Contributions to current control of switched reluctance motors using optimization-based approaches
| Ano de defesa: | 2025 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| 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 |