Enhanced Dynamic Control for Flux-Switching Permanent Magnet Machines Using Integrated Model Predictive Current Control and Sliding Mode Control
Notice bibliographique
Résumé
Enhancing the dynamic response of Flux-Switching Permanent Magnet Synchronous Machines (FSPMSMs) is crucial for high-performance applications such as electric vehicles, renewable energy systems, and industrial automation. Conventional Proportional Integral (PI) controllers within model predictive current control (MPCC) frameworks often struggle to meet the demands of rapid transient response and precise speed tracking, particularly under dynamic operating conditions. To address these challenges, this paper presents a hybrid control strategy that integrates Sliding Mode Control (SMC) into the speed loop of MPCC, aiming to significantly improve the dynamic response and control robustness of FSPMSMs. The feasibility and effectiveness of the proposed approach are validated through high-fidelity real-time simulations using OPAL-RT Technologies’ OP5707XG simulator. Two control schemes are compared: MPCC with a PI controller in the speed loop (MPCC-PI) and MPCC with SMC in the speed loop (MPCC-SMC). Testing was conducted under various operating scenarios, including starting tests, load variations, speed ramping, and speed reversals. The results demonstrate that the MPCC-SMC strategy achieves superior dynamic performance, faster settling times, smoother transitions, and enhanced steady-state precision compared to the MPCC-PI scheme. The comparative results confirm that the MPCC-SMC method outperforms conventional MPCC strategies, making it a compelling solution for advanced motor drive applications requiring enhanced dynamic control.
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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».