Fault-tolerant control of non-sinusoidal multiphase permanent magnet synchronous machine drives under constraints on current and voltage for automotive applications. Commande tolérante aux défauts des entraînements de machines synchrones à aimants permanents polyphasées non-sinusoïdales sous contraintes de courant et de tension pour les applications automobiles

Archive ouverte : Thèse

Vu, Duc Tan

Edité par HAL CCSD

Electric drives for electrified vehicles need to fulfil some specific requirements from automotive markets such as high efficiency, high volume power and torque densities, low-cost but safe-to-touch, high functional reliability, high torque quality, and flux-weakening control. In this context, multiphase permanent magnet synchronous machine (PMSM) drives have become suitable candidates to meet the above requirements. The main objective of this doctoral thesis is to propose and refine fault-tolerant control strategies for non-sinusoidal multiphase PMSM drives that require less constraints on their design. In addition, constraints on current and voltage defined by the inverter and the machine are considered to optimize the machine control under the non-sinusoidal condition without exceeding their allowable limits. Therefore, the system sizing is guaranteed, especially in flux-weakening operations. The proposed fault-tolerant control strategies, based on the mathematical model of multiphase drives, enrich the control field of multiphase drives by providing various control options. The selection of one of the proposed control options can be a trade-off between a high quality torque but a low average value and a high average torque but a relatively high ripple. The control and torque performances of the drives can be refined by using artificial intelligence with a simple type of artificial neural networks named ADALINE (ADAptive LInear NEuron). With self-learning ability, fast convergence, and simplicity, ADALINEs can be applied to industrial multiphase drives. All proposed control strategies in this doctoral thesis are validated with an experimental seven-phase PMSM drive. The non-sinusoidal back electromotive force (back-EMF) of the experimental seven-phase PMSM is complex with the presence of multi-harmonics. Experimental results verify the effectiveness of the proposed strategies, and their applicability in a multiphase machine with a complex non-sinusoidal back-EMF. . Les entraînements électriques pour les véhicules électrifiés doivent répondre à certaines exigences spécifiques des marchés automobiles, tels qu'un rendement élevé, des densités volumiques élevées de puissance et de couple, un coût faible avec une protection contre les risques électriques, une fiabilité fonctionnelle élevée et une qualité de couple élevée. Dans ce contexte, les entraînements de machines synchrones à aimants permanents (PMSM) polyphasées sont devenus des candidats appropriés pour répondre aux exigences citées ci-dessus. L’objectif principal de cette thèse de doctorat vise à proposer et affiner des stratégies de commandes tolérantes aux défauts pour les entraînements de machines PMSM polyphasées non-sinusoïdales qui requièrent moins de contraintes lors de leur conception. Par ailleurs, les contraintes de courant et de tension définies par l’onduleur et la machine sont prises en compte pour optimiser en régime non-sinusoïdal le contrôle de la machine sans dépasser leurs limites admissibles. Cela permet idéalement un dimensionnement au plus juste et cela tout particulièrement dans la zone de défluxage. Les stratégies proposées de commandes tolérantes aux défauts, basées sur le modèle mathématique des entraînements polyphasés, enrichissent le domaine de contrôle des entraînements polyphasés en offrant de diverses options de contrôle. Le choix de l'une des options proposées de commande peut être un compromis entre un couple de haute qualité mais avec une valeur moyenne faible, et un couple moyen élevé mais avec une ondulation relativement élevée. Les performances de contrôle et de couple peuvent être affinées en utilisant l'intelligence artificielle avec un type simple de réseaux de neurones artificiels nommé ADALINE (neurone linéaire adaptatif). Grâce à leur capacité d'auto-apprentissage, à leur convergence rapide et à leur simplicité, les ADALINE peuvent être appliqués aux entraînements polyphasés industriels. Toutes les stratégies de contrôle proposées dans cette thèse de doctorat sont validées avec un entraînement d’une machine PMSM à sept phases. La force électromotrice non-sinusoïdale de la machine PMSM à sept phases, relevée expérimentalement, est complexe avec la présence de plusieurs harmoniques. Les résultats expérimentaux vérifient l'efficacité des stratégies proposées, et leur applicabilité dans une machine polyphasée avec une force électromotrice non-sinusoïdale complexe.

• Contient
• Sujet
• Description
• Oeuvre