CSDL Bài trích Báo - Tạp chí
chủ đề: Động cơ AFPMSM
1 Tối ưu hóa mô-men xoắn cho afpmsm ba đĩa trong xe điện bằng thuật toán bp_ann và anfis / Nguyen Van Hai, Vo Thanh Ha // Giao thông vận tải .- 2025 .- Số 1 .- Tr. 1 - 15 .- 621.9
Thiết kế bộ điều khiển phân phối mô men xoắn tối ưu cho bộ đồng bộ nam châm vĩnh cửu từ thông trục ba đĩa (AFPMSM ba đĩa) giúp tối ưu hóa hiệu suất đồng thời đảm bảo độ bền, ổn định và khả năng thích ứng trong điều kiện thực tế. Điều này rất quan trọng để tối đa hóa tiềm năng của AFPMSM, đặc biệt là trong ứng dụng hiện đại như xe điện và năng lượng tái tạo. Do đó, một bộ điều khiển tương thích với các hệ thống phức tạp hơn trong tương lai là điều cần thiết. Bài báo này trình bày một hệ thống kết hợp các thuật toán điều khiển mô men xoắn dựa trên mạng nơ-ron truyền ngược (BP-ANN) và Hệ thống suy luận nơ-ron mờ thích ứng (ANFIS). BP-ANN sử dụng cấu trúc nhiều lớp trong đó lớp đầu vào xử lý các yếu tố như mô men xoắn tải, tốc độ quay và dòng điện stato, các lớp ẩn mô hình hóa các tương tác phi tuyến tính phức tạp và lớp đầu ra dự đoán mô men xoắn tối ưu cho hoạt động của AFPMSM. Đào tạo liên quan đến việc giảm thiểu lỗi giữa mô men xoắn dự đoán và thực tế thông qua quá trình giảm dần độ dốc và điều chỉnh lặp lại các trọng số và độ lệch. Bộ điều khiển dựa trên ANFIS nâng cao hiệu suất bằng cách tích hợp việc học mạng nơ-ron với logic mờ để tối ưu hóa mô men xoắn đầu ra. Bằng cách tận dụng thế mạnh của cả BP-ANN và ANFIS, hệ thống cung cấp giải pháp ổn định, hiệu quả và thích ứng cho AFPMSM ba đĩa. Các mô phỏng Matlab/Simulink xác nhận tính hiệu quả của nó, cho thấy sự phân bổ mô-men xoắn cân bằng, giảm tổn thất năng lượng, cải thiện hiệu quả truyền động và khả năng thích ứng với tải trọng đột ngột hoặc thay đổi đường, đảm bảo tính ổn định và tăng cường phản ứng động.
2 Cải thiện mô men cho động cơ AFPMSM sử dụng điều khiển dự báo kết hợp mạng học sâu ứng dụng cho xe ô tô điện / Nguyễn Văn Hải, Võ Thanh Hà // Giao thông vận tải .- 2025 .- Số 2 .- Tr. 228 - 242 .- 624
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.