Multivector Predictive Current Control for Five-Phase PM Motor by Using Hybrid Duty Modulation Technology
Multivector Predictive Current Control for Five-Phase PM Motor by Using Hybrid Duty Modulation Technology
复制标题
利用混合占空比调制技术的五相永磁电机多矢量预测电流控制
DOI：
10.1109/tte.2020.2991080
复制
发表时间：
2020-12
影响因子：
7
通讯作者：
Xue Rui
中科院分区：
文献类型：
--
作者：
Tao Tao;Zhao Wenxiang;He Yang;Zhu Jihong;Tan Huajun;Xue Rui
有限控制集（FCS）模型预测电流控制（MPCC）是一种很有前途的控制方案，五相驱动器，由于易于调整过程。然而，恶化的操作性能和巨大的计算负担是真实的挑战。本文提出了一种多矢量FCS-MPCC，它可以在不增加计算负担的情况下提高运算性能。在该方法中，候选虚拟电压矢量与谐波免费被用作基本控制集。然后，每个扇区被划分以生成更多的可用向量。利用占空比调制技术优化候选矢量的幅值。因此，可以获得更好的控制效果。提出了一种扇区判断方法来确定最优控制集，减少了计算量。该方法不需要对所有可用矢量进行评估，就能准确地选择最优矢量。因此，可以减轻计算负担。实验结果证实了所提出的多向量FCS-MPCC方法的有效性。
The finite control set (FCS) model predictive current control (MPCC) is a promising control scheme for the five-phase drives due to the easy-tuning process. However, the deteriorated operational performance and huge computational burden are the real challenges. This article proposes a multivector FCS-MPCC, which can improve the operational performances without increasing computational burden. In the proposed method, the candidate virtual voltage vectors with harmonics-free are employed as the basic control set. Then, each sector is partitioned to generate more available vectors. The duty-cycle modulation technology is used to optimize the amplitude of the candidate vector. Therefore, a better control effect can be obtained. Also, a sector judgment method is proposed to determine the optimal control set, which can reduce the computational burden. By using this method, the optimal vector can be selected accurately without evaluating all the available vectors. Thus, the computational burden can be alleviated. The experimental results are presented to confirm the effectiveness of the proposed multivector FCS-MPCC method.
登录
查看更多内容
基于虚拟电压矢量的五相永磁同步电机有限控制集模型预测电流控制
影响因子：
1.7
作者：
Xue Cheng;Song Wensheng;Feng Xiaoyun
通讯作者：
Feng Xiaoyun
连续调制五相永磁电机的新型有限控制集模型预测电流控制
影响因子：
6.7
作者：
Zhao Wenxiang;Tao Tao;Zhu Jihong;Tan Huajun;Du Yuxuan
通讯作者：
Du Yuxuan
影响因子：
7.7
作者：
I. González‐Prieto;M. Durán;J. J. Aciego-J.;Cristina Martín;F. Barrero
通讯作者：
I. González‐Prieto;M. Durán;J. J. Aciego-J.;Cristina Martín;F. Barrero
影响因子：
7.7
作者：
P. Cortes;M. Kazmierkowski;R. Kennel;D. Quevedo;J. Rodríguez
通讯作者：
P. Cortes;M. Kazmierkowski;R. Kennel;D. Quevedo;J. Rodríguez
影响因子：
7.7
作者：
Yuan Ren;Z. Zhu
通讯作者：
Yuan Ren;Z. Zhu