Multiparameter Estimation-Based Sensorless Adaptive Direct Voltage MTPA Control for IPMSM Using Fuzzy Logic MRAS
Notice bibliographique
Résumé
This paper introduces a parameter-estimation-based sensorless adaptive direct voltage maximum torque per ampere (MTPA) control strategy for interior permanent magnet synchronous machines (IPMSMs). In direct voltage control, the motor’s electrical parameters, speed, and rotor position are of great significance. Thus, any mismatch in these parameters or failure to acquire accurate speed or position information leads to a significant deviation in the MTPA trajectory, causing high current consumption and hence affecting the performance of the entire control system. In view of this problem, a fuzzy logic control-based cascaded model reference adaptive system (FLC-MRAS) is introduced to mitigate the effect of parameter variation on the tracking of the MTPA trajectory and to provide precise information about the rotor speed and position. The cascaded scheme consists of two parallel FLC-MRAS for speed and multiparameter estimation. The first MRAS is utilized to estimate motor speed and rotor position to achieve robust sensorless control. However, the speed estimator is highly dependent on time-varying motor parameters. Therefore, the second MRAS is designed to identify the quadratic inductance and permanent magnet flux and continuously update both the speed estimator and control scheme with the identified values to ensure accurate speed estimation and real-time MTPA trajectory tracking. Unlike conventional MRAS, which uses linear proportional-integral controllers (PI-MRAS), an FLC is adopted to replace the PI controllers, ensuring high estimation accuracy and enhancing the robustness of the control system against sudden changes in working conditions. The effectiveness of the proposed scheme is evaluated under different speed and torque conditions. Furthermore, a comparison against the conventional PI-MRAS is extensively investigated to highlight the superiority of the proposed scheme. The evaluation results and our quantitative assessment show the ability of the designed strategy to achieve high estimation accuracy, less oscillation, and a faster convergence rate under different working conditions. The quantitative assessment reveals that the FLC-MRAS can improve the estimation accuracy of speed, permanent magnet flux, and quadratic inductance by 19%, 55.8% and 44.55%, respectively.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,001 |
| 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 ».