Torque ripple minimization in non-sinusoidal synchronous reluctance motors based on artificial neural networks
| Autor: | Damien Flieller, Ngac Ky Nguyen, Jean Merckle, Guy Sturtzer, Phuoc Hoa Truong |
|---|---|
| Přispěvatelé: | Modélisation, Intelligence, Processus et Système (MIPS), Ecole Nationale Supérieure d'Ingénieur Sud Alsace-Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA))-IUT de Colmar-IUT de Mulhouse, GREEN Laboratory - INSA de Strasbourg, INSA de Strasbourg, Laboratoire d’Électrotechnique et d’Électronique de Puissance - ULR 2697 (L2EP), Centrale Lille-Haute Etude d'Ingénieurs-Université de Lille-Arts et Métiers Sciences et Technologies, HESAM Université (HESAM)-HESAM Université (HESAM), Laboratoire de Génie de la Conception (LGeco), Institut National des Sciences Appliquées - Strasbourg (INSA Strasbourg), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA), Modélisation, Intelligence, Processus et Système [MIPS], Laboratoire d'Électrotechnique et d'Électronique de Puissance (L2EP) - ULR 2697, Laboratoire de Génie de la Conception [LGeco], Université de Haute-Alsace (UHA) Mulhouse - Colmar (Université de Haute-Alsace (UHA)), Centrale Lille-Université de Lille-Arts et Métiers Sciences et Technologies, HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)-HESAM Université - Communauté d'universités et d'établissements Hautes écoles Sorbonne Arts et métiers université (HESAM)-JUNIA (JUNIA), Université catholique de Lille (UCL)-Université catholique de Lille (UCL) |
| Jazyk: | angličtina |
| Rok vydání: | 2016 |
| Předmět: |
[SPI.OTHER]Engineering Sciences [physics]/Other
Engineering Stator Energie électrique [Sciences de l'ingénieur] Energy Engineering and Power Technology 02 engineering and technology Sciences de l'ingénieur [physics]/Autre 01 natural sciences law.invention symbols.namesake Torque ripple Control theory law Optimal currents 0103 physical sciences 0202 electrical engineering electronic engineering information engineering Electrical and Electronic Engineering Non-sinusoidal synchronous reluctance motor Lagrange optimization Adaline Artificial neural networks 010302 applied physics Artificial neural network Magnetic reluctance business.industry 020208 electrical & electronic engineering Control engineering Switched reluctance motor Direct torque control Lagrange multiplier symbols business |
| Zdroj: | Electric Power Systems Research Electric Power Systems Research, Elsevier, 2016, 140, pp.37-45. ⟨10.1016/j.epsr.2016.06.045⟩ Electric Power Systems Research, 2016, 140, pp.37-45. ⟨10.1016/j.epsr.2016.06.045⟩ |
| ISSN: | 0378-7796 1873-2046 |
| DOI: | 10.1016/j.epsr.2016.06.045⟩ |
| Popis: | This paper proposes a new method based on Artificial Neural Networks for reducing the torque ripple in a non-sinusoidal Synchronous Reluctance Motor. The Lagrange optimization method is used to solve the problem of calculating optimal currents in the d-q frame. A neural control scheme is then proposed as an adaptive solution to derive the optimal stator currents giving a constant electromagnetic torque and minimizing the ohmic losses. Thanks to the online learning capacity of neural networks, the optimal currents can be obtained online in real time. With this neural control, each machine’s parameters estimation errors and current controller errors can be compensated. Simulation and experimental results are presented which confirm the validity of the proposed method. Bourse de l'Ambassade de France au Vietnam |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|
Full Text from ScienceDirect