Czasopismo | PRZEGLĄD ELEKTROTECHNICZNY | Rocznik 2024 - zeszyt 3

Regenerative Braking in Electric Vehicles using BLDC motor with Modified Torque and Adaptive-Neuro-Fuzzy-Control

Hamowanie regeneracyjne w pojazdach elektrycznych z wykorzystaniem silnika BLDC ze zmodyfikowanym momentem obrotowym i sterowaniem adaptacyjnym Neuro-Fuzzy

10.15199/48.2024.03.33

nr katalogowy: 147755
10.15199/48.2024.03.33

Streszczenie

In present days conventional vehicles were replaced by electric vehicles due to their low maintenance and eco-friendly nature with PMBLDCM motor due to its simple design, long-term usage, low noise, speed response, stability, and high efficiency. In electric vehicles, the speed control method is still difficult with PMBLDC motor to produce the desired high torque and to deal with uncertainty problems due to dynamic loads which cannot apply in conventional vehicles. To overcome these problems, we proposed the usage of Adaptive Neuro-Fuzzy Sliding Mode Control (ANF-SMC) which also handles electromagnetic torque (EMT), back EMF and stator current, nonlinear and uncertainties in the electric propulsion subsystem of electric vehicles by applying adaptive neuro-fuzzy sliding mode control for effective speed regulation and parameter tuning of the fuzzy system based on performance index of PMBLDC motor in the absence, presence and variable speed conditions. The simulation was done using the designed approach with MATLAB/Simulink R2020b with a Fuzzy tool kit and the performance of the proposed controller was compared with existing PID, SMC, FSMC, and AFSMC controllers to validate its success in improving the system characteristics. Simulation results infer that the proposed ANF-SMC controller with no overshoot and less rise, peak, and settling time than that of existing systems under different loads and variable speed conditions.

Abstract

W dzisiejszych czasach konwencjonalne pojazdy zostały zastąpione pojazdami elektrycznymi ze względu na ich niskie koszty utrzymania i przyjazny dla środowiska charakter z silnikiem PMBLDCM ze względu na prostą konstrukcję, długotrwałe użytkowanie, niski poziom hałasu, reakcję na prędkość, stabilność i wysoką wydajność. W pojazdach elektrycznych metoda kontroli prędkości w przypadku silnika PMBLDC jest nadal trudna do wytworzenia pożądanego wysokiego momentu obrotowego i poradzenia sobie z problemami niepewności wynikającymi z obciążeń dynamicznych, których nie można zastosować w pojazdach konwencjonalnych. Aby przezwyciężyć te problemy, zaproponowaliśmy zastosowanie adaptacyjnego neuro-rozmytego trybu ślizgowego (ANF-SMC), który obsługuje również moment elektromagnetyczny (EMT), wsteczne pole elektromagnetyczne i prąd stojana, nieliniowość i niepewności w podukładzie napędu elektrycznego pojazdów elektrycznych poprzez zastosowanie adaptacyjne sterowanie trybem neuro-rozmytego przesuwania w celu skutecznej regulacji prędkości i dostrajania parametrów systemu rozmytego w oparciu o wskaźnik wydajności silnika PMBLDC w warunkach nieobecności, obecności i zmiennej prędkości. Symulację przeprowadzono przy użyciu zaprojektowanego podejścia przy użyciu MATLAB/Simulink R2020b z zestawem narzędzi Fuzzy, a wydajność proponowanego sterownika porównano z istniejącymi sterownikami PID, SMC, FSMC i AFSMC, aby potwierdzić jego skuteczność w poprawie charakterystyki systemu. Z wyników symulacji wynika, że proponowany sterownik ANF-SMC nie charakteryzuje się przeregulowaniami i krótszym czasem narastania, szczytu i stabilizacji w porównaniu z istniejącymi systemami przy różnych obciążeniach i warunkach zmiennej prędkości.

Słowa kluczowe

Keywords

Bibliografia

1 P. J. Grbovic, P. Delarue, P. Le Moigne, and P. Bartholomeus, “A bidirectional three-level dc-dc converter for the ultracapacitor applications,” IEEE Trans. Ind. Electron., vol. 57, no. 10, pp. 3415–3430, Oct. 2010. 2 haligh, A.; Li, Z. Battery, ultracapacitor, fuel cell, and hybrid energy storage systems for electric, hybrid electric, fuel cell, and plug-in hybrid electric vehicles: State of the art. IEEE Trans. Veh. Technol. 2010, 59, 2806–2814. 3 Ehsani, M.; Falahi, M.; Lotfifard, S. Vehicle to grid services: Potential and applications. Energies 2012, 5, 4076–4090. 4 Falahi, M.; Chou, H.M.; Ehsani, M.; Xie, L.; Butler-Purry, K.L. Potential power quality benefits of electric vehicles. IEEE Trans. Sustain. Energy 2013, 4, 1016–1023. 5 Shen, X.J.; Chen, S.; Li, G.; Zhang, Y.; Jiang, X.; Lie, T.T. Configure methodology of onboard supercapacitor array for recycling regenerative braking energy of URT vehicles. IEEE Trans. Ind. Appl. 2013, 49, 1678–1686. 6 Yang, M.-J.; Jhou, H.-L.; Ma, B.-Y.; Shyu, K.-K. A cost-effective method of electric brake with energy regeneration for electric vehicles. IEEE Trans. Ind. Electron. 2009, 56, 2203–2212 7 Khastgir, S. The Simulation of a Novel Regenerative Braking Strategy on Front Axel for an Unaltered Mechanical Braking System of a Conventional Vehicle Converted into a Hybrid Vehicle. In Proceedings of the 8th International Conference and Exhibition on Ecological Vehicles and Renewable Energies (EVER), Monte Carlo, Monaco, 27-30 March 2013; pp. 1-6. 8 Lahyani, A.; Venet, P.; Guermazi, A.; Troudi, A. Battery/supercapacitors combination in uninterruptible power supply (UPS). IEEE Trans. Power Electron. 2013, 28, 1509– 1522 9 Kuperman, A.; Aharon, I.; Malki, S.; Kara, A. Design of a semiactive battery-ultracapacitor hybrid energy source. IEEE Trans. Power Electron. 2013, 28, 806–815. 10 Grbovic, P.J.; Delarue, P.; le Moigne, P.; Bartholomeus, P. The ultracapacitor-based regenerative controlled electric drives with power-smoothing capability. IEEE Trans. Ind. Electron. 2012, 59, 4511–4522 11 Priewasser, R.; Agostinelli, M.; Unterrieder, C.; Marsili, S.; Huemer, M. Modeling, control, and implementation of DC-DC converters for variable frequency operation. IEEE Trans.Power Electron. 2014, 29, 287–30. 12 Camara, M.; Dakyo, B.; Gualous, H. Polynomial control method of DC/DC converters for DC-bus voltage and currents management—Battery and supercapacitors. IEEE Trans. PowerElectron. 2012, 27, 1455–1467. 13 Hredzak, B.; Agelidis, V.G.; Jang, M. A model predictive control system for a hybrid battery-ultracapacitor power source. IEEE Trans. Power Electron. 2014, 29, 1469–1479. 14 Jung, H.; Conficoni, C.; Tilli, A.; Hu, T. Modeling and Control Design for Power Systems Driven by Battery/Supercapacitor Hybrid Energy Storage Devices. In Proceedings of the American Control Conference (ACC), Washington, DC, USA, 17–19 June 2013; pp. 4283–4288 15 Shaik, R.B., Kannappan, E. Application of Adaptive NeuroFuzzy Inference Rule-based Controller in Hybrid Electric Vehicles. J. Electr. Eng. Technol. 15, 1937–1945 (2020). https://doi.org/10.1007/s42835-020-00459-w. 16 Begam, Shaik Ruksana; Burthi, Loveswara Rao; Depuru, Shobha Rani, Adaptive Neuro-Fuzzy Sliding Mode Controller (ANF-SMC) to control speed, electromagnetic torque (EMT), Stator Current, and Back EMF using PMBLDC motor (PMBLDCM) in Electric Propulsion of Electric Vehicles, Przeglad Elektrotechniczny.2023, Vol. 2023 Issue 8, p49-62. 14p.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


PRZEGLĄD ELEKTROTECHNICZNY- e-publikacja (pdf) z zeszytu 2024-3 , nr katalogowy 147755 licencja: Osobista Produkt cyfrowy Nowość	10.00 zł

Zeszyt


PRZEGLĄD ELEKTROTECHNICZNY- e-zeszyt (pdf) 2024-3 licencja: Osobista Produkt cyfrowy Nowość	85.00 zł

Prenumerata

PRZEGLĄD ELEKTROTECHNICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEGLĄD ELEKTROTECHNICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEGLĄD ELEKTROTECHNICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Zeszyt

2024-3

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma