Rete neurale wavelet per ridurre il ripple di coppia nel DITC dei motori a riluttanza commutata nei veicoli elettrici

Perché i motori elettrici più fluidi sono importanti

Le auto elettriche promettono viaggi silenziosi ed efficienti, ma i motori che azionano le ruote possono ancora generare vibrazioni e rumore indesiderati. Un tipo di motore promettente per i veicoli futuri, il motore a riluttanza commutata, è robusto, economico ed evita magneti a terre rare, tuttavia soffre di un marcato ripple di coppia, ossia picchi e cali nella forza di rotazione che causano vibrazioni. Questo articolo esplora un metodo di controllo intelligente che utilizza una rete neurale specializzata per attenuare quei ripple, rendendo questi motori robusti più gradevoli ed efficienti nella guida quotidiana.

Un motore robusto con un comportamento ruvido

I motori a riluttanza commutata sono attraenti per i veicoli elettrici perché hanno una struttura semplice, sono altamente affidabili e non dipendono da materiali magnetici scarsi. Il loro limite deriva dal modo in cui generano la coppia: quando i denti del rotore si allineano con i denti dello statore eccitati, la coppia pulsa naturalmente. Gli schemi di controllo tradizionali che regolano la corrente con onde quadre sono facili da implementare ma lasciano ampie variazioni di coppia. Controlli più avanzati basati sulla coppia possono reagire più rapidamente, ma faticano comunque con il comportamento magnetico fortemente non lineare di queste macchine, specialmente nei brevi momenti in cui più fasi del motore si sovrappongono e la coppia viene trasferita dall’una all’altra.

Insegnare al controllore a pensare in anticipo

Gli autori si basano su una strategia nota come controllo istantaneo diretto della coppia (direct instantaneous torque control), in cui il controllore confronta direttamente la coppia desiderata con la coppia stimata reale e commuta rapidamente l’elettronica di potenza per correggere l’errore. Nella sua forma base, questo approccio produce ancora ripple significativi. Lo studio introduce una compatta rete neurale wavelet tra il controllore di velocità e quello di coppia. Invece di inviare un riferimento di coppia fisso, questo modulo intelligente considera sia l’errore di coppia sia la sua velocità di variazione, rimodellando sottilmente il riferimento di coppia in tempo reale. Le wavelet, che catturano pattern sia nel tempo sia nella scala, aiutano la rete ad apprendere il comportamento complesso e dipendente dalla posizione della coppia del motore utilizzando solo due neuroni nascosti e sette parametri ottimizzati.

Ottimizzare una volta, funzionare ovunque

Per evitare un modello ingombrante da riaddestrare costantemente, il team utilizza un algoritmo di ottimizzazione chiamato Equilibrium Optimizer per tarare la rete neurale una sola volta in un punto operativo scelto con cura: leggermente al di sopra della velocità nominale e a carico nominale, dove il ripple di coppia è elevato ma la corrente rimane ben controllata. L’algoritmo ricerca i valori dei parametri che minimizzano congiuntamente il ripple di coppia e l’errore complessivo di coppia. Il set risultante di sette parametri viene quindi fissato e usato per tutte le velocità e i carichi. Parallelamente, lo stesso ottimizzatore viene impiegato per affinare gli angoli con cui ogni fase del motore viene commutata on/off su una griglia di velocità e coppie, e i valori migliori vengono memorizzati in semplici tabelle di ricerca all’interno del controllore.

Dal modello al banco di prova

Ampie simulazioni su un motore a riluttanza commutata trifase 12/8 mostrano che il nuovo controllore fornisce una coppia media più elevata, profili di coppia visibilmente più uniformi e correnti di picco simili rispetto allo schema convenzionale. Il miglioramento si osserva su un’ampia gamma di velocità e sia a carichi leggeri che pesanti. Esperimenti su un banco prova confermano questi risultati. Nei test a circuito aperto e in scenari di guida chiusa e realistici con gradini di velocità e cambi di carico improvvisi, il controllore proposto riduce costantemente il ripple di coppia misurato di circa il 16% per carichi leggeri e quasi il 29% per carichi pesanti. Il prezzo da pagare è una frequenza di commutazione più alta e un modesto aumento del tempo di calcolo, ma entrambi rimangono entro limiti industriali comuni.

Cosa significa per le future trasmissioni elettriche

In parole semplici, lo studio mostra che una piccola rete neurale ben addestrata può comportarsi come un filtro intelligente tra la richiesta di coppia del guidatore e il motore, rimodellando il comando per cancellare gran parte del pulsare intrinseco di un motore a riluttanza commutata. Poiché la rete è semplice, addestrata una sola volta e abbinata ad angoli di commutazione ottimizzati, il controllo complessivo rimane praticabile per l’hardware in tempo reale. Per i veicoli elettrici e altre applicazioni esigenti, questo approccio offre una strada per utilizzare motori robusti e privi di magneti riducendo le vibrazioni e migliorando la qualità di marcia senza riprogettare il motore stesso.

Citazione: Saleh, A.L., Hamouda, M., Számel, L. et al. Wavelet neural network based reduced-ripple DITC of switched reluctance motors in electric vehicles. Sci Rep 16, 15564 (2026). https://doi.org/10.1038/s41598-026-46371-7

Parole chiave: motore a riluttanza commutata, ripple di coppia, trasmissione per veicoli elettrici, controllo con reti neurali, ottimizzazione del controllo motore