PMSM制御における球復号アルゴリズムを用いたANNベースのオンラインパラメータ補正

科学分野:

• 電気工学
• 制御システム
• 人工知能

背景:

• 永久磁石同期電動機（PMSM）ドライブは、運用上の不確実性下でのフラックスリンケージやインダクタンスなどのパラメータ変動により、性能低下の影響を受けやすいです。
• PMSMドライブで最適な性能と効率を維持するためには、正確なパラメータ推定が不可欠です。

研究 の 目的:

• PMSMドライブにおけるパラメータ不一致のオンライン推定および補償のための人工ニューラルネットワーク（ANN）ベースの方法を開発および評価すること。
• フラックスリンケージおよびインダクタンスの変動に対するPMSMドライブのロバスト性と性能を向上させること。

主な方法:

• パラメータ不一致が±50%の範囲で変動する球復号アルゴリズムベースのモデル予測制御（SDA-MPC）を用いたデータ生成。
• 測定された特徴とパラメータ推定値との間のマッピングを確立するためにANNのオフライントレーニング。
• SDA-MPCフレームワーク内でコントローラーパラメータを動的に更新するために、トレーニングされたANNのオンライン展開。

主要な成果:

• ANNベースの補償は、様々なパラメータ不一致条件下で電流追従性を改善し、高調波歪み（THD）を低減しました。
• 特定のシナリオ、特にインダクタンスの過大評価では、公称動作と比較してTHDが増加する可能性がありました。
• ANNは適応能力を示し、パラメータが正規化されるにつれてコントローラーをベースライン性能に戻しました。

結論:

• ANNを使用したデータ駆動型適応は、計算オーバーヘッドを最小限に抑えながら、PMSMドライブのロバスト性を向上させます。
• 提案された方法は、現実的な運用上の不確実性下でのPMSMドライブの性能を向上させる可能性を示しています。
• ハードウェアインザループテストや温度効果分析を含むさらなる研究が保証されます。