Adaptive neuro-fuzzy sliding mode controller (ANF-SMC) to control speed, electromagnetic torque (EMT), stator current, and back EMF using PMBLDCmotor (PMBLDCM) in electric propulsion of electric vehicles

• Autorzy: Begam Shaik Ruksana , Burthi Loveswara Rao , Depuru Shobha Rani

Identyfikatory

DOI

10.15199/48.2023.08.09

Warianty tytułu

PL

Adaptacyjny kontroler trybu ślizgowego Neuro-Fuzzy (ANF-SMC) do sterowania prędkością, momentem elektromagnetycznym (EMT), prądem stojana i wsteczną siłą elektromagnetyczną za pomocą silnika PMBLDCmotor (PMBLDCM) w napędzie elektrycznym pojazdów elektrycznych

• Języki publikacji: EN

Abstrakty

EN

In present days conventional vehicles were replaced by electric vehicles due to their low maintenance and eco-friendly nature with PMBLDCM motor due to its simple design, long-term usage, low noise, speed response, stability, and high efficiency. In electric vehicles, the speed control method is still difficult with PMBLDC motor to produce the desired high torque and to deal with uncertainty problems due to dynamic loads which cannot apply in conventional vehicles. To overcome these problems, we proposed the usage of Adaptive Neuro-Fuzzy Sliding Mode Control (ANF-SMC) which also handles electromagnetic torque (EMT), back EMF and stator current, nonlinear and uncertainties in the electric propulsion subsystem of electric vehicles by applying adaptive neuro-fuzzy sliding mode control for effective speed regulation and parameter tuning of the fuzzy system based on performance index of PMBLDC motor in the absence, presence and variable speed conditions. The simulation was done using the designed approach with MATLAB/Simulink R2020b with a Fuzzy tool kit and the performance of the proposed controller was compared with existing PID, SMC, FSMC, and AFSMC controllers to validate its success in improving the system characteristics. Simulation results infer that the proposed ANF-SMC controller with no overshoot and less rise, peak, and settling time than that of existing systems under different loads and variable speed conditions.

PL

W dzisiejszych czasach pojazdy konwencjonalne zostały zastąpione pojazdami elektrycznymi ze względu na ich niskie koszty utrzymania i przyjazny dla środowiska charakter z silnikiem PMBLDCM ze względu na jego prostą konstrukcję, długotrwałe użytkowanie, niski poziom hałasu, szybkość reakcji, stabilność i wysoką wydajność. W pojazdach elektrycznych metoda sterowania prędkością jest nadal trudna w przypadku silnika PMBLDC do wytworzenia pożądanego wysokiego momentu obrotowego i radzenia sobie z problemami niepewności wynikającymi z obciążeń dynamicznych, których nie można zastosować w konwencjonalnych pojazdach. Aby przezwyciężyć te problemy, zaproponowaliśmy wykorzystanie Adaptacyjnego Neuro-Fuzzy Sliding Mode Control (ANF-SMC), który obsługuje również moment elektromagnetyczny (EMT), wsteczną siłę elektromotoryczną i prąd stojana, nieliniowość i niepewności w podukładzie napędu elektrycznego pojazdów elektrycznych poprzez zastosowanie adaptacyjne sterowanie trybem ślizgowym neuro-fuzzy w celu efektywnej regulacji prędkości i strojenia parametrów systemu rozmytego na podstawie wskaźnika wydajności silnika PMBLDC w warunkach nieobecności, obecności i zmiennej prędkości. Symulacja została przeprowadzona przy użyciu zaprojektowanego podejścia z MATLAB/Simulink R2020b z zestawem narzędzi Fuzzy, a wydajność proponowanego kontrolera została porównana z istniejącymi kontrolerami PID, SMC, FSMC i AFSMC, aby potwierdzić jego sukces w poprawie charakterystyki systemu. Wyniki symulacji wskazują, że proponowany sterownik ANF-SMC nie ma przeregulowania i ma krótszy czas narastania, wartości szczytowej i ustalania niż w istniejących systemach przy różnych obciążeniach i warunkach zmiennej prędkości.

Słowa kluczowe

EN

adaptive fuzzy; SMC; adaptive-neuro fuzzy; fuzzy; permanent magnet brushless DC Motor

PL

kontroler adaptacyjny; logika rozmyta; bezszczotkowy silnik prądu stałego

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 8
• Strony: 49--62
• Opis fizyczny: Bibliogr. 19 poz., rys., tab., wykr.

Twórcy

autor

Begam Shaik Ruksana

• EEE Department, Institute of Aeronautical Engineering, Hyderabad and Research Scholar in Koneru Lakshmaiah Education Foundation, Guntur

• https://orcid.org/0000-0001-5161-4086

autor

Burthi Loveswara Rao

• EEE department, Koneru Lakshmaiah Education Foundation, Deemed to be University, Guntur

• https://orcid.org/0000-0002-1094-2208

autor

Depuru Shobha Rani

• EEE Department, Institute of Aeronautical Engineering, Hyderabad

• https://orcid.org/0000-0001-8235-9671

Bibliografia

• [1] Luin B, Petelin S, and Al-Mansour F: Microsimulation of electric vehicle energy consumption. Energy (174), 24-32 (2019). https://doi.org/10.1016/j.energy.2019.02.034.
• [2] LiaKouchachvili, Yaici W, and Entchev E: Hybrid Li-Ion Battery/supercapacitor energy storage system for electric vehicles. Journal of Power Sources374, 237-248(2018). DOI: 10.1016/j.jpowsour.2017.11.040.
• [3] Song Z.Y, Hou J, Hofmann H, Li J.Q, and Ouyang M.G: Sliding-mode and Lyapunov function-based control for battery/supercapacitor hybrid energy storage system used in electric vehicles. Energy122, 601–612(2017). DOI: 10.1016/j.energy.2017.01.098.
• [4] Veneri O, Capasso C, and Patalano S: Experimental investigation into the effectiveness of a super-capacitor-based hybrid energy storage system for urban commercial vehicles. Appl. Energy227, 312–323(2018). DOI: 10.1016/j.apenergy.2017.08.086.
• [5] Bo Yang et al.: Application of battery/supercapacitor hybrid energy storage systems for electric vehicles using perturbation observer-based robust control. Journal of Power Sources 448(2020). https://doi.org/10.1016/j.jpowsour.2019.227444.
• [6] L. Ying, "The Simulation Design of PID Control Based on LabVIEW and MATLAB," 2018 International Symposium in Sensing and Instrumentation in IoT Era (ISSI), 2018, pp. 1-8, DOI: 10.1109/ISSI.2018.8538212.
• [7] S. R. Pillai, C. Pon Selvan and S. R. Madara: Design of PID Control to Improve Efficiency of Suspension System in Electric Vehicles. In 2019 International Conference on Computational Intelligence and Knowledge Economy (ICCIKE), pp. 570- 575(2019), DOI: 10.1109/ICCIKE47802.2019.9004322.
• [8] H. Soe Paing, S. Anatolii, Z. Myo Naing and H. Myo Htun, "Designing, Simulation and Control of Autopilot using PID Controller," 2021 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (ElConRus), 2021, pp. 2672-2675, DOI: 10.1109/ElConRus51938.2021.9396112.
• [9] A. Iyer and H. O. Bansal, "Modelling, Simulation, and Implementation of PID Controller on Quadrotors," 2021 International Conference on Computer Communication and Informatics (ICCCI), 2021, pp. 1-7, DOI: 10.1109/ICCCI50826.2021.9402301.
• [10] S. Li and Q. Jiang, "Study on PID parameters tuning method based on Matlab/Simulink," 2011 IEEE 3rd International Conference on Communication Software and Networks, 2011, pp. 408-411, DOI: 10.1109/ICCSN.2011.6014596.
• [11] B. S. Goud, R. Rekha, M. R. L. Jyostna, S. Sarala, B. L. Rao, and C. R. Reddy: Energy Management and Power Quality Improvement in HRES Grid-Connected System. In 2020 FORTEI-International Conference on Electrical Engineering (FORTEI-ICEE), pp. 174-178, (2020). DOI: 10.1109/FORTEIICEE50915.2020.9249953.
• [12] M. R. Rade: Design and Development of Hybrid Energy Storage System for Electric Vehicle. In 2018 International Conference on Information, Communication, Engineering, and Technology (ICICET), pp. 1-5(2018), DOI: 10.1109/ICICET.2018.8533757.
• [13] Wu Jian and Cai Wenjian, "Development of an adaptive neuro-fuzzy method for supply air pressure control in the HVAC system," Smc 2000 conference proceedings. 2000 IEEE international conference on systems, man, and cybernetics. 'cybernetics evolving to systems, humans, organizations, and their complex interactions' (cat. no.0, 2000, pp. 3806-3809 vol.5, DOI: 10.1109/ICSMC.2000.886603.
• [14] D. Mohanraj, J. Gopalakrishnan, B. Chokkalingam and L. Mihet-Popa, "Critical Aspects of Electric Motor Drive Controllers and Mitigation of Torque Ripple—Review," in IEEE Access, vol. 10, pp. 73635-73674, 2022, DOI: 10.1109/ACCESS.2022.3187515.
• [15] N. Mutoh, S. Kaneko, T. Miyazaki, R. Masaki, and S. Obara, "A torque controller suitable for electric vehicles," in IEEE Transactions on Industrial Electronics, vol. 44, no. 1, pp. 54-63, Feb. 1997, DOI: 10.1109/41.557499.
• [16] H. H. Nguyen, J. Kim, G. Hwang, S. Lee, and M. Kim: Research on Novel Concept of Hybrid Electric Vehicle Using Removable Engine-Generator. In 2019 IEEE Vehicle Power and Propulsion Conference (VPPC), pp. 1-5(2019), DOI: 10.1109/VPPC46532.2019.8952405.
• [17] B. Saha and B. Singh, "Back EMF Observer Based Sensorless BLDC Motor Drive With SEPIC Converter For EV Application," 2021 IEEE 6th International Conference on Computing, Communication, and Automation (ICCCA), 2021, pp. 94-99, DOI: 10.1109/ICCCA52192.2021.9666371.
• [18] H. Bui Duc, D. Bui Minh, T. Pham Minh, and V. Dang Quoc, "Analytical Technique for Computation of the Back EMF and Electromagnetic Torque for IPM Motors," 2022 11th International Conference on Control, Automation and Information Sciences (ICCAIS), 2022, pp. 572-577: 10.1109/ICCAIS56082.2022.9990314.
• [19] J. M. Bailey, B. Ozpineci, G. W. Ott and D. S. Daniel, "Back EMF calculations for axial-gap permanent magnet synchronous motors (AGPMSM) with disc magnets," IEEE International Conference on Electric Machines and Drives, 2005., 2005, pp. 1196-1198, DOI: 10.1109/IEMDC.2005.195873.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).