TU Darmstadt / ULB / TUprints

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
Ph.D. Thesis, Primary publication, Publisher's Version

[img]
Preview
Text
2021-10-13_Liu_Tao.pdf
Copyright Information: CC BY-NC-ND 4.0 International - Creative Commons, Attribution NonCommercial, NoDerivs.

Download (15MB) | Preview
Item Type: Ph.D. Thesis
Type of entry: Primary publication
Title: Parameter Identification of PMSM with Considering Nonlinearity of the Inverter
Language: English
Referees: Griepentrog, Prof. Dr. Gerd ; Leidhold, Prof. Dr. Roberto
Date: 2021
Place of Publication: Darmstadt
Collation: XIX, 148 Seiten
Date of oral examination: 28 June 2021
DOI: 10.26083/tuprints-00019740
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.

Alternative Abstract:
Alternative AbstractLanguage

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.

German
Status: Publisher's Version
URN: urn:nbn:de:tuda-tuprints-197405
Classification DDC: 600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 18 Department of Electrical Engineering and Information Technology > Institute for Power Electronics and Control of Drives
Date Deposited: 21 Dec 2021 07:59
Last Modified: 21 Dec 2021 08:00
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/19740
PPN: 490509274
Export:
Actions (login required)
View Item View Item