Search

For non-sinusoidal electromotive force (NS-EMF) multiphase machines, this paper proposes a new strategy and control scheme to guarantee smooth torque under an open-phase fault. Notably, the conventional proportional-integral (PI) controllers implemented for vector control in healthy mode can be used in the faulty mode. The strategy is based on reduced-order transformations while the control scheme applies a simple artificial intelligence algorithm using a specific online-trained Adaptive Linear Neuron (ADALINE). Indeed, the inputs of ADALINE require the knowledge of rotor position and NS-EMF harmonic rank to optimize the learning time. The proposed strategy and control scheme are tested on a seven-phase machine with a strong Total Harmonic Distortion (THD) of NS-EMFs, containing numerous harmonics Hk (THD=38% with 100% H1, 32.3% H3, 9.4% H7, 12.5% H9, 10.3% H11). Numerical and experimental results are presented in this paper. This paper is accompanied by a video demonstrating the experimental results. This research was funded by CE2I project. CE2I is co-financed by European Union with 573 the financial support of European Regional Development Fund (ERDF), French State and the French 574 Region of Hauts-de-France.

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.

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.

International audience; If multi-phase machines equipped with tooth concentrated winding with half a slot per pole and per phaseoffer interesting characteristics (simplified manufacturing, no space subharmonic, fault-tolerant ability), their low fundamentalwinding factors make their designs and controls challenging. The paper addresses the case of a seven-phase Surface-mountedPermanent Magnet (SPM) machine which has a fundamental winding factor lower than the third. This so-called bi-harmonicspecificity is considered in order to achieve good torque quality (average value and ripples). Regarding the design, the magnetlayer is segmented into two identical radially magnetized tiles that cover about three-quarters the pole arc. Regarding the control,the rated Maximum Torque Per Ampere (MTPA) supply strategy (h1h3 control) aims at generating a third harmonic currentcomponent greater than the fundamental. A prototype has been manufactured: the ability of the machine to provide smoothtorque is experimentally confirmed through the implementation of a simple MTPA control which copes with high distortion inno-load voltage.

This paper introduces space vector modulation (SVM) schemes for reducing the common mode voltage (CMV) of a direct three-to seven-phase matrix converter (3?7 MC) fed a seven-phase induction motor. The proposed techniques are based on the indirect SVM (ISVM) in which the 3?7 MC can be modeled as a three-phase rectifier followed by a seven-phase inverter. The CMV reduction is achieved by suggesting three-ISVM schemes that are capable of reducing the peak CMV of the MC by 20%, 38% and 50% respectively compared with the conventional modulation strategy. The selection criterion to the suitable voltage space vectors and their proper arrangement within the switching cycle are described. The proposed ISVM schemes are assessed by simulating a direct 3?7 MC fed seven-phase IM using Matlab/Simulink. The effect of different modulation schemes on the motor phase currents and output torque is also investigated. Scopus

This paper focuses on an experimental method to determine the electric parameters of a seven-phase low-voltage multiphase drive. The drive is a belt driven starter-alternator for powerful cars with Hybrid Electrical Vehicles (HEV) functions. The resistive and inductive parameters are necessary to obtain the six characteristic time constants of the control modeling. Classical direct measurements lead to imprecise results because of very low values for the windings electric resistance (a few mΩ) and inductance (a few μH). Effects of the imprecision on the measurements are all the more important that time constants are obtained by a ratio of cyclic inductances by resistance, with cyclic inductances being a linear combination of seven measured inductances. The methodology for identification detailed in this paper is based on a stator current vector control, in a multi-reference frame. This methodology allows us to get directly these time constants. Numerous measurements allow the robustness of the method to be evaluated This work was supported by the French car supplier Valeoand the regional council of France Region-Nord-Pas-De-Calais.

International audience; Risk of irreversible magnet demagnetization during short-circuit fault is analyzed in case of an axial-flux dual-rotor machine, using a three-dimensional finite-element method (3D-FEM). In order to validate the numerical model, calculated waveforms of the currents are compared with experimental results for short-circuit at low speeds. Then currents and magnetic flux density inside the magnets are computed for short-circuit at higher speeds in order to predetermine the maximum admissible speed for the machine.