모터 제어란?

모터 제어는 속도, 토크, 위치 및 기타 특성을 조정하여 성능을 향상하고 에너지 효율성을 최적화하는 과정입니다. 전 세계 전기 소비량의 약 45%를 차지하는 전기 모터는 견인 시스템, 산업용 드라이브, 주거용 및 상업용 HVAC 설비, 기타 응용 분야에 필수적인 요소이기에 모터 제어는 매우 중요합니다.

기존 모터 제어 알고리즘은 다음과 같은 모터 제어 알고리즘 개발의 토대가 됩니다.

• 스칼라 제어: V/f(헤르츠당 볼트) 제어라고도 하는 이 개루프 모터 제어 방법은 기본 속도 제어를 위해 AC 모터의 일정한 전압 대 주파수 비를 유지합니다.
• FOC (자속기준제어): 이 폐루프 모터 제어 기법은 Clarke 및 Park 변환을 사용하는 벡터 제어를 통해 AC 모터 전류의 자속 및 토크 생성 성분을 분리하고 관리하여 정밀한 속도 및 토크 제어를 가능하게 합니다.
• DTC (직접 토크 제어): 이 기법은 복잡한 변환 없이 동적 토크 및 자속 조정이 용이해 빠른 토크 응답이 필요한 응용 사례에 적합합니다.

MATLAB 및 Simulink를 사용한 모터 제어 시스템 개발

MATLAB^® 및 Simulink^®를 사용하면 모터 제어 엔지니어는 실시간 테스트를 통해 모터 제어 알고리즘을 설계하고, 시스템 거동을 시뮬레이션하며, 성능을 개선하여 고비용의 하드웨어 테스트를 수행하기 전에 모터 제어기 설계의 적합성을 판단하고 알고리즘 개발에 드는 시간과 비용을 절감할 수 있습니다.

모터 제어 시스템 개발에는 모터 제어 알고리즘을 설계하는 것부터 마이크로컨트롤러 또는 FPGA에 이러한 알고리즘을 구현하는 것에 이르는 다양한 활동이 수반됩니다.

플랜트 모델링

모터 및 전력전자 컴포넌트의 모델링은 모터 제어 시스템 개발에서 인정받는 엔지니어링 관행입니다. Simscape Electrical™은 모터 모델링의 다양한 충실도 수준을 지원하여 엔지니어가 시뮬레이션을 사용해 모터 크기 설정, 전기차 견인 모터 제어 설계와 같은 다양한 응용 사례에 필요한 적절한 수준의 정밀도를 선택할 수 있게 합니다.

알고리즘 개발

제어 알고리즘의 설계 및 개선을 통해 전기 모터의 속도, 토크 및 에너지 소비를 정밀하게 관리할 수 있습니다. Motor Control Blockset은 최적화된 사전 구축 블록과 참조 예제를 제공해 센서 기반 모터 제어 및 센서리스 모터 제어 기법의 개발 및 배포를 가속화할 수 있습니다.

제어기 조정

원하는 시스템 거동을 달성하려면 제어기 파라미터의 최적화가 필요합니다. Simulink Control Design™은 FOC Autotuner, PID 자동 조정 및 주파수 응답 추정 등의 툴을 제공하여 시스템 응답성 및 안정성의 효율적인 조정과 성능 최적화를 촉진할 수 있습니다.

코드 생성

코드 생성은 하드웨어에 배포할 목적으로 검증된 제어 알고리즘을 실행 가능한 코드로 변환할 수 있습니다. 모터 제어기를 검증하기 위해 모터 제어 알고리즘의 C, C++ 또는 HDL 코드를 생성하여 실시간 타겟에서 신속 제어 프로토타이핑 및 HIL(Hardware-in-the-Loop) 시뮬레이션을 활용할 수 있습니다. Embedded Coder^®는 C2000, STM32, Infineon Aurix 및 기타 MCU로의 자동 배포를 용이하게 하는 하드웨어 지원 패키지를 통해 Simulink 모델로부터 최적화된 C 및 C++ 코드를 생성할 수 있습니다. FPGA 및 SoC 타겟팅에는 HDL Coder™로 코드 생성 및 Intel, Xilinx, Microchip 소자로의 배포가 가능합니다.

모터 제어 응용 사례

Motor Control Blockset™의 참조 예제는 모델 예측 제어, 능동 외란 제거 제어 및 강화 학습 등의 고급 모터 제어 전략을 다루어 여러분의 개발 공정을 가속화할 수 있습니다.

모델 예측 제어

MPC(모델 예측 제어)는 토크 포화 및 전압 제한 등의 제약 조건을 효과적으로 관리하여 PID 대비 자속기준제어를 향상하는 동시에 루프 간 교차 결합을 해결하여 제어 목표를 최적화할 수 있습니다. MPC 제어기는 참조 예제를 사용해 Simulink에서 모터 플랜트와 함께 폐루프에서 시뮬레이션하여 평가할 수 있습니다.

능동 외란 제거 제어

시스템 강인성을 개선하려면 ADRC(능동 외란 제거 제어)를 사용해 외란을 보상하고 다양한 조건에 따른 안정성을 보장할 수 있습니다. PID 조정에는 상당한 노력이 필요하지만, ADRC는 더 간편한 설정과 더 적은 조정 작업으로 우수한 성능을 달성할 수 있는 비선형적 제어 솔루션을 제공합니다. Active Disturbance Rejection Control 블록은 ADRC 구현을 간소화하여 초보자도 기법을 쉽게 적용할 수 있게 해줍니다.

강화 학습

강화 학습은 환경과의 상호 작용으로부터 학습함으로써 제어에 대한 동적 접근법을 제공하여, 특히 모터와 모터의 동작 조건을 특성화하기 어려운 경우, PID와 같은 기존 제어기의 강력한 대안이 됩니다. 강화 학습은 이런 잠재력이 있지만 동시에 상당한 연산 리소스와 훈련 시간을 필요로 합니다. Simulink에서 Reinforcement Learning Agent 블록은 자속기준제어를 위한 강화 학습 제어기의 구성을 간소화하여 엔지니어는 이 고급 기법을 활용할 수 있습니다.

엔지니어는 Simulink의 사전 구축된 블록 및 참조 예제를 활용함으로써 제어 전략과 정확한 모터 모델을 개발하여 모터 제어 시스템을 구축하는 과정에서 발생할 수 있는 다양한 과제를 효과적으로 해결할 수 있습니다.