Neural ODE for Estimation of Flux Linkage Models of Synchronous Machines

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23220%2F23%3A43969715" target="_blank" >RIV/49777513:23220/23:43969715 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/document/10312498" target="_blank" >https://ieeexplore.ieee.org/document/10312498</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/IECON51785.2023.10312498" target="_blank" >10.1109/IECON51785.2023.10312498</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Neural ODE for Estimation of Flux Linkage Models of Synchronous Machines

Popis výsledku v původním jazyce

An accurate estimation of flux linkage maps is essential for the proper control and modeling of synchronous machines. We propose to use neural networks as the flux linkage model with training procedure respecting the differential equation of the stator current. Moreover, the neural network allows straightforward extension of the number of input variables. We demonstrate this ability to estimate the flux linkage as a functionof rotor speed and position modulated by slot harmonics. The proposed approach is demonstrated on real interior permanent magnet synchronous machine data. The results demonstrate a significant improvement in current prediction compared to commonly used methods.

Název v anglickém jazyce

Neural ODE for Estimation of Flux Linkage Models of Synchronous Machines

Popis výsledku anglicky

An accurate estimation of flux linkage maps is essential for the proper control and modeling of synchronous machines. We propose to use neural networks as the flux linkage model with training procedure respecting the differential equation of the stator current. Moreover, the neural network allows straightforward extension of the number of input variables. We demonstrate this ability to estimate the flux linkage as a functionof rotor speed and position modulated by slot harmonics. The proposed approach is demonstrated on real interior permanent magnet synchronous machine data. The results demonstrate a significant improvement in current prediction compared to commonly used methods.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

<a href="/cs/project/TN02000054" target="_blank" >TN02000054: Národní centrum kompetence inženýrství pozemních vozidel Josefa Božka</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název statě ve sborníku

IECON Proceedings (Industrial Electronics Conference)

ISBN

979-8-3503-3182-0

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

—

Název nakladatele

IEEE

Místo vydání

Piscaway

Místo konání akce

Singapore

Datum konání akce

16. 10. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—