Tóm tắt:

Trước nhu cầu ngày càng tăng về các phương tiện giao thông hiệu suất cao và tiết kiệm năng lượng, việc nâng cao khả năng điều khiển mô-men xoắn của động cơ kéo trở thành một hướng nghiên cứu quan trọng. Trong đó, động cơ đồng bộ nam châm vĩnh cửu từ thông dọc trục (AFPMSM) với ưu điểm cấu trúc phẳng gọn và mật độ mô-men cao đang được ứng dụng rộng rãi trong các hệ thống truyền động điện hiện đại. Bài báo này đề xuất một phương pháp nhằm tăng cường mô-men xoắn của AFPMSM trong xe điện thông qua sự kết hợp giữa điều khiển dự đoán (MPC) và mạng học sâu (DNN) để tối ưu hàm chi phí. MPC điều chỉnh các hệ số trọng số nhằm giảm thiểu hàm chi phí (J) trong khi vẫn tuân thủ các ràng buộc về điện áp và dòng điện. Mạng DNN gồm năm tầng: một tầng đầu vào với năm nút tương ứng với các tham số như mô-men yêu cầu, tốc độ động cơ, dòng điện, mô-men động cơ và mô-men tải; ba tầng ẩn với 224 nút sử dụng hàm kích hoạt ReLU; và một tầng đầu ra với ba nút cùng hàm kích hoạt Sigmoid. Kiến trúc này cho phép điều chỉnh trọng số theo thời gian thực đối với mô-men xoắn, dòng điện và điện áp điều khiển, từ đó nâng cao độ chính xác quan sát, giảm gợn mô-men và tăng hiệu suất hệ thống. Tính thích nghi của bộ điều khiển MPC-DNN đảm bảo độ chính xác cao ngay cả trong điều kiện có nhiễu hoặc thay đổi. Thuật toán điều khiển lai được triển khai bằng Python cho thấy kết quả đầy hứa hẹn, mở ra hướng đi mới cho các hệ thống điều khiển thông minh và truyền động điện hiện đại.