1. Pengenalan
Motor segerak magnet kekal (PMSM) digunakan secara meluas dalam banyak bidang berprestasi tinggi seperti robotik, automotif, aeroangkasa, dan pembuatan kerana ketumpatan kuasa tinggi, prestasi dinamik yang baik, dan operasi yang boleh dipercayai [1]-[3]. Dalam sistem kawalan motor moden, PMSM terutamanya menggunakan kaedah kawalan linear seperti kawalan PI, dan menggunakan struktur gelung tertutup berganda. Walau bagaimanapun, pengawal PI sukar untuk mengekalkan kawalan prestasi tinggi di bawah keadaan kerja yang kompleks [4]-[7]. Untuk meningkatkan prestasi sistem kawalan PMSM di bawah gangguan yang tidak menentu, seperti algoritma kawalan mod gelongsor (SMC) [8]-[10], algoritma kawalan penyesuaian [11]-[14], algoritma kawalan rangkaian saraf [15]- [18], model algoritma kawalan ramalan (MPC) [19]-[21], algoritma kawalan penolakan gangguan aktif (ADRC) dan sebagainya digunakan pada sistem kawalan PMSM.
ADRC telah menarik perhatian luas kerana ia tidak memerlukan model sistem yang tepat dan keupayaan anti-gangguan yang sangat baik [22], [23]. Algoritma kawalan tak linear berdasarkan ADRC telah digunakan pada strategi kawalan PMSM. Dalam [24], untuk merealisasikan anggaran dan pampasan jumlah gangguan sistem pemacu tanpa sensor dan meningkatkan prestasi dinamik sistem, skim kawalan tanpa sensor IPMSM berdasarkan ADRC dicadangkan. Walau bagaimanapun, pengawal PI masih digunakan pada gelung semasa. Dalam [25], strategi kawalan yang teguh menggunakan tiga ADRC urutan pertama dicadangkan untuk menangani gangguan dalaman dan luaran, mengakibatkan peningkatan keteguhan dan pengurangan kos.
Selain itu, disebabkan oleh sensitiviti tinggi kawalan tanpa sensor kepada parameter gerakan, ADRC juga sesuai untuk kawalan tanpa sensor motor kerana keteguhannya yang tinggi terhadap parameter. Dalam [26], strategi anggaran kelajuan berdasarkan ADRC dicadangkan, yang boleh menganggarkan gangguan dengan tepat dalam kes model sistem yang tidak pasti. Dalam [27], skim kawalan tanpa sensor PMSM berdasarkan LADRC yang dipertingkatkan dicadangkan. Sistem mengambil anggaran jumlah gangguan sebagai pampasan dalam gelung semasa, untuk meningkatkan lagi ketepatan anggaran kedudukan rotor. Dalam [28], jenis NLADRC baharu dicadangkan, dan NLADRC dibina berdasarkan pemerhati keadaan lanjutan tak linear berlatarkan untuk meningkatkan prestasi anggaran gangguan dan pampasan. Dalam [29], strategi kawalan tanpa sensor kedudukan berdasarkan kawalan penolakan gangguan aktif (ADRC) dan pemerhati tertib penuh adaptif direka untuk meningkatkan keupayaan anti-gangguan sistem kawalan serta ketepatan anggaran kedudukan.
Dalam makalah ini, kawalan mod gelongsor penolakan gangguan aktif (ADR-SMC) dicadangkan untuk meningkatkan keupayaan anti-gangguan dan prestasi tindak balas dinamiknya. Pertama, sistem kawalan NLADRC bagi SPMSM peringkat kedua direka bentuk. Kedua, modul NLSEF dalam sistem digantikan oleh SMC untuk mendapatkan kekukuhan yang kuat dan mengurangkan ayunan sistem. Kemudian, mengikut gangguan yang diperhatikan oleh ESO, output SMC diselaraskan dengan maklum balas untuk meningkatkan prestasi pengesanan semasa gangguan di bawah keadaan mantap dan keadaan sementara dan memperoleh keteguhan yang kukuh. Sementara itu, kestabilan sistem kawalan ADR-SMC dibuktikan oleh fungsi Lyapunov. Akhir sekali, kebolehlaksanaan dan keberkesanan strategi kawalan yang dicadangkan disahkan oleh eksperimen.
2. Model matematik SPMSM
Dalam kes mengabaikan kehilangan histerisis dan redaman magnet kekal, persamaan keadaan SPMSM diwujudkan dalam \(dq\)-paksi seperti berikut.
\[\begin{equation*} \left\{ \begin{aligned} & {{u}_{d}}\text{=}R{{i}_{d}}+{{L}_{s}}\frac{\text{d}{{i}_{d}}}{\text{d}t}-{{\omega }_{e}}{{L}_{s}}{{i}_{q}} \\ & {{u}_{q}}\text{=}R{{i}_{q}}+{{L}_{s}}\frac{\text{d}{{i}_{q}}}{\text{d}t}+{{\omega }_{e}}({{L}_{s}}{{i}_{q}}+{{\psi }_{f}}) \\ \end{aligned} \right. \tag{1} \end{equation*}\] |
Lokasi \(i_d, i_q, u_d, u_q\) adalah stator \(d\), \(q\)-arus paksi dan voltan masing-masing. Persamaan mekanikal dan persamaan tork elektromagnet SPMSM ditunjukkan dalam Pers. (2).
\[\begin{equation*} \left\{ \begin{aligned} & J\frac{d{{\omega }_{m}}}{dt}={{T}_{e}}-{{T}_{L}}-B{{\omega }_{m}} \\ & {{T}_{e}}\text{=}\frac{3}{2}{{p}_{n}}{{i}_{q}}{{\psi }_{f}} \\ \end{aligned} \right. \tag{2} \end{equation*}\] |
Dalam formula, \(J\) ialah momen inersia, \(T_e\) ialah tork elektromagnet, \(T_L\) ialah tork beban, \(B\) ialah pekali redaman, dan \(P_n\) ialah logaritma kutub.
3. Model ADR-SMC
3.1 Model matematik gelung majmuk arus-laju berdasarkan SPMSM
Objeknya adalah berdasarkan SPMSM \(L_q=L_d\). Daripada Persamaan. (1), (2), dapat dilihat bahawa terdapat istilah gandingan antara \(i_d, i_q\) and \(\omega_{m}\) dalam SPMSM. Walau bagaimanapun, kawalan SPMSM adalah \(i_d = 0\), jadi gandingan antara \(i_d\) and \(i_q\) boleh diabaikan. Oleh itu, persamaan keadaan bagi gelung komposit boleh didapati daripada Pers. (1) dan Pers. (2).
\[\begin{equation*} {{\ddot{\omega }}_{m}}=-\frac{{{{\dot{T}}}_{L}}}{J}-\frac{B{{{\dot{\omega }}}_{m}}}{J}\text{-}\frac{3{{P}_{n}}{{\psi }_{f}}({{R}_{s}}{{i}_{q}}+{{P}_{n}}{{\omega }_{m}}{{\psi }_{f}})}{2J{{L}_{s}}}+\frac{3{{P}_{n}}{{\psi }_{f}}{{u}_{q}}}{2J{{L}_{s}}} \tag{3} \end{equation*}\] |
Mari
\[\begin{equation*} \begin{aligned} & b_0=\frac{3{{P}_{n}}{{\psi }_{f}}}{2J{{L}_{s}}}, \\ & f({{\omega }_{m}},{{i}_{q}},{{T}_{L}})=-\frac{{{{\dot{T}}}_{L}}}{J}-\frac{B{{{\dot{\omega }}}_{m}}}{J}\frac{3{{P}_{n}}{{\psi }_{f}}({{R}_{s}}{{i}_{q}}+{{P}_{n}}{{\omega }_{m}}{{\psi }_{f}})}{2J{{L}_{s}}} \\ \end{aligned} \tag{4} \end{equation*}\] |
Dengan menggabungkan Persamaan. (3) dan Pers. (4), model matematik gelung komposit arus-laju SPMSM boleh diperolehi seperti berikut.
\[\begin{equation*} {{\ddot{\omega }}_{m}}=f({{\omega }_{m}},{{i}_{q}},{{T}_{L}})+{{b}_{0}}{{u}_{q}} \tag{5} \end{equation*}\] |
Di mana, \(f(\omega_{m}, i_q, T_L)\) menandakan jumlah gangguan bagi gelung komposit SPMSM.
3.2 Model sistem NLADRC
NLADRC terdiri daripada tiga bahagian: pembezaan penjejakan (TD), pemerhati keadaan lanjutan (ESO) dan maklum balas ralat keadaan tak linear (NLSEF).
Bina TD peringkat kedua seperti berikut.
\[\begin{equation*} \left\{ \begin{aligned} & {{{\dot{v}}}_{1}}={{v}_{2}} \\ & {{{\dot{v}}}_{2}}=fhan({{v}_{1}}-\omega_{m}^{*},{{v}_{2}},r,h) \\ \end{aligned} \right. \tag{6} \end{equation*}\] |
Lokasi \(v_1\) and \(v_2\) ialah nilai penjejakan dan nilai perbezaan kelajuan yang diberikan \(\omega_{m}^{*}\) motor, masing-masing. \(r\) adalah keuntungan; \(h\) adalah langkah penting; \(fhan()\) ialah fungsi penjejakan terpantas, yang dinyatakan seperti berikut.
\[\begin{equation*} \begin{aligned} & fsg(x,d)=(sign(x+d)-sign(x-d))/2 \\ & \left\{ \begin{aligned} & d=r{{h}^{2}},{{a}_{0}}=h{{x}_{2}},y={{x}_{1}}+{{a}_{0}},{{a}_{1}}=\sqrt{d(d+8\left| y \right|)} \\ & {{a}_{2}}={{a}_{0}}+sign(y)({{a}_{1}}-d)/2 \\ & a=({{a}_{0}}+y)fsg(y,d)+{{a}_{2}}(1-fsg(y,d)) \\ & fhan=-r(\frac{a}{d}-sign(a))fsg(a,d)-sign(a) \\ \end{aligned} \right. \\ \end{aligned} \tag{7} \end{equation*}\] |
Dengan mengandaikan bahawa jumlah gangguan boleh dibezakan, ekspresi ruang keadaan sistem gelung komposit SPMSM ialah.
\[\begin{equation*} \left\{ \begin{aligned} & {{{\dot{x}}}_{1}}={{x}_{2}}\text{=}{{{\dot{\omega }}}_{m}} \\ & {{{\dot{x}}}_{2}}={{x}_{3}}+{{b}_{0}}u_{q} \\ & {{{\dot{x}}}_{3}}=\overset{\bullet }{\mathop{f({{\omega }_{m}},{{i}_{q}},{{T}_{L}})}}\, \\ & y={{x}_{1}}={{\omega }_{m}} \\ \end{aligned} \right. \tag{8} \end{equation*}\] |
Menurut Pers. (8), ESO boleh dinyatakan sebagai.
\[\begin{equation*} \left\{ \begin{aligned} & {{e}}={{z}_{1}}-y \\ & {{{\dot{z}}}_{1}}={{z}_{2}}-{{\beta }_{0}}{fal(e,{{a}_{0}},\delta )} \\ & {{{\dot{z}}}_{2}}={{z}_{3}}-{{\beta }_{1}}{fal(e,{{a}_{1}},\delta )}+{{b}_{0}}u \\ & {{{\dot{z}}}_{3}}=-{{\beta }_{2}}{fal(e,{{a}_{2}},\delta )} \\ \end{aligned} \right.\ \tag{9} \end{equation*}\] |
Lokasi \(z_1\), \(z_2\) and \(z_3\) ialah nilai yang diperhatikan bagi kelajuan motor, pembezaan kelajuan dan jumlah gangguan, masing-masing. \(\beta_i\) adalah keuntungan pemerhati, \(b_0\) ialah faktor pampasan, dan \(fal()\) ialah fungsi pemprosesan ralat.
Daripada Pers. (9), ESO mengikut susunan \(z_i\) pengesanan \(x_i\).
. \(fal()\) ditakrifkan sebagai.
\[\begin{equation*} {{\varphi }_{i}}(e)=fal(e,{{a}_{i}},\delta )\text{=}\left\{ \begin{aligned} & \frac{e}{{{\delta }^{1-{{a}_{i}}}}},\left| e \right|\le \delta \\ & {{\left| e \right|}^{{{a}_{i}}}}sign(e),\left| e \right|>\delta \\ \end{aligned} \right. \tag{10} \end{equation*}\] |
Lokasi \(a\) ialah faktor tak linear; \(\delta\) ialah panjang selang tak linear.
NLSEF dibina seperti berikut
\[\begin{equation*} \left\{ \begin{aligned} & {{e}_{1}}={{v}_{1}}-{{z}_{1}} \\ & {{e}_{2}}={{v}_{2}}-{{z}_{2}} \\ & {{u}_{0}}={{k}_{1}}fal({{e}_{1}},{{a}_{1}},\delta )+{{k}_{2}}fal({{e}_{2}},{{a}_{2}},\delta ) \\ & u_q={{u}_{0}}-\frac{{{z}_{3}}}{{{b}_{0}}} \\ \end{aligned} \right. \tag{11} \end{equation*}\] |
Lokasi \(k_1\) and \(k_2\) ialah keuntungan NLSEF, \(u_0\) ialah pembolehubah keluaran NLSEF.
3.3 Reka bentuk sistem ADR-SMC
Tambahan pula, ESO dalam ADRC sukar untuk menganggarkan sepenuhnya gangguan sistem. Oleh itu, SMC boleh digunakan untuk meningkatkan prestasi ADRC dengan menggantikan NLSEF dengan undang-undang kawalan mod gelongsor kerana keperluannya yang rendah dan keteguhan yang kukuh kepada model sistem. Sementara itu, masalah chattering dalam SMC boleh dihapuskan oleh ADRC, yang juga meningkatkan keupayaan pemerhatian ESO. ADR-SMC digabungkan dengan dua kaedah kawalan mempunyai kelebihan yang berbeza.
Tentukan persamaan ralat keadaan.
\[\begin{equation*} \left\{ \begin{aligned} & {{e}_{1}}={{v}_{1}}-{{z}_{1}} \\ & {{e}_{2}}={{{\dot{e}}}_{1}}={{v}_{2}}-{{z}_{2}} \\ \end{aligned} \right. \tag{12} \end{equation*}\] |
Pengenalan fungsi eksponen dan fungsi kuasa dalam SMC adalah untuk mencapai kelajuan penumpuan yang lebih cepat dan melemahkan chattering secara serentak, dan mengeluarkan isyarat lancar.
\[\begin{equation*} \left\{ \begin{aligned} & \dot{s}=-{{\chi }_{1}}{{\left| s \right|}^{\mu }}H(s)-{{\chi }_{2}}\left( {{e}^{|s|}}-1 \right)H(s) \\ & H(s)=\frac{{{e}^{as}}-{{e}^{-as}}}{{{e}^{as}}+{{e}^{-as}}} \\ \end{aligned} \right. \tag{13} \end{equation*}\] |
di mana, \(\chi_{1},\chi_{2}\) adalah pemalar positif, \(H(s)\) ialah fungsi tangen hiperbolik, \(a\) ialah lapisan sempadan, \(\mu\) ialah pekali positif, \(0<\mu<1\). Pilih permukaan gelongsor \(s\).
\[\begin{equation*} s=c{{e}_{1}}\text{+}{{e}_{2}} \tag{14} \end{equation*}\] |
Lokasi \(c>0\). Terbitan permukaan gelongsor dirumuskan sebagai.
\[\begin{equation*} \begin{aligned} & \dot{s}=c{{{\dot{e}}}_{1}}+{{{\dot{e}}}_{2}}=c({{v}_{2}}-{{z}_{2}})+({{{\dot{v}}}_{2}}-{{{\dot{z}}}_{2}}) \\ & =c({{v}_{2}}-{{z}_{2}})+({{{\dot{v}}}_{2}}-f-b\centerdot {{u}_{q}}) \\ & \text{=-}{{\chi }_{1}}{{\left| s \right|}^{\mu }}H(s)-{{\chi }_{2}}\left( {{e}^{|s|}}-1 \right)H(s) \\ \end{aligned} \tag{15} \end{equation*}\] |
Menurut Pers. (15), undang-undang kawalan maklum balas ralat mod gelongsor boleh diperolehi sebagai.
\[\begin{equation*} {{u}_{q}}\text{=-}\frac{{{\chi }_{1}}{{\left| s \right|}^{\mu }}H(s)-{{\chi }_{2}}\left( {{e}^{|s|}}-1 \right)H(s)+c{{e}_{2}}-f+{{{\dot{v}}}_{2}}}{{{b}_{0}}} \tag{16} \end{equation*}\] |
Mengikut fungsi Lyapunov \(V=0.5s^2\), terbukti bahawa kestabilan dinyatakan seperti berikut.
\[\begin{equation*} \dot{V}=-\frac{1}{2}s({{\chi }_{1}}{{\left| s \right|}^{\mu }}H(s)+{{\chi }_{2}}({{e}^{\left| s \right|}}-1)H(s))\le 0 \tag{17} \end{equation*}\] |
Bila \(\chi_{1}>0,\chi_{2}>0\), Maka \(\dot{V} \le 0\). SMC yang dipertingkatkan memenuhi kestabilan Lyapunov, jadi boleh disimpulkan bahawa ralat pembolehubah keadaan sistem menumpu kepada 0 dalam masa yang terhad. Gambar rajah blok sistem ADR-SMC berdasarkan undang-undang maklum balas ralat mod gelongsor baharu ditunjukkan dalam Rajah 1.
Gambar rajah blok sistem kawalan gelung komposit arus-laju SPMSM berdasarkan ADR-SMC ditunjukkan dalam Rajah 2. Pengawal ADR-SMC direka bentuk. Prapemprosesan TD bagi \(\omega_{ref}\) memastikan tindak balas pantas dan overshoot kecil sistem. Di samping itu, untuk membuat pampasan yang sepadan, ESO bukan sahaja dapat memerhatikan perubahan kelajuan, tetapi juga memerhatikan gangguan. Akhir sekali, pembolehubah kawalan dikeluarkan oleh undang-undang kawalan maklum balas ralat mod gelongsor. Dalam kertas ini, penambahbaikan NLADRC biasa mengurangkan ayunan sistem dan meningkatkan keteguhan dan ketepatan kawalan SPMSM.
4. Pengesahan dan analisis eksperimen
4.1 Platform eksperimen
Pada platform percubaan sistem SPMSM, algoritma ADR-SMC yang dicadangkan dalam kertas ini disahkan oleh eksperimen, dan dibandingkan dengan algoritma PI dan algoritma NLADRC, yang membuktikan kelebihan algoritma. Di samping itu, sistem ujian kawalan SPMSM platform ditunjukkan dalam Rajah 3, dan parameter SPMSM yang disenaraikan dalam Jadual I digunakan dalam ujian.
Di samping itu, parameter modul TD dan modul ESO dalam NLADRC dan ADR-SMC adalah sama. The \(r\) dalam TD ditetapkan kepada 10000, dan keuntungan dalam ESO ditetapkan kepada \(\beta_{1}=1000, \beta_{12}=10000, \beta_{3}= 12500, b_0=1500\). Parameter modul SMC dalam ADR-SMC telah ditetapkan seperti berikut: \(c=15, \chi_{1}=150, \chi_{2}=100, \mu=0.5, a=10\). Parameter modul NLSEF dalam NLADRC ditetapkan seperti berikut: \(k_1=8.5, k_2=9.3,\delta=0.05\). Parameter gelung kelajuan kawalan PI: \(k_{sp}=20, k_{si}=0.5\). Parameter gelung semasa: \(k_{cp}=25, k_{ci}=1.2\).
4.2 Prestasi permulaan
Percubaan perbandingan pertama ialah ujian prestasi permulaan SPMSM. Perbandingan prestasi permulaan strategi kawalan ADR-SMC, NLADRC dan PI ditunjukkan dalam Rajah 4. Keputusan eksperimen ditunjukkan dalam Jadual II, di mana \(\delta\) ialah overshoot kelajuan dan \(t_s\) ialah masa yang diperlukan untuk mencapai kestabilan. Dapat dilihat dengan jelas bahawa overshoot kelajuan dan masa yang diperlukan untuk mencapai kestabilan dengan strategi kawalan PI adalah agak besar, manakala prestasi permulaan dengan strategi ADR-SMC dan NLADRC adalah lebih baik. Khususnya, dalam kes perbezaan kelajuan yang besar, kelajuan langkah NLADRC adalah perlahan, tetapi NLADRC boleh mengurangkan overshoot kelajuan dengan berkesan. ADR-SMC mengelakkan kelemahan kedua-duanya, dan prestasi permulaannya adalah lebih baik daripada yang mempunyai NLADRC dan PI, mengakibatkan overshoot kelajuan kecil dan masa kestabilan yang singkat.
4.3 Prestasi keadaan mantap
Percubaan perbandingan kedua ialah ujian prestasi mantap SPMSM pada kelajuan tertentu berdasarkan strategi kawalan ADR-SMC, NLADRC dan PI. Kelajuan yang diberikan ditetapkan kepada nilai rujukan 3000 rpm. Rajah 5 dan Rajah 6 menunjukkan kelajuan, arus fasa A dan harmonik arus SPMSM. Daripada Rajah 5, dapat dilihat bahawa turun naik kelajuan dengan kawalan PI adalah yang terbesar, turun naik kelajuan NLADRC adalah antara keduanya, dan turun naik kelajuan ADR-SMC adalah yang paling kecil. Sementara itu, daripada analisis harmonik semasa yang ditunjukkan dalam Rajah 6, harmonik semasa strategi kawalan ADR-SMC, NLADRC dan PI masing-masing ialah 10.59%, 9.40% dan 7.96%, yang seterusnya menunjukkan bahawa cadangan ADR-SMC mempunyai kestabilan yang sangat baik. -prestasi negeri.
4.4 Prestasi dinamik
Percubaan perbandingan ketiga ialah ujian prestasi tindak balas dinamik SPMSM, yang terutamanya membandingkan keupayaan tindak balas dinamik kelajuan motor di bawah beban mengejut. Apabila kelajuan yang diberikan ialah 3000 rpm dan tork beban mengejut ialah 0.5 N\(\cdot\)m, keputusan kelajuan dan bentuk gelombang arus fasa ditunjukkan dalam Rajah 7. Keputusan eksperimen perbandingan prestasi dinamik SPMSM ditunjukkan dalam Jadual III. Ini jelas menunjukkan bahawa apabila beban mengejut ialah 0.5 N\(\cdot\)m, prestasi tindak balas dinamik NLADRC adalah lebih baik daripada SPMSM dengan kawalan PI, dan tindak balas ADR-SMC terhadap gangguan adalah lebih cepat daripada NLADRC. Oleh itu, prestasi dinamik dengan ADR-SMC yang dicadangkan dalam kertas ini adalah lebih baik daripada yang mempunyai strategi kawalan NLADRC dan PI. Di samping itu, bentuk gelombang semasa ADR-SMC adalah lebih stabil, dan denyutan lebih kecil, yang seterusnya menunjukkan bahawa ADR-SMC boleh mengekalkan prestasi dinamik yang baik.
5. Kesimpulan
Bagi meningkatkan prestasi kawalan SPMSM, kertas kerja ini mencadangkan strategi kawalan SPMSM baharu ADR-SMC. Pertama, modul NLSEF dalam gelung kompaun arus kelajuan NLADRC digantikan dengan undang-undang kawalan maklum balas ralat mod gelongsor berasaskan SMC. Dengan memperkenalkan fungsi eksponen dan fungsi kuasa ke dalam undang-undang kawalan maklum balas ralat mod gelongsor, perbualan mod gelongsor ditindas dengan berkesan dan masa penumpuan dipendekkan. Strategi kawalan ADR-SMC mempunyai tindak balas dinamik yang lebih pantas, ralat keadaan mantap yang lebih kecil dan keteguhan yang lebih kukuh. Akhir sekali, keputusan percubaan perbandingan strategi kawalan ADR-SMC, NLADRC dan PI menunjukkan bahawa strategi kawalan ADR-SMC mempunyai prestasi permulaan terbaik dan prestasi keadaan mantap, serta keupayaan tindak balas dinamik yang lebih pantas. Apabila beban mengejut ialah 0.5 N\(\cdot\)m, turun naik kelajuan maksimum ADR-SMC adalah kira-kira 27 rpm lebih kecil daripada NLADRC, dan masa kestabilan adalah kira-kira 0.067 s lebih kecil daripada NLADRC, yang mengesahkan keberkesanan dan kebolehlaksanaan strategi kawalan ADR-SMC untuk kawalan SPMSM.
Penghargaan
Yayasan Sains Semula Jadi Kebangsaan China: Geran No.51975526; 51505425. Kontrak perkhidmatan teknikal: KYY-HX-20231005; KYY-HX-20231005.
Rujukan
[1] Y. Zhao, et al.: “A review on position/speed sensorless control for permanent-magnet synchronous machine-based wind energy conversion systems,” IEEE Trans. Emerg. Sel. Topics Power Electron. 1 (2013) 203 (DOI: 10.1109/JESTPE.2013.2280572).
CrossRef
[2] R. Ni, et al.: “Maximum efficiency per ampere control of permanent magnet synchronous machines,” IEEE Trans. Ind. Electron. 62 (2015) 2135 (DOI: 10.1109/TIE.2014.2354238).
CrossRef
[3] R. Sanchis, et al.: “A simple procedure to design PID controllers in the frequency domain,” Proc. 35th Annu. Conf. IEEE Ind. Electron. Soc. (2009) 1420 (DOI: 10.1109/IECON.2009.5414728).
CrossRef
[4] J.A. Fredenburg and M.P. Flynn: “A 90-MS/s 11-MHz-bandwidth 62-dB SNDR noise-shaping SAR ADC,” IEEE J. Solid-State Circuits 47 (2012) 2898 (DOI: 10.1109/JSSC.2012.2217874).
CrossRef
[5] B.-J. Kang and C.-M. Liaw: “A robust hysteresis current-controlled PWM inverter for linear PMSM driven magnetic suspended positioning system,” IEEE Trans. Power Electron. 48 (2001) 956 (DOI: 10.1109/41.954560).
CrossRef
[6] X. Zhang, et al.: “Deadbeat predictive current control of permanent-magnet synchronous motors with stator current and disturbance observer,” IEEE Trans. Power Electron. 32 (2017) 3818 (DOI: 10.1109/TPEL.2016.2592534).
CrossRef
[7] T. Türker, et al.: “A robust predictive current controller for PMSM drives,” IEEE Trans. Ind. Electron. 63 (2016) 3906 (DOI: 10.1109/TIE.2016.2521338).
CrossRef
[8] C. Gong, et al.: “An improved delay-suppressed sliding-mode observer for sensorless vector-controlled PMSM,” IEEE Trans. Ind. Electron. 67 (2020) 5913 (DOI: 10.1109/TIE.2019.2952824).
CrossRef
[9] Y. Wang, et al.: “A new reaching law for anti-disturbance sliding-mode control of PMSM speed regulation system,” IEEE Trans. Power Electron. 35 (2020) 4117 (DOI: 10.1109/TPEL.2019.2933613).
CrossRef
[10] V. Repecho, et al.: “Fixed switching period discrete-time sliding mode current control of a PMSM,” IEEE Trans. Ind. Electron. 65 (2018) 2039 (DOI: 10.1109/TIE.2017.2745469).
CrossRef
[11] J. Wu, et al.: “Adaptive control of PMSM servo system for steering-by-wire system with disturbances observation,” IEEE Trans. Transport Electrific. 8 (2022) 2015 (DOI: 10.1109/TTE.2021.3128429).
CrossRef
[12] H. Jie, et al.: “Speed regulation based on adaptive control and RBFNN for PMSM considering parametric uncertainty and load fluctuation,” IEEE Access 8 (2020) 190147 (DOI: 10.1109/ACCESS.2020.3031969).
CrossRef
[13] M. Kashif and B. Singh: “Modified active-power MRAS based adaptive control with reduced sensors for PMSM operated solar water pump,” IEEE Trans. Energy Convers. 38 (2023) 38 (DOI: 10.1109/TEC.2022.3197564).
CrossRef
[14] Y. Chen, et al.: “A new cascaded adaptive deadbeat control method for PMSM drive,” IEEE Trans. Ind. Electron. 70 (2023) 3384 (DOI: 10.1109/TIE.2022.3177808).
CrossRef
[15] L.N. Tan, et al.: “Neural network observers and sensorless robust optimal control for partially unknown PMSM with disturbances and saturating voltages,” IEEE Trans. Power Electron. 36 (2021) 12045 (DOI: 10.1109/TPEL.2021.3071465).
CrossRef
[16] S. You, et al.: “Adaptive neural network control using nonlinear information gain for permanent magnet synchronous motors,” IEEE Trans. Cybern. 53 (2023) 1392 (DOI: 10.1109/TCYB.2021.3123614).
CrossRef
[17] T.T. Nguyen, et al.: “Recurrent neural network-based robust adaptive model predictive speed control for PMSM with parameter mismatch,” IEEE Trans. Ind. Electron. 70 (2023) 6219 (DOI: 10.1109/TIE.2022.3198255).
CrossRef
[18] M.R. Raia, et al.: “Artificial neural network and data dimensionality reduction based on machine learning methods for PMSM model order reduction,” IEEE Access 9 (2021) 102345 (DOI: 10.1109/ACCESS.2021.3095668).
CrossRef
[19] X. Zhang and Z. Zhao: “Model predictive control for PMSM drives with variable dead-zone time,” IEEE Trans. Power Electron. 36 (2021) 10514 (DOI: 10.1109/TPEL.2021.3066636).
CrossRef
[20] X. Zhang, et al.: “Optimized model predictive control with dead-time voltage vector for PMSM drives,” IEEE Trans. Power Electron. 36 (2021) 3149 (DOI: 10.1109/TPEL.2020.3012985).
CrossRef
[21] F. Wang, et al.: “High performance model predictive control for PMSM by using stator current mathematical model self-regulation technique,” IEEE Trans. Power Electron. 35 (2020) 13652 (DOI: 10.1109/TPEL.2020.2994948).
CrossRef
[22] A, Shahzad, et al.: “Dual-nature biometric recognition epitome,” Trends Comput. Sci. Inf. Technol. 5 (2020) 008 (DOI: 10.17352/tcsit.000012).
CrossRef
[23] B. Sun and Z. Gao: “A DSP-based active disturbance rejection control design for a 1-kW H-bridge dc-dc power converter,” IEEE Trans. Ind. Electron. 52 (2005) 1271 (DOI: 10.1109/TIE.2005.855679).
CrossRef
[24] G. Zhang, et al.: “Active disturbance rejection control strategy for signal injection-based sensorless IPMSM drives,” IEEE Trans. Transport Electrific. 4 (2018) 330 (DOI: 10.1109/TTE.2017.2765206).
CrossRef
[25] J. Li, et al.: “Robust speed control of induction motor drives using first-order auto-disturbance rejection controllers,” IEEE Trans. Ind. Appl. 51 (2015) 712 (DOI: 10.1109/TIA.2014.2330062).
CrossRef
[26] C. Du, et al.: “A speed estimation method for induction motors based on active disturbance rejection observer,” IEEE Trans. Power Electron. 35 (2020) 8429 (DOI: 10.1109/TPEL.2020.2964573).
CrossRef
[27] L. Qu, et al.: “An enhanced linear active disturbance rejection rotor position sensorless control for permanent magnet synchronous motors,” IEEE Trans. Power Electron. 35 (2020) 6175 (DOI: 10.1109/TPEL.2019.2953162).
CrossRef
[28] L. Zhu, et al.: “Nonlinear active disturbance rejection control strategy for permanent magnet synchronous motor drives,” IEEE Trans. Energy Convers. 37 (2022) 2119 (DOI: 10.1109/TEC.2022.3150796).
CrossRef
[29] W. Xu, et al.: “Improved position sensorless control for PMLSM via an active disturbance rejection controller and an adaptive full-order observer,” IEEE Trans. Ind. Appl. 59 (2023) 1742 (DOI: 10.1109/TIA.2022.3230729).
CrossRef
[30] Z. Gao: “Scaling and bandwidth-parameterization based controller tuning,” Proc. Amer. Control Conf. (2003) 4989 (DOI: 10.1109/ACC.2003.1242516).
CrossRef
Pengarang
Xu Zhang
Institute of Process Equipment and Control Engineering, Zhejiang University of Technology
Jianfeng Mao
Institute of Process Equipment and Control Engineering, Zhejiang University of Technology
Fujiong Zhao
Institute of Process Equipment and Control Engineering, Zhejiang University of Technology
Weigang Wang
Provincial Research Design Institute, Hangzhou Fusheng Electrical Appliances Co. Ltd.
Rongsheng Jia
Provincial Research and Design Institute, Hangzhou Xinhengli Motor Manufacturing Co. Ltd.