Computationally Efficient Near-Optimal Control for Current Ripple Reduction and Optimization of Three-Phase Motors via LMIs

Sintesi Tecnica: Controllo Quasi-Ottimale Computazionalmente Efficiente per la Riduzione del Ripple di Corrente in Motori Trifase tramite LMI

Definizione del Problema
Il controllo ottimale di motori sincroni a magneti permanenti (PMSM) trifase pilotati da inverter a sorgente di tensione (VSI) è intrinsecamente complesso a causa delle non linearità del sistema e della natura discreta dell'insieme di controllo (Finite Control Set, o FCS). Le soluzioni esistenti affrontano una dicotomia: i metodi di ottimizzazione delle traiettorie a variabili intere miste sono spesso computazionalmente proibitivi per l'implementazione in tempo reale, mentre gli approcci di iterazione del valore soffrono della "maledizione della dimensionalità", richiedendo tempi e memoria eccessivi all'aumentare della dimensione del sistema e della granularità della griglia. Inoltre, i metodi di controllo indiretto tradizionali (che utilizzano schemi di modulazione come la Space Vector Modulation) impongono tassi di commutazione costanti, il che può risultare inefficiente per i compromessi tra energia e prestazioni nelle applicazioni alimentate a batteria. Il documento mira a caratterizzare efficientemente i limiti di prestazione dipendenti dal controllo e a fornire una strategia di commutazione che bilanci la riduzione del ripple di corrente con lo sforzo di commutazione, adatta alla rapida valutazione di hardware e parametri di progettazione.

Metodologia
Gli autori propongono un framework basato su Disuguaglianze Lineari Matriziali (LMI) per approssimare la funzione di valore a orizzonte infinito per il problema di controllo ottimale. La metodologia principale prevede:

1. Modellazione del Sistema: Il PMSM è modellato nel sistema di riferimento del rotore con un insieme di controllo finito derivato dagli stati di commutazione discreti di un inverter multilivello. La dinamica è trattata come un sistema a campionamento discreto con un numero finito di vettori di tensione.
2. Approssimazione della Funzione di Valore: Invece di risolvere direttamente l'equazione di Bellman, gli autori rilassano il problema cercando una sottostima della funzione di valore, $\hat{V}$, che soddisfi le disuguaglianze iterate di Bellman ($\hat{V} \leq T^M \hat{V}$).
3. Parametrizzazione Quadratica: La funzione di valore approssimata è parametrizzata come una forma quadratica ($\hat{V}(\xi) = \xi^\top P \xi + 2q^\top \xi + r$) indipendente dall'angolo del rotore. Questa scelta è motivata dal fatto che l'angolo del rotore è una variabile non controllata.
4. Formulazione LMI: La condizione che la disuguaglianza di Bellman sia soddisfatta per tutti gli stati e gli angoli del rotore viene trasformata in un sistema di LMI utilizzando la procedura S (S-procedure). Ciò trasforma il problema in un programma di ottimizzazione convessa trattabile (specificamente un programma semidefinito) che può essere risolto offline.
5. Legge di Controllo: La funzione di valore calcolata viene utilizzata online come "costo di coda" (tail cost) in una legge MPC a orizzonte uno. Ad ogni passo temporale, il controllore seleziona il vettore di tensione discreto che minimizza l'errore di inseguimento immediato più il costo futuro scontato stimato da $\hat{V}$ pre-calcolato.
6. Verifica della Stabilità: Viene sviluppato un procedimento di verifica per certificare la stabilità pratica del sistema a ciclo chiuso. Ciò comporta la dimostrazione dell'invarianza positiva di un sotto-livello $\Omega_\delta$ della funzione di valore e l'individuazione di un limite superiore sul costo medio a orizzonte infinito (ripple di corrente).

Contributi Chiave

• Sintesi Offline Efficiente: Il documento introduce un metodo per approssimare la funzione di valore tramite LMI, che è significativamente più veloce della convenzionale iterazione del valore.
• Parametrizzazione Indipendente dall'Angolo: La derivazione di condizioni basate su LMI che impongono la disuguaglianza di Bellman per tutti i valori dell'angolo di rotazione del motore utilizzando una base quadratica indipendente dall'angolo.
• Certificazione della Stabilità Pratica: Lo sviluppo di un procedimento di verifica per certificare l'invarianza positiva del sistema a ciclo chiuso e vincolare le prestazioni in regime stazionario.
• Controllo Online a Basso Carico: L'implementazione di una legge di commutazione computazionalmente efficiente che richiede solo l'evaluazione di una funzione quadratica su un insieme finito, evitando l'oneroso carico di ottimizzazione online tipico della Finite-Control-Set MPC (FCS-MPC).

Risultati
Le simulazioni sono state condotte su un modello di PMSM destinato ad applicazioni per veicoli elettrici, confrontando il metodo LMI-ADP proposto con un controllore PI con Space Vector Modulation (PI-SVM) e con FCS-MPC.

• Prestazioni: L'approccio proposto ottiene un compromesso favorevole tra Distorsione Armonica Totale (THD) e numero di commutazioni. Le prestazioni sono comparabili a quelle di FCS-MPC (che tipicamente utilizza orizzonti di predizione più lunghi) ma superano significativamente PI-SVM in termini di riduzione del ripple per un dato sforzo di commutazione.
• Costo Computazionale:
  • Offline: La sintesi basata su LMI è di ordini di grandezza più veloce dell'iterazione del valore. Per un inverter a due livelli, il metodo LMI ha impiegato circa 4 secondi rispetto ai circa 55 minuti della iterazione del valore.
  • Online: Il carico computazionale online per il controllore LMI-ADP è di circa 0,36 ms (in MATLAB), che è significativamente inferiore a FCS-MPC (13,4 ms) e solo leggermente superiore a PI-SVM (5,5 µs). Gli autori osservano che le implementazioni embedded potrebbero ridurre ulteriormente il tempo di LMI-ADP al livello dei microsecondi.
• Scalabilità: Il metodo scala su inverter multilivello (fino a 5 livelli), con tempi di calcolo offline che rimangono gestibili (ad esempio, ~30 secondi per un inverter a 5 livelli).

Significatività e Rivendicazioni
Il documento afferma che l'approccio basato su LMI proposto offre un "compromesso favorevole" tra sforzo di commutazione e ripple di corrente, raggiungendo prestazioni comparabili a FCS-MPC ma con un "carico computazionale significativamente inferiore". La principale significatività risiede nella capacità di valutare rapidamente le configurazioni di sistema e i parametri di progettazione (come i livelli dell'inverter) calcolando efficientemente la funzione di valore offline. Ciò facilita la co-progettazione di hardware e politiche di controllo per i moderni veicoli elettrici.

Gli autori rimangono modesti riguardo ai limiti del loro lavoro. Essi riconoscono che le funzioni di base quadratiche risultano in un'approssimazione "lontana dall'essere stretta" (far from tight) rispetto alla verità fondamentale ottenuta tramite iterazione del valore, limitando l'espressività della funzione di valore. Di conseguenza, il metodo è sviluppato sulla base di un modello nominale, e la robustezza alle variazioni dei parametri e la validazione sperimentale sono identificate come direzioni necessarie per ricerche future. Il documento non rivendica di aver risolto il problema del controllo ottimale generale per tutti i sistemi commutati, ma mira specificamente alla caratterizzazione efficiente dei limiti di prestazione per i PMSM con set di controllo finito.