Een optimale multi‑doelregelingarchitectuur voor PMSM‑aandrijvingen

Slimmere besturingen voor elektromotoren in autos

Elektrische autos vertrouwen op compacte, krachtige motoren die altijd vloeiend moeten reageren wanneer u het gas intrapt of een heuvel op rijdt. Dit artikel verkent een slimmere manier om een van de meest gebruikte motortypes in elektrische voertuigen te regelen, met als doel aandrijvingen vloeiender, efficinter en betrouwbaarder te maken, zelfs wanneer de omstandigheden veranderen of onderdelen in de loop van de tijd verouderen.

Waarom de motorregeling een upgrade nodig heeft

Moderne elektrische autos gebruiken vaak permanentmagneet-synchrone motoren, die veel koppel en efficiëntie in een kleine behuizing combineren. Het optimale uit deze machines halen is echter niet eenvoudig. Traditionele regelmethoden, zoals klassieke terugkoppelingsregelaars of fuzzy‑logic schemas, hebben moeite wanneer de motor zich niet-lineair gedraagt of wanneer zijn interne eigenschappen verschuiven door temperatuur, veroudering of veranderende rijomstandigheden. Andere methoden, zoals directe koppelregeling, reageren snel maar veroorzaken grote rimpels in koppel en stroom, wat kan leiden tot vibratie, geluid en verspilde energie. Nu elektrische voertuigen zich verspreiden en moeten omgaan met steile hellingen, veelvuldig stop‑and‑go verkeer en variabele belastingen, hebben ingenieurs een regelstrategie nodig die zowel snel is als zacht voor de hardware.

Een blik in de nieuwe regelmethode

De auteurs bouwen voort op een strategie genaamd modelpredictieve regeling, die werkt door wiskundig te voorspellen hoe de motor zich een korte tijd in de toekomst zal gedragen. Op elk ogenblik evalueert de regelaar mogelijke acties en kiest degene die volgens een kostfunctie naar verwachting het beste presteert. In deze studie is die kostfunctie "multi‑doel": ze weegt meerdere doelen tegelijk af, zoals het binnen veilige grenzen houden van de motorstroom, het constant houden van de voedingsspanning en het verminderen van het vermogen dat verloren gaat in de schakelapparaten die de motor aandrijven. Een belangrijke innovatie is een vereenvoudigd "step‑ahead" model van de motorstromen in een speciale roterende referentiekader gekoppeld aan de rotor. Dit maakt de voorspellingen snel genoeg om bij hoge bemonsteringssnelheden te draaien, terwijl de essentile fysica van koppelvorming behouden blijft.

Minder, maar slimmer keuzes maken

Een van de belangrijkste uitdagingen van modelpredictieve regeling in vermogenselektronica is de zware rekenbelasting. Bij elke kleine tijdstap zou de regelaar in principe alle mogelijke schakelcombinaties van de omvormer die de motor voedt kunnen testen. De auteurs verminderen deze last door een viersectoren‑spanningsselectieschema te ontwerpen dat alleen een gereduceerde set kandidaatspanningsvectoren beschouwt, gekozen op basis van de huidige fout. Een speciaal niet‑lineair element in de kostfunctie sluit automatisch opties uit die de stroom voorbij de veilige piek zouden duwen, zodat de regelaar de motor nooit ernstig "overstuurt". Tegelijkertijd is een Lyapunov‑achtige energiemaatstaf ingebouwd in het doel, wat wiskundig garandeert dat de energiegelijke grootheid van het systeem in de loop van de tijd afneemt en zo een solide basis voor stabiliteit biedt.

Omgaan met veranderingen en fouten uit de praktijk

De voorgestelde regelaar is ook ontworpen met praktische elektrische voertuigen in gedachten. Hij reguleert de spanning op de DC‑link—de interne voedingsbuss die de omvormer voedt—waardoor hij kan reageren op plotselinge veranderingen in belastingkoppel of weghelling zonder de controle te verliezen. In plaats van te vertrouwen op een fysieke snelheidsensor, die kosten en complexiteit toevoegt, gebruikt het schema stroomgebaseerde informatie en een compacte condensatorconfiguratie. Via gedetailleerde simulaties in MATLAB/Simulink testen de auteurs extreme gevallen waarbij de weerstand en inductantie van de motor opzettelijk worden gevarieerd tot wel 50–150% van hun nominale waarden, wat verwarming, veroudering en magnetische verzadiging nabootst. Zelfs onder deze zware omstandigheden blijven de motorstromen dicht bij hun gewenste waarden, stelt het koppel zich snel na verstoringen in en blijft de spanning vrijwel constant.

Wat de resultaten betekenen voor bestuurders

Simpel gezegd toont dit werk hoe een zorgvuldig ontworpen "denkende" regelaar de motor van een elektrische auto vloeiend en efficiënt kan laten draaien, zelfs wanneer het voertuig heuvels, plotselinge acceleraties en lange termijn slijtage tegenkomt. Door het gedrag van de motor te voorspellen en meerdere doelen tegelijk af te wegen—vloeiend koppel, veilige stromen en lage schakelverliezen—vermindert het voorgestelde schema rimpels in de stroom, houdt het totale vervorming onder 5% en vermindert het onnodig schakelen. Deze combinatie belooft stillere werking, beter energiegebruik en grotere robuustheid gedurende de levensduur van het voertuig. Hoewel de studie gebaseerd is op simulaties, vormt zij een sterke basis voor toekomstige experimenten in echte elektrische voertuigen, waar dergelijke intelligente regeling uiteindelijk kan bijdragen aan een grotere actieradius en het beschermen van waardevolle batterij- en vermogenselektronica‑componenten.

Bronvermelding: Mohapatra, B.K., Sharma, V., Bhowmik, P. et al. An optimal multi-objective control architecture of PMSM drives. Sci Rep 16, 11289 (2026). https://doi.org/10.1038/s41598-026-38815-x

Trefwoorden: elektrische voertuigen, motorregeling, predictieve regeling, permanentmagneetmotor, energierendement