Optimized Current Waveform for Torque Ripple Mitigation and MTPA Operation of PMSM with Back EMF Harmonics based on Genetic Algorithm and Artificial Neural Network

Authors

Keywords:

Artificial neural network (ANN), genetic algorithm (GA), interior permanent magnet synchronous motor (IPMSM), maximum torque per Ampère (MTPA), nonsinusoidal back-EMF, torque ripple

Abstract

Interior permanent magnet synchronous motors (IPMSMs) with nonsinusoidal flux develop undesirable torque ripple under conventional control strategies, leading to vibration and increase of mechanical stress. To overcome this problem, active torque ripple compensation based on harmonic stator current injection is widely investigated in the literature. However, the combination of the torque ripple minimization strategy with the maximum torque per Ampère (MTPA) operation is a challenge to the field. In this paper, a control strategy based on genetic algorithm (GA) and artificial neural network (ANN) is proposed to achieve low torque ripple with MTPA operation of a three-phase IPMSM with significant magnitude of zero sequence back-electromotive force (back-EMF) component. Investigations have found that the consideration of back-EMF zero sequence in torque prodution can increase the torque per Ampère ratio. Further, the results shows that the proposed strategy effectively reduces the torque ripple in real time operation, including steady state and transient torque performances.

Downloads

Download data is not yet available.

Author Biographies

Allan Gregori de Castro, Universidade de São Paulo

Allan Gregori de Castro graduou-se em engenharia elétrica pela Universidade Tecnológica Federal do Paraná, Paraná, Brasil, em 2014. Recebeu o título de Mestre em Engenharia Elétrica pela Universidade de São Paulo, São Carlos, em 2017. Atualmente é aluno de Doutorado em Engenharia Elétrica da Universidade de São Paulo. Suas principais áreas de pesquisa são: controle de máquinas elétricas e eletrônica de potência.

Paulo Roberto Ubaldo Guazzelli, Universidade de São Paulo

Paulo Roberto Ubaldo Guazzelli graduou-se em engenharia elétrica pela Universidade Federal de São Carlos, São Paulo, Brasil, em 2014. Recebeu o título de Mestre em Engenharia Elétrica pela Universidade de São Paulo, São Carlos, em 2017. Atualmente é aluno de Doutorado em Engenharia Elétrica, na área de sistemas dinâmicos, do Departamento de Engenharia Elétrica, da Escola de Engenharia de São Carlos, da Universidade de São Paulo (USP). Dentre suas áreas de pesquisa destacam-se controle de máquinas elétricas e eletrônica de potência.

Carlos Matheus Rodrigues de Oliveira, Universidade Tecnológica Federal do Paraná, Apucarana, Paraná, Brasil

Carlos Matheus Rodrigues de Oliveira graduou-se em engenharia elétrica pela Universidade Tecnológica Federal do Paraná, Paraná, Brasil, em 2013. Recebeu o título de Mestre e Doutor em Engenharia Elétrica pela Universidade de São Paulo, São Carlos, em 2015 e 2019, respectivamente. Atualmente é professor no Departamento de Engenharia Elétrica da Universidade Tecnológica Federal do Paraná, onde ministra aulas de máquinas elétricas, contole de máquinas elétricas e energias renováveis. Seus interesses de pesquisa incluem acionamentos elétricos, controle preditivo baseado em modelo, controle sliding mode e emulação de cargas dinâmicas.

William César de Andrade Pereira, Tecumseh do Brasil Ltda, São Carlos, São Paulo, Brasil

William César de Andrade Pereira recebeu o título de Mestre e Doutor em engenharia elétrica da Universidade de São Paulo (USP), São Carlos, São Paulo, Brasil, em 2014 e 2019, respectivamente. Atualmente, é engenheiro de desenvolvimento e pesquisador na Tecumseh do Brasil Ltda, subsidiária da Tecumseh Products Company LLC. Suas principais áreas de pesquisa são: sistemas de controle e acionamento de máquinas elétricas.

Geyverson Teixeira de Paula, Universidade Federal de Goiás

Geyverson Teixeira de Paula é natural de Goiânia - GO, Brasil, nascido em 1988. Ele graduou-se em engenharia elétrica e recebeu os títulos Mestrado e Doutorado pela Escola de Engenharia de São Carlos, da Universidade de São Paulo (USP) em 2011, 2013 e 2016, respectivamente. Atualmente é professor de engenharia elétrica na Escola de Engenharia Elétrica, Mecânica e de Computação da Universidade Federal de Goiás (UFG), Goiânia, Brasil. Suas principais áreas de pesquisa incluem máquinas elétricas, máquinas de ímã permanente, método de elementos finitos, eletrônica de potência e veículos elétricos.

José Roberto Boffino de Almeida Monteiro, Universidade de São Paulo

José Roberto Boffino de Almeida Monteiro é graduado em engenharia elétrica pela Escola de Engenharia de São Carlos, Universidade de São Paulo (USP), São Carlos, São Paulo, Brasil, em 1994. Recebeu os títulos de Mestre e Doutor em 1997 e 2002 pela Escola de Engenharia de São Carlos, Universidade de São Paulo (USP), São Carlos, São Paulo, Brasil. Atualmente é professor no Departamento de Engenharia Elétrica, da Escola de Engenharia de São Carlos, da Universidade de São Paulo (USP) onde ministra aulas de eletrônica de potência e acionamento de máquinas elétricas. Suas principais áreas de pesquisa são: máquinas elétricas, máquinas de ímã permanente, eletrônica de potência e controle.

References

M. Melfi, S. Evon, and R. McElveen, “Induction versus permanente magnet motors,” IEEE Ind. Appl. Mag., vol. 15, no. 6, pp. 28–35, nov 2009.

Ching-Tsai Pan and Shinn-Ming Sue, “A linear maximum torque per ampere control for IPMSM drives considering magnetic saturation,” in 30th Annu. Conf. IEEE Ind. Electron. Soc. 2004. IECON 2004, vol. 3, no. 2. IEEE, 2005, pp. 2712–2717.

Z. Q. Zhu and J. H. Leong, “Analysis and mitigation of torsional vibration of PM brushless AC/DC drives with direct torque controller,” IEEE Trans. Ind. Appl., vol. 48, no. 4, pp. 1296–1306, 2012.

D. Flieller, N. K. Nguyen, P. Wira, G. Sturtzer, D. O. Abdeslam, and J. Merckle, “A Self-Learning Solution for Torque Ripple Reduction for Nonsinusoidal Permanent-Magnet Motor Drives Based on Artificial Neural Networks, “IEEE Trans. Ind. Electron., vol. 61, no. 2, pp. 655– 666, feb 2014.

D. Hanselman, Brushless Permanent Magnet Motor Design Second Edition. Magna Psysics Publishing, 2006, vol. 2.

P. Mattavelli, L. Tubiana, and M. Zigliotto, “Torque-Ripple Reduction in PM Synchronous Motor Drives Using Repetitive Current Control,” IEEE Trans. Power Electron., vol. 20, no. 6, pp. 1423–1431, nov 2005.

S. J. Park, H. W. Park, M. H. Lee, and F. Harashima, “A new appro- ach for minimum-torque-ripple maximum-efficiency control of BLDC motor,” IEEE Trans. Ind. Electron., vol. 47, no. 1, pp. 109–114, 2000.

G. Buja, M. Bertoluzzo, and R. K. Keshri, “Torque Ripple-Free Ope- ration of PM BLDC Drives With Petal-Wave Current Supply,” IEEE Trans. Ind. Electron., vol. 62, no. 7, pp. 4034–4043, jul 2015.

C. Lai, G. Feng, K. Lakshmi Varaha Iyer, K. Mukherjee, and N. C. Kar, “Genetic Algorithm-Based Current Optimization for Torque Ripple Reduction of Interior PMSMs,” IEEE Trans. Ind. Appl., vol. 53, no. 5, pp. 4493–4503, 2017.

A. Goedtel, I. Nunes Da Silva, P. Jose Amaral Serni, M. Suetake, C. Franscisco Do Nascimento, and S. Augusto Oliveira Da Silva, “Speed estimation for induction motor using neural networks method,” IEEE Lat. Am. Trans., vol. 11, no. 2, pp. 768–778, 2013.

F. Lima, W. Kaiser, I. Nunes Da Silva, and A. A. De Oliveira, “Speed neuro-fuzzy estimator applied to sensorless induction motor control,” IEEE Lat. Am. Trans., vol. 10, no. 5, pp. 2065–2073, 2012.

J. Yu, “A hybrid feature selection scheme and self-organizing map model for machine health assessment,” Appl. Soft Comput. J., vol. 11, no. 5, pp. 4041–4054, 2011.

E. Germen, M. Bas¸aran, and M. Fidan, “Sound based induction motor fault diagnosis using Kohonen self-organizing map,” Mech. Syst. Signal Process., vol. 46, no. 1, pp. 45–58, 2014.

W. S. Gongora, A. Goedtel, S. A. Da Silva, and C. L. Graciola, “Neural Approach to Fault Detection in Three-phase Induction Motors,” IEEE Lat. Am. Trans., vol. 14, no. 3, pp. 1279–1288, 2016.

J. Kern, M. Jamett, C. Urrea, and H. Torres, “Development of a neural controller applied in a 5 DOF robot redundant,” IEEE Lat. Am. Trans., vol. 12, no. 2, pp. 98–106, 2014.

N. Nakao and K. Akatsu, “Torque ripple suppression of permanent magnet synchronous motors considering total loss reduction,” 2013 IEEE Energy Convers. Congr. Expo. ECCE 2013, pp. 3880–3887, 2013.

P. C. Krause, O. Wasynczuk, and S. D. Sudhoff, Analysis of Electric Machinery and Drive Systems. Wiley-IEEE Press, 2002.

L. Wang, A. H. C. Ng, and K. Deb, Multi-objective Evolutionary Optimisation for Product Design and Manufacturing, L. Wang, A. H. C. Ng, and K. Deb, Eds. London: Springer London, 2011.

R. Ni, D. Xu, G. Wang, L. Ding, G. Zhang, and L. Qu, “Maximum Efficiency per Ampere Control of Permanent-Magnet Synchronous Ma-chines,” IEEE Trans. Ind. Electron., vol. 62, no. 4, pp. 2135–2143, 2015.

Kshirsagar, P., & Krishnan, R. (2012). High-Efficiency Current Excitation Strategy for Variable-Speed Nonsinusoidal Back-EMF PMSM Machines. IEEE Transactions on Industry Applications, 48(6), 1875–1889. 10.1109/TIA.2012.2225814

C. L. Baratieri, “Contribuições ao Controle do Motor Síncrono de Imã Permanente com FCEM não Senoidal,” Ph.D. dissertation, Federal University of Santa Maria, Santa Maria, Rio Grande do Sul, 2015.

Cybenko, G. (1989) "Approximations by superpositions of sigmoidal functions", Mathematics of Control, Signals, and Systems, 2(4), 303–314. doi:10.1007/BF02551274.

Downloads

Published

2021-03-13

How to Cite

de Castro, A. G., Guazzelli, P. R. U., de Oliveira, C. M. R., Pereira, W. C. de A., de Paula, G. T., & Monteiro, J. R. B. de A. (2021). Optimized Current Waveform for Torque Ripple Mitigation and MTPA Operation of PMSM with Back EMF Harmonics based on Genetic Algorithm and Artificial Neural Network. IEEE Latin America Transactions, 18(9), 1646–1655. Retrieved from https://latamt.ieeer9.org/index.php/transactions/article/view/3119

Issue

Vol. 18 No. 9 (2020): Ordinary Issue

Section

Articles