtlineare Sättigungsverhalten als auch Kreuzkopplungen berücksichtigen können. Ebenso wird die Behandlung von Subharmonischen in geberlosen Regelungen ermöglicht. Darüber hinaus wurden Modelle erstellt, die die nichtlinearen und parasitären Effekte des Wechselrichters in Abhängigkeit mehrerer Eingangsgrößen – wie Strom, Spannung, Temperatur und Schaltfrequenz – abbilden. Diese Modelle können während einer Offline-Inbetriebnahme durch Identifikationsalgorithmen optimiert werden. Zusätzlich besteht die Möglichkeit, sie im laufenden Betrieb (Online) durch KI-Techniken adaptiv anzupassen, um Einflüsse wie Temperaturverhalten und Lastschwankungen zu berücksichtigen. Basierend auf den KI-Modellen kann somit während des Betriebs eine Optimierung hinsichtlich Energieeffizienz und Dynamik erfolgen. Zur Evaluierung der Robustheit und zur Überprüfung der Praxistauglichkeit wurden unterschiedliche Motortechnologien unter variierenden Lastbedingungen am Prüfstand untersucht. The goal of this work was the development of practical AI-based algorithms and system models that can be used for the commissioning and operation of unknown isotropic and anisotropic synchronous machines. The AI-based algorithms and system models offer the possibility of use for offline operation (machine not in operation; at standstill) as well as online (in operation). These techniques aim to optimize operational behavior, such as the dynamics of the controllers and the energy efficiency of the machine, as well as the accuracy of sensorless control. Since modern synchronous machines exhibit nonlinear magnetic behavior in practice, AI-based machine models for isotropic and anisotropic synchronous machines have been developed that can account for nonlinear saturation behavior, cross-coupling, and subharmonics in sensorless control. Additionally, practical models have been created to consider the nonlinear and parasitic effects of the inverter, depending on several input variables such as current, voltage, temperature, and switching frequency. These models can be optimized during an offline commissioning process through identification algorithms. In the next step, it is possible to optimize these models during ongoing operation (online) using AI techniques to account for factors like temperature behavior and load conditions. Based on the AI models, optimization of energy efficiency and dynamics can be performed during operation. To evaluate the robustness and test the practical applicability, different motor technologies have been tested on a test bench under various load conditions.