CONGRESO ANUAL DE LA AMCA 2004

Control de un Motor Síncrono de Imanes Permanentes Mediante Modos

Deslizantes y un Observador Neuronal

Rubén Tapia O. Omar Aguilar M. Juan M. Ramírez

Centro de Investigación y de Estudios Avanzados del IPN - Unidad Guadalajara
Prol. López Mateos Sur 590, C.P. 45090
Guadalajara, Jalisco, México.
rtapia[oaguilar][jramirez]@gdl.cinvestav.mx

Resumen velocidad de un MSIP, en base mediciones de posición y

velocidad.
Las aplicaciones de los motores síncronos de imanes
permanentes (MSIP) alimentados por inversores se han La identificación de parámetros de sistemas se usa
incrementando, especialmente para el control de la extensamente en relación al diseño del control de los
velocidad. El MSIP se asume con un rotor isotrópico en mismos. Algunas veces la identificación del sistema se
el que las inductancias no dependen de la posición del considera como una parte integral del controlador. A
rotor. En éste trabajo se proponen dos técnicas modernas esto se le conoce como un controlador adaptable y se
para el diseño de un controlador que regula la velocidad utiliza típicamente para controlar sistemas cuyas
de un MSIP: los modos deslizantes y las redes de características dinámicas varían con el tiempo, como es
neuronas artificiales. El controlador está basado en la el caso del MSIP.
medición de la velocidad, de la posición angular, y las Se han realizado varios trabajos para el control de la
corrientes del estator. El voltaje aplicado al devanado de velocidad de un MSIP, usando modos deslizantes [1-3],
estator está determinado por una función de en este trabajo la idea principal es utilizar una RHONN
conmutación. El diseño del controlador depende de un para estimar el par de carga y la velocidad del rotor, y
observador basado en una red neuronal recurrente de evitar el uso de más sensores que hacen que la
alto orden (RHONN), con el propósito de estimar el par implementación del sistema de control sea más costosa.
de carga y la velocidad del motor. Resultados de
Por otro lado, también se han propuesto diferentes
simulación muestran un excelente desempeño del
métodos de control para mejorar el desempeño del MSIP
controlador propuesto.
en [4-7], así como diversas configuraciones del rotor y
1. Introducción geometrías de los imanes permanentes. Por ejemplo,
motores con imanes en la superficie, y motores con
Desde la introducción de los materiales magnéticos imanes en el interior se emplean en [8-9], donde los
compuestos de tierras raras, los MSIP han ganado valores de las magnitudes relativas de las inductancias
rápidamente popularidad por su alto desempeño y de eje directo y de cuadratura dependen de la
superior densidad de potencia en aplicaciones de configuración del rotor.
controladores de frecuencia variable. Esta popularidad Par de
está justificada por las ventajas que exhibe sobre los carga Tl
Generador
∗
motores convencionales. La ausencia de la excitación idq
Velocidad
externa en el rotor elimina sus pérdidas, lo que lo hace del rotor U dq wr
deseada Ley de Alta Motor Velocidad
altamente eficiente. Asimismo, no se requieren anillos w∗
r control ganancia síncrono del rotor
colectores en el rotor y escobillas, reduciendo así el
idq
mantenimiento. Los nuevos materiales magnéticos son
capaces de crear altos campos magnéticos que producen
alta densidad de potencia. En éste trabajo, se propone ∧
Observador
Tl
emplear la técnica de modos deslizantes y las redes de ∧
basado en una
wr ANN
neuronas artificiales para diseñar un regulador de la
Fig. 1. Diagrama de bloques del control propuesto.

ISBN: 970-32-2137-8 324

 CONGRESO ANUAL DE LA AMCA 2004

El sistema de control propuesto tiene una estructura de Los parámetros se asumen en unidades reales y se
lazo cerrado como muestra la Fig. 1, donde se compara definen como sigue.
una corriente deseada con la corriente real, para obtener v d , v q son los voltajes del estator en eje directo y
una dinámica deseada para la condición operativa cuadratura, respectivamente.
requerida. Cuando se desprecia el retraso dinámico por i d , Ld son la corriente e inductancia de eje directo,
el ajuste de la conmutación del inversor trifásico, la respectivamente.
retroalimentación interna fuerza a las corrientes del i q , Lq son la corriente e inductancia de eje de
estator a seguir la trayectoria deseada.
cuadratura, respectivamente.
El motor síncrono se modela como un sistema
R es la resistencia del devanado de estator.
multivariable no lineal donde las variables de control
wr es la velocidad angular mecánica del rotor.
son las dos componentes vectoriales de la corriente del
estator, y la variable controlada es la velocidad del rotor. P es el número de pares de polos.
Φ es el enlace de flujo creado por los imanes
Por lo tanto, se tienen dos variables de control y una
permanentes.
variable dependiente, por lo que hay un grado de
J es el momento de inercia del motor.
libertad disponible para mejorar el comportamiento del
Tl es el par de carga.
sistema. En este caso las variables de control se eligen
de modo de mantener el vector de las corrientes del wr∗ es la velocidad angular mecánica deseada del
estator ortogonal con el vector de los enlaces de flujo, de rotor;
manera similar a un control vectorial convencional. En f1 , f 2 , f 3 son las funciones no lineales del
ésta propuesta el diseño del controlador obliga a modelo de un MSIP.
desvanecer la corriente de eje directo ( i d =0),
simplificando el algoritmo, y evitando la El modelo (2.1) es un sistema dinámico no lineal con
desmagnetización del imán permanente. dos entradas de control: v d y v q . Si se puede lograr que
la componente de eje directo i d = 0 , resulta un
2. Diseño del control comportamiento similar al de un motor de CD con
excitación de flujo constante. En el sistema de
El modelo no lineal que describe el comportamiento
ecuaciones (2.1)-(2.5) las corrientes y voltajes con
dinámico de un MSIP puede describirse mediante la
siguiente representación de estado subíndices d y q no son medibles directamente,
dx entonces son transformadas hacia un sistema de
= f(x) + Gu (2.1) coordenadas (a-b-c) de modo de poder serlo. Para
dt
donde obtener esta transformación, se necesita conocer la
⎡ x1 ⎤ ⎡ i d ⎤ posición angular del rotor ( θ r ) o el ángulo de carga
x = ⎢⎢ x 2 ⎥⎥ = ⎢⎢ i q ⎥⎥ (2.2) ( δ ).
Para el control del MSIP se propone diseñar la función
⎢⎣ x3 ⎥⎦ ⎢⎣ wr ⎥⎦
de conmutación requerida como la diferencia entre la
corriente deseada y las corrientes reales
⎡ u1 ⎤ ⎡v d ⎤
u=⎢ ⎥=⎢ ⎥ (2.3) e d = i d∗ − i d
⎣u 2 ⎦ ⎣ v q ⎦ (2.6)
e q = i q∗ − i q
⎡1 ⎤
⎢L 0⎥
⎢ d 1⎥ donde id∗ e i q∗ es el valor deseado para las corrientes id
G=⎢ 0
Lq ⎥⎥
(2.4)
⎢ 0 y i q , respectivamente. La ley de control tiene la
⎢ 0⎥ siguiente forma
⎣ ⎦
ui = u0i sign (ei ) , i = d , q
⎡ R 1 ⎤
⎢ − x1 + P x 2 x3 ⎥ (2.7)
⎡ f 1 ( x) ⎤ ⎢ Ld L d ⎥
Φ
f(x) = ⎢⎢ f 2 ( x)⎥⎥ = ⎢⎢− P x1 x3 − x2 − P x3 ⎥⎥
1 R (2.5) donde la función signo se define mediante
Lq Lq Lq
⎢⎣ f 3 ( x)⎥⎦ ⎢ ⎥ ⎧+ 1, ei > 0
⎢ P2 Φ P Tl ⎥ sign (e i ) = ⎨ (2.8)
⎢⎣ x2 − ⎥⎦
4 J 2 J ⎩ - 1, ei < 0

ISBN: 970-32-2137-8 325

 CONGRESO ANUAL DE LA AMCA 2004

y u0 i son los valores máximos de la señal de control Derivando con respecto al tiempo
der dwr∗ dwr dwr∗ ⎛ P k t iq P Tl ⎞
para v d y v q , respectivamente. = − = −⎜ − ⎟ (2.18)
El control por modos deslizantes existe cuando se dt dt dt dt ⎜⎝ 2 J 2 J ⎟
⎠
cumple la siguiente desigualdad (e i e i < 0 ) para i=d, q.
Se designa la siguiente dinámica deseada para el error de
• ⎛ R P ⎞ 1
la velocidad como:
ed e d = ed ⎜⎜ id − wr i q ⎟⎟ − v do ed < 0 (2.9) d er
⎝ d
L L d ⎠ Ld = −c1e r (2.19)
dt
• ⎛ R P P ⎞ 1 donde c1 > 0 .
eq e q = eq ⎜ iq + wr i d + Φ wr ⎟ − v e < 0 (2.10)
⎜ Lq Lq Lq ⎟ Lq qo q
⎝ ⎠
Las desigualdades de las ecs. (2.11) y (2.12), y la ley de
donde la desviación de cada una de las superficies de control (2.7), garantizan la convergencia del sistema
conmutación y su derivada en el tiempo tienen signos sobre la superficie deslizante (2.6). Mientras esto
opuestos si [10] sucede, el movimiento deslizante es gobernado por la
ecuación de primer orden (2.19) con el eigenvalor
vdo R P
> id − wr iq (2.11) deseado c1 .
Ld Ld Ld
y Sustituyendo la ec. (2.18) en la ec. (2.19) y despejando
vqo R P P iq , asumiendo medible la velocidad y desconociendo el
> iq + wr i d + Φwr (2.12)
Lq Lq Lq Lq par de carga, la corriente deseada ( i q∗ ) se puede calcular
donde de acuerdo a la siguiente relación [10],
[sign (ei )]ei = ei (2.13)
2 ⎛ dwr∗ J c1er J ⎞ Tl
iq∗ = ⎜ + ⎟+ (2.20)
P ⎜⎝ dt k t ⎟ k
Esto se desea para poder operar en el modo deslizante,
kt ⎠
donde idealmente ei = 0 , con una frecuencia de
t

conmutación infinita. En la práctica, ésta frecuencia es En la ec. (2.20), i q∗ sólo depende del par de carga y del
alta y queda limitada por el procesador digital de coeficiente de inercia, dado que el error de la velocidad
acuerdo a la máxima frecuencia de conmutación ( e w ) y dwr∗ dt tienden a cero en un tiempo finito. Esto
permitida por los elementos semiconductores. Esta ley
de control mantiene un ciclo de amplitud relativamente indica que el controlador propuesto tiene buena robustez
bajo y funciona casi de la misma forma como un ante la variación de los parámetros de la máquina. La
controlador de histéresis [10]. corriente que se desea en el eje directo del estator es
cero, por lo tanto, el control propuesto fuerza a que esta
2.1. Cálculo de la corriente deseada corriente sea igual a cero y a que el par eléctrico sea
proporcional a la corriente de eje de cuadratura iq . Si la
El flujo magnético del MSIP se calcula a través de los componente de eje directo de la corriente de armadura
parámetros de las ecuaciones anteriores. De acuerdo con id es cero, no ocurre desmagnetización del imán
la ec. (2.5) la derivada de la velocidad del rotor es
permanente. Este método se emplea ampliamente debido
dwr P ⎛ Te − Tl ⎞
= ⎜ ⎟ (2.14) a que la reacción de la armadura se asume sólo en el eje
dt 2⎝ J ⎠ de cuadratura.
donde:
P 3. Estimación del par de carga y velocidad
Te = iq Φ = k t iq (2.15) del motor.
2

sustituyendo (2.15) en (2.14) resulta En la práctica el par de carga es desconocido. Por lo

tanto, se propone diseñar un estimador para incluirlo en
dwr P k t iq P Tl
= − (2.16) el cálculo de la corriente deseada. Se tiene disponible
dt 2 J 2 J mucha literatura en la identificación de sistemas, diseño
si se define el error como la diferencia entre la velocidad de control y control adaptable de sistemas en general,
deseada y la velocidad del rotor pero la mayoría de ésta considera modelos y
controladores descritos por ecuaciones diferenciales o de
e r = ( wr∗ − wr ) (2.17) diferencias lineales. Sin embargo, motivado por el hecho
de que la mayoría de los sistemas exhiben algún tipo de

ISBN: 970-32-2137-8 326


comportamiento no lineal, existe una tendencia hacia la
identificación de sistemas no lineales y diseño de
controladores. Una de las principales técnicas posibles
son las redes de neuronas artificiales (ANNs). Las
características de las ANNs las hacen particularmente
atractivas para su aplicación en modelar y controlar
sistemas no lineales [11-12].
El empleo de ANNs multicapa es bien conocido para la
identificación de patrones y para modelar sistemas
estáticos y dinámicos. La red se entrena para aprender
de un conjunto de datos de entrada-salida. Los trabajos
teóricos desarrollados han demostrado, que aún con una
sola capa oculta, una red puede aproximar cualquier
función continua sobre un dominio compacto,
proporcionando un número suficiente de conexiones
sinápticas. Un problema típico de identificación no
lineal consiste en seleccionar un modelo apropiado y
ajustar sus parámetros de acuerdo con alguna ley de
adaptación, de forma tal que la respuesta del modelo a
una señal de entrada aproxime la respuesta del sistema
real.
Debido a su facilidad de entrenamiento y a la calidad de
sus resultados, en éste trabajo se propone utilizar una red
neuronal recurrente de alto orden (RHONN) que toma la
siguiente forma [13-14]:
dx1
=−a1x1 + ω11x1 + ω12S(x2 ) + ω13χ1 + ω14S(x1)S(χ1)
dt
dx2
= −a2 x2 + ω 21 x2 + ω 22 x1 + ω 23 χ1 + ω 24 S ( x1 ) (3.2)
dt
donde
2 Tiempo
S ( x) = −1
1 + e− β x
β , a1 y a2 >0
x1 es la velocidad del motor estimada.
x2 es el par de carga estimado.
χ1 es la velocidad real del motor.
ω son los pesos sinápticos ajustables de la ANN, que se
calculan de la siguiente forma:
dωk
= −ek Γk−1 ρ k , k = 1,2
dt
donde
ω1 = [ω11 ω12 ω13 ω14 ]T
ω 2 = [ω 21 ω 22 ω 23 ω 24 ]T
ρ1 = [ x1 S ( x2 ) χ1 S ( x1 ) S ( χ1 )]T
ρ 2 = [ x2 x1 χ1 S ( x1 )]T
ei = xi − χ i
Γi es una matriz simétrica positiva definida.
ISBN: 970-32-2137-8
CONGRESO ANUAL DE LA AMCA 2004
En éste trabajo, el entrenamiento de la red neuronal
propuesta en (3.1) y (3.2), consistió en proponer los
términos de alto orden que conforman la red y los
valores adecuados de Γi , β , a1 y a2 , de manera tal
que los valores estimados sean lo más cercano a los
reales y que la información que se envía al controlador
sea confiable para llevar a cabo la corrección del error
de la velocidad del rotor. Es importante considerar que
los pesos sinápticos se calculan en cada paso de
integración de la simulación.
El estimador descrito por las ecs. (3.1) y (3.2) produce el
seguimiento dinámico del error del mismo. Donde la ley
adaptativa de los pesos sinápticos, ec. (3.4), asegura que
los pesos son acotados y la identificación del error (3.5)
converge a cero. La posición del rotor así como su
velocidad pueden ser medidos con diversos dispositivos
comerciales.
Velocidad
rad/ seg
(3.1)
Fig. 2. Respuesta dinámica de velocidad
(3.3) seg
4. Resultados de simulación.
El MSIP seleccionado tiene un rotor con superficie
magnética montada, tal que tiene una geometría
isotrópica donde las inductancias Ld y Lq son iguales.
Se asume trifásico, en una conexión estrella (Y), y con
los siguientes parámetros,
P = 2, Φ =0.319V - s, R =2.6Ω, J = 3.5x10−5 k g m 2
(3.4) Es posible considerar inductancias de valor diferente y
así poder conocer el desempeño del control en caso de
existir saliencia; en éste trabajo se considera
Lq = Ld = 6.06mH . Los resultados de la simulación del
controlador propuesto para el MSIP y el control de la
velocidad se muestran en la Fig. 2 y Fig. 6, en donde la
línea discontinua muestra la velocidad de referencia, y la
línea continua indica la velocidad del rotor, ante
cambios escalón tanto en el par de carga como en la
(3.5) velocidad de referencia. Para verificar la robustez del
control propuesto, en la Fig. 2 se observa la velocidad
del rotor cuando la resistencia del devanado del estator
es constante (caso 1), mientras que, en la Fig. 6 se tienen
327
 CONGRESO ANUAL DE LA AMCA 2004

los resultados tomando en cuenta que ésta resistencia

modifica su valor (caso 2) como se aprecia en la Fig. 9.

rad/ seg
Velocidad de referencia

Error
Velocidad del rotor
Velocidad
rad/ seg

Tiempo
seg

Fig. 5. Error de la velocidad de referencia con la velocidad del motor

Tiempo
seg Velocidad de referencia
Velocidad del rotor
Fig. 3. Velocidad del rotor estimado por el observador basado en
ANN.
Velocidad
rad/ seg
Par de carga
Nm

Tiempo
seg
Par de carga actual
Par de carga estimado
Fig. 6. Respuesta dinámica de velocidad al variar la resistencia del
estator.
Tiempo
seg
Fig. 4. Par de carga estimado por el observador basado en ANN.

Las velocidades wr alcanzadas por el MSIP se

encuentran en el rango de [0-90 rad/seg.]. La velocidad
Velocidad

del rotor estimada que se obtiene con la RHONN

rad/ seg

propuesta en la ec. (3.1) se puede apreciar en la Fig. 3 y

Fig. 7. Así también, el par de carga estimado mediante la
ec. (3.2) se observa en la Fig. 4 y Fig. 8, donde la línea
discontinua representa el par de carga actual, y la línea
continua el valor estimado. Es importante mencionar
que tanto la estimación de la velocidad como la del par Tiempo
seg
de carga exhiben valores muy cercanos al valor real,
presentando como consecuencia un buen desempeño del
sistema de control. Las Fig. 3 y 4 corresponden al caso 1 Fig. 7. Velocidad del rotor al variar la resistencia del devanado del
estator estimado por el observador basado en ANN.
mientras que las Fig. 7 y 8 son resultado del caso 2.
En la Fig. 5 se presenta el error entre la velocidad de
El controlador y el estimador tienen buena respuesta
referencia y la velocidad del motor para el caso 1. Éste
dinámica con las especificaciones del diseño del control
tiende a una vecindad cercana al cero después de cada
cuando J ( J = J o ). Si se presenta un ligero cambio en cambio del valor de referencia, demostrando que el
la inercia del rotor J ( J = 3J o ) la respuesta de la control propuesto tiene muy buena respuesta para un
dinámica de la velocidad presenta un pequeño cambio en el valor de referencia y del par de carga.
amortiguamiento.

ISBN: 970-32-2137-8 328

 CONGRESO ANUAL DE LA AMCA 2004

Adaptive Speed and Stator Resistence Estimator, Magnetics

Appl., vol. 36, pp 3588-3591, September 2000.
[3] Perruquetti Wilfrid and Pierre Jean, Sliding Mode Control in
Engineering, Marcel Dekker, Inc. New York, 2002.
[4] R. S. Colby y D. w. Novotny, ‘’Efficient operation of surface-
mounted PM synchronous motors" IEEE Trans. Ind. Appl., vol.
Par de carga

IA-23,pp. 1048-1054, Nov./Dic. 1987

Nm

[5] B. K. Bose, ‘’ A high-peformance inverter-fed drive system of an

interior permanent magnet synchronous machine,’’ IEEE Trans.
Ind. Appl., vol. IA-24, pp 987-997, Nov/Dic. 1998.
[6] Y. Takeda y T. Hirasa. ‘’Current phase control methods for
permanent magnet synchronous motors considering saliency.’’
Par de carga actual In IEEE Trans Electronics Specialist conf. Rec., Abr. 1988 pp.
Par de carga estimado 409-414.
[7] E. Richter, T. Miller, T. W. Neuman, y T. L Hudson, ‘’ The
Tiempo ferrite permanent ac motor-a technical and economical
seg assessment,’’ IEEE Trans .Ind. Appl., vol. IA-21, pp 644-650,
Fig. 8. Par de carga al variar la resistencia del estator estimado por el Mayo-Jun 1985.
observador basado en ANN. [8] T. Sebastian y G. R. Slemon, ‘’Operating limits of inverter-
driven permanent magnet motor drives,’’ IEEE Trans. Ind.
En la Fig. 9 se observa la variación de la resistencia del Appl., vol. IA-23, pp. 327-33, Mar./Abr.1987.
[9] Iion Boldea, S. A. Nasar, “Electric Drives”, Boca Raton,
devanado del estator en el tiempo de la simulación para Florida. CRC Press c 1999.
el caso 2. [10] O. Aguilar, “Control no lineal robusto de un motor síncrono por
modos deslizantes”, Tesis de Maestría en Ciencias, Cinvestav
unidad Guadalajara, Diciembre, 2002.
[11] K. Hunt, G. Irwin, and K. Warwick (Eds.), “Neural Networks
Engineering in Dynamic Control Systems”, Springer Verlag,
devanado del estator R

New York, U.S.A. 1995.

Resistencia del

[12] M. Nørgaard, O. Ravn, N. K. Poulsen, L. K. Hansen: “Neural

Networks for Modelling and Control of Dynamic Systems”,
Springer-Verlag, London, 2000
[13] E. Kosmatopoulus, M. M. Polycarpou, M. A. Chritodolou and P.
A. Ioannou, “High Order Neural Network Structures for
Identification of Dynamical Systems”, IEEE Transactions on
Neural Networks, vol. 6, pp. 422-431, 1995.
[14] R. A. Félix Cuadras, “Control Neuronal de Estructura
Variable”, Tesis de Doctorado en Ciencias, Cinvestav unidad
Tiempo
Guadalajara, Agosto, 2003.
seg

Fig. 9. Resistencia del devanado del estator.

5. Conclusiones
El controlador y el observador no lineal por modos
deslizantes y RHONN, respectivamente presentan un
desempeño excelente ante la variación de los parámetros
de la planta y perturbaciones del cambio del par de
carga. Asimismo presentan un buen comportamiento a
los requerimientos del cambio de velocidad de
referencia del rotor. Los resultados que se observan al
emplear las redes de neuronas artificiales para estimar el
par de carga y la velocidad del rotor en el lazo cerrado
de control del MSIP son muy precisos, mostrando
buenos resultados en la velocidad controlada.

Referencias
[1] In-Cheo Baik, Kyeong-Hwa Kim and Myung-Joong Young,
Robust Nonlinear Speed Control of PM Synchronous Motor
Using Boundary Layer Integral Sliding Mode Control
Technique, IEEE Trans.Control Systems, vol 8, pp. 47-54,
January 2000.
[2] Yoon-Seok Han, Jung-Soo Choi and Young-Seok Kim,
Sensorles PMSM Drive with a Sliding Mode Control Based

ISBN: 970-32-2137-8 329