亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Improved Deadbeat Predictive Current Control of PMSM Based on a Resistance Adaptive Position Observer

控制理论(社会学) 定子 稳健性(进化) 灵敏度(控制系统) 计算机科学 观察员(物理) 模型预测控制 电流(流体) 抖动 职位(财务) 控制工程 工程类 控制(管理) 物理 电子工程 人工智能 机械工程 电信 生物化学 化学 电气工程 财务 量子力学 经济 基因
作者
Ting Wu,Huiyu Chen,Bo Liu,Ting Wu,Chao Wang,Shoudao Huang
出处
期刊:IEEE Transactions on Transportation Electrification [Institute of Electrical and Electronics Engineers]
卷期号:: 1-1
标识
DOI:10.1109/tte.2023.3328948
摘要

Deadbeat predictive current control (DPCC) features fast dynamic responses and excellent current tracking capabilities. However, it suffers from steady-state current prediction error caused by machine parameter mismatch,notably the resistances at low speeds. For the purpose of minimizing the parameter sensitivity of the DPCC approach and optimize the performance of permanent magnet synchronous motor (PMSM) drive systems,an improved DPCC with a stator-resistance adaptive position observer(DPCC+RAPO) is proposed. Initially, the parameter sensitivity of the conventional DPCC approach is analyzed,which reveals that inaccurate resistance can lead prediction current error and current jitter problems directly.Then,a real-time stator-resistance adaptation algnorithm based on sensorless control is introduced in this paper and applied to DPCC. It effectively enhanced the resilience to parameter perturbations of the DPCC method.In addition,compare with the conventional sensorless DPCC control, the presented methodology is capable to increase the robustness of PMSM at low speeds. Finally,the effectiveness of the method is verified by experiments at a 1.5kW PMSM drive platform.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
7秒前
8秒前
cdercder应助科研通管家采纳,获得30
8秒前
年轻元冬发布了新的文献求助10
13秒前
LWW完成签到,获得积分10
31秒前
hhj02发布了新的文献求助10
47秒前
清脆的正豪完成签到 ,获得积分10
53秒前
1分钟前
richadowei发布了新的文献求助10
1分钟前
魔丸本人完成签到,获得积分10
1分钟前
思源应助richadowei采纳,获得10
1分钟前
善良鸵鸟关注了科研通微信公众号
1分钟前
年轻元冬发布了新的文献求助10
1分钟前
唔昂wang发布了新的文献求助10
1分钟前
aubusson应助科研通管家采纳,获得50
2分钟前
cdercder应助科研通管家采纳,获得10
2分钟前
jxuexiong完成签到,获得积分10
2分钟前
Omni完成签到,获得积分10
2分钟前
烟花应助josephina采纳,获得10
2分钟前
2分钟前
就叫烨烨发布了新的文献求助10
2分钟前
小云同学发布了新的文献求助10
2分钟前
orixero应助小云同学采纳,获得10
3分钟前
今后应助唔昂wang采纳,获得10
3分钟前
东郭乾完成签到 ,获得积分10
3分钟前
SciGPT应助科研通管家采纳,获得10
4分钟前
cdercder应助科研通管家采纳,获得10
4分钟前
深情安青应助科研通管家采纳,获得10
4分钟前
jyy完成签到,获得积分10
4分钟前
就叫烨烨完成签到,获得积分10
4分钟前
共享精神应助就叫烨烨采纳,获得10
4分钟前
留胡子的泥猴桃完成签到,获得积分20
4分钟前
芜湖芜湖芜湖完成签到,获得积分10
4分钟前
5分钟前
小云同学发布了新的文献求助10
5分钟前
小云同学完成签到,获得积分10
5分钟前
今后应助Ln采纳,获得10
5分钟前
6分钟前
情怀应助科研通管家采纳,获得10
6分钟前
张欢馨应助科研通管家采纳,获得10
6分钟前
高分求助中
Markov Chain Monte Carlo 10000
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Common Foundations of American and East Asian Modernisation: From Alexander Hamilton to Junichero Koizumi 5000
Pediatric Dermoscopy Trichoscopy & Onychoscopy 2030
Matrix Methods in Data Mining and Pattern Recognition Second Edition 610
Discerning Saints: Moralization of Intrinsic Motivation and Selective Prosociality at Work 500
Handbuch Trainingswissenschaft – Trainingslehre 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7578696
求助须知:如何正确求助?哪些是违规求助? 9158298
关于积分的说明 19592748
捐赠科研通 7161941
什么是DOI,文献DOI怎么找? 3265555
关于科研通互助平台的介绍 2430558
邀请新用户注册赠送积分活动 2256327