Bayesian optimization FCS-MPC parameters for reduction of induction motor electromagnetic noise

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F20%3A43959082" target="_blank" >RIV/49777513:23220/20:43959082 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/9152217" target="_blank" >https://ieeexplore.ieee.org/document/9152217</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ISIE45063.2020.9152217" target="_blank" >10.1109/ISIE45063.2020.9152217</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Bayesian optimization FCS-MPC parameters for reduction of induction motor electromagnetic noise

Popis výsledku v původním jazyce

Acoustic noise is an issue associated with operation of electric drives. Using an inverter in variable speed drives usually increases the acoustic noise. The problem has been recently addressed using finite control set model predictive control, where the acoustic model of the drive was obtained by identification. The controller is a compromise between current tracking and noise suppression, which is governed by tuning parameters. Finding proper tuning parameters is typically a laborious task. In this work, we propose to use Bayesian optimization to tune weights of the acoustic model in the full algorithm. The results are illustrated experimentally on induction motor of rated power of 11kW.

Název v anglickém jazyce

Bayesian optimization FCS-MPC parameters for reduction of induction motor electromagnetic noise

Popis výsledku anglicky

Acoustic noise is an issue associated with operation of electric drives. Using an inverter in variable speed drives usually increases the acoustic noise. The problem has been recently addressed using finite control set model predictive control, where the acoustic model of the drive was obtained by identification. The controller is a compromise between current tracking and noise suppression, which is governed by tuning parameters. Finding proper tuning parameters is typically a laborious task. In this work, we propose to use Bayesian optimization to tune weights of the acoustic model in the full algorithm. The results are illustrated experimentally on induction motor of rated power of 11kW.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

<a href="/cs/project/EF18_069%2F0009855" target="_blank" >EF18_069/0009855: Elektrotechnické technologie s vysokým podílem vestavěné inteligence</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

2020 IEEE 29th International Symposium on Industrial Electronics (ISIE) : /proceedings/

ISBN

978-1-72815-635-4

ISSN

2163-5145

e-ISSN

—

Počet stran výsledku

6

Strana od-do

271-276

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Delft, Netherlands

Datum konání akce

17. 6. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000612836800043