TU Darmstadt / ULB / TUbiblio

Parameter Identification of PMSM with Considering Nonlinearity of the Inverter

Liu, Tao (2021)
Parameter Identification of PMSM with Considering Nonlinearity of the Inverter.
Technische Universität Darmstadt
doi: 10.26083/tuprints-00019740
Dissertation, Erstveröffentlichung, Verlagsversion

Kurzbeschreibung (Abstract)

Electrical parameters of a Permanent Magnet Synchronous Machine (PMSM) vary with the load condition, magnetic saturation, and temperature. When the parameters change greatly from their initial values, the performance of the PMSM drive system can be significantly degraded or even failed. Because of this phenomenon, precise on-line parameter identification of PMSMs is essential to ensure a high-performance drive system. However, the accuracy of the parameter identification methods is affected by the nonlinearity of the inverter, because the inverter nonlinearity results in error between the actual output voltages measured at the terminals of the machine and the reference values. The main objective of this research work is to develop suitable online identification algorithms adopted for machine parameters, where the inverter nonlinearity effect is analyzed and compensated. The inverter nonlinearity curves dependent on stator currents are measured offline and then used as a look-up table for the online identification process. The proposed identification algorithms based upon recursive least squares method (RLS) and model reference adaptive control (MRAC) are presented and compared. Experimental results show that both the methods ensure fast convergence and can be implemented in required real-time performance systems. Based on the steady-state equations in the d-and q-axis, the algorithms are capable of simultaneously estimating stator resistance and inductance. For the implementation of the proposed algorithms, an AC drive system consisting of control and power boards is designed. On the control board, a structure of DSP (digital signal processor)+FPGA (field-programmable gate array) is adopted, in which the DSP conducts the control algorithm while the FPGA undertakes tasks involving signal processing, including current/voltage sensing and encoding of rotor position. On the power board, a conventional two-level voltage source inverter is integrated, where the space vector pulse-width modulation (SVPWM) is applied for generating the switching signals. The proposed algorithms are implemented on the designed drive system, which is verified to be effective and reliable via experimental results.

Typ des Eintrags: Dissertation
Erschienen: 2021
Autor(en): Liu, Tao
Art des Eintrags: Erstveröffentlichung
Titel: Parameter Identification of PMSM with Considering Nonlinearity of the Inverter
Sprache: Englisch
Referenten: Griepentrog, Prof. Dr. Gerd ; Leidhold, Prof. Dr. Roberto
Publikationsjahr: 2021
Ort: Darmstadt
Kollation: XIX, 148 Seiten
Datum der mündlichen Prüfung: 28 Juni 2021
DOI: 10.26083/tuprints-00019740
URL / URN: https://tuprints.ulb.tu-darmstadt.de/19740
Kurzbeschreibung (Abstract):

Electrical parameters of a Permanent Magnet Synchronous Machine (PMSM) vary with the load condition, magnetic saturation, and temperature. When the parameters change greatly from their initial values, the performance of the PMSM drive system can be significantly degraded or even failed. Because of this phenomenon, precise on-line parameter identification of PMSMs is essential to ensure a high-performance drive system. However, the accuracy of the parameter identification methods is affected by the nonlinearity of the inverter, because the inverter nonlinearity results in error between the actual output voltages measured at the terminals of the machine and the reference values. The main objective of this research work is to develop suitable online identification algorithms adopted for machine parameters, where the inverter nonlinearity effect is analyzed and compensated. The inverter nonlinearity curves dependent on stator currents are measured offline and then used as a look-up table for the online identification process. The proposed identification algorithms based upon recursive least squares method (RLS) and model reference adaptive control (MRAC) are presented and compared. Experimental results show that both the methods ensure fast convergence and can be implemented in required real-time performance systems. Based on the steady-state equations in the d-and q-axis, the algorithms are capable of simultaneously estimating stator resistance and inductance. For the implementation of the proposed algorithms, an AC drive system consisting of control and power boards is designed. On the control board, a structure of DSP (digital signal processor)+FPGA (field-programmable gate array) is adopted, in which the DSP conducts the control algorithm while the FPGA undertakes tasks involving signal processing, including current/voltage sensing and encoding of rotor position. On the power board, a conventional two-level voltage source inverter is integrated, where the space vector pulse-width modulation (SVPWM) is applied for generating the switching signals. The proposed algorithms are implemented on the designed drive system, which is verified to be effective and reliable via experimental results.

Alternatives oder übersetztes Abstract:
Alternatives AbstractSprache

Die elektrischen Parameter von PMSM variieren mit dem Lastzustand, der magnetischen Sättigung und der Temperatur. Wenn ihre Werte stark von ihren initialen Werten abweichen, kann die hohe Leistung eines PMSM-Antriebes erheblich beeinträchtigt werden, oder das gesamte System könnte ausfallen. Vor diesem Hintergrund ist eine genaue Online-Parameteridentifikation von Permanentmagnet-Synchronmaschinen (PMSMs) unerlässlich, um eine hohe Leistung eines Antriebssystems zu erzielen. Die Genauigkeit der Parameteridentifikation wird jedoch erheblich von der Nichtlinearität des Wechselrichters beeinflusst, da die tatsächlichen Ausgangsspannungen aufgrund der durch die Nichtlinearität verursachten Verzerrung von den angegebenen Referenzwerten abweichen. Das Hauptziel der Dissertation ist die Ermittlung geeigneten Online-Identifikationsalgorithmen für Maschinenparameter, bei denen der Nichtlinearitätseffekt des Wechselrichters analysiert und kompensiert wird. Entsprechend den spezifischen Ursachen der Nichtlinearität des Wechselrichters werden seine von den aktuellen Arbeitspunkten abhängigen nichtlinearen Eigenschaften offline gemessen und dann als Nachschlagetabelle für den Online-Identifikationsprozess verwendet. Die vorgeschlagenen Identifikationsalgorithmen, die auf der Methode der rekursiven kleinsten Quadrate (RLS) und der adaptiven Modellreferenzregelung (MRAC) basieren, werden auch in der Dissertation vorgestellt und verglichen. Beide Methoden zeigen schnelle Konvergenzeigenschaften und können die erforderliche Echtzeitleistung sicherstellen. Basierend auf den stationären Gleichungen in der d- und q-Achse können die Algorithmen gleichzeitig den Statorwiderstand und die Induktivität abschätzen. Für die Implementierung der vorgeschlagenen Algorithmen wird ein Antriebsystem aus Steuerplatine und Leistungsplatine entworfen. Auf der Steuerplatine wird eine DSP + FPGA-Struktur verwendet, während der DSP nur den Regelungsalgorithmus verarbeitet , übernimmt der FPGA die Aufgaben der Signalverarbeitung , einschließlich der Strom-/ Spannungsmessung und der Bestimmung der Rotorposition. Auf der Leistungsplatine ist ein herkömmlicher zweistufiger indirekter Umrichter mit Gleichspannungszwischenkreis integriert, bei dem die Raumzeigermodulation (SVPWM) zur Erzeugung der Schaltsignale angewendet wird. Die vorgeschlagenen Algorithmen werden auf dem entworfenen Antriebssystem implementiert, das mittels experimentellen Ergebnissen als effektiv und zuverlässig verifiziert wird.

Deutsch
Status: Verlagsversion
URN: urn:nbn:de:tuda-tuprints-197405
Sachgruppe der Dewey Dezimalklassifikatin (DDC): 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau
Fachbereich(e)/-gebiet(e): 18 Fachbereich Elektrotechnik und Informationstechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Stromrichtertechnik und Antriebsregelung
Hinterlegungsdatum: 21 Dez 2021 07:59
Letzte Änderung: 22 Dez 2021 11:05
PPN:
Referenten: Griepentrog, Prof. Dr. Gerd ; Leidhold, Prof. Dr. Roberto
Datum der mündlichen Prüfung / Verteidigung / mdl. Prüfung: 28 Juni 2021
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen