Guiding the Selection of Multi-Vector Model Predictive Control Techniques for Multiphase Drives

Abstract

Un grupo diverso de las denominadas técnicas multivectoriales ha aparecido recientemente con el objetivo de mejorar el rendimiento del control de accionamientos multifásicos cuando se implementa una estrategia de control directo. Con diferentes números de estados de conmutación y distintos enfoques para estimar los tiempos de aplicación, cada solución multivectorial posee su propia naturaleza y ventajas.

Estudios previos han evaluado de manera individual cada versión de las estrategias propuestas de control predictivo basado en conjuntos finitos (FCS-MPC) utilizando una única configuración experimental con parámetros específicos y, en algunos casos, un rango limitado de condiciones de operación, centrándose exclusivamente en ciertos aspectos del control. Aunque dichos trabajos aportan contribuciones parciales, el rendimiento del control está fuertemente influenciado por las condiciones del banco de pruebas, dependiendo de los parámetros de la máquina, la frecuencia de conmutación y el rango de operación.

En consecuencia, resulta difícil extraer conclusiones universales que orienten al diseñador de control sobre la mejor alternativa para cada aplicación. Con el objetivo de ampliar el conocimiento en este campo y proporcionar una visión más amplia, este trabajo realiza un análisis global considerando distintas técnicas multivectoriales, diversos parámetros de máquina, múltiples puntos de operación y un conjunto completo de índices de evaluación.

Los resultados experimentales confirman que la selección de la estrategia de control más adecuada no es una tarea trivial, ya que el grado en que las técnicas multivectoriales se ven afectadas por las condiciones de prueba es variable y complejo. Algunas tablas con un análisis cualitativo, basadas en extensas pruebas empíricas, aportan una visión más completa y orientan a los diseñadores de control en la decisión sobre el enfoque de regulación óptimo a seleccionar.