Modellbasierte Regleroptimierung für erweiterte PID-Regler zur Drehzahlregelung von hochdynamischen PMSM im Prüfstandsbetrieb = Model-based controller optimization for advanced PID controllers for rotational speed control of highly dynamic PMSM in test bench operation

Validierungskonfigurationen sind ein zentraler Bestandteil der Produktentwicklung. Um äußere Belastungen auf die zu untersuchenden Systeme innerhalb einer Validierungskonfiguration aufzubringen, werden sogenannte Aktoren genutzt. In der Antriebsstrangentwicklung werden häufig Permanentmagnet-Synchronmotoren als Aktoren, die eine Drehzahl auf die angebundenen Komponenten aufprägen sollen, eingesetzt. Ein zentraler Aspekt dieser Funktion ist ein Regelkreis, der aus einem geforderten und einem aktuellen Wert eine Ausgangsgröße berechnet und diese an entsprechende Stellglieder weitleitet. ... mehrIm Kontext der Permanentmagnet-Synchronmotoren handelt es sich bei der Ausgangsgröße meistens um ein Drehmoment. Der Regelkreis ist in den meisten Fällen durch einen Proportional-Integral-Differenzial-Regler geschlossen, welcher aus drei Termen besteht. Jeder dieser Terme besitzt einen Verstärkungsfaktor, der den Einfluss des Terms auf das Gesamtverhalten definiert. Die Einstellung dieser Verstärkungsfaktoren beziehungsweise Parameter ist ein zentrales Stellglied für die Dynamik von Validierungskonfigurationen. Die Anpassung der Parameter ist für ungeübte Anwender jedoch nicht trivial und basiert häufig auf Erfahrungswissen. Daher wird die Einstellung der Regler-Parameter oft vernachlässigt oder überhaupt nicht durchgeführt.
Im Rahmen dieser Arbeit wird eine Methode entwickelt, die es ungeübten Anwendern ermöglicht, Regler-Parameter ohne vertieftes Wissen in der Regelungstechnik auf Basis von Validierungszielen einzustellen. Eine Analyse der verschiedenen verfügbaren Verfahren zur Einstellung von Regler-Parametern zeigt, dass Methoden aus dem Bereich der künstlichen Intelligenz, im Speziellen die Partikelschwarmoptimierung, ein hohes Potential besitzen diese Aufgabe zu erfüllen. Grundlage für den Algorithmus ist eine Kostenfunktion, die das komplexe mehrdimensionale Optimierungsproblem in ein Pareto-optimales überführt und durch den Anwender an die jeweilige Validierungskonfiguration angepasst werden kann. Im Vergleich zu bisherigen Methoden wird besonders auf eine Übertragbarkeit der Kostenfunktion geachtet. Dies ermöglicht eine Wiederverwendung über unterschiedliche Validierungskonfigurationen hinweg. Unterstützt wird der Anwender bei der Parametrierung der Kostenfunktion durch einen Leitfaden. Ein iterativer Aufbau der Methode ermöglicht dem Anwender eine intuitive Bedienung.
Abgeschlossen wird die Arbeit mit drei Anwendungsbeispielen, mit denen an unterschiedlichen Validierungskonfigurationen die Verbesserung der Regelgüte durch die optimierten Regler aufgezeigt wird. Es werden Prüfstände mit unterschiedlicher Größenordnung beziehungsweise Leistungsklasse herangezogen, um eine Übertragbarkeit der Methode zu gewährleisten.

Validation configurations are a central part of product development. In order to apply external loads to the systems under investigation within a validation configuration, actuators are used. In powertrain development, permanent magnet synchronous motors are often used as actuators that are intended to force a rotational speed onto the connected components. A fundamental aspect of this function is a control loop that calculates an output variable from a required and a current value and forwards it to corresponding manipulating elements. In the context of permanent magnet synchronous motors, the output variable is usually a torque. ... mehrIn most cases, the control loop is closed by a proportional-integral-differential controller, which consists of three terms. Each of these terms has a gain that defines the influence of the term onto the overall behavior. The tuning of these gains, or parameters, is a major driver of the dynamics of validation configurations. However, the tuning of the parameters is not trivial for inexperienced users and is often based on experiential knowledge. Therefore, the tuning of the controller parameters is often neglected or not performed at all.
In this thesis, a method is developed to enable inexperienced users to adjust controller parameters based on validation objectives without in-depth knowledge of control engineering. An analysis of the different available methods for tuning controller parameters shows that methods from the area of artificial intelligence, in detail particle swarm optimization, have a high potential to fulfill this purpose. The basis for the algorithm is a fitnessfunction, which transforms the complex multidimensional optimization problem into a Pareto-optimal one and allows the user to adapt it to the respective validation configuration. Compared to previous methods, special effort is made to ensure that the cost function is transferable. This allows it to be applied across different validation configurations. The user is supported in the parameterization of the cost function by a guideline. An iterative structure of the method allows the user to work intuitively.
The work is concluded with three application examples, which are used to demonstrate the improvement of the control performance by the optimized controllers on different validation configurations. Test benches of different sizes and performance levels are used to ensure the portability of the method.