Virtual Reduced-Order Model-Based Back EMF Estimation and Speed Sensorless Control for $LC$-Filtered PMSM Drives
Notice bibliographique
Résumé
The installment of the$LC$filter at the inverter output side reshapes the sinusoidal input voltage for the motor terminal, thus, extending a longer motor lifetime. Despite this, achieving speed sensorless control remains essential for enhanced reliability and saved costs. Currently, there is limited research on the development of a speed sensorless control tailored to high-order drive scenarios due to the increased complexity and strong coupling of the system modeling, and the unaltered adoption of the prevailing general observer methodology demands a considerably large dimensional gain matrix to guarantee observability. To fill this important research gap, this article proposes a novel back-electromotive force (EMF) modeling for the permanent magnet synchronous machine drives based on the weighted current between the filter inductor current and motor stator current. This new approach converts the third-order$LCL$model to the first-order$L$case (virtual reduced-order modeling), which enables the estimation of back EMF without relying on voltage sensors. In addition, the observer designed based on the proposed virtual model not only removes the dependency on capacitor parameters but also reduces the size of the gain matrix. This further enhances the robustness of the back EMF estimation and simultaneously simplifies the design and computation of the observation algorithm. A Kalman filter observer for back EMF estimation is implemented as a case study to verify the proposed modeling. The efficacy of the proposed speed sensorless control is also evaluated under scenarios involving variations in filter and motor inductance.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 ».