Thesis:

Torque Ripple Reduction of a Switched Reluctance Machine by Implementing an Optimization Based Control Strategy

En tiempos recientes, las máquinas de reluctancia conmutada han empezado a atraer atención como una alternativa viable para su implementación en vehículos eléctricos, debido a su bajo costo de fabricación y fiabilidad a altas velocidades. Sin embargo, la operación habitual de estas máquinas involucra un alto ripples de torque, lo cual puede traer consecuencias mecánicas no deseadas. Por ello, la estrategia de control de estas máquinas es vital para superar estos inconvenientes. Este trabajo propone una nueva estrategia de control para la minimización del ripple de torque en un accionamiento de máquina de reluctancia conmutada. La estrategia se compone de dos etapas: (i) una capa externa de generación de referencia de flujo-enlace, que entrega patrones optimizados obtenidos offline mediante programación cuadrática entera mixta; (ii) un lazo de control interno de flujo-enlace que sigue las referencias de la capa externa aplicando un algoritmo de control predictivo por secuencia de conmutación óptima. Ambas etapas se prueban en simulación y los resultados muestran que tanto la técnica propuesta para la generación de referencias como el algoritmo de control de flujo pueden producir un menor ripple de torque y mejor rendimiento en el seguimiento del flujo en comparación con los métodos existentes, como la función de reparto de torque para la generación de referencias y los algoritmos de control predictivo con conjunto de control finito y control predictivo deadbeat para el seguimiento del flujo. La estrategia propuesta y sus componentes se implementaron en un montaje experimental, que consistió en una máquina de reluctancia conmutada de 2.32 kW alimentada por tres Convertidores de Puente Asimétrico. La máquina de reluctancia conmutada está acoplada a una máquina de inducción de 2.23 kW que funciona como freno regenerativo y es controlada por un accionamiento de corriente alterna externo. Los resultados experimentales validaron el enfoque propuesto y los resultados obtenidos por simulación.

In recent times switched reluctance machines have started to draw attention as a feasible alterna tive to be implemented in electrical vehicles, due to its low-cost manufacturing and reliability at high speeds. However, the usual operation of these machines involves a high torque ripple, which can bring unwanted mechanical consequences. This is why the control strategy of these machines is vital to overcome these drawbacks. This work proposes a novel control strategy for torque–ripple minimization of a switched reluctance machine drive. The strategy is composed of two stages: (i) an outer flux–linkage reference generation layer delivers optimized patterns obtained offline via mixed-integer quadratic programming; (ii) an inner flux-linkage control loop that tracks references of the outer layer by applying an optimal switching sequence model predictive control algorithm. Each stage is tested in simulation and the results show that both the proposed reference genera tion technique and flux control algorithm can produce lower torque ripple and better flux–tracking performance than their state-of-the-art counterparts, them being the torque sharing function ap proach for reference generation, and the finite control set model predictive control and the deadbeat predictive control algorithms for flux–tracking. The proposed strategy and its components are im plemented in an experimental setup, which consisted of a 2.32 kW switched reluctance machine being fed by three Asymmetric Bridge Converters. The switched reluctance machine is coupled to a 2.23 kW induction machine working as a regenerative brake and is controlled by an external AC drive. The experimental outcome validated the proposed approach and the results obtained by simulation