Active Disturbance Rejection Control Based Sensorless Model Predictive Control for PMSM
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Improving tracking performance in speed controllers for permanent-magnet synchronous motor (PMSM) drive systems is critical due to internal challenges such as parameter variations, model uncertainty, and external disturbances like load changes.This paper proposes a new method that combines sensorless model predictive control (MPC) with active disturbance rejection control (ADRC), employing an extended state observer (ESO) as a key component of the ADRC.Notably, the proposed ADRC-MPC control integrates the advantages of MPC, such as good time response, high robustness against load variation, and a low effect of parameter variation in comparison to conventional control methods like field-oriented control (FOC).The ADRC-MPC reduces torque and flux ripples and also reduces torque and flux irregularities as well as current harmonics, which presents a major drawback in direct torque control (DTC).The proposed control with finite set model predictive control (FS-MPC) eliminates the PWM modulation and the complexity of continuous control set model predictive control (CCS-MPC).In the outer loop, the ADRC-MPC and the ESO present a very good solution.It presents a lower processing requirement than other controllers, especially the fuzzy logic controller (FLC), and also presents a consistent dynamic behavior across the entire operating range, contrary to the PID.The ADRC with ESO presents a promising solution to these challenges.The effectiveness of the proposed method is demonstrated through numerical simulations using MATLAB/Simulink software and experiments on a 3-kW surface-mounted PMSM drive system.both simulation and experimental results under different conditions show the effectiveness of the proposed approach.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle