• 대한전기학회
Mobile QR Code QR CODE : The Transactions of the Korean Institute of Electrical Engineers
  • COPE
  • kcse
  • 한국과학기술단체총연합회
  • 한국학술지인용색인
  • Scopus
  • crossref
  • orcid

  1. (Dept. of Electrical Engineering, Jeonbuk National University, Korea)



Temperature, Stator resistance, Estimation, Flux linkage observer, Phase compensation, PMSM

1. 서 론

영구자석 동기전동기 (Permanent Magnet Synchronous Motor, PMSM)는 자동차 및 기계산업 등 다양한 응용 분야에서 사용되며 고효율 및 고출력 성능 그리고 적은 유지 보수의 장점을 가지고 있다. 그러나 PMSM은 운전 시 다양한 이유로 기계 손실, 철 손실 및 구리 손실이 발생한다 [1]. 이러한 손실은 모터의 열원 역할을 함으로써 모터 내부의 급격한 온도 상승을 유발하며 모터 구동에 부정적인 영향을 미친다 [1]. 예를 들어, 모터 온도가 급격하게 상승한 상태로 구동할 때 모터의 수명은 정상 작동 시에 비해 최대 60% 감소할 수 있다 [2]. 또한, 모터 온도가 상승하면 영구자석 쇄교자속의 감소로 모터의 최대 토크가 감소하고 운전 효율이 감소한다 [1]. 따라서 모터 온도를 실시간으로 측정하여 과도한 온도 상승을 방지해야 한다. 그러나 센서를 통해 모터 내부의 권선 온도를 실시간으로 측정하는 것은 어려움이 있다. 모터 온도를 예측하는 대안 중 하나는 고정자 저항값을 사용하여 예측할 수 있다. 저항과 온도 간의 관계는 비례 관계이며, 이를 식 (1)에서 확인할 수 있다 [3]. 따라서 초기 저항($R_{0}$), 초기 온도($T_{0}$), 실시간 저항($R$) 및 저항 온도 계수($\alpha$)를 식에 대입하여 실시간 온도($T$) 값을 예측할 수 있다.

(1)
$R=R_{0}[1+\alpha(T-T_{0})]$

고정자 저항은 다양한 방법을 사용하여 실시간으로 추정될 수 있다. Multiple Adaptive Regression Splines (MARS) 방법은 다양한 모델을 사용하므로 모델 불확실성이나 변동이 큰 경우에도 정확하게 추정될 수 있다. 그리고 실시간으로 모델이 업데이트되면서 변화하는 환경에서도 빠르게 대응할 수 있다. 그러나 알고리즘의 구현이 어렵고 복잡하여 상당한 계산의 부담을 초래하며, 적응 메커니즘의 이득을 적절히 설정하기 어렵다 [4-6]. DC injection 방법은 실시간 모니터링과 정확한 추정이 가능하다 [7-8]. 그러나 토크와 속도에서 교란과 리플이 발생할 수 있다 [9-10]. 신경망 방법을 통하여 상대적으로 정확한 추정이 가능하지만, 교육에 상당한 양의 데이터가 필요하며 초기 학습에 오랜 시간이 소요되는 단점이 있다 [4]. 마지막으로 매개변수 추정을 위한 방정식 기반 방법은 추정 과정이 간단하고 대량의 데이터가 필요하지 않다. 하지만 단점은 방정식에 포함된 다른 변수들(영구자석 쇄교자속, 인덕턴스)의 변화에 영향을 받으며 정확한 수학적 모델링 및 방정식이 필요하다 [11].

본 논문에서는 고정자 저항을 실시간으로 추정하기 위해 상당한 양의 데이터가 필요하지 않고 모터 운전에 영향을 미치지 않는 매개변수 추정을 위한 방정식에 기반한 추정 방법이 사용된다. 그리고 고정자 저항 추정 정확성을 높이기 위해 저항 추정에 반영되는 다른 변수인 인덕턴스는 변화율이 적은 $L_{d}$가 포함된 $q$축 전압 방정식을 사용하며, 영구자석 쇄교자속은 실시간 변화를 반영함으로써 방정식을 기반으로 하는 추정 방법의 단점을 보완한다. 영구자석 쇄교자속은 고정자 쇄교자속 관측기를 사용하여 실시간으로 추정된다.

본 논문에서는 PMSM의 권선 온도를 고정자 저항값을 사용하여 예측한다. 정확한 고정자 저항값을 추정하기 위해 영구자석 쇄교자속의 변화를 반영하는 저항 추정 알고리즘이 제안된다.

2. 제안한 고정자 저항 추정 알고리즘

2.1 고정자 쇄교자속 관측기 및 영구자석 쇄교자속 추정기

본 논문에서 사용된 고정자 쇄교자속 관측기는 그림 1에 나타난 것처럼 식 (2)-(3)을 기반으로 전류 모델과 식 (4)-(5)를 기반으로 전압 모델로 구성되어 있다. 영구자석 쇄교자속의 추정기는 식 (2)를 기반으로 하며 고정자 쇄교자속 관측기에서 추정한 $d$축 쇄교자속을 사용해 영구자석 쇄교자속을 추정하도록 설계된다.

(2)
$\hat{\lambda}_{di}^{r}=L_{d}i_{d}^{r}+\lambda_{pm}$
(3)
$\hat{\lambda}_{qi}^{r}=L_{q}i_{q}^{r}$
(4)
$\hat{\lambda}_{dv}^{s}=(V_{d}^{s}-R_{s}i_{d}^{s})\dfrac{1}{s}$
(5)
$\hat{\lambda}_{qv}^{s}=(V_{q}^{s}-R_{s}i_{q}^{s})\dfrac{1}{s}$

그림 1. 고정자 쇄교자속 관측기 및 영구자석 쇄교자속 추정기의 블록 다이어그램

Fig. 1. A block diagram of stator flux linkage observer and a PM flux linkage estimator

../../Resources/kiee/KIEE.2024.73.3.552/fig1.png

고정자 쇄교자속 관측기는 전류 모델 및 전압 모델을 사용하여 PMSM의 쇄교자속을 추정하며 전류모델기반 관측기와 전압모델기반 관측기 사이에 위치한 제어기의 대역폭에 따라 쇄교자속추정모델이 결정된다. 따라서 제어기의 대역폭보다 저속일 때에는 전류 모델이 고속일 때에는 전압 모델이 추정 모델로 결정된다.

2.2 고정자 쇄교자속 관측기의 전류 및 전압 모델 간의 위상 차이 보상 알고리즘

고정자 쇄교자속 관측기의 전압 모델의 경우, 쇄교자속의 ($k$) 및 ($k-1$) 지점에서 샘플링된 값에 대한 평균값을 통하여 얻어진다. 결론적으로, 전압모델은 ($k-1/2$)에 해당하는 값을 출력하며, 전류모델은 ($k$)에 해당하는 값을 출력한다. 따라서 전류 모델과 전압 모델은 $1/2$ 스텝만큼 차이가 발생한다. 이는 전류 모델기반과 전압 모델기반으로 추정된 쇄교자속 간의 위상 차이로 나타나며, 영구자석 쇄교자속의 추정 오차로 이어진다. 따라서 전류 모델과 전압 모델을 사용하여 추정된 쇄교자속 간의 위상 차이 보상을 통해 쇄교자속을 더 정확하게 추정할 수 있다.

샘플 시간은 $T_{s}[\sec]$이며 구동 모터의 전기 속도는 $f_{oper}[Hz]$로 정의한다. $1/2$ 스텝 차이가 발생하므로 전류 모델기반과 전압 모델기반으로 추정된 쇄교자속 사이의 지연 시간은 $T_{s}/2[\sec]$이다. 위상 차이로 인해 보상 해야할 위상각을 계산하기 위한 방법은 $T_{s}/2[\sec]$의 시간에 해당하는 지연된 각도가 속도에 따라 다르므로 속도와 지연된 각도의 관계성을 통해 이득을 구한다. 속도와 지연된 각도는 비례적으로 변하므로 속도에 따른 지연 각도를 계산하기 위한 이득은 식 (8)과 같이 속도에 대한 함수로 유도할 수 있다.

(6)
$f_{oper}[Hz]=\dfrac{1}{T_{oper}[\sec]}$
(7)
$\theta_{de lay}[rad]=\dfrac{T_{s}[\sec]\bullet 360^{\circ}}{2\bullet T_{oper}[\sec]}\times\dfrac{2\pi}{360^{\circ}}$
(8)
$K_{compen}=\dfrac{\theta_{de lay}[rad]}{f_{oper}[Hz]}=T_{s}[\sec]\bullet\pi$

위상 차이 보상 알고리즘을 통해 최종적으로 출력되는 위상각에 대한 방정식은 기존의 $\theta[rad]$에 식 (7)에서 구한 지연되는 위상만큼 제거하는 방식이며 식 (9)처럼 나타낼 수 있다. 그림 2는 식 (9)를 기반으로 한 블록 다이어그램을 보여준다. 식 (9)를 통해 최종적으로 출력된 위상각은 고정자 쇄교자속 관측기의 좌표 변환에 반영된다.

(9)
$\theta[rad]-\theta_{de lay}[rad]=\theta[rad]-K_{compen}\bullet f_{oper}[Hz]$

그림 2. 위상 차이 보상 알고리즘 블록 다이어그램

Fig. 2. A block diagram of the proposed phase compensation algorithm

../../Resources/kiee/KIEE.2024.73.3.552/fig2.png

그림 3은 위상 차이 보상 알고리즘을 적용한 경우의 위상각 $\theta -\theta_{de lay}[rad]$와 그렇지 않은 경우의 위상각 $\theta[rad]$을 나타내는 그래프를 보여준다. 그림 3에 보이는 바와 같이 제안하는 위상 보상 알고리즘이 반영된 경우와 반영되지 않은 경우의 간에는 샘플링 시간의 $1/2$ 만큼 위상 차이가 발생하는 것을 확인할 수 있다.

그림 3. 위상 차이 보상 알고리즘을 사용한 경우와 사용하지 않는 경우의 위상각

Fig. 3. Estimation rotor position (theta) with and without phase difference compensation algorithm

../../Resources/kiee/KIEE.2024.73.3.552/fig3.png

2.3 고정자 저항 추정 알고리즘

고정자 저항 추정 알고리즘은 PMSM의 전압 방정식을 기반으로 하며, $q$축 전압 방정식을 저항에 대해 정리하여 식 (10)과 같이 나타낼 수 있다. 식 (10)에서 볼 수 있듯이 고정자 저항을 추정할 때 영향을 주는 다른 매개변수는 영구자석 쇄교자속과 인덕턴스가 있다. 따라서 2.1장에서 제안한 알고리즘을 통해 영구자석 쇄교자속의 실시간 추정값을 반영하며 인덕턴스는 $q$축 전압 방정식 사용하여 추정한다. 정리된 식 (10)을 블록 다이어그램으로 나타내면 그림 4와 같다.

(10)
$\hat{R}_{s}=\dfrac{v_{q}^{r}-\omega_{r}(L_{d}i_{d}^{r}+\hat{\lambda}_{pm})}{i_{q}^{r}}$

그림 4. 고정자 저항 추정 알고리즘 블록 다이어그램

Fig. 4. A block diagram of the proposed stator resistance estimation algorithm

../../Resources/kiee/KIEE.2024.73.3.552/fig4.png

2.1장에서 설명한 식(10)을 포함하는 고정자 쇄교자속 관측기를 통해 영구자석 쇄교자속을 추정한다. 추정된 영구자석 쇄교자속은 고정자 저항 추정기에 반영되어 실시간으로 저항값을 추정한다. 추정된 저항은 다시 고정자 쇄교자속 관측기에 반영되어 영구자석 쇄교자속 값을 추정하며 이 과정은 반복된다. 고정자 저항을 추정할 때 PMSM의 $d$축 전압 방정식을 사용하지 않는 이유는 [7]에 따르면 일반적으로 전류 변화에 따른 $L_{d}$의 변화율이 $L_{q}$의 변화율보다 작기 때문이다. 따라서 변화율이 작은 $L_{d}$을 포함하는 $q$축 전압 방정식을 사용함으로써 저항 추정에 반영되는 다른 변수인 인덕턴스를 고려하여 매개변수 추정을 위한 방정식을 기반으로 하는 추정 방법을 보완하며 고정자 저항 추정 정확도를 향상할 수 있다.

그림 5. 전류 증가에 따른 $L_{d}$와 $L_{q}$의 변화 [7]

Fig. 5. Change in $L_{d}$ and $L_{q}$ as current increases [7]

../../Resources/kiee/KIEE.2024.73.3.552/fig5.png

본 논문에서 제안된 알고리즘의 전제 시스템에 대한 블록 다이어그램은 그림 6처럼 나타난다. 위상 차이 보상을 고려한 고정자 쇄교자속 관측기 및 영구자석 쇄교자속의 추정기를 통해 영구자석 쇄교자속 값이 실시간으로 추정된다. 추정된 영구자석 쇄교자속 값은 이후 고정자 저항 추정기에 반영되어 고정자 저항을 추정한다. 추정된 실시간 고정자 저항값을 사용해 (1)의 식에 적용하여 PMSM의 권선 온도를 예측한다. 이때 위상 보상이 고려된 위상각은 쇄교자속 관측기의 좌표변화에 반영되며, 위상 보상을 고려하지 않는 기존의 위상각은 속도 제어 및 전류 제어시스템의 좌표 변환에 반영되어 모터 운전에 영향을 미치지 않도록 한다.

그림 6. 제안한 고정자 저항 추정기가 포함된 PMSM 속도 제어 알고리즘 블록 다이어그램

Fig. 6. A block diagram of the proposed PMSM speed control algorithm applying the proposed stator resistance estimator

../../Resources/kiee/KIEE.2024.73.3.552/fig6.png

3. 시뮬레이션 결과

3.1 고정자 쇄교자속 관측기 및 영구자석 쇄교자속 추정기의 위상 보상 알고리즘 시뮬레이션 결과

본 장에서는 Matlab/Simulink를 사용하여 2장에서 제안한 알고리즘에 대한 시뮬레이션 모델을 구현하고 검증하였다.

그림 7에서는 영구자석 쇄교자속이 변화하지 않는 조건에서 시뮬레이션 결과이다. 그림 7의 (a)는 위상 보상 알고리즘이 반영되지 않은 상태의 전류 모델 및 전압 모델의 쇄교자속의 정지 좌표계를 보여준다. 그림 7 (a)에서 볼 수 있듯이 전류 모델은 전압 모델보다 앞서 있으며, $1/2$ 스텝만큼 즉, $T_{s}/2[\sec]$만큼 차이가 발생하는 것을 확인할 수 있다. 하지만 위상 보상 알고리즘이 적용된 경우는 그림 7 (b)에 보이는 바와 같이 전류 모델과 전압 모델 간에 위상 차이가 없음을 확인할 수 있다. 정지 좌표계에서의 위상 차이는 동기 좌표계의 실제값과 추정값 사이의 오차를 유발하며 속도가 증가할수록 $\theta_{de lay}[rad]$가 커지기 때문에 속도와 비례하여 영구자석 쇄교자속의 오차를 발생한다.

그림 7. 쇄교자속 관측기의 전류 모델과 전압 모델의 $\hat{\lambda}_{dq}^{s}$ 시뮬레이션 결과 (a) 위상 보상 미반영 (b) 위상 보상 반영

Fig. 7. $\hat{\lambda}_{dq}^{s}$ simulation result of current model and voltage modle in flux linkage observer (a) without phase compensation (b) with phase compensation

../../Resources/kiee/KIEE.2024.73.3.552/fig7.png

그림 8은 모터의 온도 상승으로 인해 영구자석 쇄교자속의 값이 감소하는 조건에서 쇄교자속 간의 위상 오차 보상 알고리즘이 적용된 경우와 적용되지 않았을 경우의 영구자석 쇄교자속 추정 시뮬레이션 결과를 보여준다. 그림 8 (a)는 위상 보상 알고리즘이 반영되지 않아 영구자석 쇄교자속의 실제값과 추정값 간의 위상 차이로 인한 값만큼 추정 오차가 발생하는 것을 확인할 수 있다. 그러나 그림 8의 (b)는 경우 위상 보상 알고리즘을 통해 위상 차이로 인한 오차가 발생하지 않는다. 따라서 위상 보상 알고리즘을 반영함으로써 영구자석 쇄교자속의 변화에도 정확하게 추정할 수 있다. 그리고 더 정확한 영구자석 쇄교자속 추정 결과가 고정자 저항 추정 알고리즘에 반영되므로 고정자 저항의 정확한 추정이 가능해짐을 시뮬레이션 결과를 통하여 예측할 수 있다.

그림 8. $\lambda_{pm}$의 실제값과 추정값의 시뮬레이션 결과 (a) 위상 보상 미반영 (b) 위상 보상 반영

Fig. 8. Simulation result of actual and estimation of $\lambda_{pm}$ (a) without phase compensation (b) with phase compensation( $\lambda_{pm}=\lambda_{pm-i nt}*0.8$ )

../../Resources/kiee/KIEE.2024.73.3.552/fig8.png

3.2 제안된 알고리즘을 사용한 고정자 저항과 온도 추정 결과

본 논문에서 제안한 고정자 저항 및 온도 추정 기법에 대한 시뮬레이션 모델을 구현 후 검증하였다.

그림 9는 PMSM의 온도 상승으로 인하여 영구자석 쇄교자속이 초기값의 0.8 [p.u]로 감소하고 고정자 저항이 초기값의 1.2 [p.u]로 증가한 경우에 대해 모의한 시뮬레이션 결과를 보여준다. 시뮬레이션 결과를 통하여 볼 수 있듯이, 제안한 알고리즘을 통하여 실제 영구자석 쇄교자속과 권선 저항값이 변화하더라도 실제 값과 유사하게 추정됨을 확인할 수 있다.

그림 9. $\lambda_{pm}$과 $R_{s}$의 시뮬레이션 추정 결과

Fig. 9. Simulation estimation results of $\lambda_{pm}$ and $R_{s}$

../../Resources/kiee/KIEE.2024.73.3.552/fig9.png

그림 10은 모터 구동으로 인해 온도 상승이 발생하고 영구자석 쇄교자속의 실시간 값이 초기에 비해 0.9[p.u]로 감소하고 고정자 저항은 $[A]$~$[E]$의 조건에 맞게 증가하며 정격속도는 조건에 상관없이 일정하다고 가정한다. 그림 10은 위의 조건에서 $\lambda_{pm-i nt}$ 또는 $\hat{\lambda}_{pm}$을 고정자 저항 추정에 반영했을 경우 고정자 저항 추정 결과 오차율을 나타낸다. 논문에서 제안하는 고정자 저항 추정 방식은 매개변수 추정을 위한 방정식을 기반하는 추정 방법이므로 실제 값과 다른 영구자석 쇄교자속의 초기값을 대입하면 영구자석 쇄교자속의 초기값과 실제값의 차이가 반영되어 고정자 저항 추정에 오차가 발생하게 된다. 따라서 그림 10에서 볼 수 있듯이 초기값을 반영했을 때보다 추정값을 반영했을 때 저항이 정확하게 추정되는 것을 확인할 수 있다.

그림 10. $\lambda_{pm-i nt}$ 또는 $\hat{\lambda}_{pm}$을 반영했을 때 고정자 저항 추정 오차율

Fig. 10. Stator resistance estimation error rate when reflecting $\lambda_{pm-i nt}$ or $\hat{\lambda}_{pm}$ ($\lambda_{pm}=\lambda_{pm-i nt}*0.9$, $R_{s-i nt}=6.02$, $[A]R_{s}=6.5 ohm$, $[B]R_{s}=7 ohm$, $[C]R_{s}=7.5 ohm$, $[D]R_{s}=8 ohm$, $[E]R_{s}=8.5 ohm$ )

../../Resources/kiee/KIEE.2024.73.3.552/fig10.png

그림 11의 (a)는 그림 10에서 영구자석 쇄교자속의 추정값이 고정자 저항 추정식에 반영하는 경우의 추정 저항값과 실제 저항값을 나타낸다. 그림 11의 (b)에서는 (a)의 값인 실제 고정자 저항값과 추정 저항값을 주어진 시뮬레이션 조건에서 식(1)에 대입해 계산된다. 그림 11의 (b)는 실제 저항이 대입되어 계산된 PMSM의 권선 실제 온도와 추정 저항이 대입되어 계산된 PMSM의 권선 추정 온도를 보여준다. 고정자 저항 추정과 비교했을 때 권선 온도 추정은 상대적으로 오차율이 크게 발생하는 것을 확인할 수 있지만, 기존의 영구자석 쇄교자속의 초기값이 반영되어 온도를 예측했을 때보다 제안한 알고리즘을 통해 권선 온도를 예측했을 때 정확도가 향상했다. 따라서 (b)를 통해 모터 온도가 상승하는 추세 및 온도가 유사하게 예측되고 추정 정확성이 향상된 것을 확인할 수 있다.

그림 11. 시뮬레이션을 통한 고정자 저항과 온도 추정 결과 (a) 고정자 저항 실제값과 추정값 (b) 모터 온도의 실제 값과 추정값

Fig. 11. Stator resistance and temperature estimation results through simulation (a) actual and estimated of stator resistance (b) actual and estimated of motor temperature ($R_{0}=6.02 ohm$, $T_{0}=25^{\circ}{C}$, $\alpha =3.9\times 10^{-3}$)

../../Resources/kiee/KIEE.2024.73.3.552/fig11.png

4. 결 론

모터의 온도 상승으로 인해 모터 수명과 효율 및 동적 특성과 같은 운전 성능에 영향을 줄 수 있다. 따라서 PMSM의 권선 온도를 실시간으로 측정하여 모터의 과도한 온도 상승을 방지할 수 있다. 하지만 모터의 권선 온도를 직접적으로 측정하는 것은 어려움이 있으므로 논문에서는 PMSM의 권선 온도를 고정자 저항과 온도 간의 비례 관계를 통해 예측한다.

PMSM의 권선 온도 예측 결과는 시뮬레이션을 통한 실시간 고정자 저항 추정 결과를 반영하여 제시된다. 고정자 저항 추정 정확도를 높이기 위해 고정자 쇄교자속 관측기 및 영구자석 쇄교자속 추정기를 통해 출력한 추정값을 고정자 저항 추정기에 반영하는 알고리즘이 제안된다. 이때, 쇄교자속 관측기는 전류모델기반과 전압모델기반의 위상 차이가 발생하므로 위상을 보상하고 영구자석 쇄교자속의 정확도를 향상시키는 알고리즘을 제안하였다.

본 논문에서는 모터의 권선 온도 상승으로 인해 영구자석 쇄교자속이 감소하고 고정자 저항이 증가하는 조건에서 제안된 알고리즘이 적용되었을 때 기존의 영구자석의 변화를 고려하지 않았을 때보다 고정자 추정 오차율이 감소하는 것을 확인할 수 있으며, 결론적으로 시뮬레이션을 통해 추정된 고정자 저항과 PMSM의 권선 온도가 유사하게 추정되는 것을 검증하였다.

Acknowledgements

This research was supported by the National Research Foundation of Korea (NRF) grant funded by the Korea government (MSIT) (No. 2020R1C1C1013260).

References

1 
Younghoon Jung and Jung Pyo Hong, “Effect of Magnetic Material on Electric Motors,” Journal of the Korean Magnetics Society, vol. 28, no. 4, 2018.DOI
2 
Jaegyeong Mun, Yejin Kwak, and Dong Hun Kim, “LifeTime Estimation of an Interior Permanent Magnet Synchronous Motor for an Operating Temerpature Utilizing a Torque Damage Equation,” Journal of the Korean Magnetics Society, vol. 32, no. 1, pp. 22-26, 2022.DOI
3 
Paul Peter Urone and Roger Hinrichs, “College Physics,” 15.3 Resistance and Resistivity, 2013.DOI
4 
Sangjin Hwang, and Dongmyung Lee, “Stator Resistance Estimation of Permanent Magnet Synchronous Motor by using Kalman Filter,” The Transactions of the Korean Institute of Power Electronics, vol. 24, no. 2, pp. 92-98, 2019.DOI
5 
Zineb Kandoussi, Zakaria Boulghasoul, Abdelhadi Elbacha, and Abdelouahed Tajer, “Sensorless Control of Induction Motor Drives Using an Improved MARS Observer,” Journal of Electrical Engineering and Technology, vol. 12, no. 4, pp. 1456-1470, 2017.DOI
6 
Han Li, Wen Xuhui, and Chen Guilan, “New General MRAS Adaptive Scheme to Estimate Stator and Rotor Resistance of Induction Motors,” Conference Record of the 2006 IEEE Industry Applications Conference Forty-First IAS Annual Meeting, pp. 1775-1780, 2006.DOI
7 
Peter R. Matic, Marko A. Gecic, Djordje M Lekic, and Darko P. Marcetic, “Thermal Protection of Vector-Controlled IM Drive Based on DC Current Injection,” IEEE Transactions on Industrial Electronics, vol. 62, no. 4, pp. 2082-2089, 2015.DOI
8 
Joohyun Lee, Jiwon Yoo, and Seung-Ki Sul, “Stator Resistance Estimation using DC injection Robust to Inverter Nonlinearity in Induction Motor,” 2020 IEEE Energy Conversion Congress and Exposition(ECCE), pp. 2425-2430, 2020.DOI
9 
Nathan Esantsi, Ankit Bhatia, and Aaron Johnson, “Stator Temperature Estimation in Permanet Magnet Synchronous Motors for Low Speed direct-drive Systems,” Proceedings of RSS 20 Workshop on “Reacting to Contanct”, 2020.DOI
10 
Giovanni Zanuso, Luca Peretti, and Paul Sandulescu, “Stator reference frame approach for DC injection-based stator resistance estiamtion in electric drives,” 2015 IEEE 11th International Conference on Power Electronics and Drive System(PEDS), pp. 867-872, 2015.DOI
11 
Hyunbae Kim, J. Hartwig and R.D. Lorenz, “Using on-line parameter estimation to improve efficiency of IPM machine drives,” 2002 IEEE 33rd Annual IEEE Power Electronics specialists Conference(PESC), pp. 815-820, 2002.DOI
12 
Sungmin Choi, Woongkul Lee, Areum Kang, Seunghun Baek, and Jae Suk Lee, ”Accuracy improvement of maximum torque per ampere control for interior permanent magnet synchronous motor drives reflecting PM flux linkage variations,” Journal of Power Electronics, vol. 23, issue. 11, pp. 1678-1687, 2023.DOI

저자소개

강아름(Areum Kang)
../../Resources/kiee/KIEE.2024.73.3.552/au1.png

received her B.S. degree in electrical engineering from Jeonbuk National University, Jeonju, Korea, in 2022, where she is presently working toward her M.S. degree. Her current research interests include motor control algorithms for preventing overheating using real-time stator resistance estimation.

이재석(Jaesuk Lee)
../../Resources/kiee/KIEE.2024.73.3.552/au2.png

received his B.S. degree in electrical and computer engineering from both Inha University, Inchon, Korea and the Illinois Institute of Technology, Chicago, IL, USA, in 2006; and his M.S. and Ph.D. degrees in electrical and computer engineering from the University of Wisconsin–Madison, Madison, WI, USA, in 2009 and 2013, respectively. Since 2017, he has been with Jeonbuk National University, Jeonju, Korea. Before joining Jeonbuk National University, he was with Kyungnam University, Changwon, Korea and GE Global Research, Niskayuna, NY, USA, where he developed control algorithms for AC motor drives. His current research interests include the design and implementation of discrete-time control algorithms for electric motor drives and power converters.