DC–DC boost dönüştürücülerde yük akımı kestirimi için yeni bir model geliştirilmesi ve optimizasyon tabanlı kalman gözlemleyici tasarımı
Küçük Resim Yok
Tarih
2026
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Düzce Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu tezde, DC-DC boost dönüştürücüler için parazitik elemanları içeren yüksek doğruluklu bir matematiksel modelleme ve bu modele dayalı yük akımı kestirimine yönelik gelişmiş bir gözlemci tasarımı sunulmaktadır. Çalışmada, bobin direnci, kapasitör eşdeğer seri direnci, MOSFET iletim direnci, diyot ileri yön gerilim düşümü ve diyot direnci gibi tüm temel parazitik etkiler dikkate alınarak, görev oranına (duty cycle) bağlı doğrusal olmayan bir boost dönüştürücü modeli elde edilmiştir. Yük direncindeki değişimlerin sistem dinamiği üzerindeki etkisini doğru biçimde temsil edebilmek amacıyla, model Taylor açılımı kullanılarak doğrusallaştırılmış ve yük akımı, nominal çalışma noktasından sapmayı temsil eden bir bozucu büyüklük olarak ele alınmıştır. Bu yaklaşım doğrultusunda, yük akımının doğrudan kestirilebilmesi için sistem modeli genişletilmiş ve durum vektörü kapasitör gerilimi, bobin akımı ve yük akımını içerecek şekilde üç boyutlu olarak tanımlanmıştır. Elde edilen quasi-LPV (qLPV) model temelinde, yük akımı kestirimi amacıyla hem Luenberger hem de Kalman gözlemcileri tasarlanmıştır. Kalman gözlemcinin süreç ve ölçüm gürültüsü kovaryans matrisleri görev oranına bağlı olarak tasarlanmıştır. Gözlemci parametrelerinin optimal şekilde belirlenmesi için Grey Wolf Optimizer ve Dream Optimization Algorithm gibi metasezgisel optimizasyon algoritmaları kullanılmıştır. Önerilen yöntem, MATLAB/Simulink® ortamında gerçekleştirilen benzetim çalışmaları ile değerlendirilmiş ve farklı yük değişim senaryoları altında gözlemci performansı ayrıntılı olarak incelenmiştir. Ayrıca, tasarlanan ve üretilen boost dönüştürücü prototipi üzerinde, dSPACE® tabanlı gerçek zamanlı deneysel çalışmalar gerçekleştirilerek benzetim sonuçları deneysel olarak doğrulanmıştır. Elde edilen sonuçlar, parazitik etkileri ve yük değişimlerinde gözlemci yapısının, yük akımı ve sistem durumlarının doğru, hızlı ve kararlı bir şekilde kestirilebildiğini ortaya koymaktadır.
In this thesis, a high-fidelity mathematical modeling and load current estimation approach is presented for DC–DC boost converters by explicitly considering parasitic elements. All major non-ideal effects, including inductor resistance, capacitor equivalent series resistance, MOSFET on-state resistance, diode forward voltage drop, and diode resistance, are incorporated into a duty-cycle-dependent nonlinear boost converter model. In order to accurately represent the impact of load resistance variations on system dynamics, the model is linearized using a Taylor series approximation, and the load current is treated as a disturbance representing deviations from the nominal operating point. Based on this formulation, the system model is augmented to enable direct estimation of the load current, resulting in a three-state representation consisting of capacitor voltage, inductor current, and load current. Using the derived quasi-LPV (qLPV) model, both Luenberger and Kalman observers are designed for load current estimation. The observer parameters are optimally tuned using metaheuristic optimization algorithms, namely the Grey Wolf Optimizer and the Dream Optimization Algorithm. The proposed approach is evaluated through comprehensive simulation studies conducted in the MATLAB/Simulink® environment under various load variation scenarios. Furthermore, experimental validation is performed using a boost converter prototype designed, produced and real-time tests are carried out with a dSPACE® based control platform to verify the accuracy of the simulation results. The obtained results demonstrate that the proposed parasitic-inclusive structure enables accurate, fast, and stable estimation of both the system states and the load current under realistic operating conditions.
In this thesis, a high-fidelity mathematical modeling and load current estimation approach is presented for DC–DC boost converters by explicitly considering parasitic elements. All major non-ideal effects, including inductor resistance, capacitor equivalent series resistance, MOSFET on-state resistance, diode forward voltage drop, and diode resistance, are incorporated into a duty-cycle-dependent nonlinear boost converter model. In order to accurately represent the impact of load resistance variations on system dynamics, the model is linearized using a Taylor series approximation, and the load current is treated as a disturbance representing deviations from the nominal operating point. Based on this formulation, the system model is augmented to enable direct estimation of the load current, resulting in a three-state representation consisting of capacitor voltage, inductor current, and load current. Using the derived quasi-LPV (qLPV) model, both Luenberger and Kalman observers are designed for load current estimation. The observer parameters are optimally tuned using metaheuristic optimization algorithms, namely the Grey Wolf Optimizer and the Dream Optimization Algorithm. The proposed approach is evaluated through comprehensive simulation studies conducted in the MATLAB/Simulink® environment under various load variation scenarios. Furthermore, experimental validation is performed using a boost converter prototype designed, produced and real-time tests are carried out with a dSPACE® based control platform to verify the accuracy of the simulation results. The obtained results demonstrate that the proposed parasitic-inclusive structure enables accurate, fast, and stable estimation of both the system states and the load current under realistic operating conditions.
Açıklama
Anahtar Kelimeler
Elektrik ve Elektronik Mühendisliği
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Altun, S. (2026). Dc–Dc Boost Dönüştürücülerde Yük Akımı Kestirimi İçin Yeni Bir Model Geliştirilmesi Ve Optimizasyon Tabanlı Kalman Gözlemleyici Tasarımı (Tez No. 992180) [Doktora Tezi, Düzce Üniversitesi].
