Escolar Documentos
Profissional Documentos
Cultura Documentos
ahmadfirdaus@unimap.edu.my
Resumo. Atualmente, os veículos elétricos têm ganhado cada vez mais popularidade, o que é
indicado pelo crescimento da participação no mercado global, que deve chegar a 30% até 2030,
depois de registrar 7,2 milhões de unidades em 2019. Em comparação com os motores de
combustão interna (ICE), os veículos elétricos a bateria (BEV) produzem zero emissão de
escapamento, o que reduz consideravelmente as pegadas de carbono. O motor de indução tem
sido amplamente utilizado e sua tecnologia de controle evoluiu do tipo escalar volt/hertz para a
recente tecnologia de controle preditivo. Isso permite que a aplicação do motor de indução se
expanda, deixando de ser o cavalo de batalha da indústria para se tornar o principal motor do
veículo elétrico, onde se espera alto desempenho. Entre os esquemas de controle vetorial, o
Controle Direto de Torque (DTC) ganhou interesse em relação ao Controle Orientado a Campo
(FOC) com estrutura mais simples, melhor robustez e desempenho dinâmico, mas sofre com o
alto torque e a ondulação de fluxo. Em aplicações de veículos elétricos, a alta ondulação em
baixa velocidade é altamente indesejável, podendo causar vibração torcional. O controle de alto
desempenho exige a integração do sensor de velocidade, o que geralmente aumenta a
complexidade do projeto. O trabalho tem como objetivo analisar a melhor tecnologia de
controle para o motor de indução em aplicações de veículos elétricos por meio da avaliação de
parâmetros de desempenho, como melhoria da resposta dinâmica, redução da ondulação de
torque e fluxo e otimização de componentes. Vários problemas que surgem no controle do
motor e possíveis métodos para contorná-los são destacados neste trabalho. Em conclusão, o
controle de torque preditivo de modelo (MPTC) é o esquema mais promissor para veículos
elétricos com excelente resposta dinâmica, bom desempenho em baixa velocidade e redução de
50% da ondulação de torque em comparação com o DTC convencional e integração potencial
com observador de modo deslizante para solução sem sensor.
Palavras-chave: Veículo elétrico, controle preditivo de modelos, controle direto de torque, motor de
indução
1. Introdução
Em 2019, o estoque global de veículos elétricos foi registrado em 7,2 milhões, um aumento de 40%
em uma base anual. Sua participação no mercado global foi planejada para aumentar para 30% até
2030 [1]. Em comparação com o motor de combustão interna (ICE), o veículo elétrico a bateria
(BEV), que é impulsionado por um motor elétrico (também conhecido como motor de tração), usando
a energia armazenada em baterias recarregáveis, produz zero emissão de escapamento [2], reduzindo
consideravelmente as pegadas de carbono pela metade em 2019 [1]. Tanto o motor CC quanto o motor
CA têm sido usados como motor de tração. Os motores CC em série têm sido usados como motores de
tração desde 1900 devido à alta capacidade de torque de partida e à facilidade de controle [3]. No
entanto, suas limitações incluem baixa eficiência, tendência ao acúmulo de calor devido a
complicações com escovas e comutador e falta de regeneração
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
O conteúdo deste trabalho pode ser usado sob os termos da licença Creative Commons Attribution 3.0. Qualquer distribuição
posterior deste trabalho deve manter a atribuição ao(s) autor(es) e o título do trabalho, a citação do periódico e o DOI.
Publicado sob licença pela IOP Publishing Ltd 1
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
capacidade de frenagem [2]. O motor CA tem menos componentes rotativos e oferece flexibilidade em
termos de recuperação de energia usando a frenagem regenerativa. Os três tipos mais populares de
motor de tração CA usados são o motor de indução (IM), o motor síncrono de ímã permanente
(PMSM) e o motor de relutância comutada (SRM). O motor de indução é preferido ao PMSM devido
ao menor custo do material e ao SRM devido à maior eficiência [4].
Em aplicações industriais, 90% dos motores empregados são do tipo de motor de indução trifásico
[5]. Simplicidade, robustez, baixo custo e facilidade de manutenção são os fatores que contribuem para
sua escolha popular na maioria dos setores, desde óleo de palma até usinas siderúrgicas [6], [7]. Eles
são usados principalmente para acionar máquinas, como transportadores, ventiladores, bombas e
compressores. Anteriormente, eles eram operados apenas em velocidade fixa devido à frequência
nominal de alimentação fixa. Em comparação com o acionamento de velocidade constante, a operação
com velocidade variável é superior, com maior eficiência, melhor economia de energia e redução
significativa de custos por meio de paradas menos frequentes [6], [8], [9]. Nas usinas de açúcar, o
controle de velocidade da bomba centrífuga resultou em 50% de economia de energia por meio da
regulagem de 20% da velocidade [10]. A tecnologia de controle evoluiu do tipo escalar - volt/hertz -
para o controle preditivo recentemente desenvolvido. Isso permitiu que a aplicação do motor de
indução se expandisse, deixando de ser o cavalo de batalha da indústria para se tornar o motor
principal do veículo elétrico. O motor de indução é usado como motor principal no atual Tesla Model-
S BEV [11].
Este trabalho tem como objetivo fornecer algumas referências sobre aspectos técnicos para
pesquisadores e participantes do setor na seleção da tecnologia de controle de motores que melhor se
adapte à aplicação em veículos elétricos, dentro do escopo relevante para o motor de indução. Por
meio da revisão, parâmetros como melhoria na resposta dinâmica, redução de ondulação de torque e
fluxo, bem como otimização de componentes, são discutidos e avaliados. Este artigo está organizado
da seguinte forma: A Seção 2 destaca os requisitos operacionais do veículo elétrico, a Seção 3
apresenta as estratégias de controle de motor disponíveis, a Seção 4 discute a análise de desempenho
das estratégias de controle de motor com base na aplicação em veículos elétricos e, por fim, uma
conclusão.
3
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
Portanto, o enfraquecimento do campo é necessário para atenuar o efeito [13]. É altamente desejável
que o veículo elétrico tenha alta eficiência em uma ampla faixa de velocidade operacional [12], [14]
com uma faixa de operação de potência constante de cerca de 3 a 4 vezes a velocidade base. Isso,
combinado com uma boa tecnologia de bateria, proporciona uma alta autonomia de direção, que é um
requisito essencial [3]. Espera-se também que eles possuam alta densidade de torque e alta capacidade
de sobrecarga sem comprometer a necessidade de ter alta tolerância a falhas e robustez adequadas ao
ambiente do veículo. O alto torque é essencial para a partida, em baixas velocidades e em subidas de
colinas, enquanto a alta potência é útil para cruzeiro em alta velocidade [12]. No entanto, o custo
precisa ser mantido baixo, em uma faixa acessível, para despertar o interesse dos consumidores de
classe média.
A ondulação do motor também é um problema em veículos elétricos, já que ele é o único motor
principal ativo. A ondulação apresenta efeitos adversos nas características de saída do motor durante o
acionamento em baixa velocidade e ao operar com alto torque. Em alta velocidade, o efeito da
ondulação seria cancelado pela inércia do rotor. Isso pode causar vibração torcional, fazendo com que
o veículo chacoalhe, especialmente quando a frequência da ondulação coincide com a frequência de
ressonância do sistema [15]. A ondulação do motor é parcialmente causada pela ondulação do torque e
do fluxo e pode ser devida a efeitos colaterais do esquema de controle empregado no sistema de
acionamento, como o Controle Direto de Torque convencional [16]. Portanto, é imperativo que o
efeito de ondulação seja minimizado para garantir o conforto dos passageiros e prolongar a vida útil
dos componentes do veículo.
5
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
O controle de loop fechado oferece melhor desempenho dinâmico e é mais adequado para
aplicações críticas. No controle de loop fechado, o sistema rastreia o padrão de entrada e ajusta
automaticamente o parâmetro de acordo com a variação ou perturbação da carga. Com o feedback do
sensor, o parâmetro de velocidade de deslizamento é mais preciso. Em [19], por meio da comparação
da velocidade de referência e de realimentação, o erro é enviado ao controlador, onde a saída é o
torque desenvolvido que pode ser convertido em velocidade de deslizamento. A Figura 3 mostra o
A estrutura de controle pode ser colocada em cascata a partir de apenas um loop de velocidade para
adicionar um loop de corrente interno, permitindo uma otimização mais precisa da corrente e do torque
[6] . O controle PI foi implementado como controlador para o sistema volt/hertz [19], [20], mas,
alternativamente, o controle lógico Fuzzy oferece uma abordagem de projeto mais direta, baseada em
dados de loop aberto, sem a necessidade de conhecimento dos parâmetros do modelo do motor para
ajuste de ganho [21].
7
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
O objetivo do SVM é gerar tensões de linha de carga PWM que sejam, em média, iguais às tensões
de linha de carga de referência [22]. O SVM é uma técnica de modulação digital que trata o inversor
como uma unidade única em que oito estados de comutação exclusivos (também chamados de vetores
de tensão) podem ser acionados para a unidade. Os oito estados do VSI consistem em seis vetores
ativos (V1 a V6) e dois vetores nulos (V0 e V7) [24]. A tensão de saída é criada pela comutação repetida
dos vetores adjacentes e do vetor nulo. O sinal de referência é amostrado regularmente usando um
codificador ou resolver [25]. O projeto popular é a sequência de reversão alternada, em que os vetores
nulos são alternados para cada sequência e a sequência é revertida. O PWM com alinhamento central é
uma técnica SVM que combina ambos os recursos para todos os setores e foi adotada comercialmente
na maioria das aplicações de controle vetorial [24].
Em comparação com o SPWM, o SVM demonstrou oferecer um desempenho superior em termos
de resposta dinâmica e distorção de corrente quando implementado para aplicações de controle de
motores, além de uma melhor utilização do barramento CC
[25]-[27], embora o processo de implementação do sinal SVM seja muito mais complexo e aumente o
esforço computacional [28]. O desempenho superior do SVM o tornou mais adequado para ser
implementado no controle vetorial.
A Figura 4 mostra o esquema FOC básico para o motor de indução. O conceito foi introduzido pela
primeira vez por F. Blaschke em 1971 [16]. Os sinais do motor, que consistem em correntes do estator
e posição do rotor, foram medidos. As correntes do estator foram convertidas em parâmetro dq usando
a transformação Clarke-Park como feedback e foram comparadas com o parâmetro de referência para
gerar um sinal de erro que foi regulado independentemente pelo controlador (geralmente do tipo PI). O
8
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
controlador envia o sinal de correção na forma de parâmetro dq a ser convertido, usando a
transformação de Park inversa, em parâmetro αβ e modulado para as portas de comutação do inversor.
Posição do fluxo do rotor
9
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
é necessária para executar as transformações Clarke-Park e Park inversa e, geralmente, é medida pelo
sensor de velocidade do motor. Desde então, foram introduzidas várias melhorias no sistema básico
[32], [33]. As principais vantagens do método FOC são o alto desempenho dinâmico, a frequência de
comutação, as baixas ondulações de torque e o componente fundamental máximo da corrente do estator,
mas ele apresenta desvantagens, como a necessidade de duas transformações de coordenadas e de
controladores de corrente, além de altos parâmetros da máquina.
sensibilidade [16].
Em comparação com o FOC, o DTC é mais simples e exige menos esforço computacional. O
controlador de corrente e as transformações de coordenadas não são necessários. Apesar de sua
simplicidade, o DTC permite um bom controle de torque em condições operacionais de estado
estacionário e transitório, alta resposta dinâmica e robustez. Além disso, esse controlador é menos
sensível à desafinação dos parâmetros [16].
No entanto, o DTC convencional produz alta ondulação no torque devido aos controladores de
histerese não lineares. Isso se deve à banda de largura fixa do controlador, resultando em uma
frequência de comutação variável. A tabela de comutação convencional também produz apenas um
vetor de espaço de tensão para todo o período de amostragem. Portanto, o torque do motor pode
exceder o limite superior/inferior de torque, mesmo que o erro seja pequeno [26], [35]. Isso piora na
implementação digital, em que o tempo de amostragem tem um efeito significativo e a ondulação pode
ser maior do que os limites de histerese [35]. A seleção limitada do vetor de tensão também causou
fenômenos indesejáveis de enfraquecimento do fluxo em operações de baixa velocidade [16].
Um método para contornar o problema de não linearidade do controlador de histerese no DTC
convencional foi empregar uma banda variável em vez de usar uma banda de largura fixa. O controle
de lógica difusa foi implementado para variar a banda de histerese com base no erro de torque para
obter uma frequência de comutação constante. Em comparação com o projeto de banda fixa, os
resultados da simulação mostraram melhoria da THD na corrente do estator e redução da ondulação de
torque [36].
A Modulação de Vetor Espacial foi integrada ao DTC (DTC-SVM), em que mais vetores de tensão
10
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
podem ser utilizados por ciclo de amostragem. Isso permite uma comutação mais precisa de acordo
com a velocidade do rotor. Com a frequência de amostragem mantida constante, a ondulação de torque
em baixa velocidade pode ser significativamente melhorada, produzindo melhores harmônicos de
corrente [16] e minimizando a perda de comutação [26]. Em outro projeto, a variável
11
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
O controle fuzzy adaptativo de domínio foi implementado no loop de velocidade para gerar o torque
de referência e os controladores PI foram usados no lugar dos controladores de histerese. Em
comparação com o DTC-SVM convencional, foram obtidos transientes mais rápidos e menor
ondulação de torque e fluxo [37]. Em vez de dois estados ativos por ciclo de amostragem no SVM,
vetores de tensão mais precisos podem ser gerados usando a modulação do ciclo de trabalho entre os
dois estados. O controle lógico fuzzy adaptativo foi implementado como modulador para selecionar o
ciclo de trabalho, além do esquema DTC convencional. Os resultados experimentais mostraram uma
redução significativa da ondulação de torque em 58%, mantendo a ondulação de fluxo [35].
13
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
O observador de fluxo adaptável à velocidade foi usado para medir a velocidade do rotor e foi
implementado no DTC convencional [48]. A Figura 7 mostra o diagrama de blocos do DTC sem
14
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
sensor usando o observador de fluxo adaptável à velocidade. As estimativas do torque eletromagnético
e do fluxo do estator foram reguladas independentemente por histerese
15
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
para gerar ações de controle corretivas por meio da tabela de comutação, juntamente com o ângulo do
rotor para a seleção do setor. Os resultados experimentais mostram que a velocidade estimada e a
velocidade real correspondem a uma velocidade muito baixa. O observador de modo deslizante
também foi usado com controle vetorial no projeto sensorless com melhor ondulação de torque e
desempenho robusto[49], [50].
O filtro de Kalman estendido (EKF) também foi proposto no projeto sensorless [51]. Embora o
EKF tenha um bom desempenho com ruídos, o filtro é instável com perturbação externa bruta e erro
de estimativa de modelagem interna. Definir o nível de atenuação para o valor limite melhora sua
robustez e diminui o efeito do erro. [52] No entanto, o erro de estimativa ainda persiste, embora o
controle da dinâmica do motor em uma ampla faixa de velocidade tenha sido eficaz [14].
17
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
menor sensibilidade ao ajuste dos parâmetros, implementação simples, alta resposta dinâmica e
robustez. No entanto, as desvantagens incluem alta ondulação de corrente, fluxo e torque, frequência
de comutação variável e falta de controle de corrente direta. A implementação do SVM para substituir
a tabela de comutação adiciona mais vetores de tensão, gera uma frequência de comutação constante
que reduz a ondulação da corrente e do torque em 50% para ficar no mesmo nível do FOC. Entretanto,
o problema persiste na operação em baixa velocidade. Isso foi contornado no MPTC, que usa
algoritmo preditivo e função de custo para substituir o SVM e melhorar ainda mais a ondulação de
corrente e torque em 50% com carga computacional reduzida. O desempenho em baixa velocidade
também foi aprimorado. O FPTC integra regras fuzzy dinâmicas após a função de custo e o SVM. Em
comparação com o MPTC, o FPTC produziu ondulação de fluxo 20% menor e ondulação de corrente e
torque 50% menor. No entanto, o FPTC exige computação de alto desempenho devido ao complexo
mecanismo de inferência fuzzy e à implantação do modulador.
O projeto FPTC pode ser robusto e produzir o melhor desempenho de ondulação, mas requer
computação de alto desempenho. O MPTC ainda produz excelente desempenho dinâmico mesmo em
baixa velocidade com ondulação relativamente maior, mas foi significativamente melhorado em
relação ao projeto DTC e FOC. Para a solução sem sensores, o EKF e o observador foram usados
como estimadores de velocidade no sistema. O observador de modo deslizante tem sido amplamente
usado no DTC com maior precisão em comparação com o EKF, que sofre de erro de estimativa e não é
robusto. O MPTC, com seus recursos preditivos, pode ser usado junto com o observador de modo
deslizante para fornecer uma solução de controle sem sensor para veículos elétricos.
5. Conclusão
Este documento analisou as tecnologias de controle associadas ao motor de indução em aplicações
industriais para veículos elétricos. Como motor principal em veículos elétricos, o alto desempenho
esperado inclui excelente desempenho dinâmico, baixo torque e ondulação de fluxo, particularmente
em baixa velocidade, e solução sem sensores para menor complexidade. O MPTC, com seus recursos
de algoritmo preditivo, pode ser usado em conjunto com o observador de modo deslizante para
fornecer controle sem sensor para veículos elétricos devido ao excelente desempenho dinâmico,
mesmo em baixa velocidade, enquanto produz baixa ondulação de torque e fluxo. Os recursos
alcançados com baixa carga computacional e estrutura relativamente mais simples são compatíveis
com os requisitos de baixo custo para veículos elétricos.
Reconhecimento
Os autores gostariam de agradecer à Faculdade de Tecnologia de Engenharia Elétrica da Universiti
Malaysia Perlis pelo financiamento e apoio contínuo a esta pesquisa.
Referências
[1] "Perspectiva Global de EV 2020 - Análise - IEA." [Online]. Disponível:
https://www.iea.org/reports/global-ev-outlook-2020. [Acessado em: 15-Nov-
2020].
[2] J. Erjavec, Hybrid, Electric & Fuel-Cell Vehicles (Veículos híbridos, elétricos e a célula de
combustível), 2a ed., Delmar Ceng Learning, 2013. Delmar Cengage Learning, 2013.
[3] K. T. Chau, Electric Vehicle Machines and Drives. Cingapura: John Wiley & Sons,
Cingapura Pte. Ltd, 2015.
[4] D. G. Dorrell, A. M. Knight, L. Evans e D. A. Staton, "Comparison of Different Motor
Design Drives for Hybrid Electric Vehicles", pp. 3352-3359, 2010.
[5] N. Mohan, Advanced Electric Drives: Analysis, Control, and Modeling Using
MATLAB/Simulink (Análise, controle e modelagem usando
MATLAB/Simulink). 2014.
[6] N. Mohan, T. M. Undeland e W. P. Robbins, Power electronics : converters, applications,
and design, 3rd ed., John Wiley Sons, 2003. John Wiley & Sons, 2003.
[7] T. Wildi, Electrical machines, drives, and power systems, 6th ed., Pearson New
International Edition, 2013. Pearson New International Edition, 2013.
18
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
[8] B. Wu, High-Power Converters and Ac Drives (Conversores de alta potência e inversores de
frequência). Hoboken, NJ, EUA: John Wiley & Sons, Inc., 2006.
[9] R. Saidur, S. Mekhilef, M. B. Ali, A. Safari e H. A. Mohammed, "Applications of variable
speed drive (VSD) in electrical motors energy savings", Renew. Sustain. Energy Rev., vol. 16,
no. 1, pp. 543-550, 2012.
[10] ESKOM, "Variable Speed Drives : Reducing energy costs in the sugar industry," 2016. .
19
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
21
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
[33] H. Rasmussen, "Adaptive Field oriented control of induction motors", ECC 1997 - Eur.
Control Conf., no. July, pp. 349-354, 1997.
[34] I. Takahashi e Y. Ohmori, "High-performance direct torque control of an induction motor"
(Controle de torque direto de alto desempenho de um motor de indução).
IEEE Trans. Ind. Appl., vol. 25, no. 2, pp. 257-264, 1989.
[35] L. Romeral, A. Arias, E. Aldabas e M. G. Jayne, "Novel direct torque control (DTC) scheme
with fuzzy adaptive torque-ripple reduction", IEEE Trans. Ind. Electron, vol. 50, no. 3, pp.
487-492, 2003.
[36] N. Farah, M. H. N. Talib, Z. Ibrahim, S. N. M. Isa e J. M. Lazi, "Controlador de corrente de
histerese variável com acionamentos de motor de indução baseados em controlador lógico
difuso", 2017 7th IEEE Int. Conf. Syst. Eng. Technol. ICSET 2017 - Proc., no. October, pp.
122-127, 2017.
[37] Y. Pan, Y. Zhang e Z. Wang, "A novel variable domain adaptive fuzzy control of direct
torque control for induction motor based on space vector control", em 2010 Seventh
International Conference on Fuzzy Systems and Knowledge Discovery, 2010, pp. 639-643.
[38] J. Beerten, J. Verveckken e J. Driesen, "Predictive Direct Torque Control for Flux and
Torque Ripple Reduction", IEEE Trans. Ind. Electron, vol. 57, no. 1, pp. 404-412, 2010.
[39] J. Han, Y. Hu e S. Dian, "The State-of-the-art of Model Predictive Control in Recent
Years" (O estado da arte do controle preditivo de modelos nos últimos anos), IOP Conf.
Ser. Mater. Sci. Eng., vol. 428, no. 1, 2018.
[40] K. Wróbel, P. Serkies e K. Szabat, "Model predictive base direct speed control of induction
motor drive-continuous and finite set approaches", Energies, vol. 13, no. 5, 2020.
[41] A. Ammar, B. Talbi, T. Amied, Y. Azzoug e A. Kerrachr, "Predictive Direct Torque
Control with Reduced Ripples for Induction Motor Drive Based on T-S Fuzzy Speed
Controller", Asian J. Control Editor. Off., 2017.
[42] S. Vazquez, J. Rodriguez, M. Rivera, L. G. Franquelo e M. Norambuena, "Model Predictive
Control for Power Converters and Drives: Advances and Trends", IEEE Trans. Ind. Electron,
2017.
[43] P. Cortés et al., "Guidelines for weighting factors design in model predictive control of power
converters and drives", em Proceedings of the IEEE International Conference on Industrial
Technology, 2009.
[44] H. Miranda, P. Cortes, J. I. Yuz e J. Rodriguez, "Predictive Torque Control of Induction
Machines Based on State-Space Models", IEEE Trans. Ind. Electron, vol. 56, no. 6, pp. 1-4,
2009.
[45] Y. Zhang, H. Yang e B. Xia, "Controle de torque preditivo de modelo de acionamentos de
motor de indução com ondulação de torque reduzida", IET Electr. Power Appl., vol. 9, no.
9, pp. 595-604, 2015.
[46] K. V. Praveen Kumar e T. Vinay Kumar, "Predictive torque control of open-end winding
induction motor drive fed with multilevel inversion using two two-level inverters", IET Electr.
Power Appl., vol. 12, no. 1, pp. 54-62, 2018.
[47] A. Berzoy, J. Rengifo e O. Mohammed, "Fuzzy Predictive DTC of Induction Machines with
Reduced Torque Ripple and High-Performance Operation", IEEE Trans. Power Electron, vol.
33, no. 3, 2018.
[48] Y. Zhang et al., "An Improved Direct Torque Control for Three-Level Sensorless drive", IEEE
Trans. Power Electron, vol. 27, no. 3, pp. 1502-1513, 2012.
[49] P. T. Doan, T. L. Bui, H. K. Kim e S. B. Kim, "Sliding-mode observer design for sensorless
vector control of AC induction motor", 2013 9th Asian Control Conf. ASCC 2013, 2013.
[50] V. Shah e N. Krishna Prakash, "Implementação em FPGA do controle de corrente orientado
por campo sem sensor da máquina de indução", 2017 IEEE Int. Conf. Comput. Intell. Comput.
Res. ICCIC 2017, pp. 1-5, 2018.
[51] K. L. Shi, T. F. Chan, Y. K. Wong e S. L. Ho, "Estimativa de velocidade de um
acionamento de motor de indução usando um filtro de Kalman estendido otimizado",
IEEE Trans. Ind. Electron, 2002.
22
ICE4CT 2020 Publicação IOP
Journal of Physics: Série de 1878 (2021) 012047 doi:10.1088/1742-6596/1878/1/012047
Conferências
[52] W. Yang, X. Cai e J. Jiang, "Speed sensorless vector control of induction motor based on
robust extended Kalman filter", Proc. Int. Conf. Power Electron. Drive Syst., vol. 1, pp. 423-
426, 2012.
23