Contributions to current control of switched reluctance motors using optimization-based approaches

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Prestes, Gustavo Xavier
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Federal de Santa Maria
Brasil
UFSM
Programa de Pós-Graduação em Engenharia Elétrica
Centro de Tecnologia
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://repositorio.ufsm.br/handle/1/36843
Resumo: Esta tese de doutorado, estruturada em formato de artigos científicos, propõe contribuições ao controle de corrente em motores de relutância chaveada fundamentadas em técnicas de otimização. O objetivo central é propor novas metodologias de projeto de controladores capazes de assegurar elevado desempenho no rastreamento de corrente e maior suavidade no torque resultante, utilizando a estrutura de controle indireto de torque baseada em funções de compartilhamento. O primeiro artigo apresenta uma metodologia para o projeto dos pesos de um controlador LQI por meio de otimização orientada ao problema de rastreamento de corrente e esforço de controle, utilizando algoritmos genéticos, o que possibilita resultados ótimos em termos de suavidade do torque eletromagnético, aliado à simplicidade de implementação em dispositivos com restrições de desempenho. O segundo artigo propõe um controlador orientado a dados, treinado via aprendizado por reforço com o algoritmo PPO, em que recompensas associadas ao rastreamento de corrente e ao esforço de controle resultam em desempenho satisfatório mesmo em condições não observadas no treinamento. Os resultados experimentais confirmam a efetividade da abordagem proposta, evidenciando seu potencial como alternativa viável às estratégias convencionais. Além disso, demonstram que a técnica traz contribuições relevantes para o avanço do controle de corrente em SRMs, apresentando desempenho superior, na maioria dos casos, em comparação aos controladores CCC e DTSTSM.
id UFSM_50126ce8d70cf2e3db60176e4ce9ac44
oai_identifier_str oai:repositorio.ufsm.br:1/36843
network_acronym_str UFSM
network_name_str Manancial - Repositório Digital da UFSM
repository_id_str
spelling Contributions to current control of switched reluctance motors using optimization-based approachesContribuições ao controle de corrente em motores de relutância chaveada com abordagens baseadas em otimizaçãoCurrent controlDeep reinforcement learningTorque sharing functionSwitched reluctance motorsOptimizationAprendizado por reforço profundoControle de correnteFunção de compartilhamento de torqueMotores de relutância chaveadaOtimizaçãoCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAEsta tese de doutorado, estruturada em formato de artigos científicos, propõe contribuições ao controle de corrente em motores de relutância chaveada fundamentadas em técnicas de otimização. O objetivo central é propor novas metodologias de projeto de controladores capazes de assegurar elevado desempenho no rastreamento de corrente e maior suavidade no torque resultante, utilizando a estrutura de controle indireto de torque baseada em funções de compartilhamento. O primeiro artigo apresenta uma metodologia para o projeto dos pesos de um controlador LQI por meio de otimização orientada ao problema de rastreamento de corrente e esforço de controle, utilizando algoritmos genéticos, o que possibilita resultados ótimos em termos de suavidade do torque eletromagnético, aliado à simplicidade de implementação em dispositivos com restrições de desempenho. O segundo artigo propõe um controlador orientado a dados, treinado via aprendizado por reforço com o algoritmo PPO, em que recompensas associadas ao rastreamento de corrente e ao esforço de controle resultam em desempenho satisfatório mesmo em condições não observadas no treinamento. Os resultados experimentais confirmam a efetividade da abordagem proposta, evidenciando seu potencial como alternativa viável às estratégias convencionais. Além disso, demonstram que a técnica traz contribuições relevantes para o avanço do controle de corrente em SRMs, apresentando desempenho superior, na maioria dos casos, em comparação aos controladores CCC e DTSTSM.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESThis doctoral thesis, structured in the form of scientific articles, presents contributions to current control in switched reluctance motors based on optimization techniques. The main objective is to propose new methodologies for controller design capable of ensuring high performance in current tracking and improved torque smoothness, using the indirect torque control framework with torque-sharing functions. The first article introduces a methodology for designing the weights of an LQI controller through optimization focused on the trade-off between current tracking and control effort, employing genetic algorithms. This approach enables optimal results in terms of electromagnetic torque smoothness while maintaining implementation simplicity in devices with performance constraints. The second article proposes a data-driven controller trained via reinforcement learning using the PPO algorithm, in which rewards associated with current tracking and control effort lead to satisfactory performance even under conditions not observed during training. The experimental results confirm the effectiveness of the proposed approach, highlighting its potential as a viable alternative to conventional strategies. Furthermore, they demonstrate that the technique provides relevant contributions to the advancement of current control in SRMs, achieving superior performance in most cases when compared with the CCC and DTSTSM controllers.Universidade Federal de Santa MariaBrasilUFSMPrograma de Pós-Graduação em Engenharia ElétricaCentro de TecnologiaVieira, Rodrigo Padilhahttp://lattes.cnpq.br/7274686165301866Volpato Filho, Cesar JoséScalcon, Filipe PiranelloPaula, Marcelo Vinícius dePinheiro, HumbertoPrestes, Gustavo Xavier2025-11-17T10:32:50Z2025-11-17T10:32:50Z2025-10-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://repositorio.ufsm.br/handle/1/36843engAttribution-NonCommercial-NoDerivatives 4.0 Internationalinfo:eu-repo/semantics/openAccessreponame:Manancial - Repositório Digital da UFSMinstname:Universidade Federal de Santa Maria (UFSM)instacron:UFSM2025-11-17T10:32:51Zoai:repositorio.ufsm.br:1/36843Biblioteca Digital de Teses e Dissertaçõeshttps://repositorio.ufsm.br/PUBhttps://repositorio.ufsm.br/oai/requestatendimento.sib@ufsm.br||tedebc@gmail.com||manancial@ufsm.bropendoar:2025-11-17T10:32:51Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)false
dc.title.none.fl_str_mv Contributions to current control of switched reluctance motors using optimization-based approaches
Contribuições ao controle de corrente em motores de relutância chaveada com abordagens baseadas em otimização
title Contributions to current control of switched reluctance motors using optimization-based approaches
spellingShingle Contributions to current control of switched reluctance motors using optimization-based approaches
Prestes, Gustavo Xavier
Current control
Deep reinforcement learning
Torque sharing function
Switched reluctance motors
Optimization
Aprendizado por reforço profundo
Controle de corrente
Função de compartilhamento de torque
Motores de relutância chaveada
Otimização
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
title_short Contributions to current control of switched reluctance motors using optimization-based approaches
title_full Contributions to current control of switched reluctance motors using optimization-based approaches
title_fullStr Contributions to current control of switched reluctance motors using optimization-based approaches
title_full_unstemmed Contributions to current control of switched reluctance motors using optimization-based approaches
title_sort Contributions to current control of switched reluctance motors using optimization-based approaches
author Prestes, Gustavo Xavier
author_facet Prestes, Gustavo Xavier
author_role author
dc.contributor.none.fl_str_mv Vieira, Rodrigo Padilha
http://lattes.cnpq.br/7274686165301866
Volpato Filho, Cesar José
Scalcon, Filipe Piranello
Paula, Marcelo Vinícius de
Pinheiro, Humberto
dc.contributor.author.fl_str_mv Prestes, Gustavo Xavier
dc.subject.por.fl_str_mv Current control
Deep reinforcement learning
Torque sharing function
Switched reluctance motors
Optimization
Aprendizado por reforço profundo
Controle de corrente
Função de compartilhamento de torque
Motores de relutância chaveada
Otimização
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic Current control
Deep reinforcement learning
Torque sharing function
Switched reluctance motors
Optimization
Aprendizado por reforço profundo
Controle de corrente
Função de compartilhamento de torque
Motores de relutância chaveada
Otimização
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
description Esta tese de doutorado, estruturada em formato de artigos científicos, propõe contribuições ao controle de corrente em motores de relutância chaveada fundamentadas em técnicas de otimização. O objetivo central é propor novas metodologias de projeto de controladores capazes de assegurar elevado desempenho no rastreamento de corrente e maior suavidade no torque resultante, utilizando a estrutura de controle indireto de torque baseada em funções de compartilhamento. O primeiro artigo apresenta uma metodologia para o projeto dos pesos de um controlador LQI por meio de otimização orientada ao problema de rastreamento de corrente e esforço de controle, utilizando algoritmos genéticos, o que possibilita resultados ótimos em termos de suavidade do torque eletromagnético, aliado à simplicidade de implementação em dispositivos com restrições de desempenho. O segundo artigo propõe um controlador orientado a dados, treinado via aprendizado por reforço com o algoritmo PPO, em que recompensas associadas ao rastreamento de corrente e ao esforço de controle resultam em desempenho satisfatório mesmo em condições não observadas no treinamento. Os resultados experimentais confirmam a efetividade da abordagem proposta, evidenciando seu potencial como alternativa viável às estratégias convencionais. Além disso, demonstram que a técnica traz contribuições relevantes para o avanço do controle de corrente em SRMs, apresentando desempenho superior, na maioria dos casos, em comparação aos controladores CCC e DTSTSM.
publishDate 2025
dc.date.none.fl_str_mv 2025-11-17T10:32:50Z
2025-11-17T10:32:50Z
2025-10-30
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://repositorio.ufsm.br/handle/1/36843
url http://repositorio.ufsm.br/handle/1/36843
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Programa de Pós-Graduação em Engenharia Elétrica
Centro de Tecnologia
publisher.none.fl_str_mv Universidade Federal de Santa Maria
Brasil
UFSM
Programa de Pós-Graduação em Engenharia Elétrica
Centro de Tecnologia
dc.source.none.fl_str_mv reponame:Manancial - Repositório Digital da UFSM
instname:Universidade Federal de Santa Maria (UFSM)
instacron:UFSM
instname_str Universidade Federal de Santa Maria (UFSM)
instacron_str UFSM
institution UFSM
reponame_str Manancial - Repositório Digital da UFSM
collection Manancial - Repositório Digital da UFSM
repository.name.fl_str_mv Manancial - Repositório Digital da UFSM - Universidade Federal de Santa Maria (UFSM)
repository.mail.fl_str_mv atendimento.sib@ufsm.br||tedebc@gmail.com||manancial@ufsm.br
_version_ 1853669938902859776