KR19980030475A - 신경 회로망을 사용한 전동기의 최적 효율 속도 제어 시스템 - Google Patents

Abstract

본 발명은 전동기를 동작 조건에 따라 항상 최적 효율이 유지되도록 신경 회로망을 이용하여 제어하는 전동기의 속도 제어 시스템에 관한 것으로서, 본 발명의 전동기 속도 제어 시스템은 입력층, 은닉층 및 출력층으로 구성되는 신경 회로망을 포함하고, 상기 전동기의 운전 조건에 기초하여 입력 전력이 최소화되도록 상기 은닉층과 출력층의 가중치와 오프셋을 학습시켜 상기 전동기의 소정의 제어 변수를 출력하는 신경 회로망 제어기, 상기 소정의 제어 변수를 사용하여 상기 전동기를 제어하는 모터 제어 수단 및 상기 전동기로부터 운전 조건을 도출하기 위한 수단을 포함한다.

Description

신경 회로망을 사용한 전동기의 최적 효율 속도 제어 시스템

본 발명은 전동기의 속도 제어 시스템에 관한 것으로, 특히 전동기를 동작조건에 따라 항상 최적 효율이 유지되도록 신경 회로망을 이용하여 제어하는 전동기의 속도 제어 시스템에 관한 것이다.

전동기의 효율 특성을 살펴보기 위해서, 예를 들어 도 1에 도시한 유도 전동기의 선형 등가 회로를 참조하여 이하 설명한다. 도면에서 유도 전동기의 선형 상당 등가 회로는 직렬 연결된 유도 전동기의 고정자 저항(R₁) 및 고정자 누설 인덕턴스(L₁), 이에 병렬로 연결된 철손 등가 저항(R_m) 및 상호 인덕턴스(L_m), 및 상기 병렬 연결된 성분들의 일단과 타단간에 직렬 연결된 회전자 누설 인덕턴스(L₂), 회전자저항(R₂)으로 구성되며, 이 등가 회로에는 전원(V)이 인가된다. 이와 같이 다수의 저항 성분과 인던턴스 성분이 직렬, 병렬로 연결된 것으로 표현될 수 있는 유도 전동기에서 발생하는 손실을 고찰하여 보면 다음과 같이 크게 5가지로 나눌 수 있다.

(1) 고정자 동손(P_cs) : 부하 토크, 고정자 인가전압 및 주파수, 온도의 함수

(2) 고정자 철손(P₁) : 고정자 인가전압 및 주파수의 함수

(3) 회전자 동손(P_cr) : 부하 토크, 슬립 주파수 및 온도의 함수

(4) 기계손(P_m) : 마찰손 및 풍손으로 회전속도의 함수

(5) 표류 부하손(P_s) : 부하토크, 고정자 인가전압 및 주파수, 온도의 함수

상기 언급한 바와 같이, 유도 전동기에서 발생하는 5가지의 손실 중에서 기계손 및 표류 부하손은 일정 속도하에서는 부하 토크에 무관하게 거의 일정하게 유지되는 것이기 때문에, 제어 가능한 손실은 고정자 동손, 고정자 철손 및 회전자 동손이며, 이들은 고정자 인가전압 및 주파수를 제어함으로써 최소화할 수 있는 것이다. 이와 같이 제어가능한 손실 성분을 최소화하기 위해서 인가전압 및 주파수를 제어하여야 하는데, 주어진 회전속도 및 부하토크에 대하여 인가전압 및 주파수는 서로 종속관계에 있기 때문에 제어 가능한 손실은 주파수 또는 슬립 주파수로 표현될 수 있다.

제어 가능한 손실을 P_t라고 표시하면, 이 P_t는 다음과 같이 도 1의 등가 소자 성분들을 포함한 다음의 식(1)로 표현될 수 있다.

(1)

여기서, T_L는 부하 토크 ω_s는 슬립 주파수, N_p는 극짝수, R₁, R₂, R_m은 각각 고정자 저항, 회전자 저항 및 철손 등가저항, Z₂=(R₂/s)+jω_fL₂, Zm=jR_mω_fL_m/(R_m+jω_fL_m);L₂, L_m은 각각 회전자 누설 인덕턴스 및 상호 인덕턴스; s는 슬립; ω_f는 전기각속도(ω_f=ω_r+ω_s); ω_r은 회전자 회전각속도이다.

상기 식(1)에서 알 수 있듯이, 제어 가능한 손실 P_t는 부하 토크(T_L), 회전자 회전각속도(ω_r) 및 슬립 주파수(ω_s)의 함수, 즉 f(T_l, ω_r, ω_s)가 된다. 그러므로, 운전 조건으로서 부하 토크(T_L) 및 회전자 회전각속도(ω_r)가 주어질 때, 이 조건에 대하여 손실(P_t)을 최소화할 수 있는 최적 슬립 주파수는 이를 ω_s ^*라 표시할 때, 다음의 식(2)로부터 얻을 수 있다.

상기 식(2)에 의해 운전 조건의 변화에 따른 최적 슬립 주파수를 수치 해석을 사용하여 구하여 보면 최적 슬립 주파수는 부하 토크(T_L)에는 무관하고 회전자 회전 각속도( ω_r)에 따라 선형적으로 변하게 된다.

그러나, 이것은 선형 모델을 사용한 경우이며, 실제적으로는 비선형 특성이 존재한다. 이를 보다 자세히 살펴보면, 상기 언급된 고정자 저항(R₁) 및 회전자 저항(R₂)은 온도변화에 따라 대응하여 변하고, 또한 철손 등가저항 및 상호 인덕턴스(R_m및 L_m)은 유도 전동기의 운전 조건, 즉 T_L및 ω_r에 따른 공극자속의 크기 변화에 의한 철심의 비선형 포화현상에 기인하여 변한다. 이러한 비선형성을 고려하면 최적 슬립 주파수(ω_s ^*)는 선형 모델의 경우와는 달리 부하 토크(T_L)의 변화에 대해서도 변하게 된다.

도 2는 10 마력의 유도 전동기 하나를 예로 들어 선형 및 비선형 모델에 대한 최적 슬립 주파수(ω_s ^*)를 T_L및 ω_r의 운전 조건에 따라 구한 결과를 예시한 것이다. 도면에서 횡축은 회전 속도[pu]이며, 종축은 최적 슬립 주파수(ω_s ^*)(단위 : rad/sec)이다. 도면에서, 선형 모델인 경우 부하 토크(T_L)에 무관하게 회전 속도에 따라 최적 슬립 주파수는 실선과 같이 변하며, 비선형 모델의 경우 최적 슬립 주파수는 점선과 같이 부하 토크에도 영향을 받음을 알 수 있다.

이상 설명한 것은 유도 전동기의 최적 효율 운전을 위한 제어 변수를 슬립 주파수로 한 경우에 대한 것인데, 이러한 제어 변수는 이외에도 다양하게 취해질 수 있다. 즉, 취해진 유도 전동기의 제어 방법에 따라 슬립 주파수, 주파수, 고정자 전압 또는 자속 전류 등 여러가지 형태의 제어 변수를 취할 수 있다. 그러나, 궁극적으로는 부하 조건에 따라 최적 효율 운전을 할 수 있도록 공극 자속의 크기를 제어하는 것이다. 상기 설명한 바와 관련하여, 유도 전동기의 최적 효율 운전을 위해 종래의 방식을 예를 들어 보면 다음과 같다.

(1) 선형 모델만 고려하여 상기 식(2)를 만족하는 최적 슬립 주파수를 구하여 사용하는 방법

(2) 실험을 통하여 운전 조건에 따른 최적 슬립 주파수를 측정하고 이를 롬 테이블에 저장하여 사용하는 방법 및

(3) 최근에 고안된 방법으로 퍼지 제어를 응용하여 입력 전력이 최소화되도록 제어 변수(고정자 전압, 자속 전류 또는 슬립 주파수)를 조절하는 방법 등이 있다.

그러나, 이러한 기존의 방법들에서 (1)의 방법은 온도의 변화 또는 동작점 변화에 따른 전동기 파라미터가 변동하게 되면 최적 효율 운전이 불가능해지는 문제가 있다. (2)의 방법에서는 이 방법이 적용될 전동기가 바뀔 때마다 실험을 다시 수행해야 하는 번거러움이 따르고, 이 방법 또한 장시간 운전에 따른 전동기 파라미터의 변화에 대해서는 최적 효율 운전이 불가능해진다. 그리고 (3)의 방법에서는 퍼지 제어 특성상 소속 함수 등을 설계함에 있어 경험적인 지식이 필요하고 제어 입력으로서 회전자 속도만을 취함으로써 최적 동작점으로서의 수렴 속도가 느린 단점을 갖고 있다. 이상은 유도 전동기를 예로 들어 논하였으나, 다른 전동기들도 이와 유사한 특성을 갖는다.

본 발명의 목적은 신경 회로망을 채용하여 전동기를 동작 조건에 따라 항상 최적 효율이 유지되도록 제어할 수 있는 전동기의 속도 제어 시스템을 제공하는 것이다.

본 발명의 다른 목적은 신경 회로망을 채용하여 유도 전동기를 동작 조건에 따라 항상 최적 효율이 유지되도록 제어할 수 있는 유도 전동기의 슬립 주파수형 속도 제어 시스템을 제공하는 것이다.

본 발명의 또다른 목적은 신경 회로망을 채용하여 유도 전동기를 동작 조건에 따라 항상 최적 효율이 유지되도록 제어할 수 있는 유도 전동기용 벡터 제어 시스템을 제공하는 것이다.

이러한 목적을 달성하는 본 발명의 전동기 속도 제어 시스템은 입력층, 은닉층, 및 출력층으로 구성되는 신경 회로망을 포함하고, 상기 전동기의 운전 조건에 기초하여 입력 전력이 최소화되도록 상기 은닉층과 출력층의 가중치와 오프셋을 학습시켜 상기 전동기의 소정의 제어 변수를 출력하는 신경 회로망 제어기, 상기 소정의 제어 변수를 사용하여 상기 전동기를 제어하는 모터 제어 수단 및 상기 전동기로부터 운전 조건을 도출하기 위한 수단을 포함한다.

상기 모터 제어 수단은 모터 제어 방식에 따라서 예를 들면 슬립 주파수형 속도 제어 시스템이거나 벡터 제어 속도 제어 시스템일 수 있고, 또한 그 채택된 방식에 대응하여 상기 제어 변수도 최적 슬립 주파수나 최적 자속 전류 지령치일 수 있다.

본 발명은 학습 기능이 있어 학습이 반복됨에 따라 제어 변수는 최적 효율 운전값으로 수렴한다. 따라서, 임의의 전동기에 적용되어 계속적으로 사용함에 따라 신경 회로망의 가중치 및 오프셋에 누적된 과거의 경험 정보에 의해 운전 조건 변동에 따른 최적점으로의 수렴 속도가 향상된다. 더욱이, 본 발명의 신경 회로망제어기는 자속의 포화 효과나 온도 변화에 따른 전동기 파라미터의 변동 등과 같은 비선형 특성에 강인한 최적 효율 운전을 달성할 수 있다.

도 1은 유도 전동기의 상당(phase equivalent) 등가 회로도.

도 2는 10마력급 유도 전동기의 효율 특성을 예시한 그래프.

도 3은 본 발명에 따른 신경 회로망 제어기의 입출력 관계를 나타낸 개념도.

도 4는 본 발명에 따른 신경 회로망 제어기의 구성을 개략적으로 나타낸 도면.

도 5는 본 발명의 신경 회로망 제어기를 적용한 유도 전동기의 슬립 주파수형 속도 제어 시스템에 대한 개략적인 블록도.

도 6는 본 발명의 신경 회로망 제어기를 적용한 유도 전동기의 벡터 제어 속도 제어 시스템에 대한 개략적인 블록도.

* 도면의 주요부분에 대한 부호의 설명

1 : 신경 회로망 제어기

5 : 슬립 제어기

6 : 인버터

7A,7B : 속도 제어기

8 : 부하 토크 추정기

9 : 속도 측정기

10 : 전동기

이하, 본 발명에 대해서 첨부한 도면을 참조하여 보다 상세히 설명한다.

본 발명에서는 제어 변수의 최적값을 생성하기 위해 신경 회로망을 채택한다. 본 발명에 따른 신경 회로망 제어기는 운전 조건에 대하여 최적의 제어 변수를 생성함에 있어 입력 전력을 평가 함수로서 채택하고, 이 평가 함수를 최소화하도록 신경 회로망의 가중치와 오프셋을 학습시킨다.

도 3은 상기 개괄적으로 살펴본 본 발명에 따른 신경 회로망 제어기(1)에 대한 개략적인 블록도이다. 도시된 바와 같이, 본 발명의 신경 회로망 제어기(1)는 운전 조건(2)과 평가 함수(3)를 입력받아 제어 변수(4)의 최적치를 출력한다.

본 발명의 후술하는 실시예에서는 신경 회로망 제어기(1)에 인가되는 운전조건으로서 부하 토크(T_L)와 회전자 회전 각속도(ω_r)를 채용하고, 평가 함수(3)로서 입력 전력(P_in)을 사용하며, 제어 변수(4)로서는 제어 방식에 따라 슬립 주파수, 고정자 전압, 자속 전류 등을 적절히 선택한다. 또한, 최적의 제어 변수(4)를 출력함에 있어서, 신경 회로망은 상기 평가 함수를 최소화하도록 학습되는데, 본 실시예에서는 델타 학습법을 사용하여 평가 함수를 최소화하도록 신경 회로망의 가중치와 오프셋을 학습시킴으로써 소망하는 제어 변수를 얻도록 한다. 따라서, 학습이 반복됨에 따라 제어 변수는 최적의 값으로 수렴하게 된다.

도 4는 상기 기술된 본 발명의 제어기(1)에 관련하여, 본 발명에 따른 신경 회로망 제어기에 대한 보다 구체적인 구성을 하나의 실시예로서 예시한 것이다. 도 4는 실시예로서 은닉층이 하나인 경우를 도시하였다. 은닉층이 여러 개인 경우도 본 실시예를 참고하여 쉽게 구현할 수 있다. 신경 회로망을 구성하는 가중치 및 오프셋은 각 실시예의 목적에 따라 적합하게 학습되는데, 본 실시예에서는 일반화된 델타법에 의해서 다음의 식(3a,3b) 및 식(4a,4b)로 계산된다.

V_jk(n+1)=V_jk(n)+△V_jk(3a)

γ_k(n+1)=γ_k(n)+β∂_k(3b)

W_ij(n+1)=W_ij(n)+△W_ij(4a)

θ_j(n+1)=θ_j(n)+ασ_j(4b)

여기서, V_jk, W_ij는 신경 회로망의 출력층과 은닉층의 가중치,γ_k,θ_j는 출력층과 은닉층의 오프셋 및 β,α는 출력층과 은닉층의 학습율이다.

식(3a) 및 식(4a)에서, △V_jk및 △W_ij는 상기 가중치 및 오프셋을 학습하게 하는 인자로서 이들은 평가 함수(E_p)에 관련되어 있는데, 본 발명에서는 평가 함수(E_p)를 입력 전력(P_in)에 의해 정의하므로 입력 전력을 최소화하도록 신경 회로망 내의 파라미터들이 조정된다.

평가 함수(E_p)를 포함하고 있는 가중치의 변화분 △V_jk및 △W_ij는 다음의 식(5) 내지 식(10)으로부터 계산된다.

여기서, in_i, h_j및 O_k는 각각 신경 회로망의 입력, 은닉층의 출력 및 출력층의 출력이며 f는 활성화 함수이다.

본 발명의 상기 실시예에서 채용된 운전 조건은 부하 토크(T_L)와 회전자 회전 각속도(ω_r)이며, 이들은 본 발명의 제어기(1) 내의 입력층에 입력되고, 내부 신호 경로를 거쳐 출력층에서 요구되는 제어 변수를 얻게 된다. 이러한, 신경 회로망으로서는 예를 들면 잘 알려진 역-전파 신경 회로망(BPNN : Back-Propagation Neural Network) 등이 채용될 수 있다. 이러한 신경 회로망은 학습 기능을 갖게 되고, 반복 수행됨에 따라 출력 제어 변수는 최적치에 도달하게 된다.

이와 같이, 본 발명에 따른 신경 회로망 제어기(1)를 사용하여 입력 조건(T_L,ω_r)에 대응하여 입력 전력(P_in)을 최소화하는 제어 변수가 생성될 수 있고, 상기 제어변수는 사용되는 제어 방식에 따라 적절히 선정될 수 있으므로, 본 발명에 의해 동작 조건에 따라 항상 최적 효율이 유지되도록 전동기를 제어함으로써 에너지를 절감할 수 있다.

본 발명에 따른 제어기(1)는 시시각각으로 변하는 운전 조건에 대해서 온라인 학습 기능을 구비하고 있고, 따라서 계속적으로 사용함에 따라 신경 회로망의 가중치 및 오프셋에 누적된 과거의 경험 정보에 의해 운전 조건 변동에 따른 최적점으로의 수렴 속도 또한 향상된다. 또한, 신경 회로망은 다변수 비선형 시스템을 적절히 처리할 수 있는 특징이 있으므로, 본 발명에 따르면 자속의 포화 효과, 온도 변화에 대한 전동기 파라미터의 변동 등 비선형 특성에 강인한 최적 효율 운전이 가능하다.

상기 설명한 본 발명에 따른 제어기에서 소위 모멘트법과 적응적 학습율 변동법을 부가함으로써 신경 회로망의 수렴 속도를 보다 향상시킬 수 있다. 이들에 대해 간략히 살펴보면, 모멘트법은 현재의 가중치 변화뿐만 아니라 전 단계의 가중치 변화도 고려함으로써 좀더 빨리 수렴하도록 하는 방법이며, 적응적 학습율 변동법은 직전의 학습에 의한 가중치 변화가 평가 함수를 감소시키는 경우는 다음 학습의 학습율을 증가시키고 그 반대이면 학습율을 감소시켜 수렴 속도를 증가시킨다.

다음에, 본 발명의 제어기를 채용하여 슬립 주파수형 속도 제어 시스템을 구현한 것에 대해 설명한다.

도 5는 본 발명의 한 바람직한 실시예로서 유도 전동기의 속도 제어 시스템을 도시한다. 본 실시예의 속도 제어 시스템은 제어 변수로서 슬립 주파수를 출력하는 신경 회로망 제어기(1A)를 포함한다.

도 5에 도시된 유도 전동기의 속도 제어 시스템은, 상기 유도 전동기(10)의 최적 슬립 주파수(ω_s ^*)를 출력하는 신경 회로망 제어기(1A), 상기 유도 전동기(10)로부터 상기 신경 회로망 제어기(1A)에 입력되는 입력 조건으로서 부하 토크(T_L)와 전동기 속도(ω_r)를 도출하기 위한 부하 토크 추정기(8)와 속도 측정기(9), 전동기 기준속도(ω_r,_ref)와 상기 전동기 속도(ω_r) 사이의 차를 받아 슬립 주파수(ω_s)를 출력하는 속도 제어기(7A), 상기 최적 슬립 주파수(ω_s ^*)와 상기 슬립 주파수(ω_s)의 차로부터 모터구동 기준 전압(V_ref)을 출력하는 슬립 제어기(5), 및 상기 슬립 주파수(ω_s)와 전동기 속도(ω_r)을 합한 값(ω_e,_ref)과 상기 모터 구동 기준 전압(V_ref)을 입력받아 상기 유도 전동기를 구동하는 인버터(6)를 포함한다.

이와 같이 구성된 시스템에서, 상기 신경 회로망 제어기(1A)에는 운전 조건으로서 전동기 속도(ω_r)와 부하 토크(T_L)가 입력된다. 전동기 속도(ω_r)는 유도 전동기(10)의 실제 속도를 측정하는 속도 측정기(9)에 의해서 얻어지며, 부하 토크(T_L)는 예를 들면 별도의 토크 센서에 의해 측정하여 얻을 수도 있고 또는 토크 추정기(8)를 사용하여 전동기 단자 전압 및 전류로부터 계산하여 얻을 수도 있다. 이와 같이 운전 조건이 실제 유도 전동기의 동작 상태에 따라 얻어지고 이것이 본 발명의 제어기(1A)에 입력되어 제어를 위해 사용되므로, 운전 조건 변동에 따른 온라인 최적제어기가 실현되는 것이다. 이와 같이 하여 운전 조건이 상기 신경 회로망 제어기(1A)에 입력되면, 상기 제어기(1A)는 전술한 식(3) 내지 식(10)에 근거하여, 입력 전력을 최소화할 수 있는 최적의 슬립 주파수 지령치(ω_s ^*)를 출력한다.

속도 제어기(7A)는 전동기 기준 속도(ω_r,_ref)와 실제 전동기 속도(ω_r)와의 차(ω_r,_ref-ω_r)로부터 슬립 주파수(ω_s)를 출력한다. 이때 상기 슬립 주파수(ω_s)는 일반적으로는 최적 조건의 슬립 주파수(ω_s ^*)와 동일하지 않다. 상기 슬립 주파수(ω_s)와 최적슬립 주파수(ω_s ^*) 사이의 차이(ω_s-ω_s ^*)에 기초하여 슬립 제어기(5)로부터 출력된 기준전압(V_ref)과, 전동기 속도(ω_r)와 슬립 주파수(ω_s)의 합인 각 주파수(ω_e,_ref)가 인버터(6)에 인가되고, 상기 인버터(6)은 유도 전동기(10)의 속도를 제어한다. 여기서, 입력전력이 최소화되어야 하는데, 인버터(6)에서 사용되는 전압과 전류치를 예를 들면 여러가지 제어를 행하는 마이크로컴퓨터(도시 없음)에 입력시켜 입력 전력을 계산함으로써 이 값을 신경 회로망에서 평가 함수로서 사용할 수 있다.

이와 같이, 유도 전동기의 슬립 주파수형 속도 제어 시스템에 신경 회로망이 적용됨에 따라 전동기 단자 전압을 최적으로 제어하므로, 유도 전동기는 최적 효율상태로 운전된다.

다음에, 도 6은 본 발명에 따른 다른 실시예를 도시하는데, 이 예에서는 벡터제어 방식을 사용한 유도 전동기 속도 제어 시스템에 신경 회로망 제어기(1B)를 적용하고 있다.

도 6에 도시된 유도 전동기의 속도 제어 시스템은, 상기 유도 전동기(10)의 속도 제어에 필요한 최적 자속 전류 지령치(i_ds ^*)를 출력하는 신경 회로망 제어기(1B), 상기 유도 전동기로부터 상기 신경 회로망 제어기(1B)에 입력되는 입력 조건으로서 부하 토그(T_L)와 전동기 속도(ω_r)를 도출하기 위한 부하 토크 추정기(8)과 속도 측정기(9), 전동기 기준 속도(ω_r,_ref)와 상기 전동기 속도(ω_r) 사이의 차를 받아 토크 전류(i_qs ^*)를 출력하는 속도 제어기(7B), 상기 토크 전류(i_qs ^*), 상기 최적 자속 전류 지령치(i_ds ^*), 및 상기 전동기 속도(ω_r)를 받아 상전류 지령치(i_a ^*, i_b ^*, i_c ^*)를 출력하는 벡터제어기(11) 및 상기 상전류 지령치(i_a ^*, i_b ^*, i_c ^*)를 받아 상기 유도 전동기(10)를 구동하는 전류 제어 PWM 인버터(12)를 포함한다.

상기 기술한 구성과 같이, 도 6에서 본 발명에 따른 신경 회로망 제어기는 참조 부호 '1B'로 도시되었다. 상기 신경 회로망 제어기(1B)는 입력으로서 전동기 속도(ω_r)와 부하 토크(T_L)를 받는 점에서 전술한 신경 회로망 제어기(1A)와 동일하고 제어 출력으로서 자속 전류 지령치(i_ds ^*)를 출력하는 점에서 상기 제어기(1A)와 상이하다. 이 신경 회로망 제어기(1B)가 운전 조건(T_L,ω_r)을 받아 입력 전력을 최소화하도록 제어 변수로서 최적 자속 전류 지령치(i_ds ^*)를 생성하는 과정은 앞의 식(3) 내지 식(10)에 근거하여 얻어진다. 이에 대해서는 이미 설명한 바와 같으므로 그 상세 과정은 생략한다.

속도 제어기(7B)는 전동기 기준 속도(ω_r,_ref)와 전동기 속도(ω_r)와의 차(ω_r,_ref-ω_r)로부터 토크 전류(i_qs ^*)를 출력한다. 이때 이 토크 전류(i_qs ^*)는 상기 최적 자속 전류지령치(i_ds ^*)와 함께 벡터 제어기(11)에 인가된다. 그러면, 이 벡터 제어기(11)는 입력된 토크 전류(i_qs ^*)와 최적 자속 전류 지령치(i_ds ^*), 그리고 전동기 속도(ω_s)를 사용하여 상전류 지령치(i_a ^*, i_b ^*, i_c ^*)를 출력한다.

이와 같이, 제어 방식이 다르더라도 그 해당 제어 방식에서 요구하는 제어변수를 최적치로서 제공하므로, 본 발명은 우수한 시스템 적용성을 나타낸다.

본 실시예에서는 신경 회로망 제어기(1B)가 운전 조건에 해당하는 전동기 속도(ω_r) 및 부하 토크(T_L), 그리고 입력 전력을 평가 함수로서 입력받아, 입력 전류를 줄이는 방향으로 학습된 제어 변수를 출력하며, 학습이 반복됨에 따라 제어 변수는 최적 효율 운전값으로 수렴하게 된다.

도 6에서는 유도 전동기에 대한 벡터 제어 방식의 속도 제어 시스템을 도시하였으나, 본 발명은 다른 유형의 전동기의 벡터 제어 방식의 속도 제어 시스템에도 쉽게 적용될 수 있다.

본 발명에 따르면 전동기를 동작 조건에 따라 항상 최적의 효율이 유지되도록 제어할 수 있으므로 에너지를 절감할 수 있다.

본 발명에 따르면 신경 회로망 제어기를 채용함으로써 전동기 시스템의 비선형 특성에 적절하게 대응할 수 있다.

본 발명에 따르면 신경 회로망 제어기를 채용함으로써 신경 회로망의 가중치와 오프셋에 누적된 과거의 경험 정보에 의해 운전 조건에 따른 최적점으로의 수렴속도를 점차적으로 향상시킬 수 있다.

Claims (7)

1. 전동기의 속도 제어 시스템으로서, 상기 전동기로부터 운전 조건을 도출하기 위한 수단, 상기 전동기의 입력 전력의 함수[f(P_in)]를 평가 함수로 사용함으로써, 상기 운전 조건에 대응하여 상기 입력 전력이 최소화되도록 학습되어 상기 전동기의 속도 제어에 필요한 제어 변수를 출력하는 신경 회로망 제어기 및 상기 출력된 제어 변수를 사용하여 상기 전동기를 제어하는 모터 제어 수단을 포함하는 것을 특징으로 하는 시스템.
2. 제1항에 있어서, 상기 신경 회로망 제어기에서 신경 회로망의 가중치 및 오프셋을 학습시키기 위한 규칙이

   V_jk(n+1) = V_jk(n) + △V_jk, γ_k(n+1) = γ_k(n) + βδ_k,

   W_ij(n+1) = W_ij/n) + △W_ij, θ_j(n+1) = θ_j(n) + ασ_j

   (단, V_jk, W_ij는 상기 신경 회로망의 출력층과 은닉층의 가중치 : γ_k,θ_j는 출력층과 은닉층의 오프셋 : β,α는 출력층과 은닉층의 학습율)에 따라 학습되고, △V_jk=-βδ_kh_j,△W_ij=-ασ_jin_j이며, 이 때

   (단, 상기 in_i은 입력층의 출력 : h_j는 은닉층의 출력 : O_k는 출력층의 출력 및 f는 활성화 함수)인 것을 특징으로 하는 시스템.
3. 제1항에 있어서, 상기 전동기가 유도 전동기이고, 상기 입력되는 운전 조건이 전동기의 실제 속도와 부하 토크를 포함하는 것을 특징으로 하는 시스템.
4. 제1항에 있어서, 상기 전동기가 유도 전동기이고, 상기 제어 변수가 최적의 슬립 주파수를 포함하는 것을 특징으로 하는 시스템.
5. 제4항에 있어서, 상기 모터 제어 수단은 전동기 기준 속도와 전동기의 실제 속도 사이의 차이에 기초하여 슬립 주파수를 출력하는 속도 제어기, 상기 최적의 슬립 주파수와 상기 슬립 주파수 사이의 차이로부터 모터 구동 기준 전압을 출력하는 슬립 제어기 및 상기 모터 구동 기준 전압을 하나의 입력으로 하고 상기 슬립 주파수와 상기 실제 속도를 합산한 값을 다른 입력으로 하여 전동기를 구동하기 위한 구동 신호를 출력하는 인버터를 포함하는 것을 특징으로 하는 시스템.
6. 제1항에 있어서, 상기 제어 변수가 최적의 자속 전류 지령치를 포함하는 것을 특징으로 하는 시스템.
7. 제6항에 있어서, 상기 모터 제어 수단은 전동기 기준 속도와 전동기의 실제 속도 사이의 차이로부터 토크 전류를 출력하는 속도 제어기, 상기 토크 전류, 상기 최적 자속 전류 지령치 및 상기 실제 속도에 기초하여 상전류 지령치를 출력하는 벡터 제어기 및 상기 상전류 지령치에 기초하여 상기 전동기를 구동하기 위한 구동 신호를 출력하는 전류 제어 PWM 인버터를 포함하는 것을 특징으로 하는 시스템.