모델 예측 제어 기법을 이용한 3-레벨 인버터로 구동되는 영구자석 동기 전동기의 토크 리플 저감 기법 : A Torque Ripple Reduction Method of a Permanent Magnet Synchronous Motor Driven by a Three-Level Inverter Using a Model Predictive Control :

노승완

추천

검색

자료유형: 학위논문

저자정보: 노승완 (아주대학교, 아주대학교 대학원)

지도교수: 이교범

발행연도: 2014

저작권: 아주대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2014

3-레벨 인버터로 구동되는 영구자석 동기 전동기를 위한 공간 벡터 변조 방식을 적용한 모델 예측 제어

노승완 , 최대근 , 이교범 대한전기학회 학술대회 논문집 2014.04 학술대회자료

모델 예측 제어 기법을 이용한 3-레벨 인버터로 구동되는 영구자석 동기 전동기의 토크 리플 저감 기법 : A Torque Ripple Reduction Method of a Permanent Magnet Synchronous Motor Driven by a Three-Level Inverter Using a Model Predictive Control

노승완 Thesis(M.A.)-- 아주대학교 전자공학과 2014.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

This paper proposes a model predictive control (MPC) method that applies the space vector modulation (SVM) technique to a permanent magnet synchronous motor (PMSM) driven by a three-level neutral-point-clamped (NPC) inverter. The MPC method selects the optimized voltage vector for the inverter control using the predictive modeling equation of the PMSM and cost function. However, since the conventional MPC method uses the limited voltage vector to control the inverter, large torque ripple is generated. The proposed algorithm performs the torque ripple reduction by synthesizing voltage vectors of various magnitudes, selecting optimal voltage vectors through the cost function implementation, and switching with space vector modulation (SVM). The proposed control method is validated through the simulation and experimental results.

I. INTRODUCTION 1
II. THREE-LEVEL NPC INVERTER 4
A. Structure 4
B. Reference Frame Transformation 6
C. SVM Technique 7
III. PROPOSED MPC-SVM 9
A. Predictive Modeling of PMSM 9
B. Cost Function 10
C. Synthesis of Reference Voltage Vectors 10
D. MPC-SVM 14
IV. SIMULATION 15
V. EXPERIMENTAL RESULTS 19
VI. CONCLUSION 25
REFERENCES 26

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)