Corrección de Parámetros en Línea Basada en Redes Neuronales Artificiales para el Control de PMSM Utilizando el...

Área de la Ciencia:

• Ingeniería Eléctrica
• Sistemas de Control
• Inteligencia Artificial

Sus antecedentes:

• Las unidades de motor síncrono de imanes permanentes (PMSM) son susceptibles a la degradación del rendimiento debido a variaciones de parámetros como el acoplamiento de flujo y la inductancia bajo incertidumbres operativas.
• La estimación precisa de parámetros es crucial para mantener el rendimiento y la eficiencia óptimos en las unidades PMSM.

Objetivo del estudio:

• Desarrollar y evaluar un método basado en redes neuronales artificiales (ANN) para la estimación y compensación en línea de desajustes de parámetros en unidades PMSM.
• Mejorar la robustez y el rendimiento de las unidades PMSM frente a las variaciones en el acoplamiento de flujo y la inductancia.

Principales métodos:

• Generación de datos utilizando el Control Predictivo Basado en Algoritmo de Decodificación Esférica (SDA-MPC) con desajustes de parámetros que varían entre ±50%.
• Entrenamiento fuera de línea de una ANN para establecer un mapeo entre las características medidas y las estimaciones de parámetros.
• Despliegue en línea de la ANN entrenada para actualizar dinámicamente los parámetros del controlador dentro del marco SDA-MPC.

Principales resultados:

• La compensación basada en ANN mejoró el seguimiento de la corriente y redujo la Distorsión Armónica Total (THD) bajo diversas condiciones de desajuste de parámetros.
• En escenarios específicos, particularmente con una inductancia sobreestimada, la THD podría aumentar en comparación con la operación nominal.
• La ANN demostró capacidades adaptativas, devolviendo el controlador al rendimiento de referencia a medida que los parámetros se normalizaban.

Conclusiones:

• La adaptación basada en datos utilizando ANN ofrece una mayor robustez para las unidades PMSM con una sobrecarga computacional mínima.
• El método propuesto muestra potencial para mejorar el rendimiento de las unidades PMSM bajo incertidumbres operativas realistas.
• Se justifica una mayor investigación, incluyendo pruebas de hardware en el bucle y análisis de efectos de temperatura.