Optimum Design of Fractional Order PIᵅ Speed Controller for Predictive Direct Torque Control of a Sensorless Five-Phase Permanent Magnet Synchronous Machine (PMSM)
Notice bibliographique
Résumé
In both direct torque control (DTC) and predictive direct torque control (PDTC) strategies, just single voltage vector is applied. The question arose, is this applied vector the optimumin terms of minimizing torque and stator flux ripples? In DTC, it may not be the optimum one. However, in case of PDTC, there is a possibility to evaluate the performance of different voltage vectors, where a cost function is proposed to determine the appropriate voltage vector that brings the lowest torque and stator flux ripple within one cycle. On the other hand, PI controller provides a good performance but if the parameters change, the system may lose its performance. With the aim of enhancing the robustness of the PDTC scheme, a fractional order PI controller is proposed that can be considered as a generalization of the classical PI controller, and to set its parameters, a Grey Wolf Optimization algorithm is employed. Furthermore, omitting the sensor increases reliability and decrease the size and cost of the drive system. For these reasons, an extended Kalman filter observer is adopted, where the rotor speed and rotor position as well as the load torque are estimated. In this work, a fractional order PI controller tuned by GWO for PDTC of a five-phase permanent magnet synchronous machine (PMSM) based on EKF observer is presented. Analysis of simulation results exhibit clearly the efficiency and robustness of the suggested control compared to conventional DTC based on classical PI controller.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».