표면 부착형 영구자석 전동기의 신경망 기반 저속 센서리스 제어

Abstract

본 논문에서는 신경망(neural network)을 기반으로 하는 센서리스 제어 알고리즘을 제안한다. 센서리스 제어는 전동기의 벡터제어를 위해서 꼭 필요한 위치 정보를 엔코더나 레졸버 같은 위치 검출기 없이 추정하여 제어하는 것으로 이를 통해 시스템의 신뢰성 증가, 가격 및 부피 감소와 같은 효과를 볼 수 있다.<br/> 기존의 제안된 방법들은 크게 두 분류로 나뉘는데 첫번째로 역기전력을 기반으로 하는 방법들의 경우, 데드타임과 같은 인버터의 비선형성으로 인하여 저속에서는 사용이 어렵다. 다른 방법은 돌극성을 기반으로 신호주입을 이용하는 방법으로 신호로 주입하는 전류나 전압의 제한과 소음 문제로 인하여 중, 고속 영역에서는 사용하기 힘들다. 특히 표면 부착형 영구자석 전동기의 경우 돌극성이 없어 신호주입 센서리스를 적용할 수 없기 때문에 저속에서 센서리스 제어가 어렵다.<br/> 본 논문에서는 위에서 언급된 돌극성이 없는 전동기에 대해 역기전력 기반 방법의 개선을 위한 센서리스 제어 방법을 제안한다. 기존에 기계학습을 기반으로 하는 센서리스 제어 방법들은 기계학습의 특징을 제대로 이용하지 못하고 이미 모델링이 되어있는 추정기를 대체 하는 방식으로 연구되었기 때문에 큰 성능 향상을 기대하긴 어려웠다. <br/> 본 논문에서는 먼저 여러 기계학습 방법들을 비교 분석하여 센서리스 제어에 적합한 것을 찾고 해당 학습방법을 기반으로 하는 센서리스 제어기 설계에 대하여 기술한다. <br/> 제안된 센서리스 제어 기법의 타당성을 검증하기 위해, 표면부착형 영구자석 동기 전동기에 대한 실험을 수행하였다. 저속에서의 센서리스 제어를 통해 기계학습의 특성을 극대화하고 모터링(motoring) 영역 뿐아니라 발전(generating) 영역에서도 적용함으로써 제안된 방법의 효용성을 검증하였다.<br/>