Gray box modeling of electric drives using radial basis functions: an experimental case

Abstract

Modeling of electric drives coupled to complex mechanical loads may be a challenging task. Since the electric drives are commonly used in the industry, for many applications is desirable to have the capability of self-tuning the controller parameters to drive different mechanical load. A possible solution consists of correctly identify the drive and the mechanical load. For that reason, gray-box modeling using neural networks is presented as a possible solution for the identification of the mechanical loads and the drive system. In the proposed gray-box modeling, the drive system is divided into the known part governed by the physical laws, which in our case was the electrical subsystem, and an unknown part, which in our case was the mechanical subsystem. This type of approach is known as a two stage identification process. At each stage, the parameters are estimated using the method of linear and recursive linear least squares. To validate the effectiveness of this approach, simulations and experiments were perform and their results are presented in this work.

El modelar los sistemas de accionamiento eléctricos acoplados a cargas mecánicas complejas pude ser una tarea muy retadora. Ya que los sistemas de accionamientos eléctricos son comúnmente usados en la industria; para muchas aplicaciones es deseable poder tener la capacidad de poder auto ajustar los parámetros del controlador para así poder manejar diferentes cargas mecánicas. Una posible solución consiste en identificar correctamente el sistema de accionamiento eléctrico y la carga mecánica. Por esa razón es que el modelo de caja gris usando redes neurales es presentado como una posible solución para la identificación de cargas mecánicas y de sistemas de accionamientos eléctricos. En el propuesto modelo de cajas grises, el sistema de accionamiento eléctrico es dividido en una parte conocida que es gobernada por las leyes físicas, que en nuestro caso era el subsistema eléctrico, y en una parte desconocida, que en nuestro caso era el subsistema mecánico. A este tipo de enfoque se le conoce como el método de identificación en dos etapas. En cada etapa, los parámetros son estimados usando el método de los cuadrados mínimos en su forma lineal y recursiva. Para validar la efectividad de este enfoque se realizaron simulaciones y experimentos y sus resultados son presentados en este trabajo.