Torque ripple suppression in switched reluctance motors using iterative learning control to optimize the torque sharing function

इलेक्ट्रिक वाहन ऐसे मोटरों पर निर्भर करते हैं जो शांत, सुचारू और कुशल होते हैं, फिर भी इन वाहनों में उपयोग किए जाने वाले एक सामान्य प्रकार के मोटर को अक्सर एक विशिष्ट दोष के साथ संघर्ष करना पड़ता है: कम गति पर एक खुरदरा, थरथराहट वाला अहसास। यह समस्या इस बात से उत्पन्न होती है कि मोटर के आंतरिक भाग आपस में कैसे क्रिया करते हैं। अन्य मोटरों के सुचारू, निरंतर घूर्णन के विपरीत, यह प्रकार की मशीन, जिसे स्विच रिलक्टेंस मोटर (switched reluctance motor) कहा जाता है, रोटर के घूमने के दौरान विभिन्न हिस्सों में विद्युत शक्ति को चालू और बंद करके कार्य करती है। हालांकि ये मोटर अपनी मजबूत सरलता और दुर्लभ-पृथ्वी तत्वों (rare-earth materials) की अनुपस्थिति के कारण प्रशंसित हैं, लेकिन अगले हिस्से में बिजली को स्विच करने की क्रिया एक क्षणिक असंतुलन पैदा करती है। मोटर को घुमाने वाला बल एक हिस्से से दूसरे हिस्से में पूरी तरह से स्थानांतरित नहीं होता है, जिसके परिणामस्वरूप एक झटकेदार गति होती है जिसे टॉर्क रिपल (torque ripple) कहा जाता है। कार में बैठे यात्री के लिए, यह कंपन या हिचकिचाहट जैसा महसूस होता है; वाहन के घटकों के लिए, यह अनावश्यक टूट-फूट और शोर पैदा करता है।

इसे हल करने के लिए, इंजीनियरों ने लंबे समय से टॉर्क शेयरिंग फंक्शन (torque sharing function) नामक एक विधि का उपयोग किया है। कल्पना कीजिए कि आप एक भारी भार को एक व्यक्ति से दूसरे व्यक्ति को सौंपने की कोशिश कर रहे हैं; यदि पहला व्यक्ति दूसरे के मजबूत पकड़ बनाने से पहले ही भार छोड़ देता है, तो भार गिर जाएगा। यदि दूसरा व्यक्ति बहुत जल्दी पकड़ लेता है, तो वे पहले व्यक्ति के विरुद्ध खिंचाव भी पैदा कर सकते हैं। एक टॉर्क शेयरिंग फंक्शन निर्देशों का एक सेट है जो मोटर को ठीक से बताता है कि उस महत्वपूर्ण हैंडओवर के दौरान पुराने और नए हिस्से के बीच प्रयास को कैसे विभाजित किया जाए। वर्षों तक, इंजीनियरों ने एक सुचारू वक्र (curve) पर आधारित निर्देशों के एक मानक, पूर्व-लिखित सेट का उपयोग किया है ताकि इस संक्रमण को प्रबंधित किया जा सके। हालांकि, ये निश्चित निर्देश यह मान लेते हैं कि मोटर पूरी तरह से व्यवहार करती है, इस तथ्य को नजरअंदाज करते हुए कि वास्तविक मोटर अव्यवस्थित होती है। मोटर के भीतर चुंबकीय क्षेत्र पूरी तरह से अनुमानित तरीके से व्यवहार नहीं करते हैं, और विद्युत धाराएं तुरंत ऊपर या नीचे नहीं गिर सकतीं। इन भौतिक वास्तविकताओं के कारण, मानक निर्देश अक्सर उस काम के साथ मेल नहीं खाते जो मोटर को वास्तव में करने की आवश्यकता होती है, जिससे थरथराहट की समस्या केवल आंशिक रूप से ही हल हो पाती है।

हेनान यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के शोधकर्ताओं ने एक नया दृष्टिकोण प्रस्तावित किया है जो मोटर को अपनी गलतियों से सीखने की अनुमति देता है। निश्चित निर्देशों के सेट पर निर्भर रहने के बजाय जो कभी नहीं बदलता, उन्होंने एक प्रणाली विकसित की है जो 'इटरेटिव लर्निंग कंट्रोल' (iterative learning control) नामक तकनीक का उपयोग करती है। यह विधि एक सरल सिद्धांत पर काम करती है: यदि कोई कार्य बार-बार दोहराया जाता है, तो सिस्टम पिछले प्रयास में हुई त्रुटि को देख सकता है और अगले प्रयास के लिए अपने व्यवहार को समायोजित कर सकता है। मोटर के संदर्भ में, जो एक निरंतर लूप में घूमती है, सिस्टम एक पूर्ण घूर्णन के दौरान वांछित सुचारू बल और उत्पन्न वास्तविक खुरदरे बल के बीच के अंतर का अवलोकन करता है। फिर यह उस विशिष्ट अंतर का उपयोग अगले घूर्णन के लिए निर्देशों को बदलने के लिए करता है।

शोधकर्ताओं ने इस विचार का परीक्षण करने के लिए एक आठ-पोल मोटर का विस्तृत कंप्यूटर सिमुलेशन बनाया। उन्होंने मानक, पूर्व-लिखित निर्देशों के साथ शुरुआत की और सिस्टम को सैकड़ों सिम्युलेटेड रोटेशन के माध्यम से चलने दिया। प्रत्येक मोड़ के साथ, सिस्टम ने टॉर्क रिपल—झटकेदार उतार-चढ़ाव—का विश्लेषण किया और शेयरिंग फंक्शन में सूक्ष्म समायोजन किए। इसने एक बार में पूरे नियम पुस्तिका को नहीं बदला; इसके बजाय, इसने उन विशिष्ट क्षणों को परिष्कृत किया जहाँ बिजली एक हिस्से से दूसरे हिस्से में स्विच होती है। समय के साथ, निर्देश एक जेनेरिक वक्र से बदलकर एक कस्टम प्रोफाइल में विकसित हो गए जो उस विशिष्ट मोटर के अद्वितीय, गैर-आदर्श व्यवहार के साथ पूरी तरह मेल खाता था। सिस्टम ने सीखा कि एक सुचारू सवारी पाने के लिए, इसे एक स्थान पर थोड़ा अधिक करंट और दूसरे स्थान पर थोड़ा कम करंट की आवश्यकता है, जिससे उन चुंबकीय विलंबों की भरपाई हो सके जिन्हें मानक नियमों ने अनदेखा कर दिया था।

सिमुलेशन के परिणाम आश्चर्यजनक थे। जब शोधकर्ताओं ने 100, 200 और 400 आरपीएम (rpm) की कम गति पर मोटर का परीक्षण किया, तो नए लर्निंग सिस्टम ने गति को काफी हद तक सुचारू बना दिया। पारंपरिक विधि की तुलना में, नई रणनीति ने सभी परीक्षण की गई गतियों में टॉर्क की खुरदराहट को लगभग 40 प्रतिशत कम कर दिया। 100 आरपीएम पर, कमी 39.69 प्रतिशत थी; 200 आरपीएम पर, 38.86 प्रतिशत; और 400 आरपीएम पर, 38.29 प्रतिशत थी। मोटर न केवल औसतन बेहतर प्रदर्शन कर रही थी; बल के शिखर (peaks) और घाटियाँ (valleys) बहुत अधिक समान हो गईं, जिससे कंपन पैदा करने वाले तीखे स्पाइक्स समाप्त हो गए। सिस्टम लगभग नौ सिम्युलेटेड रोटेशन के बाद इस बेहतर स्थिति में पहुँच गया, जिसके बाद समायोजन इतने छोटे हो गए कि प्रदर्शन प्रभावी रूप से स्थिर हो गया।

हालांकि, परिणाम आशाजनक हैं, शोधकर्ता सावधानी से अपने कार्य की सीमाओं को नोट करते हैं। ये परिणाम पूरी तरह से कंप्यूटर सिमुलेशन से आए हैं, न कि टेस्ट बेंच पर मौजूद किसी भौतिक मोटर से। अध्ययन पुष्टि करता है कि यह विधि एक डिजिटल वातावरण में काम करती है जहाँ चरों (variables) को पूरी तरह से नियंत्रित किया जा सकता है, लेकिन वास्तविक दुनिया नए चुनौतियां पेश करती है जैसे घर्षण, गर्मी और विनिर्माण संबंधी खामियां जो सिमुलेशन में मौजूद नहीं थीं। लेखक स्वीकार करते हैं कि सिस्टम को कम-गति संचालन के लिए ट्यून किया गया था, और उच्च गति पर इसकी प्रभावशीलता अभी भी अनिश्चित है। इसके अलावा, अध्ययन ने यह भी नहीं मापा कि इस अतिरिक्त प्रोसेसिंग का मोटर की समग्र ऊर्जा दक्षता या इसके इलेक्ट्रॉनिक घटकों के जीवनकाल पर क्या प्रभाव पड़ेगा।

इन सीमाओं के बावजूद, यह अध्ययन इलेक्ट्रिक वाहनों के आराम में सुधार के लिए एक स्पष्ट मार्ग प्रदान करता है। कठोर, पूर्व-प्रोग्रामित नियमों से हटकर एक ऐसी प्रणाली की ओर बढ़कर, जो वास्तविक समय के प्रदर्शन के आधार पर अनुकूलित होती है, इंजीनियर उस खुरदराहट को समाप्त कर सकते हैं जिसने लंबे समय से स्विच रिलक्टेंस मोटरों को परेशान किया है। अगला कदम, जैसा कि शोधकर्ता रेखांकित करते हैं, एक भौतिक प्रोटोटाइप बनाना है ताकि यह देखा जा सके कि कंप्यूटर में सीखे गए सबक वास्तव में मोटर के घूमने पर भी लागू होते हैं या नहीं। यदि भौतिक परीक्षण सिमुलेशन के अनुरूप होते हैं, तो यह लर्निंग अप्रोच इलेक्ट्रिक वाहनों को अधिक सुचारू, शांत और विश्वसनीय बनाने के लिए एक मानक उपकरण बन सकती है।