2021 Fiscal Year Research-status Report
Study on automatic tuning method for PMSM sensorless control using deep learning without adjustment process
| Project/Area Number |
20K04451
|
|---|
| Research Institution | Seikei University |
|---|
Principal Investigator |
前川 佐理 成蹊大学, 理工学部, 准教授 (90849225)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | ニューラルネットワーク / PMSM / センサレス制御 / 制御パラメータ / 安定性 / パラメータ同定 |
|---|
| Outline of Annual Research Achievements |
令和2年度の研究においてサンプルとなる様々な定格のモータを準備し，それらに最適と考えられる制御パラメータの組み合わせを準備することでニューラルネットワークに最適な制御パラメータを判断できる手法を検討した。
令和3年度の研究ではより実践的な制御系において安定なパラメータをニューラルネットワークで学習するための検討を実施した。すなわち，個々の制御系だけでなく，モータの駆動状態に応じて制御器が切り替わる場合に，切り替わり前後で安定に駆動するための制御パラメータを推定するための検討を行った。具体的には位置センサレスで駆動する構成において，停止からの始動に多く用いられる強制同期駆動から位置センサレス速度制御に切り替わる場合，また高速運転時の駆動で多く用いられる電圧位相制御に位置センサレス速度制御から切り替わる場合において，切り替わり時の問題となる電流や速度のリプルを十分抑制可能な制御パラメータを推定するための検討を実施した。ニューラルネットワークの構成として各種制御器の制御パラメータを組み込めるよう拡張すると共に，リプルを十分抑制できるよう調整された学習データを組み込むことでいずれの制御器の切り替え動作においても十分なリプルを抑制しながらセンサレス駆動運転ができることを確認した。更にニューラルネットワークの学習に必要なサンプル数の検討を行った結果，20種ほどのモータの学習データがあれば安定な制御パラメータを推定できることを確認した。
以上の成果についてまとめ、査読付き学会誌である電気学会D部門英文誌に1件の業績を得た。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初計画では1年目に実施予定でありコロナ過で実施できなかったニューラルネットワークによるパラメータ推定結果による実機試験を実施した。また2年度目の研究内容においても計画に沿って進めることができた。今後、国際的な共同研究・国内研究者と意見交換などの機会を設け、さらなる原著学術論文の投稿ならびに国際会議招待講演を行うなどの効果的な成果発表を行っていく。
|
| Strategy for Future Research Activity |
令和４年度は，モータの定格値の推定および同定に必要な設定値等を大量のモータの調整データに基づき構築されたディープニューラルネットワークにより導出する。また前年度までに検討した安定な制御パラメータの推定手法と組み合わせることで完全な自動調整手法の確立を目指す。
|
