مقاله انگلیسی رایگان در مورد کنترل جریان بدون نوسان قوی – IEEE 2019

 

مشخصات مقاله
ترجمه عنوان مقاله کنترل جریان پیش بین بدون نوسان قوی و پیشرفته برای محرک های ماشین سنکرون با آهنربای دائمی (PMSM)
عنوان انگلیسی مقاله Enhanced Robust Deadbeat Predictive Current Control for PMSM Drives
انتشار مقاله سال 2019
تعداد صفحات مقاله انگلیسی 13 صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه IEEE
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
4.641 در سال 2018
شاخص H_index 56 در سال 2019
شاخص SJR 0.609 در سال 2018
شناسه ISSN 2169-3536
شاخص Quartile (چارک) Q2 در سال 2018
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مهندسی برق
گرایش های مرتبط مهندسی کنترل، الکترونیک قدرت
نوع ارائه مقاله
ژورنال
مجله / کنفرانس دسترسی – IEEE Access
دانشگاه  National Engineering Laboratory for Electric Vehicles, School of Mechanical Engineering, Beijing Institute of Technology, Beijing 100081, China
کلمات کلیدی ماشین سنکرون با آهنربای دائمی (PMSM)، کنترل جریان پیش بین بدون نوسان (DPCC)، کنترل یادگیری تکراری (ILC)، کنترل حالت لغزشی
کلمات کلیدی انگلیسی  Permanent-magnet synchronous machine (PMSM), deadbeat predictive current control (DPCC), iterative learning control (ILC), sliding-mode control (SMC
شناسه دیجیتال – doi
https://doi.org/10.1109/ACCESS.2019.2946972
کد محصول  E13854
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
Abstract
I. Introduction
II. Deadbeat Predictive Current Control
III. Proposed DPCC With NCDO
IV. Simulation Study
V. Experimental Results
Authors
Figures
References

 

بخشی از متن مقاله:
Abstract

In permanent-magnet synchronous machine (PMSM) applications, traditional deadbeat predictive current control (DPCC) utilizes the PMSM model to evaluate the expected voltage vector and applies it to the inverter through space vector pulse width modulation (SVPWM). Once the expected voltage vector is inaccurate, the torque ripple and speed fluctuation are amplified. There are two main factors that cause the inaccurate voltage vector, namely model parameter mismatch, and current measurement error. To enhance the robustness of DPCC, first, this paper proposes an accurate PMSM voltage model with nonperiodic and periodic disturbance models. Second, this paper proposes a novel current and disturbance observer (NCDO) which is able to predict future stator currents and disturbances caused by model parameter mismatch and current measurement error simultaneously. Finally, the scheme of the proposed DPCC with NCDO is presented to enhance the robustness. This paper presents a comparative study of two types of algorithms, namely traditional DPCC and the proposed DPCC with NCDO. The theoretical verification, simulation results, and experimental results are demonstrated to verify the effectiveness of the proposed DPCC with NCDO.

Introduction

Recently, permanent-magnet synchronous machines (PMSMs) have been widely used in the modern applications because they have a range of benefits such as high efficiency, high torque density, and excellent control precision. To achieve high steady-state and dynamic performance, some control strategies have been applied in the drive system of PMSMs, such as classical proportional–integral (PI) control [1], hysteresis control, and predictive control. Hysteresis control [2] has good robustness, fast current responses, and simple computation, but there are large current ripples in the control system. Compared with hysteresis control, PI control has some benefits such as small current ripples and fixed switching frequency, which is popular in practical applications. However, the PI parameters need to be tuned, which is time-consuming. Recently, predictive control is applied in PMSM drives within ten years. Predictive control has some advantages, such as excellent performance in the transient state [3]. It can be categorized into two types of predictive control normally, namely finite control set model predictive control (FCS-MPC) [4] and deadbeat predictive control (DPCC). FCS-MPC applies finite voltage vectors based on characteristic of inverters to predict next instant motor stator currents by minimizing cost functions.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا