Optimized Sensorless Control Using a Genetic Algorithm-Real Time Implementation
Abstract:
This paper presents an optimized backstepping control approach that
combines a genetic algorithm (GA) and a robust sliding model observer (SMO) for
achieving high-performance sensorless control of a 5-phase permanent magnet
synchronous motor (5P-PMSM). Initially, a robust nonlinear strategy based on
backstepping control is introduced to accurately track desired reference values
of speed and direct-axis current. The stability analysis of the overall control
system employs the Lyapunov theorem to ensure the convergence of tracking
errors. However, the arbitrary selection of gains in backstepping control can
impact controller quality. To address this, a novel numerical technique
leveraging a genetic algorithm is proposed. This technique aims to determine
optimal control gains while adhering to the physical limitations of the 5P-PMSM
drive. Moreover, for sensor reduction purposes, a sliding model observer is
devised to extract electromotive force information from the 5P-PMSM drive.
Meanwhile, the angular position and motor speed are estimated using an adaptive
back EMF observer. To validate the proposed solution, real-time modeling was
implemented on an FPGA using the OPAL-RT 4500 simulator. The paper concludes by
presenting real-time simulation results, illustrating the efficacy of the
proposed approach across diverse test trajectories.
Résumé :
Ce document présente une approche optimisée de contrôle du recul qui combine un algorithme génétique (GA) et un observateur de modèle glissant robuste (SMO) pour obtenir un contrôle sans capteurs de haute performance d'un moteur synchrone à 5 phases. (5P-PMSM). Initialement, une stratégie non linéaire robuste basée sur le contrôle de la pointe arrière est introduite pour suivre avec précision les valeurs de référence souhaitées de vitesse et de courant à essieu direct. L'analyse de stabilité du système de contrôle global utilise le théorème de Lyapunov pour assurer la convergence des erreurs de suivi. Toutefois, la sélection arbitraire des gains dans le contrôle de backstepping peut affecter la qualité du contrôleur. Pour y remédier, une nouvelle technique numérique utilisant un algorithme génétique est proposée. Cette technique vise à déterminer les gains de contrôle optimaux tout en respectant les limites physiques de l'appareil 5P-PMSM. En outre, à des fins de réduction des capteurs, un observateur de modèle glissant est conçu pour extraire des informations sur la force électromotrice de l'appareil 5P-PMSM. Pendant ce temps, la position angulaire et la vitesse moteur sont estimées à l'aide d'un observateur EMF arrière adaptatif. Pour valider la solution proposée, une modélisation en temps réel a été mise en œuvre sur un FPGA en utilisant le simulateur OPAL-RT 4500. Le document conclut en présentant les résultats de la simulation en temps réel, illustrant l'efficacité de l'approche proposée sur diverses trajectoires d'essai.
Cite this:
H. Hamad Boughezala, K. Laroussi, S.
Khadar, A. Saad Al-Sumaiti and M. A. Mossa, "Optimized Sensorless Control
of Five-Phase Permanent Magnet Synchronous Motor Using a Genetic Algorithm-Real
Time Implementation," in IEEE
Access, vol. 12, pp. 98367-98378, 2024, doi:
10.1109/ACCESS.2024.3429181.