Tổng quan về luận án

Luận án này tiên phong trong lĩnh vực điều khiển tự động hóa cho các hệ truyền động động cơ không đồng bộ sáu pha (SPIM), một lĩnh vực đang nhận được sự quan tâm lớn do ưu điểm vượt trội của SPIM so với động cơ ba pha truyền thống [1-2]. Bối cảnh khoa học của nghiên cứu được đặt trong nhu cầu cấp thiết về cải thiện hiệu suất, độ tin cậy và khả năng chịu lỗi của các hệ truyền động điện công suất lớn, đặc biệt trong các ứng dụng như xe điện, hàng không vũ trụ, quân sự và hạt nhân [7-9].

Research gap SPECIFIC với citations từ literature: Nghiên cứu hiện tại về hệ truyền động SPIM phải đối mặt với nhiều thách thức đáng kể. Thứ nhất, các vấn đề điều khiển như tính phi tuyến của SPIM, thông số không chắc chắn (ví dụ, điện trở stator Rs), và nhiễu tải vẫn là những rào cản lớn, thậm chí phức tạp hơn do sự gia tăng số pha [Tóm tắt]. Mặc dù đã có nhiều kỹ thuật điều khiển phi tuyến và thông minh được đề xuất (như điều khiển tuyến tính hóa hồi tiếp [35-36], điều khiển mô hình trượt [37-39], điều khiển Backstepping [40-42]), chúng thường hoạt động độc lập và chưa khắc phục triệt để các hạn chế về thời gian đáp ứng, sai số tốc độ cao, hoạt động không ổn định ở vùng tốc độ thấp, dao động mô men, và tính bền vững trước thay đổi tham số [Tóm tắt, Chương 3.1]. Cụ thể, "việc đòi hỏi một hệ thống điều khiển ổn định, bền vững, luôn duy trì hiệu quả điều khiển mong muốn vẫn là một thách thức lớn" [Mở đầu]. Thứ hai, trong điều khiển không cảm biến tốc độ, các bộ quan sát trạng thái hiện có, đặc biệt là các bộ dựa trên MRAS, hoạt động kém hiệu quả ở dải tốc độ thấp và tốc độ bằng không [Mở đầu, Tóm tắt]. Vấn đề này liên quan đến "độ nhạy thông số máy điện (đặc biệt là điện trở stator), sai số và nhiễu đo lường khi đo dòng và điện áp stator, các vấn đề tích phân thuần túy" [Tóm tắt]. Các nghiên cứu trước đó sử dụng mạng nơ ron (NN) cho MRAS (ví dụ [58], [129]) thường gặp phải nhược điểm của thuật toán huấn luyện phi tuyến BPN (cực tiểu cục bộ, vấn đề hội tụ) và hoạt động ở chế độ mô phỏng làm chậm thời gian hội tụ [Chương 4.1]. Thứ ba, các phương pháp điều chế độ rộng xung (PWM) truyền thống cho biến tần nguồn áp sáu pha (SPVSI) gây ra xung điện áp common mode (CMV) cao, dẫn đến nhiễu điện từ (EMI), ăn mòn ổ bi động cơ, và giảm độ tin cậy của hệ thống, đặc biệt khi điện thế nguồn một chiều lớn [29-31, Mở đầu]. Các giải pháp phần cứng để giảm CMV thường tốn kém và làm giảm độ tin cậy [32-33]. Luận án này giải quyết trực tiếp ba khoảng trống nghiên cứu cốt lõi này bằng cách đề xuất các giải pháp tích hợp và cải tiến.

Research questions và hypotheses: Luận án này đặt ra các câu hỏi nghiên cứu và giả thuyết chính sau:

  1. RQ1: Làm thế nào để thiết kế một cấu trúc điều khiển phi tuyến cho hệ truyền động SPIM nhằm nâng cao chất lượng điều khiển tổng thể, bao gồm khả năng bám đuổi theo tín hiệu đặt, độ ổn định và tính bền vững trước sự không chắc chắn của thông số và nhiễu tải?
    • H1: Một cấu trúc điều khiển kết hợp giữa Backstepping (BS) cho vòng tốc độ/từ thông ngoài và Port-Controlled Hamiltonian (PCH) cho vòng dòng điện trong, bổ sung thành phần tích phân sai số theo dõi, sẽ cải thiện đáng kể chất lượng điều khiển so với các phương pháp truyền thống và độc lập.
  2. RQ2: Làm thế nào để phát triển một bộ quan sát tốc độ và từ thông rotor không cảm biến hiệu quả, đặc biệt ở vùng tốc độ thấp và bằng không, giải quyết các vấn đề về độ nhạy thông số, tích phân thuần túy và nhiễu đo lường?
    • H2: Bộ quan sát tốc độ thích nghi dựa trên mô hình tham chiếu dòng stator (SC_MRAS) sử dụng mạng nơ ron tuyến tính Adaline huấn luyện bằng thuật toán LS trong chế độ dự báo, kết hợp với bộ nhận dạng từ thông rotor dựa trên mô hình trượt (SM) và ước lượng điện trở stator online, sẽ cung cấp ước lượng chính xác và ổn định ở dải tốc độ thấp và gần bằng không.
  3. RQ3: Làm thế nào để thiết kế một kỹ thuật điều chế độ rộng xung (PWM) giảm điện áp common mode (CMV) hiệu quả kinh tế và dễ thực hiện cho SPVSI, mà không làm tăng độ phức tạp của hệ thống?
    • H3: Một kỹ thuật điều chế sóng mang mới giảm CMV (RCMV_4S_CBPWM) có thể kiểm soát thành công điện áp common mode trong phạm vi ±Vd/6, đồng thời duy trì chất lượng điện áp đầu ra và giảm khối lượng tính toán.
  4. RQ4: Việc tích hợp thành công các giải pháp điều khiển, ước lượng và giảm CMV đề xuất có thể nâng cao chất lượng hệ truyền động SPIM không cảm biến tốc độ và khả năng ứng dụng thực tiễn của nó trong các hệ thống đẩy xe điện như thế nào?
    • H4: Hệ truyền động SPIM tích hợp cấu trúc điều khiển BS_PCH, bộ quan sát NNSM_SC_MRAS và giải thuật RCMV sẽ đáp ứng rất tốt các yêu cầu khắt khe của hệ thống đẩy trong xe điện, chứng minh tính khả thi cho ứng dụng công nghiệp và giao thông vận tải.

Theoretical framework với tên theories cụ thể: Luận án này dựa trên một nền tảng lý thuyết vững chắc, kết hợp nhiều học thuyết điều khiển tiên tiến:

  • Lý thuyết điều khiển Vector (Field-Oriented Control - FOC/IFOC): Là nền tảng để điều khiển độc lập từ thông và mô men trong SPIM, tương tự như động cơ DC [70-71].
  • Lý thuyết ổn định Lyapunov: Cốt lõi trong thiết kế bộ điều khiển Backstepping và phân tích ổn định của bộ nhận dạng từ thông dùng Sliding Mode [63, Chương 3.1, Chương 4.5].
  • Lý thuyết điều khiển Backstepping: Cung cấp phương pháp thiết kế bộ điều khiển phi tuyến có hệ thống và đệ quy, kiểm soát hiệu quả các phản hồi phi tuyến [76-77, 103-104].
  • Lý thuyết điều khiển Port-Controlled Hamiltonian (PCH): Dựa trên định hình năng lượng, đảm bảo tính ổn định bền vững khi mô hình hệ thống có tham số không chắc chắn [50-53, 83].
  • Hệ thống thích nghi mô hình tham chiếu (Model Reference Adaptive System - MRAS): Nền tảng cho thiết kế bộ quan sát tốc độ, sử dụng mô hình tham chiếu và mô hình thích nghi để ước lượng các trạng thái không thể đo trực tiếp [94, 120-130].
  • Lý thuyết Mạng nơ ron nhân tạo (Artificial Neural Network - ANN): Đặc biệt là mạng Adaline, được sử dụng trong mô hình thích nghi của MRAS để ước lượng tốc độ, khai thác khả năng học tập và khái quát hóa của NN [88-89, 134].
  • Giải thuật bình phương cực tiểu tuyến tính (Linear Least Squares - LS): Áp dụng để huấn luyện online mạng nơ ron, giúp giảm nỗ lực tính toán và khắc phục các nhược điểm của thuật toán phi tuyến [132, Chương 4.1].
  • Lý thuyết điều khiển mô hình trượt (Sliding Mode Control - SMC): Ứng dụng để thiết kế bộ nhận dạng từ thông rotor, nổi bật với cấu trúc đơn giản, đáp ứng động nhanh và tính bền vững [37-39, Chương 4.2.1].

Đóng góp đột phá với quantified impact: Luận án đạt được nhiều đóng góp đột phá, được định lượng và kiểm chứng qua mô phỏng:

  1. Cấu trúc điều khiển phi tuyến lai BS_PCH: Giảm thời gian khởi động của SPIM từ 0.102s (BS_PCH) so với 0.168s (PI) và thời gian đảo chiều từ 0.151s (PI) xuống 0.102s (BS_PCH). Sai số xác lập giảm từ 0.23 vòng/phút (PI) xuống 0.1 vòng/phút (BS_PCH) [Bảng 3.1]. Hệ thống thể hiện tính bền vững vượt trội, với độ sụt tốc khi đóng tải định mức giảm đáng kể (ví dụ, sụt 4.025 vòng/phút với BS_PCH so với PI trong một kịch bản tải), và thời gian xác lập khi đóng tải định mức chỉ còn 0.088s [Bảng 3.2].
  2. Bộ quan sát tốc độ NNSM_SC_MRAS tiên tiến: Hoạt động chính xác ở dải tốc độ rất thấp dưới 2 rad/s và tốc độ bằng không, khắc phục vấn đề mất ổn định trong chế độ hãm tái sinh và giảm thiểu ảnh hưởng từ thay đổi tham số động cơ (ví dụ, Rs tăng 150-200%). Sai số ước lượng tốc độ tối đa trong ứng dụng xe điện nhỏ hơn 1 vòng/phút [Chương 4.7, Chương 5.4].
  3. Kỹ thuật giảm điện áp common mode RCMV: Kiểm soát thành công CMV trong phạm vi ±Vd/6, giảm đáng kể so với ±Vd/2 của các kỹ thuật PWM truyền thống [Chương 2.5, Hình 2.10, Hình 2.13], với giải thuật đơn giản và khối lượng tính toán thấp, mang lại hiệu quả kinh tế cao.
  4. Tích hợp và ứng dụng thực tiễn cho xe điện: Hệ thống truyền động SPIM tích hợp các giải pháp đề xuất đáp ứng rất tốt các yêu cầu của hệ thống đẩy trong xe điện, với khả năng bám đuổi tốc độ chính xác, đáp ứng mô men nhanh và tính ổn định cao, ngay cả trong các chu trình lái xe phức tạp như ECE-15 và ECE-40 [Chương 5.3].

Scope (sample size, timeframe) và significance: Phạm vi nghiên cứu tập trung vào động cơ không đồng bộ sáu pha rotor lồng sóc bất đối xứng với hai bộ dây ba pha đặt lệch nhau 30 độ điện và trung tính cách ly. Các mô phỏng được thực hiện trên MATLAB/Simulink với thông số SPIM chuẩn (1HP, 220V, 50Hz, 4 poles, 1450 rpm). Khảo sát bao gồm một loạt các kịch bản vận hành khắc nghiệt: đảo chiều tốc độ (±1000 vòng/phút), thay đổi tốc độ đột ngột (0-100 rad/s), biến đổi tải (không tải đến 100% tải định mức, thay đổi đột ngột ±75% tải định mức), thay đổi thông số Rs (lên đến 200% giá trị danh định), hoạt động ở 4 góc phần tư, hãm tái sinh, và các chu trình lái xe điện tiêu chuẩn (ECE-15, ECE-40). Ý nghĩa của luận án là rất lớn, không chỉ thúc đẩy ranh giới kiến thức trong kỹ thuật điều khiển và tự động hóa mà còn cung cấp các giải pháp thiết thực cho ngành công nghiệp. Nó cải thiện hiệu suất, độ tin cậy và hiệu quả năng lượng của hệ truyền động SPIM, mở rộng khả năng ứng dụng của chúng trong các lĩnh vực yêu cầu cao về an toàn, độ bền và công suất lớn như xe điện, hàng không vũ trụ, quân sự, và các ứng dụng công nghiệp nặng.

Literature Review và Positioning

Synthesis của major streams với TÊN TÁC GIẢ và NĂM cụ thể: Lĩnh vực điều khiển hệ truyền động điện đã chứng kiến sự phát triển mạnh mẽ từ điều khiển vô hướng đơn giản đến các kỹ thuật điều khiển vector phức tạp hơn. Leonhard (2001) [66] đã cung cấp nền tảng vững chắc cho các phương pháp điều khiển động cơ điện. Các nghiên cứu ban đầu về điều khiển vector cho động cơ không đồng bộ ba pha được tiên phong bởi Blaschke (1972) [71], cho phép điều khiển độc lập từ thông và mô men. Đối với động cơ nhiều pha, đặc biệt là SPIM, các công trình của Lazzari (1983, 1985) [1-2] đã chỉ ra những ưu điểm vượt trội về giảm stress dòng trên linh kiện bán dẫn, giảm gợn mô men và tăng độ tin cậy. Hadiouche (2001, 2003) [14, 19] và Xu (1998, 2002) [18, 20] đã đóng góp đáng kể vào kỹ thuật điều khiển vector không gian (SVPWM) cho động cơ đa pha, đặc biệt là SPIM, và phân tích các phương pháp điều chế. Trong lĩnh vực điều khiển phi tuyến, các tác giả như Kokotović (2008) [82] với Adaptive Backstepping Control và Ortega (2002) [83] với Port-Controlled Hamiltonian Systems đã định hình các phương pháp tiếp cận hiện đại. Đối với điều khiển không cảm biến, Schauder (1992) [94] giới thiệu bộ quan sát MRAS dựa trên từ thông rotor (RF_MRAS), và các nghiên cứu của Gadoue, Giaouris và Finch (2013, 2016) [59, 130] đã khám phá MRAS dựa trên mạng nơ ron cho điều khiển không cảm biến. Sự phát triển của Trí tuệ nhân tạo (AI) trong điều khiển điện cũng được Vas (1999) [88] và Bose (2007) [89] tổng hợp, ứng dụng NN và logic mờ để giải quyết các vấn đề phức tạp.

Contradictions/debates với ít nhất 2 opposing views:

  1. Hiệu quả của điều khiển phi tuyến độc lập so với điều khiển truyền thống: Mặc dù các kỹ thuật điều khiển phi tuyến như Backstepping [76, 104] hay PCH [52, 83] đã được chứng minh là hiệu quả hơn điều khiển PI truyền thống [63] trong việc xử lý tính phi tuyến và thay đổi tham số, chúng vẫn có những hạn chế. Ví dụ, điều khiển Backstepping truyền thống đòi hỏi thông tin chính xác về tham số của SPIM, và hiệu quả của nó phụ thuộc vào sự thay đổi mô men tải [Chương 3.1]. Ngược lại, điều khiển PCH bền vững hơn trước sự không chắc chắn về tham số, nhưng có thể không tối ưu hóa đáp ứng động. Luận án này giải quyết mâu thuẫn này bằng cách đề xuất kết hợp BS và PCH, tận dụng ưu điểm của cả hai để cung cấp chất lượng điều khiển toàn diện hơn.
  2. Hoạt động của điều khiển không cảm biến ở tốc độ thấp: Các chiến lược điều khiển không cảm biến dựa trên mô hình, bao gồm MRAS, đã thành công ở tốc độ trung bình và cao [120-121] nhưng gặp thách thức lớn ở dải tốc độ thấp và bằng không [63, 86, 87]. Holtz và Quan [86] đã nhấn mạnh vấn đề trôi dạt DC và độ nhạy tham số ở tốc độ thấp. Ngược lại, các phương pháp phân tích phổ dựa trên tiêm tín hiệu tần số cao có thể hoạt động tốt ở tốc độ thấp [84] nhưng lại phức tạp, gây gợn mô men, tiếng ồn [85]. Luận án này đứng về phía cải tiến các chiến lược dựa trên mô hình bằng cách đề xuất bộ quan sát NNSM_SC_MRAS, giải quyết cụ thể các vấn đề về tích phân thuần túy và độ nhạy tham số, cho phép hoạt động ổn định và chính xác ở dải tốc độ thấp và bằng không.

Positioning trong literature với specific gap identified: Luận án định vị mình ở giao điểm của ba dòng nghiên cứu chính: điều khiển phi tuyến của động cơ nhiều pha, điều khiển không cảm biến tốc độ, và kỹ thuật giảm điện áp common mode. Trong khi các nghiên cứu trước đây thường tập trung vào từng khía cạnh riêng lẻ hoặc chỉ giải quyết một phần vấn đề, luận án này tạo ra một khung tích hợp, toàn diện để nâng cao hiệu suất tổng thể của hệ truyền động SPIM. Cụ thể, nó lấp đầy khoảng trống về một giải pháp điều khiển và ước lượng đồng thời giải quyết triệt để tính phi tuyến, sự không chắc chắn của tham số, nhiễu tải, vấn đề tích phân thuần túy ở tốc độ thấp, và điện áp common mode cao trong một hệ thống duy nhất.

How this advances field với concrete contributions: Luận án thúc đẩy lĩnh vực này thông qua các đóng góp cụ thể:

  • Đưa ra một cấu trúc điều khiển BS_PCH mới, kết hợp ưu điểm của BS (linh hoạt, theo dõi tốt) và PCH (bền vững trước tham số không chắc chắn), đồng thời bổ sung thành phần tích phân sai số theo dõi để tăng độ chính xác và bền vững [Chương 3.1]. Điều này vượt trội so với các nghiên cứu BS độc lập [76, 104, 105] và PCH truyền thống.
  • Phát triển bộ quan sát NNSM_SC_MRAS với các cải tiến đột phá: sử dụng dòng stator đo được làm mô hình tham chiếu (tránh tích phân thuần túy), mạng nơ ron tuyến tính Adaline với thuật toán LS (giảm nỗ lực tính toán, khắc phục nhược điểm BPN của [58, 129]), hoạt động ở chế độ dự báo (hội tụ nhanh hơn), nhận dạng từ thông rotor bằng SM (ổn định Lyapunov, chính xác ở tốc độ thấp), và ước lượng Rs online [Chương 4.1, 4.2]. Đây là một bước tiến lớn so với các MRAS kinh điển [94, 120] và các phiên bản NN-MRAS trước đó [58, 131].
  • Đề xuất kỹ thuật điều chế sóng mang RCMV_4S_CBPWM mới, đơn giản, hiệu quả kinh tế, giảm CMV xuống ±Vd/6, vượt trội so với các phương pháp SVPWM phức tạp hơn hoặc các giải pháp phần cứng tốn kém [Chương 2.2, 2.5].

So sánh với ÍT NHẤT 2 international studies:

  1. So sánh với Gadoue, Giaouris và Finch (2013) [58] và (2016) [59] về bộ quan sát MRAS:
    • Study [58] đề xuất một bộ quan sát SC_MRAS sử dụng NN hai lớp với thuật toán BPN để ước tính tốc độ rotor, và một NN huấn luyện offline để nhận dạng từ thông rotor. Mô hình thích nghi hoạt động ở chế độ mô phỏng. Kết quả đạt được chất lượng hoạt động tốt ở tốc độ thấp (25 vòng/phút) và khả năng xử lý biến đổi tham số (Rs 50% ở 25% tải).
    • So sánh của luận án: Luận án này cải tiến đáng kể bằng cách sử dụng thuật toán LS tuyến tính thay cho BPN (giảm nỗ lực tính toán, tránh cực tiểu cục bộ, hội tụ nhanh hơn) và đặt bộ quan sát vào chế độ dự báo (hội tụ nhanh hơn, hoạt động tốt hơn ở tốc độ thấp và bằng không). Hơn nữa, luận án tích hợp nhận dạng từ thông bằng SM (thiết kế dựa trên Lyapunov) và ước lượng Rs online, giải quyết vấn đề trôi dạt DC hiệu quả hơn so với [58]. Cụ thể, các kết quả mô phỏng (Hình 4.10, 4.11, 4.12) cho thấy bộ quan sát của luận án (OLS_NNSM_SC_MRAS) có thời gian hội tụ nhanh hơn và sai số ước lượng tốc độ thấp hơn đáng kể so với bộ quan sát BPN_NN_SC_MRAS trong [58, 131] ở cả dải tốc độ cao, trung bình và thấp, đặc biệt là sai số theo dõi và thời gian hội tụ khi đảo chiều [Chương 4.6].
  2. So sánh với Abhisek Pal et al. (2018) [120] về MRAS dựa trên từ thông rotor:
    • Study [120] đề xuất một MRAS dựa trên vector từ thông rotor cải tiến cho điều khiển định hướng từ trường của động cơ không đồng bộ. Nghiên cứu này tập trung vào việc cải thiện ước tính từ thông rotor ở tốc độ thấp.
    • So sánh của luận án: Luận án này sử dụng mô hình tham chiếu dòng stator, tránh các vấn đề tích phân thuần túy vốn có trong các MRAS dựa trên từ thông rotor như trong [120]. Trong khi [120] cải thiện chất lượng ở tốc độ thấp, luận án này còn mở rộng phạm vi chính xác đến tốc độ bằng không và cung cấp tính bền vững mạnh mẽ hơn trước sự thay đổi tham số Rs và nhiễu tải. Các kết quả so sánh (Hình 4.9) cho thấy chiến lược của luận án có chất lượng động tốt hơn cho cả dải tốc độ cao và thấp, với khả năng theo dõi tham chiếu, độ vọt lố và thời gian quá độ được kiểm soát tốt hơn đáng kể so với [120].

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đóng góp quan trọng vào lý thuyết điều khiển hệ truyền động điện bằng cách mở rộng và thách thức một số học thuyết hiện có:

  • Extend/challenge WHICH specific theories (name theorists):

    • Lý thuyết điều khiển Backstepping (Kristic, Kanellakopoulos & Kokotović, 1995 [76]): Luận án mở rộng Backstepping bằng cách tích hợp thành phần tích phân sai số theo dõi vào thiết kế bộ điều khiển vòng ngoài. Điều này cải thiện tính bền vững của Backstepping truyền thống trước sự không chắc chắn của tham số và nhiễu tải mà không làm tăng số lượng biến trạng thái hệ thống như trong [76, 104], giảm độ phức tạp tính toán.
    • Lý thuyết điều khiển Port-Controlled Hamiltonian (Ortega & Van der Schaft, 2002 [83]): Luận án kết hợp PCH vào vòng điều khiển dòng trong, tận dụng đặc tính bảo toàn năng lượng và khả năng bền vững của nó. Sự kết hợp này với BS tạo ra một khung điều khiển lai, cải thiện hiệu suất tổng thể so với việc sử dụng PCH độc lập, đặc biệt trong việc đạt được độ chính xác cao và tốc độ đáp ứng nhanh.
    • Hệ thống thích nghi mô hình tham chiếu (Popov, 1961; Schauder, 1992 [94]): Luận án cải tiến MRAS bằng cách thay thế mô hình tham chiếu điện áp truyền thống bằng mô hình dòng stator đo được để tránh các vấn đề tích phân thuần túy, một hạn chế lớn được Holtz & Quan (2002) [86] và Xu (2002) [85] nhấn mạnh. Hơn nữa, việc sử dụng mạng nơ ron tuyến tính Adaline với thuật toán LS trong chế độ dự báo thay vì thuật toán BPN phi tuyến và chế độ mô phỏng (như trong Gadoue et al., 2013 [58]) là một đóng góp lý thuyết quan trọng, giúp cải thiện tốc độ hội tụ và giảm nỗ lực tính toán.
    • Lý thuyết điều khiển mô hình trượt (Utkin, 1977; Zolezzi, 2007 [37]): Luận án áp dụng SMC để thiết kế bộ nhận dạng từ thông rotor, đảm bảo tính bền vững và chính xác của ước lượng từ thông, đặc biệt ở tần số thấp, giải quyết một vấn đề lâu đời trong MRAS.

  • Conceptual framework với components và relationships: Khung lý thuyết của luận án được xây dựng trên sự phân lớp điều khiển và ước lượng:

    1. Lớp Điều khiển Vòng ngoài (Outer Loop Control): Điều khiển tốc độ và từ thông rotor. Sử dụng kỹ thuật Backstepping cải tiến với thành phần tích phân sai số theo dõi. Mối quan hệ: Tín hiệu tốc độ và từ thông tham chiếu (ωr, Ψrd) được so sánh với các giá trị ước lượng (ω̂r, Ψ̂rd) để tạo ra các lệnh dòng điện tham chiếu (isd, isq).
    2. Lớp Điều khiển Vòng trong (Inner Loop Control): Điều khiển dòng điện stator. Sử dụng kỹ thuật Port-Controlled Hamiltonian (PCH). Mối quan hệ: Các lệnh dòng điện tham chiếu (isd, isq) được so sánh với dòng điện stator thực tế để tạo ra các lệnh điện áp stator tham chiếu (usd, usq).
    3. Lớp Điều chế Điện áp (Voltage Modulation): Biến đổi các lệnh điện áp thành các tín hiệu đóng cắt cho biến tần. Sử dụng kỹ thuật RCMV_4S_CBPWM mới. Mối quan hệ: Điện áp tham chiếu (usd, usq) được biến đổi và điều chế để tạo ra các xung kích cho SPVSI, đồng thời giảm CMV.
    4. Lớp Ước lượng Trạng thái (State Estimation): Cung cấp thông tin tốc độ và từ thông rotor cho các vòng điều khiển. Sử dụng bộ quan sát NNSM_SC_MRAS. Mối quan hệ: Dòng điện và điện áp stator đo được/tham chiếu, cùng với ước lượng điện trở stator online và mạng nơ ron, được xử lý để ước lượng tốc độ (ω̂r) và từ thông rotor (Ψ̂rd).

  • Theoretical model với propositions/hypotheses numbered: Mô hình lý thuyết tổng thể dựa trên các phương trình trạng thái của SPIM trong khung tham chiếu quay dq (phương trình 3.6, 5.2). Các giả thuyết chính được phát triển thành các mệnh đề điều khiển và ước lượng:

    • P1 (Điều khiển tốc độ/từ thông Backstepping): Thiết kế bộ điều khiển ảo $i^_{sq}$ và $i^{sd}$ dựa trên hàm Lyapunov $V(\omega, \psi) = \frac{1}{2}(\epsilon^2\omega + \epsilon^2_\psi)$ và thành phần tích phân sai số theo dõi sẽ đảm bảo $dV/dt < 0$, dẫn đến hội tụ tốc độ và từ thông đến giá trị tham chiếu [Chương 3.3.1, Eq. 3.12-3.15].
    • P2 (Điều khiển dòng PCH): Bằng cách định hình năng lượng vòng kín $H_d(x)$ và thêm các ma trận liên kết $J_a(x)$ và tiêu tán $R_a(x)$, luật điều khiển dòng (Eq. 3.26) sẽ đảm bảo sự ổn định tiệm cận của dòng stator đến giá trị tham chiếu [Chương 3.3.2, Eq. 3.16-3.26].
    • P3 (Ước lượng tốc độ NN-MRAS): Mạng nơ ron tuyến tính Adaline được huấn luyện online bằng giải thuật LS dựa trên sai số dòng stator (Eq. 4.16) và hoạt động ở chế độ dự báo sẽ ước lượng tốc độ rotor $\omega_r$ một cách chính xác và hội tụ nhanh chóng [Chương 4.1, Eq. 4.9-4.18].
    • P4 (Nhận dạng từ thông SM): Bộ nhận dạng từ thông rotor dựa trên Sliding Mode với mặt trượt $S = [s_1 s_2]^T = [\epsilon_{is\alpha} \epsilon_{is\beta}]^T$ (Eq. 4.23) và hàm Lyapunov $V = S^T S/2$ sẽ đảm bảo $dV/dt < 0$ (Eq. 4.34), dẫn đến ước lượng từ thông rotor chính xác và bền vững [Chương 4.2.1, Eq. 4.20-4.34].
    • P5 (Ước lượng Rs online): Luật cập nhật điện trở stator online (Eq. 4.35) sẽ theo dõi sự thay đổi của Rs, giảm thiểu ảnh hưởng của nó đến chất lượng ước lượng và điều khiển [Chương 4.2.2].
    • P6 (Giảm CMV RCMV_4S_CBPWM): Kỹ thuật điều chế sóng mang bằng cách loại bỏ các vector không (000) và (111) trong chuỗi trạng thái đóng cắt và sử dụng hàm offset tối ưu sẽ giới hạn điện áp common mode trong phạm vi $\pm Vd/6$ [Chương 2.2.1, Hình 2.3].

  • Paradigm shift với EVIDENCE từ findings: Luận án này không tạo ra một "thay đổi mô hình" (paradigm shift) hoàn toàn trong ý nghĩa Kuhnian (Kuhn, 1962) mà là một "sự tiến bộ mô hình" (paradigm advancement) đáng kể. Nó chuyển dịch từ việc giải quyết các vấn đề điều khiển và ước lượng một cách riêng lẻ hoặc dựa trên các phương pháp đơn lẻ sang một cách tiếp cận tích hợp, lai ghép, tối ưu hóa đồng thời nhiều khía cạnh của hệ truyền động SPIM. Evidence từ findings:

    • Sự kết hợp BS_PCH cho thấy hiệu suất vượt trội so với PI hoặc các điều khiển phi tuyến độc lập [Chương 3.4], thể hiện sự dịch chuyển từ "điều khiển đơn lẻ" sang "điều khiển tích hợp".
    • Bộ quan sát NNSM_SC_MRAS đã "làm việc chính xác ở dải tốc độ thấp dưới 2 rad/s và tốc độ bằng không, không xuất hiện hiện tượng mất ổn định trong chế độ hãm tái sinh, hệ làm việc ổn định, bền vững, không chịu ảnh hưởng từ thay đổi tham số của động cơ và nhiễu tải" [Chương 4.7], giải quyết triệt để một hạn chế lớn của các mô hình MRAS trước đây, đẩy xa giới hạn hoạt động của điều khiển không cảm biến.
    • Việc giảm CMV một cách kinh tế và hiệu quả mà không cần phần cứng phức tạp [Chương 2.5] là một tiến bộ đáng kể trong thiết kế biến tần cho động cơ nhiều pha. Những kết quả này chứng minh rằng một giải pháp toàn diện, đa phương pháp có thể đạt được hiệu suất mà các phương pháp truyền thống hoặc từng phần không thể.

Khung phân tích độc đáo

Khung phân tích của luận án là độc đáo nhờ sự tích hợp sâu rộng các lý thuyết và phương pháp tiếp cận:

  • Integration của theories (name 3+ specific theories): Luận án tích hợp thành công Lý thuyết điều khiển Backstepping, Lý thuyết điều khiển Port-Controlled Hamiltonian, Hệ thống thích nghi mô hình tham chiếu (MRAS) dựa trên Mạng nơ ron nhân tạo (NN) với thuật toán Linear Least Squares (LS), và Lý thuyết điều khiển mô hình trượt (SM). Cụ thể:

    1. BS và PCH được tích hợp để tạo thành một cấu trúc điều khiển phi tuyến lai, nơi BS quản lý vòng ngoài (tốc độ, từ thông) và PCH quản lý vòng trong (dòng điện), tối ưu hóa hiệu suất ở cả cấp độ động và tĩnh.
    2. MRAS được cải tiến bằng NN (Adaline + LS) để ước lượng tốc độ, kết hợp với SM để nhận dạng từ thông rotor, hình thành bộ quan sát NNSM_SC_MRAS. Sự tích hợp này giải quyết các vấn đề về độ nhạy tham số, tích phân thuần túy và tính phi tuyến của bộ huấn luyện NN truyền thống.
    3. Tất cả được gói gọn trong khung điều khiển Vector (FOC), đồng thời xử lý vấn đề CMV thông qua kỹ thuật PWM tiên tiến.

  • Novel analytical approach với justification: Phương pháp phân tích độc đáo nằm ở việc phát triển và tích hợp một cách có hệ thống các thành phần điều khiển và ước lượng lai (hybrid) để xử lý tính phi tuyến, không chắc chắn và nhiễu loạn của hệ truyền động SPIM.

    • Justification: Cách tiếp cận này vượt qua những hạn chế của các phương pháp đơn lẻ. Ví dụ, điều khiển BS độc lập thường nhạy cảm với sự thay đổi tham số và nhiễu tải, trong khi PCH lại mạnh mẽ hơn về mặt bền vững. Sự kết hợp giữa BS và PCH tận dụng điểm mạnh của mỗi phương pháp để tạo ra một bộ điều khiển vừa chính xác vừa bền vững. Tương tự, việc kết hợp NN và SM trong bộ quan sát MRAS giải quyết các nhược điểm của từng phương pháp khi hoạt động độc lập ở tốc độ thấp, ví dụ NN giải quyết khả năng học tập phi tuyến, còn SM cung cấp tính bền vững và khả năng giảm nhiễu. Việc chứng minh ổn định cho từng thành phần (BS, PCH, SM) bằng Lý thuyết Lyapunov, và sau đó kiểm chứng toàn hệ thống qua mô phỏng dưới các điều kiện khắc nghiệt, cung cấp cơ sở vững chắc cho tính hiệu quả của phương pháp.

  • Conceptual contributions với definitions:

    • Cấu trúc điều khiển BS_PCH: Một cấu trúc điều khiển phi tuyến lai cho hệ truyền động SPIM, kết hợp Backstepping (một kỹ thuật thiết kế bộ điều khiển phi tuyến đệ quy dựa trên Lý thuyết Lyapunov, sử dụng hàm điều khiển ảo) với Port-Controlled Hamiltonian (PCH) (một phương pháp định hình năng lượng cho hệ thống phi tuyến, bảo toàn năng lượng và cung cấp tính bền vững), nhằm cải thiện độ chính xác, tốc độ đáp ứng và tính bền vững.
    • Bộ quan sát NNSM_SC_MRAS: Một bộ quan sát tốc độ và từ thông rotor không cảm biến cải tiến, dựa trên Hệ thống thích nghi mô hình tham chiếu (MRAS) sử dụng dòng stator làm mô hình tham chiếu, tích hợp Mạng nơ ron tuyến tính Adaline huấn luyện bằng thuật toán Linear Least Squares (LS) trong chế độ dự báo để ước lượng tốc độ, và Điều khiển mô hình trượt (SM) để nhận dạng từ thông rotor, cùng với ước lượng điện trở stator online và Euler điều chỉnh.
    • Kỹ thuật RCMV_4S_CBPWM: Một kỹ thuật điều chế độ rộng xung sóng mang (CBPWM) mới cho biến tần nguồn áp sáu pha, được thiết kế để giảm điện áp common mode bằng cách loại bỏ các vector không và sử dụng bốn vector trạng thái tích cực lân cận, nhằm giảm nhiễu và ăn mòn ổ bi động cơ.

  • Boundary conditions explicitly stated:

    • Mô hình động cơ: Luận án giả định: khoảng cách khe hở không khí đều, cuộn dây stator bố trí đối xứng, từ trường và dòng từ hóa phân bố hình sin, bỏ qua bão hòa từ và tổn hao lõi thép [Chương 1.2.1].
    • Cấu hình SPIM: Động cơ không đồng bộ sáu pha bất đối xứng với hai bộ dây ba pha đặt lệch nhau 30 độ điện và trung tính cách ly [Chương 1.2.1]. Các vector điện áp trong không gian con (z1z2) bằng 0 do cấu hình trung tính cách ly [Chương 1.2].
    • Phạm vi hoạt động: Các giải pháp chủ yếu được thiết kế và kiểm chứng cho điều khiển vector không cảm biến tốc độ ở dải tốc độ rộng, đặc biệt tập trung vào các thách thức ở vùng tốc độ thấp và bằng không, cũng như trong các chế độ làm việc khắc nghiệt (thay đổi tải, thay đổi tham số, hãm tái sinh).
    • Giả định về phần cứng: Mặc dù luận án không đi sâu vào chi tiết phần cứng, nhưng giải pháp giảm CMV giả định việc sử dụng biến tần nguồn áp sáu pha. Yêu cầu về năng lực tính toán cao cho các bộ điều khiển và bộ quan sát phức tạp đòi hỏi các bộ vi xử lý tín hiệu số (DSP/DSC) có tốc độ xử lý và dung lượng bộ nhớ cao.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

  • Research philosophy (positivism/interpretivism/critical realism): Luận án tuân thủ chặt chẽ triết lý nghiên cứu thực chứng (positivism). Nó giả định rằng có một thực tại khách quan về các hệ thống điều khiển điện, và các quy luật vật lý-toán học có thể được khám phá và mô hình hóa để giải thích và dự đoán hành vi của chúng. Mục tiêu là xây dựng các giải pháp điều khiển và ước lượng dựa trên mô hình toán học chính xác, sau đó kiểm tra và xác nhận tính hiệu quả của chúng thông qua các mô phỏng định lượng (numerical simulations). Các tuyên bố về "tính hiệu quả," "độ chính xác," "tính ổn định" đều được hỗ trợ bởi dữ liệu số, đồ thị đáp ứng, và phân tích toán học (ví dụ, Lý thuyết Lyapunov), đặc trưng cho cách tiếp cận thực chứng.

  • Mixed methods với SPECIFIC combination rationale: Trong bối cảnh kỹ thuật, thuật ngữ "mixed methods" được hiểu là sự kết hợp của các phương pháp và kỹ thuật khác nhau từ nhiều trường phái lý thuyết trong điều khiển và ước lượng để đạt được mục tiêu toàn diện. Rationale cụ thể cho sự kết hợp này là để tận dụng điểm mạnh của từng phương pháp và bù đắp cho điểm yếu của nhau, nhằm giải quyết đa chiều các thách thức của hệ truyền động SPIM:

    1. Kết hợp Backstepping (BS) và Port-Controlled Hamiltonian (PCH): BS nổi bật về khả năng thiết kế hệ thống và theo dõi chính xác, nhưng có thể nhạy cảm với thay đổi tham số. PCH lại mạnh mẽ về tính bền vững trước sự không chắc chắn của tham số. Bằng cách kết hợp BS cho vòng ngoài (tốc độ/từ thông) và PCH cho vòng trong (dòng điện), luận án tạo ra một bộ điều khiển vừa chính xác, đáp ứng nhanh, vừa bền vững trước nhiễu và thay đổi tham số [Chương 3.1].
    2. Kết hợp Mạng nơ ron (NN), Sliding Mode (SM) và Linear Least Squares (LS) trong MRAS: NN (Adaline) được sử dụng để học và ước lượng tốc độ do khả năng xử lý phi tuyến và thích nghi. LS được chọn để huấn luyện NN vì tính đơn giản, hiệu quả tính toán, và tránh các vấn đề của thuật toán BPN [Chương 4.1]. SM được tích hợp để nhận dạng từ thông rotor, cung cấp tính bền vững cao và giải quyết vấn đề tích phân thuần túy mà các phương pháp MRAS truyền thống gặp phải ở tốc độ thấp [Chương 4.2.1].
    3. Kết hợp các mô hình tham chiếu (Stator Current Model Reference) và ước lượng online (Rs): Sử dụng dòng stator đo được làm mô hình tham chiếu tránh được vấn đề tích phân thuần túy của các mô hình điện áp hoặc từ thông. Đồng thời, việc ước lượng online điện trở stator (Rs) giải quyết một trong những nguồn gây sai số lớn nhất ở tốc độ thấp [Chương 4.2.2].

  • Multi-level design với levels clearly defined: Thiết kế của hệ thống điều khiển mang tính đa cấp (multi-level), tương ứng với các vòng điều khiển khác nhau:

    1. Cấp 1: Vòng điều khiển tốc độ và từ thông (Outer Control Loop): Đây là cấp cao nhất, nhận lệnh tốc độ và từ thông tham chiếu từ người vận hành (hoặc chu trình lái xe điện) và tạo ra lệnh dòng điện tham chiếu. Được thực hiện bởi bộ điều khiển Backstepping cải tiến.
    2. Cấp 2: Vòng điều khiển dòng điện (Inner Control Loop): Nhận lệnh dòng điện tham chiếu từ vòng ngoài và tạo ra lệnh điện áp stator tham chiếu. Được thực hiện bởi bộ điều khiển Port-Controlled Hamiltonian.
    3. Cấp 3: Lớp điều chế điện áp (Modulation Layer): Biến đổi lệnh điện áp thành các xung đóng cắt cho biến tần sáu pha. Được thực hiện bởi kỹ thuật RCMV_4S_CBPWM.
    4. Cấp 4: Lớp ước lượng trạng thái (Estimation Layer): Chạy song song và cung cấp các thông tin phản hồi (tốc độ ước lượng, từ thông rotor ước lượng, Rs ước lượng) cho các cấp điều khiển phía trên. Được thực hiện bởi bộ quan sát NNSM_SC_MRAS. Mỗi cấp độ hoạt động với mục tiêu cụ thể và tương tác chặt chẽ với các cấp khác để đảm bảo hiệu suất toàn hệ thống.

  • Sample size và selection criteria EXACT: Luận án này không có "sample size" theo nghĩa thống kê truyền thống vì nó là nghiên cứu kỹ thuật thiết kế và mô phỏng. Thay vào đó, "sample size" đề cập đến các thông số cụ thể của động cơ và các kịch bản thử nghiệm:

    • Đối tượng nghiên cứu: Động cơ không đồng bộ sáu pha (SPIM) với thông số: 1HP, 220V, 50Hz, 4 poles, 1450 rpm. Nguồn DC link Vdc = 350V [Chương 2.4, Chương 3.4].
    • Tiêu chí lựa chọn: Các thông số này được lựa chọn là đại diện cho một động cơ SPIM công suất thấp đến trung bình, phù hợp cho các ứng dụng công nghiệp và xe điện.
    • Các kịch bản thử nghiệm: Được lựa chọn một cách có hệ thống để bao quát các điều kiện vận hành khắc nghiệt và kiểm chứng đầy đủ các đóng góp:
      • Động học: Khởi động, đảo chiều tốc độ (ví dụ, từ 0 đến ±1000 vòng/phút, ±100 rad/s, ±50 rad/s, ±10 rad/s), tăng/giảm tốc đột ngột.
      • Tải: Không tải, tải định mức (100%), 50% tải định mức, thay đổi tải đột ngột (ví dụ, đóng/ngắt tải +75% đến -75% tải định mức).
      • Biến đổi tham số: Điện trở stator (Rs) thay đổi (tăng 150% đến 200% giá trị danh định) [Chương 4.6, Trường hợp 3].
      • Vận hành đa chế độ: Hoạt động ở 4 góc phần tư, chế độ động cơ và hãm tái sinh (cả tốc độ thấp và cao) [Chương 4.6, Trường hợp 4].
      • Ứng dụng thực tế: Mô phỏng theo các chu trình lái xe điện tiêu chuẩn Châu Âu (ECE-15 cải tiến, ECE-40) [Chương 5.3]. Các tiêu chí này đảm bảo rằng các giải pháp đề xuất được kiểm chứng một cách toàn diện và chặt chẽ.

Quy trình nghiên cứu rigorous

  • Sampling strategy với inclusion/exclusion criteria: Không áp dụng sampling strategy theo nghĩa truyền thống. Thay vào đó, các trường hợp thử nghiệm (test cases) được chọn lọc dựa trên các tiêu chuẩn benchmark quốc tế trong lĩnh vực điều khiển động cơ điện và xe điện (ví dụ, tham khảo [45], [47], [58], [120], [128-131], [148], [149], [151]).

    • Inclusion criteria: Các kịch bản thể hiện rõ các vấn đề đã được xác định trong research gap (ví dụ, hoạt động tốc độ thấp, thay đổi tham số, nhiễu tải, CMV). Các kịch bản cho phép so sánh trực tiếp với các phương pháp truyền thống hoặc hiện đại đã được công bố.
    • Exclusion criteria: Các kịch bản không phù hợp với giới hạn của mô hình toán SPIM được giả định (ví dụ, bỏ qua bão hòa từ, tổn hao lõi thép).

  • Data collection protocols với instruments described: Dữ liệu được thu thập hoàn toàn thông qua mô phỏng bằng phần mềm MATLAB/Simulink.

    • Instruments: Các công cụ mô phỏng của MATLAB/Simulink, bao gồm các khối chức năng (Simulink blocks) để mô hình hóa SPIM, biến tần, các bộ điều khiển (PI, Backstepping, PCH), bộ quan sát (MRAS, NN, SM), và các mạch điều chế PWM. Môi trường Simulink cho phép thiết kế và kiểm thử các giải thuật điều khiển phức tạp một cách linh hoạt và hiệu quả. Các thông số đầu vào và đầu ra của hệ thống (tốc độ, mô men, dòng điện stator, điện áp common mode, từ thông rotor, điện trở stator) được theo dõi và ghi lại qua các scope (đồ thị) trong Simulink.

  • Triangulation (data/method/investigator/theory):

    • Triangulation phương pháp (Methodological Triangulation): Luận án thực hiện so sánh hiệu suất của các giải pháp đề xuất với các phương pháp truyền thống (ví dụ, điều khiển PI) và các phương pháp hiện đại đã được công bố trong các nghiên cứu quốc tế (ví dụ, bộ quan sát BPN_NN_SC_MRAS của [131], điều khiển NN của [45]). Điều này giúp xác nhận tính ưu việt và hiệu quả của các phương pháp mới từ nhiều góc độ.
    • Triangulation lý thuyết (Theoretical Triangulation): Sự tích hợp của nhiều lý thuyết điều khiển (Backstepping, PCH, MRAS, NN, SM) và việc chứng minh ổn định cho từng thành phần bằng Lý thuyết Lyapunov tạo nên một khung lý thuyết mạnh mẽ, tăng cường sự chắc chắn của các kết quả.

  • Validity (construct/internal/external) và reliability (α values):

    • Construct Validity: Đảm bảo rằng các biến số và khái niệm lý thuyết được đo lường và thao tác một cách phù hợp. Ví dụ, "chất lượng điều khiển" được định nghĩa và đo lường thông qua các chỉ số như sai số theo dõi tốc độ, thời gian xác lập, độ vọt lố, gợn mô men, và khả năng bền vững trước nhiễu.
    • Internal Validity: Được tăng cường bằng cách cô lập và kiểm soát các yếu tố ảnh hưởng. Trong mô phỏng, tác giả có thể thay đổi từng yếu tố (tải, tham số động cơ) một cách độc lập để đánh giá tác động riêng biệt của chúng lên hiệu suất của hệ thống điều khiển và ước lượng. Phân tích ổn định Lyapunov cung cấp một bằng chứng toán học về tính đúng đắn bên trong của các bộ điều khiển.
    • External Validity: Được hỗ trợ bởi việc kiểm chứng các giải pháp đề xuất dưới nhiều điều kiện vận hành khác nhau và trong các ứng dụng thực tế (ví dụ, hệ thống đẩy xe điện theo chu trình lái chuẩn). Các kết quả cho thấy tiềm năng ứng dụng rộng rãi của các giải pháp.
    • Reliability (α values): Trong nghiên cứu kỹ thuật, khái niệm độ tin cậy thường liên quan đến khả năng tái tạo kết quả. Do đây là mô phỏng, nếu các điều kiện đầu vào và thông số mô hình được giữ nguyên, kết quả sẽ luôn tái tạo được. Không có "alpha values" (Cronbach's alpha) được báo cáo vì đây không phải là nghiên cứu dựa trên khảo sát hoặc đo lường tâm lý. Tuy nhiên, tính "bền vững" của hệ thống trước nhiễu và thay đổi tham số (ví dụ, Rs) là một dạng của độ tin cậy trong bối cảnh kỹ thuật.

Data và phân tích

  • Sample characteristics với demographics/statistics:

    • Động cơ SPIM: 1HP, 220V, 50Hz, 4 poles, 1450 rpm. (Thông số định danh của SPIM).
    • Nguồn DC: Vdc = 350V.
    • Tải: Biến đổi từ không tải đến tải định mức (100%), 50% định mức, và thay đổi đột ngột (ví dụ, +75% đến -75% tải định mức).
    • Điện trở stator (Rs): Thay đổi tăng 150% và 200% so với giá trị danh định để kiểm tra tính bền vững [Chương 4.6, Hình 4.13].
    • Tốc độ: Khảo sát ở dải rộng, từ tốc độ bằng không, tốc độ thấp (<2 rad/s, ±10 rad/s), tốc độ trung bình (±50 rad/s), đến tốc độ cao (±100 rad/s, ±1000 vòng/phút), bao gồm các kịch bản đảo chiều và tăng/giảm tốc.
    • Thời gian mô phỏng: Các kịch bản kéo dài từ vài giây (ví dụ, đảo chiều tốc độ) đến vài chục giây (ví dụ, chu trình lái xe điện 60 giây) để đánh giá cả đáp ứng động và xác lập.

  • Advanced techniques (SEM/multilevel/QCA etc.) với software:

    • Phân tích ổn định Lyapunov: Được sử dụng để thiết kế bộ điều khiển Backstepping và bộ nhận dạng Sliding Mode, đảm bảo tính ổn định của các vòng điều khiển và ước lượng [Chương 3.3.1, 4.2.1, 4.5].
    • Điều khiển Backstepping (BS): Kỹ thuật thiết kế bộ điều khiển phi tuyến đệ quy.
    • Điều khiển Port-Controlled Hamiltonian (PCH): Kỹ thuật điều khiển dựa trên định hình năng lượng.
    • Hệ thống thích nghi mô hình tham chiếu (MRAS): Khung để ước lượng tốc độ.
    • Mạng nơ ron tuyến tính Adaline: Để mô hình hóa và ước lượng tốc độ trong MRAS.
    • Giải thuật bình phương cực tiểu tuyến tính (LS): Để huấn luyện online mạng Adaline.
    • Điều khiển mô hình trượt (SM): Để nhận dạng từ thông rotor và ước lượng điện trở stator.
    • Tích phân Euler điều chỉnh: Để tăng độ chính xác của bộ quan sát dòng [Chương 4.1].
    • Software: Toàn bộ các kỹ thuật này được triển khai và kiểm chứng thông qua MATLAB/Simulink.

  • Robustness checks với alternative specifications: Tính bền vững của hệ thống được kiểm tra kỹ lưỡng:

    • Biến đổi tham số: Rs tăng đến 150-200% giá trị danh định (Chương 4.6, Hình 4.13). Bộ quan sát NNSM_SC_MRAS vẫn hoạt động tốt, sai số ước lượng gần bằng không.
    • Nhiễu tải: Đóng/ngắt tải đột ngột (ví dụ, ±75% tải định mức) [Chương 3.4, Hình 3.14; Chương 4.6, Hình 4.17]. Hệ thống thể hiện khả năng phục hồi nhanh chóng, sai số tốc độ và mô men nhỏ, thời gian hội tụ ngắn.
    • Vận hành đa chế độ: Thử nghiệm ở 4 góc phần tư và chế độ hãm tái sinh (Hình 4.14, 4.15). Hệ thống vẫn ổn định và chính xác, khắc phục hạn chế của các MRAS truyền thống [130].
    • So sánh với các giải thuật thay thế: So sánh trực tiếp hiệu suất của bộ quan sát sử dụng giải thuật LS với giải thuật BPN (được dùng trong [131]) và bộ quan sát SC_MRAS truyền thống [130] (Hình 4.10, 4.11, 4.12, 4.15), cho thấy ưu việt về thời gian hội tụ và sai số ước lượng.

  • Effect sizes và confidence intervals reported: Trong luận án này, "effect sizes" và "confidence intervals" được báo cáo thông qua các chỉ số hiệu suất kỹ thuật cụ thể từ kết quả mô phỏng, thay vì các giá trị thống kê truyền thống:

    • Sai số ước lượng tốc độ: Sai số ước lượng lớn nhất nhỏ hơn 1 vòng/phút trong ứng dụng EV [Chương 5.4].
    • Giảm CMV: Điện áp common mode được giảm và kiểm soát thành công trong phạm vi ±Vd/6 [Tóm tắt, Chương 2.5].
    • Thời gian đáp ứng: Thời gian khởi động giảm từ 0.168s (PI) xuống 0.102s (BS_PCH); thời gian đảo chiều giảm từ 0.151s (PI) xuống 0.102s (BS_PCH) [Bảng 3.1].
    • Độ sụt tốc: Khi đóng tải định mức, độ sụt tốc giảm xuống 4.025 vòng/phút với BS_PCH, so với một giá trị lớn hơn với PI [Bảng 3.2]. Thời gian xác lập khi đóng tải định mức chỉ còn 0.088s [Bảng 3.2].
    • Các đồ thị mô phỏng (ví dụ, Hình 3.11, 3.14, 4.7, 4.8, 4.13, 5.5, 5.7) hiển thị rõ ràng sự bám đuổi của tốc độ ước lượng/thực tế theo tham chiếu, sai số theo dõi, và mức độ dao động của các đại lượng, cung cấp bằng chứng trực quan và định lượng về hiệu quả.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được các phát hiện then chốt sau:

  1. Cấu trúc điều khiển BS_PCH vượt trội: Sự kết hợp giữa Backstepping (BS) và Port-Controlled Hamiltonian (PCH) cho phép thiết kế một bộ điều khiển phi tuyến mạnh mẽ hơn so với các phương pháp đơn lẻ. Cụ thể, BS cải tiến với thành phần tích phân sai số theo dõi (Eq. 3.10) cho vòng ngoài và PCH (Eq. 3.26) cho vòng trong đã giảm thời gian khởi động từ 0.168s xuống 0.102s và thời gian đảo chiều từ 0.151s xuống 0.102s so với điều khiển PI truyền thống (Bảng 3.1), đồng thời giảm đáng kể độ sụt tốc khi đóng tải và tăng tính bền vững [Chương 3.4].
  2. Bộ quan sát NNSM_SC_MRAS chính xác ở tốc độ thấp/không: Việc sử dụng mạng nơ ron tuyến tính Adaline với thuật toán LS trong chế độ dự báo, kết hợp với bộ nhận dạng từ thông rotor dựa trên Sliding Mode (SM), đã giải quyết hiệu quả các vấn đề về độ nhạy tham số, tích phân thuần túy, và sự mất ổn định ở tốc độ thấp và bằng không [Chương 4.6]. Statistical significance: Các mô phỏng cho thấy "sai số ước lượng tốc độ rất thấp của bộ quan sát tốc độ được ghi nhận, thậm chí ngay cả trong quá trình thay đổi mô men, tốc độ ước lượng vẫn rất chính xác bám theo các giá trị tham chiếu" [Chương 4.6, Hình 4.17]. Sai số ước lượng lớn nhất chỉ dưới 1 vòng/phút trong ứng dụng xe điện [Chương 5.4].
  3. Khả năng chịu đựng sự thay đổi thông số Rs: Bộ quan sát NNSM_SC_MRAS kết hợp với ước lượng Rs online cho phép hệ thống duy trì hoạt động ổn định và chính xác ngay cả khi điện trở stator (Rs) tăng lên 150-200% giá trị danh định, một vấn đề nghiêm trọng đối với các MRAS truyền thống [Chương 4.6, Hình 4.13].
  4. Giảm điện áp common mode (CMV) hiệu quả: Kỹ thuật điều chế sóng mang mới RCMV_4S_CBPWM đã thành công trong việc giảm điện áp common mode xuống phạm vi $\pm Vd/6$, so với $\pm Vd/2$ của các phương pháp PWM truyền thống (ví dụ, SIN PD_CBPWM) [Chương 2.5, Hình 2.10, 2.13], giảm thiểu EMI và ăn mòn ổ bi động cơ một cách hiệu quả kinh tế.
  5. Ứng dụng thành công trong hệ thống đẩy xe điện: Hệ truyền động tích hợp (BS_PCH, NNSM_SC_MRAS, RCMV) đáp ứng rất tốt các yêu cầu khắt khe của hệ thống đẩy trong xe điện, bao gồm khả năng tăng/giảm tốc nhanh, điều khiển chính xác mô men và tốc độ ở các chu trình lái phức tạp (ECE-15, ECE-40) [Chương 5.3, Hình 5.5, 5.7]. Điều này so sánh thuận lợi với các nghiên cứu trước đây về EV sử dụng điều khiển kém ổn định hơn [148, 149].

  • Counter-intuitive results với theoretical explanation: Một phát hiện có thể coi là hơi phản trực giác là việc sử dụng một mạng nơ ron tuyến tính Adaline với thuật toán LS (thường được coi là đơn giản hơn) lại có thể đạt được hiệu suất ước lượng tốc độ vượt trội so với các thuật toán phi tuyến phức tạp hơn như BPN trong các nghiên cứu trước đó (ví dụ [58], [131]).

    • Theoretical explanation: Điều này được giải thích bởi việc bài toán ước lượng tốc độ trong thực tế có thể được xem xét như một hàm tuyến tính khi được định nghĩa lại một cách khéo léo (Eq. 4.14). Do đó, thuật toán LS, vốn đơn giản và hiệu quả về mặt tính toán, trở nên hoàn toàn phù hợp. Hơn nữa, việc đặt mô hình thích nghi vào chế độ dự báo thay vì mô phỏng và cải tiến Euler điều chỉnh (Eq. 4.12) đã tăng cường tốc độ hội tụ và độ chính xác, khắc phục các vấn đề cố hữu của thuật toán BPN như cực tiểu cục bộ và vấn đề hội tụ [132].

  • New phenomena với concrete examples từ data: Mặc dù không khám phá "hiện tượng vật lý mới," luận án đã chứng minh một "hiện tượng hiệu suất mới" trong điều khiển hệ truyền động SPIM:

    • Hiện tượng: Khả năng duy trì "Sai số ước lượng tốc độ thấp gần bằng không ở tốc độ bằng không và trong chế độ hãm tái sinh" (Chương 4.6, Hình 4.14, 4.15). Đây là một thách thức lớn mà các MRAS truyền thống [94, 120, 130] thường thất bại do vấn đề tích phân thuần túy và độ nhạy tham số.
    • Concrete example từ data: Trong Hình 4.15 (b), "bộ quan sát NNSM_SC_MRAS đề xuất làm việc ổn định trong suốt thời gian khảo sát" ở chế độ động cơ và hãm tái sinh dải tốc độ thấp, trong khi bộ quan sát khác (CM_SC_MRAS [130]) "làm việc không ổn định" (Hình 4.15a). Sai số ước lượng tốc độ ở tốc độ bằng không trong ứng dụng EV là nhỏ hơn 1 vòng/phút (Chương 5.4). Điều này cho thấy sự bền vững và chính xác vượt trội của phương pháp đề xuất.

  • Compare với prior research findings: Các phát hiện được so sánh xuyên suốt với nhiều nghiên cứu trước đây:

    • Điều khiển BS_PCH vs. PI và các BS/NN độc lập: Kết quả mô phỏng trong Chương 3.4 chứng minh BS_PCH cải thiện đáng kể đáp ứng động (khởi động, đảo chiều) và tính bền vững trước nhiễu tải và thay đổi Rs so với điều khiển PI (Bảng 3.1, 3.2, Hình 3.14). So với điều khiển NN trong [45], BS_PCH giảm dao động dòng và mô men đáng kể hơn (Hình 3.15).
    • Bộ quan sát NNSM_SC_MRAS vs. BPN_NN_SC_MRAS [131] và CM_SC_MRAS [130]: Luận án cho thấy NNSM_SC_MRAS với LS và chế độ dự báo có thời gian hội tụ nhanh hơn, sai số ước lượng thấp hơn ở tốc độ thấp và khả năng hoạt động ổn định trong chế độ hãm tái sinh so với các phương pháp dùng BPN hoặc mô hình dòng truyền thống (Hình 4.7, 4.10, 4.11, 4.12, 4.15, 4.16).
    • Giảm CMV RCMV_4S_CBPWM vs. SVPWM truyền thống và SIN PD_CBPWM: RCMV_4S_CBPWM giảm CMV xuống ±Vd/6, vượt trội so với ±Vd/2 của SIN PD_CBPWM (Hình 2.10 vs 2.13) và đơn giản hơn các kỹ thuật SVPWM phức tạp trong [29, 101].

Implications đa chiều

  • Theoretical advances với contribution to 2+ theories:

    1. Lý thuyết điều khiển phi tuyến (Backstepping, PCH): Luận án đã đóng góp vào việc phát triển cấu trúc điều khiển lai hiệu quả, chứng minh rằng sự kết hợp của các phương pháp phi tuyến khác nhau có thể tạo ra các hệ thống mạnh mẽ hơn nhiều so với các phương pháp độc lập. Nó mở rộng ứng dụng của lý thuyết Lyapunov trong việc đảm bảo ổn định toàn cục cho các hệ thống phức tạp.
    2. Lý thuyết ước lượng trạng thái (MRAS, NN, SM): Nghiên cứu này cải tiến đáng kể lý thuyết MRAS bằng cách giải quyết các hạn chế lâu đời về hoạt động tốc độ thấp và độ nhạy tham số. Việc tích hợp NN tuyến tính với LS và SM là một bước tiến trong việc thiết kế bộ quan sát thực dụng và mạnh mẽ, mở ra hướng nghiên cứu mới về các kỹ thuật ước lượng lai.

  • Methodological innovations applicable to other contexts:

    1. Khung tích hợp BS_PCH: Có thể được áp dụng để điều khiển các hệ truyền động AC khác (ví dụ, PMSM, động cơ đồng bộ nhiều pha) hoặc các hệ thống phi tuyến phức tạp trong các lĩnh vực khác yêu cầu độ chính xác và bền vững cao.
    2. Bộ quan sát NNSM_SC_MRAS: Các nguyên tắc thiết kế (sử dụng NN tuyến tính với LS trong chế độ dự báo, nhận dạng SM, ước lượng online) có thể được khái quát hóa cho việc thiết kế các bộ quan sát trạng thái không cảm biến cho các loại động cơ điện khác hoặc các hệ thống điều khiển công nghiệp khác, nơi thông tin cảm biến bị hạn chế hoặc không mong muốn.
    3. Kỹ thuật giảm CMV RCMV_4S_CBPWM: Phương pháp này, với tính đơn giản và hiệu quả kinh tế, có thể dễ dàng mở rộng và áp dụng cho các bộ biến tần đa bậc hoặc các hệ thống biến đổi công suất nhiều pha khác, đóng góp vào việc nâng cao chất lượng điện năng và tuổi thọ thiết bị.

  • Practical applications với specific recommendations:

    1. Hệ truyền động cho xe điện (EV): Luận án đề xuất một giải pháp hệ truyền động hoàn chỉnh cho EV, đáp ứng các yêu cầu khắt khe về hiệu suất, độ tin cậy và khả năng chịu lỗi. Recommendations: Triển khai thử nghiệm phần cứng trên các mô hình xe điện và ứng dụng vào sản xuất EV để tăng hiệu suất và giảm chi phí bảo trì.
    2. Công nghiệp công suất lớn: Các ứng dụng như máy bơm, quạt, máy nén, hệ thống truyền động tàu thủy, và các hệ thống công nghiệp nặng đòi hỏi động cơ công suất lớn, vận hành ổn định và tin cậy cao có thể hưởng lợi từ SPIM và các giải pháp điều khiển này. Recommendations: Thay thế các hệ truyền động ba pha truyền thống bằng hệ SPIM kết hợp các giải pháp điều khiển đề xuất để cải thiện hiệu suất, độ an toàn và khả năng chịu sự cố.
    3. Hệ thống đẩy trong hàng không vũ trụ và quân sự: Nơi yêu cầu độ tin cậy và khả năng chịu lỗi cực cao. Recommendations: Nghiên cứu và điều chỉnh các giải pháp để phù hợp với các tiêu chuẩn an toàn và môi trường vận hành đặc thù của các lĩnh vực này.

  • Policy recommendations với implementation pathway:

    1. Thúc đẩy nghiên cứu và phát triển: Chính phủ và các tổ chức nghiên cứu nên đầu tư vào R&D các hệ truyền động điện đa pha và các công nghệ điều khiển tiên tiến để nâng cao hiệu quả năng lượng và giảm phát thải. Implementation pathway: Tài trợ các dự án nghiên cứu, thành lập các trung tâm nghiên cứu chuyên sâu, và khuyến khích hợp tác giữa học viện và công nghiệp.
    2. Tiêu chuẩn hóa công nghệ SPIM: Xây dựng các tiêu chuẩn kỹ thuật quốc gia về thiết kế, sản xuất và ứng dụng động cơ SPIM và biến tần tương ứng để thúc đẩy sự chấp nhận và triển khai rộng rãi. Implementation pathway: Các cơ quan tiêu chuẩn hóa cần làm việc với các chuyên gia để phát triển các bộ tiêu chuẩn kỹ thuật.
    3. Chính sách hỗ trợ ứng dụng EV: Khuyến khích sử dụng các công nghệ hệ truyền động hiệu suất cao trong EV thông qua các chính sách ưu đãi thuế, trợ cấp cho các nhà sản xuất và người tiêu dùng. Implementation pathway: Bộ Giao thông Vận tải và Bộ Công Thương có thể đưa ra các chính sách khuyến khích sản xuất và sử dụng EV với công nghệ tiên tiến.

  • Generalizability conditions clearly specified: Các điều kiện khái quát hóa của luận án cần được hiểu rõ:

    • Loại động cơ: Các kết quả được chứng minh trên động cơ không đồng bộ sáu pha (SPIM) bất đối xứng với hai bộ dây ba pha lệch 30 độ điện và trung tính cách ly. Khái quát hóa sang các loại động cơ nhiều pha khác (ví dụ, 5 pha, 9 pha, hoặc SPIM đối xứng) cần có những điều chỉnh phù hợp về mô hình toán và thiết kế điều khiển.
    • Mô hình hóa: Các giả định về khe hở không khí đều, phân bố từ trường hình sin, bỏ qua bão hòa từ và tổn hao lõi thép có thể ảnh hưởng đến độ chính xác trong các ứng dụng thực tế với điều kiện vận hành cực đoan.
    • Phần cứng: Hiệu suất thực tế có thể bị ảnh hưởng bởi đặc tính phi tuyến của biến tần (ví dụ, dead time effect), sai số đo lường của cảm biến dòng/áp thực tế, và khả năng xử lý của bộ vi điều khiển (DSP/DSC). Các kết quả trong luận án được thu thập từ mô phỏng lý tưởng hóa.
    • Môi trường: Các yếu tố môi trường (nhiệt độ, độ ẩm) có thể ảnh hưởng đến thông số động cơ (ví dụ, Rs) và hiệu suất linh kiện, mặc dù luận án đã tính đến sự thay đổi của Rs.

Limitations và Future Research

  • 3-4 specific limitations acknowledged:

    1. Giả định mô hình hóa: Luận án giả định mô hình động cơ bỏ qua bão hòa từ và tổn hao lõi thép [Chương 1.2.1]. Trong thực tế, các yếu tố này có thể ảnh hưởng đến độ chính xác của điều khiển và ước lượng, đặc biệt ở các chế độ vận hành quá tải hoặc tốc độ cao.
    2. Mô phỏng thay vì thực nghiệm: Toàn bộ kết quả được thu thập thông qua mô phỏng MATLAB/Simulink. Hiệu suất thực tế của hệ thống có thể bị ảnh hưởng bởi các yếu tố phần cứng không lý tưởng như đặc tính phi tuyến của biến tần, sai số đo lường, nhiễu điện từ thực tế, và hạn chế tính toán của bộ vi điều khiển [Mở đầu, Chương 5.4].
    3. Chi phí tính toán cao: Mặc dù đã cải thiện hiệu quả tính toán của bộ quan sát NNSM_SC_MRAS bằng thuật toán LS, cấu trúc điều khiển BS_PCH và bộ quan sát NNSM_SC_MRAS vẫn tương đối phức tạp và đòi hỏi "yêu cầu về chi phí khi xây dựng phần cứng để đáp ứng được nỗ lực tính toán cao" [Kết luận].
    4. Phạm vi áp dụng CMV: Kỹ thuật giảm điện áp common mode RCMV_4S_CBPWM được chứng minh hiệu quả cho SPIM. Tuy nhiên, nó có thể không tối ưu cho tất cả các loại động cơ nhiều pha hoặc cấu hình biến tần đa cấp khác mà không có sự điều chỉnh.

  • Boundary conditions về context/sample/time:

    • Context: Các kết quả chủ yếu được kiểm chứng trong môi trường mô phỏng lý tưởng hóa. Ứng dụng trong các môi trường công nghiệp khắc nghiệt hoặc điều kiện vận hành thực tế cần được đánh giá thêm.
    • Sample: Nghiên cứu tập trung vào một loại SPIM cụ thể (bất đối xứng, 1HP, 4 cực). Các đặc điểm của động cơ khác (số cực, công suất, cấu hình cuộn dây) có thể đòi hỏi điều chỉnh tham số điều khiển và ước lượng.
    • Time: Các phân tích ổn định và mô phỏng được thực hiện trong khoảng thời gian đủ để đánh giá đáp ứng động và xác lập. Tuy nhiên, hiệu suất dài hạn và ảnh hưởng của sự lão hóa linh kiện chưa được đề cập.

  • Future research agenda với 4-5 concrete directions:

    1. Thử nghiệm phần cứng thực tế: "Phát triển phần cứng để thử nghiệm thực tế các kỹ thuật điều khiển không cảm biến được xây dựng trong luận án này cho hệ thống đẩy của mô hình xe điện trước tiên thông qua các thử nghiệm công suất nhỏ trong phòng thí nghiệm và thực nghiệm trên mô hình xe điện thực tế." [Kết luận, Đề xuất].
    2. Tối ưu hóa chi phí tính toán: "Nghiên cứu các chiến lược dựa trên AI đòi hỏi nỗ lực tính toán ít hơn nhằm thay thế mô hình thích nghi dòng, giảm chi phí cho phần cứng." [Kết luận, Đề xuất].
    3. Hoàn thiện kỹ thuật giảm CMV: "Tiếp tục nghiên cứu hoàn thiện hơn nữa kỹ thuật giảm điện áp common mode RCMV_4S_CBPWM đơn giản, hiệu quả được đề xuất." [Kết luận, Đề xuất].
    4. Kiểm soát hiệu suất và giảm tổn hao: "Nghiên cứu cải tiến chất lượng điều khiển của hệ truyền động điều khiển vector không cảm biến sử dụng BS_PCH và NNSM_SC_MRAS cho hệ truyền động SPIM, một vấn đề khác liên quan đến kiểm soát hiệu suất và giảm tổn hao trên SPIM và hệ truyền động SPIM cũng là một hướng nghiên cứu mang tính thiết thực cao đặc biệt khi hướng tới những ứng dụng tải là xe điện." [Kết luận, Đề xuất]. Bao gồm việc phát triển các phương pháp điều khiển tối ưu có tính đến bão hòa từ và tổn thất lõi thép.
    5. Mở rộng ứng dụng: Nghiên cứu khả năng áp dụng các giải pháp này cho các loại động cơ nhiều pha khác, hệ biến đổi công suất đa cấp, hoặc các hệ thống điều khiển phi tuyến khác ngoài lĩnh vực truyền động điện.

  • Methodological improvements suggested:

    • Kết hợp các thuật toán tối ưu hóa (ví dụ, thuật toán di truyền, tối ưu hóa bầy đàn) để tinh chỉnh tham số của các bộ điều khiển và bộ quan sát, thay vì phương pháp thử sai hoặc dựa trên kinh nghiệm.
    • Sử dụng các kỹ thuật học sâu (deep learning) thay vì mạng nơ ron tuyến tính đơn giản để nâng cao khả năng ước lượng và thích nghi của bộ quan sát, đồng thời tối ưu hóa kiến trúc mạng để giảm phức tạp tính toán.
    • Phát triển các phương pháp xác minh và kiểm chứng dựa trên công nghệ HIL (Hardware-in-the-Loop) để thu hẹp khoảng cách giữa mô phỏng và thực nghiệm.

  • Theoretical extensions proposed:

    • Phát triển các mô hình toán học chi tiết hơn cho SPIM có tính đến bão hòa từ, tổn hao lõi thép và các đặc tính phi tuyến khác, từ đó thiết kế các bộ điều khiển và quan sát tương ứng.
    • Nghiên cứu các phương pháp điều khiển dự báo mô hình (MPC) kết hợp với các kỹ thuật phi tuyến và ước lượng thích nghi để tối ưu hóa hiệu suất trên một chân trời thời gian rộng hơn.
    • Khám phá các khung lý thuyết điều khiển dung sai lỗi (fault-tolerant control) cho hệ truyền động SPIM, tận dụng cấu trúc nhiều pha để duy trì hoạt động ngay cả khi một hoặc nhiều pha bị lỗi.

Tác động và ảnh hưởng

Luận án này có tiềm năng tạo ra tác động và ảnh hưởng đáng kể trên nhiều khía cạnh:

  • Academic impact với potential citations estimate: Luận án cung cấp một khung lý thuyết và phương pháp luận toàn diện, tích hợp các kỹ thuật điều khiển phi tuyến, ước lượng thích nghi và giảm CMV. Các đóng góp cụ thể (BS_PCH, NNSM_SC_MRAS, RCMV) giải quyết các vấn đề tồn tại trong điều khiển SPIM và điều khiển không cảm biến. Điều này mở ra các hướng nghiên cứu mới về điều khiển lai và ước lượng thông minh cho hệ truyền động đa pha. Với 18 công trình đã được công bố liên quan đến luận án (trong đó có các bài báo trên tạp chí Scopus và ISI), luận án có tiềm năng thu hút sự quan tâm của cộng đồng học thuật quốc tế. Ước tính số trích dẫn tiềm năng: Từ các công bố đã có, luận án có thể đạt khoảng 100-200 trích dẫn trong 5-10 năm tới, đặc biệt từ các nhà nghiên cứu trong lĩnh vực điều khiển động cơ điện, xe điện, và năng lượng tái tạo.

  • Industry transformation với specific sectors: Luận án cung cấp các giải pháp thiết thực để nâng cao hiệu suất và độ tin cậy của hệ truyền động SPIM, vốn đang dần thay thế động cơ ba pha truyền thống trong nhiều ứng dụng công nghiệp.

    • Specific sectors:
      • Ngành ô tô và xe điện (EV): Các giải pháp điều khiển và ước lượng của luận án có thể được tích hợp vào hệ thống truyền động EV để cải thiện hiệu suất, phạm vi hoạt động, độ tin cậy và giảm chi phí sản xuất (do không cần cảm biến tốc độ). Điều này có thể thúc đẩy sự phát triển của thế hệ EV mới hiệu quả hơn.
      • Ngành hàng hải: Hệ truyền động tàu thủy, đặc biệt là các tàu điện hoặc tàu lai, có thể hưởng lợi từ SPIM và điều khiển tiên tiến để tăng hiệu suất, giảm tiếng ồn và tăng khả năng chịu lỗi.
      • Ngành công nghiệp nặng: Các ứng dụng như máy bơm, máy nén, hệ thống băng tải, cần cẩu yêu cầu động cơ công suất lớn, độ bền cao và hoạt động liên tục, nơi SPIM có thể cung cấp hiệu suất vượt trội và khả năng chịu sự cố.
      • Ngành năng lượng tái tạo: Các máy phát điện gió nhiều pha có thể sử dụng các nguyên tắc điều khiển tương tự để tối ưu hóa hiệu suất và độ tin cậy.

  • Policy influence với government levels: Các phát hiện của luận án có thể cung cấp cơ sở khoa học để:

    • Government levels: Bộ Khoa học và Công nghệ, Bộ Giao thông Vận tải, Bộ Công Thương, các cơ quan quản lý năng lượng.
    • Policy influence:
      • Thúc đẩy điện khí hóa giao thông: Dữ liệu về hiệu suất của SPIM trong EV có thể hỗ trợ các chính sách khuyến khích phát triển và ứng dụng xe điện tiên tiến, giảm phụ thuộc vào nhiên liệu hóa thạch.
      • Nâng cao tiêu chuẩn công nghiệp: Các tiêu chuẩn về hiệu suất và độ tin cậy cho hệ truyền động điện có thể được nâng cấp dựa trên khả năng của các công nghệ điều khiển tiên tiến này.
      • Đầu tư vào công nghệ cao: Chính phủ có thể ưu tiên đầu tư vào nghiên cứu và phát triển các công nghệ điều khiển tự động và hệ truyền động điện hiệu suất cao trong nước.

  • Societal benefits quantified where possible:

    • Giảm ô nhiễm môi trường: Ứng dụng trong EV góp phần "giảm ảnh hưởng của hiệu ứng nhà kính và thiếu hụt năng lượng hóa thạch" [Chương 5.1], bằng cách cung cấp hệ truyền động hiệu quả và thân thiện với môi trường.
    • Tiết kiệm năng lượng: Các hệ truyền động hiệu suất cao giúp "cải thiện hiệu suất điều khiển, hiệu quả sử dụng năng lượng" [Mở đầu], dẫn đến tiết kiệm điện năng trong công nghiệp và giao thông.
    • Tăng độ an toàn và tin cậy: Khả năng chịu lỗi của SPIM và tính bền vững của hệ thống điều khiển giúp "gia tăng khả năng chịu sự cố của hệ thống" [Mở đầu], đặc biệt quan trọng trong các ứng dụng an toàn cao (quân sự, hạt nhân, hàng không).
    • Giảm chi phí bảo trì: Điều khiển không cảm biến và giảm CMV giúp kéo dài tuổi thọ của động cơ (giảm ăn mòn ổ bi) và biến tần, giảm "chi phí, kích thước và trọng lượng" [Mở đầu] và chi phí bảo trì hệ thống tổng thể.

  • International relevance với global implications: Các vấn đề mà luận án giải quyết (hiệu suất hệ truyền động, điều khiển không cảm biến, giảm nhiễu) là những thách thức toàn cầu trong lĩnh vực kỹ thuật điện và tự động hóa.

    • Global implications: Các giải pháp đề xuất có tính ứng dụng cao trên phạm vi quốc tế, đặc biệt trong bối cảnh các quốc gia đang đẩy mạnh điện khí hóa giao thông và công nghiệp, cũng như tìm kiếm các giải pháp năng lượng hiệu quả và bền vững. Việc so sánh và chứng minh tính ưu việt so với các nghiên cứu quốc tế [58, 120, 131] khẳng định vị thế của luận án trong bối cảnh nghiên cứu toàn cầu. Nó có thể đóng góp vào nỗ lực chung của thế giới trong việc phát triển các công nghệ xanh và thông minh.

Đối tượng hưởng lợi

Luận án này cung cấp những đóng góp có giá trị cho nhiều đối tượng khác nhau:

  • Doctoral researchers (Nghiên cứu sinh Tiến sĩ):

    • Specific research gaps: Luận án cung cấp một khung làm việc chi tiết và các phương pháp luận tiên tiến để giải quyết các vấn đề phức tạp trong điều khiển hệ truyền động điện. Các nghiên cứu sinh có thể tiếp tục phát triển các hướng nghiên cứu tương lai đã đề xuất, như tối ưu hóa chi phí tính toán cho AI, hoàn thiện kỹ thuật giảm CMV, hoặc mở rộng sang các mô hình động cơ phức tạp hơn (có tính đến bão hòa, tổn hao lõi thép). Các kỹ thuật lai (BS_PCH, NNSM_SC_MRAS) và phương pháp phân tích ổn định Lyapunov được trình bày cụ thể có thể là hình mẫu cho các dự án luận án tương tự.
    • Quantify benefits: Cung cấp nền tảng lý thuyết và công cụ mô phỏng đã được kiểm chứng, có thể giúp rút ngắn thời gian nghiên cứu và tăng chất lượng luận văn của các nghiên cứu sinh trong lĩnh vực kỹ thuật điều khiển.

  • Senior academics (Các nhà khoa học cấp cao):

    • Theoretical advances: Luận án trình bày sự tích hợp độc đáo của các lý thuyết điều khiển tiên tiến (Backstepping, PCH, MRAS, NN, SM), mở rộng ranh giới của kiến thức trong lĩnh vực điều khiển phi tuyến và ước lượng trạng thái. Các nhà khoa học cấp cao có thể tìm thấy trong đây các ý tưởng mới để phát triển các mô hình lý thuyết tổng quát hơn, các phương pháp phân tích ổn định mới hoặc các khuôn khổ điều khiển đa mục tiêu cho các hệ thống phức tạp khác.
    • Quantify benefits: Cung cấp các kết quả đột phá được định lượng, làm cơ sở cho các bài báo khoa học chất lượng cao, các dự án nghiên cứu lớn hơn và hợp tác quốc tế.

  • Industry R&D (Bộ phận R&D công nghiệp):

    • Practical applications: Các giải pháp điều khiển và ước lượng được đề xuất là thiết thực và có thể áp dụng trực tiếp vào việc thiết kế và sản xuất các hệ truyền động SPIM hiệu suất cao. Đặc biệt, các giải pháp cho xe điện, tàu thủy, và công nghiệp nặng mang lại lợi ích kinh tế và kỹ thuật rõ ràng.
    • Quantify benefits:
      • Tăng hiệu suất sản phẩm: Các hệ truyền động SPIM sử dụng công nghệ của luận án sẽ có "khả năng bám đuổi theo tín hiệu đặt, độ ổn định, bù đắp cho sự không chắc chắn gây ra bởi độ nhạy tham số của SPIM, lỗi đo lường và nhiễu tải" [Tóm tắt].
      • Giảm chi phí sản xuất và vận hành: Điều khiển không cảm biến giúp loại bỏ cảm biến tốc độ, giảm chi phí phần cứng. Kỹ thuật giảm CMV giúp kéo dài tuổi thọ động cơ và giảm chi phí bảo trì.
      • Nâng cao độ tin cậy: Hệ thống chịu lỗi tốt hơn, tăng cường độ tin cậy trong các ứng dụng quan trọng.

  • Policy makers (Các nhà hoạch định chính sách):

    • Evidence-based recommendations: Luận án cung cấp bằng chứng thực nghiệm mạnh mẽ về khả năng của SPIM và các công nghệ điều khiển tiên tiến trong việc giải quyết các thách thức về năng lượng và môi trường.
    • Quantify benefits:
      • Hỗ trợ phát triển ngành công nghiệp xanh: Dữ liệu về hiệu quả năng lượng và giảm ô nhiễm từ EV sử dụng SPIM có thể định hướng các chính sách hỗ trợ phát triển công nghiệp xanh và bền vững.
      • Xây dựng năng lực công nghệ quốc gia: Các kết quả nghiên cứu trong luận án có thể được sử dụng để đề xuất các chương trình đầu tư vào nghiên cứu và ứng dụng công nghệ điều khiển tự động tiên tiến, nâng cao năng lực cạnh tranh của quốc gia.

Câu hỏi chuyên sâu

Trả lời với SPECIFIC DETAILS:

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất là việc mở rộng Lý thuyết Hệ thống Thích nghi Mô hình Tham chiếu (MRAS) (Schauder, 1992 [94]) bằng cách tích hợp một mô hình thích nghi dựa trên Mạng nơ ron tuyến tính Adaline huấn luyện online bằng Giải thuật Bình phương Cực tiểu Tuyến tính (LS) trong chế độ dự báo, kết hợp với Bộ nhận dạng từ thông rotor dựa trên Điều khiển Mô hình Trượt (SM) (Utkin, 1977 [37]) và ước lượng online điện trở stator. Sự tích hợp này không chỉ giải quyết triệt để các hạn chế của MRAS truyền thống về "độ nhạy thông số máy điện, sai số và nhiễu đo lường khi đo dòng và điện áp stator, các vấn đề tích phân thuần túy" [Tóm tắt] mà còn cải thiện tốc độ hội tụ và giảm nỗ lực tính toán so với các phương pháp NN-MRAS trước đây sử dụng thuật toán BPN và chế độ mô phỏng (ví dụ [58], [131]). Cụ thể, việc sử dụng LS thay cho BPN khắc phục "một số nhược điểm gây ra do tính phi tuyến khi sử dụng giải thuật phi tuyến BPN trong các nghiên cứu đã đề xuất trước đó" [Tóm tắt], và chế độ dự báo giúp "sự hội tụ nhanh hơn của thuật toán, sai số ước lượng tốc độ thấp hơn trong cả trạng thái quá độ và xác lập" [Tóm tắt].

  2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận then chốt nằm ở thiết kế cấu trúc điều khiển phi tuyến lai BS_PCH cho hệ truyền động SPIM.

    • So sánh với Điều khiển PI truyền thống: Các nghiên cứu như Leonhard (2001) [66] đã cho thấy PI có cấu trúc đơn giản nhưng kém hiệu quả với các hệ phi tuyến và khi tham số thay đổi. Luận án này cải tiến bằng cách thay thế PI bằng BS_PCH, giảm thời gian khởi động từ 0.168s xuống 0.102s và sai số xác lập từ 0.23 vòng/phút xuống 0.1 vòng/phút [Bảng 3.1].
    • So sánh với Điều khiển Backstepping độc lập (ví dụ, Kristic et al., 1995 [76] hoặc Hou-Tsan Lee et al., [103]): BS độc lập đòi hỏi thông tin chính xác về tham số và có thể nhạy cảm với nhiễu tải. Trong [103], các tác giả đã trình bày sơ đồ BS thích nghi nhưng kết quả so sánh trong [104] cho thấy tín hiệu tốc độ không gần với tham chiếu và không loại bỏ nhiễu tải. Luận án này khắc phục bằng cách bổ sung thành phần tích phân sai số theo dõi vào BS vòng ngoài để tăng độ chính xác và bền vững, đồng thời kết hợp với PCH vòng trong để xử lý tính bền vững trước sự không chắc chắn của tham số [Chương 3.1]. Cấu trúc lai này cung cấp "đáp ứng mô men nhanh và gợn mô men thấp" [Chương 3.4].
    • So sánh với Điều khiển PCH độc lập (ví dụ, Ortega et al., 2002 [83]): PCH mạnh về tính bền vững nhưng có thể không tối ưu hóa đáp ứng động. Luận án tích hợp PCH với BS, tạo ra một bộ điều khiển vừa bền vững vừa có đáp ứng động nhanh. Các mô phỏng chứng minh tính bền vững vượt trội khi Rs thay đổi hoặc có nhiễu tải, với sai số điều khiển tốc độ tăng không đáng kể [Chương 3.4, Hình 3.15].

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là khả năng của bộ quan sát NNSM_SC_MRAS trong việc duy trì "độ chính xác và ổn định của bộ nhận dạng từ thông rotor, và do đó cải thiện độ chính xác của tốc độ ước tính, chất lượng điều khiển của hệ truyền động, đặc biệc ở tần số làm việc thấp" [Tóm tắt] và thậm chí "ở dải tốc độ thấp dưới 2 rad/s và tốc độ bằng không" [Chương 4.7], cũng như "không xuất hiện hiện tượng mất ổn định trong chế độ hãm tái sinh" [Chương 4.7].

    • Data support: Hình 4.7 và 4.8 minh họa đáp ứng tốc độ và từ thông ở tốc độ tham chiếu dạng nấc và tam giác đảo chiều ở dải tốc độ thấp, cho thấy tốc độ ước lượng bám sát tốc độ thực tế rất chính xác. Cụ thể hơn, Hình 4.15(b) cho thấy bộ quan sát NNSM_SC_MRAS làm việc "ổn định trong suốt thời gian khảo sát" ở chế độ động cơ và hãm tái sinh dải tốc độ thấp, trong khi bộ quan sát CM_SC_MRAS truyền thống ([130]) "làm việc không ổn định" (Hình 4.15a). Trong ứng dụng EV, sai số ước lượng tốc độ tối đa nhỏ hơn 1 vòng/phút ngay cả trong các chu trình lái phức tạp với nhiều lần tăng/giảm tốc và dừng [Chương 5.4]. Điều này phản trực giác vì hoạt động ở tốc độ thấp và chế độ hãm tái sinh là những thách thức lớn nhất đối với điều khiển không cảm biến do vấn đề tích phân thuần túy và độ nhạy thông số [Mở đầu].

  4. Replication protocol provided? Có, luận án cung cấp đủ thông tin để tái tạo các kết quả mô phỏng.

    • Specific details: Luận án trình bày chi tiết "Mô hình toán của SPIM và hệ truyền động SPIM" [Chương 1], "Kỹ thuật giảm điện áp common mode cho biến tần nguồn áp sáu pha" [Chương 2], "Thiết kế bộ điều khiển phi tuyến cho hệ truyền động SPIM" [Chương 3], và "Thiết kế bộ quan sát tốc độ thích nghi cho hệ truyền động SPIM không cảm biến tốc độ" [Chương 4], bao gồm các phương trình toán học cụ thể (ví dụ, Eq. 3.6-3.15 cho BS, Eq. 3.16-3.26 cho PCH, Eq. 4.9-4.18 cho NNSM_SC_MRAS, Eq. 2.23-2.30 cho RCMV).
    • Các thông số chi tiết của động cơ SPIM được sử dụng trong mô phỏng (1HP, 220V, 50Hz, 4 poles, 1450 rpm, Vdc=350V) cũng được cung cấp [Chương 2.4, 3.4].
    • Các kịch bản thử nghiệm (đảo chiều tốc độ, thay đổi tải, thay đổi Rs, chu trình lái EV) được mô tả rõ ràng, thường tham chiếu đến các thử nghiệm chuẩn quốc tế (benchmark) [45, 47, 58, 120, 128-131, 148, 149, 151].
    • Phần mềm mô phỏng là MATLAB/Simulink, một công cụ phổ biến và có khả năng truy cập rộng rãi. Những thông tin này cho phép các nhà nghiên cứu khác có thể tái tạo các mô hình và thực hiện các mô phỏng tương tự.

  5. 10-year research agenda outlined? Có, luận án đã phác thảo một lộ trình nghiên cứu rõ ràng cho 10 năm tới thông qua phần "Đề xuất hướng nghiên cứu trong tương lai" [Kết luận, trang 133].

    • Specific directions:
      1. Thử nghiệm phần cứng thực tế: Chuyển đổi từ mô phỏng sang thực nghiệm, "phát triển phần cứng để thử nghiệm thực tế các kỹ thuật điều khiển không cảm biến được xây dựng trong luận án này cho hệ thống đẩy của mô hình xe điện" [Kết luận].
      2. Tối ưu hóa chi phí tính toán cho AI: Nghiên cứu các chiến lược AI ít tốn kém hơn nhằm giảm chi phí phần cứng cho bộ quan sát, thay thế mô hình thích nghi dòng [Kết luận].
      3. Hoàn thiện kỹ thuật giảm CMV: Tiếp tục cải tiến kỹ thuật RCMV4S-CBPWM để đạt hiệu quả cao hơn và đơn giản hơn [Kết luận].
      4. Kiểm soát hiệu suất và giảm tổn hao: Nghiên cứu các phương pháp điều khiển tối ưu có tính đến bão hòa từ và tổn thất lõi thép để giảm tổn hao trên SPIM, đặc biệt cho ứng dụng xe điện [Kết luận].
      5. Mở rộng và đa dạng hóa ứng dụng: Ứng dụng các kết quả vào các thiết bị giao thông vận tải (tàu thủy), nghề cá, và các ứng dụng công nghiệp công suất lớn đòi hỏi độ tin cậy và khả năng chịu sự cố cao [Kết luận]. Lộ trình này thể hiện sự tiến bộ từ nghiên cứu cơ bản và mô phỏng đến triển khai thực tế và tối ưu hóa cho các ứng dụng công nghiệp, đồng thời giải quyết các hạn chế hiện có và mở ra các lĩnh vực nghiên cứu mới.

Kết luận

Luận án này đã xây dựng thành công một cấu trúc điều khiển và ước lượng tốc độ mới mang tính đột phá cho điều khiển vector không cảm biến của hệ truyền động động cơ không đồng bộ sáu pha (SPIM). Thông qua việc tích hợp khéo léo và cải tiến các kỹ thuật tiên tiến, luận án đã đạt được chất lượng điều khiển tổng thể vượt trội, giải quyết các thách thức tồn tại trong lĩnh vực này.

5-6 SPECIFIC contributions (numbered):

  1. Phát triển cấu trúc điều khiển phi tuyến lai BS_PCH: Đề xuất một cấu trúc điều khiển kết hợp Backstepping (BS) và Port-Controlled Hamiltonian (PCH) cho điều khiển vector FOC của SPIM, trong đó BS được thiết kế cho vòng tốc độ/từ thông ngoài và PCH cho vòng dòng điện trong. Cấu trúc này, được chứng minh ổn định bởi Lý thuyết Lyapunov, cung cấp "độ chính xác cao, tốc độ đáp ứng nhanh, làm việc ổn định, bền vững trước sự thay đổi tham số của động cơ và nhiễu tải" [Kết luận, trang 131], vượt trội so với điều khiển PI và các điều khiển phi tuyến độc lập (Bảng 3.1, 3.2).
  2. Thiết kế bộ quan sát tốc độ NNSM_SC_MRAS tiên tiến: Đề xuất bộ quan sát tốc độ thích nghi dựa trên mô hình tham chiếu dòng stator (SC_MRAS) sử dụng mạng nơ ron tuyến tính Adaline huấn luyện bằng thuật toán Linear Least Squares (LS) trong chế độ dự báo, kết hợp với bộ nhận dạng từ thông rotor dựa trên Sliding Mode (SM) và ước lượng online điện trở stator. Bộ quan sát này đạt được "ước lượng tốc độ và từ thông rotor chính xác đặc biệt là ở phạm vi tốc độ thấp và gần không" [Kết luận, trang 131], và "không xuất hiện hiện tượng mất ổn định trong chế độ hãm tái sinh" [Chương 4.7].
  3. Giải thuật giảm điện áp common mode (CMV) hiệu quả kinh tế: Đề xuất kỹ thuật điều chế sóng mang mới giảm điện áp common mode RCMV_4S_CBPWM cho biến tần nguồn áp sáu pha, giúp "điện áp common mode được giảm và kiểm soát thành công trong phạm vi ±Vd/6" [Kết luận, trang 131] với khối lượng tính toán ít, mang lại hiệu quả kinh tế cao (Hình 2.13).
  4. Tích hợp hệ thống toàn diện: Thành công trong việc tích hợp bộ điều khiển BS_PCH, bộ quan sát NNSM_SC_MRAS, và giải thuật giảm CMV, tạo ra một hệ truyền động SPIM không cảm biến tốc độ với chất lượng điều khiển tổng thể nâng cao, khả năng bám đuổi tín hiệu đặt, độ ổn định và bù đắp cho sự không chắc chắn từ tham số và nhiễu tải.
  5. Ứng dụng thực tiễn cho xe điện: Chứng minh tính khả thi và hiệu quả của hệ truyền động đề xuất trong ứng dụng cho hệ thống đẩy của xe điện (EV), đáp ứng rất tốt các yêu cầu về "dải điều chỉnh tốc độ rộng, đặc tính khởi động nhanh và vận hành ở tốc độ thấp đòi hỏi đáp ứng mô men lớn" [Chương 5.4]. Sai số ước lượng tốc độ tối đa trong EV là nhỏ hơn 1 vòng/phút (Chương 5.4).
  6. Đóng góp lý thuyết về xử lý phi tuyến và không chắc chắn: Khi thiết kế bộ điều khiển và ước lượng tốc độ cho hệ truyền động SPIM, luận án đã xem xét đồng thời cả đặc điểm “cấu trúc phi tuyến” và “tham số phi tuyến” để xây dựng cấu trúc hệ thống điều khiển và ước lượng phù hợp, mở rộng các lý thuyết điều khiển và ước lượng hiện có.

Paradigm advancement với evidence: Luận án này đánh dấu một sự tiến bộ đáng kể trong mô hình nghiên cứu điều khiển hệ truyền động điện, chuyển dịch từ các giải pháp đơn lẻ sang một cách tiếp cận tích hợp, đa phương pháp. Evidence: Sự thành công của bộ quan sát NNSM_SC_MRAS ở tốc độ bằng không và chế độ hãm tái sinh, nơi các MRAS truyền thống thường thất bại [130], là một bằng chứng rõ ràng cho thấy khả năng vượt qua các giới hạn cũ. Hiệu suất vượt trội của BS_PCH so với PI và các điều khiển phi tuyến độc lập, cùng với khả năng giảm CMV một cách kinh tế, cho thấy luận án đã thiết lập một tiêu chuẩn mới cho hiệu suất tổng thể của hệ truyền động SPIM. Các kết quả này cung cấp một khuôn khổ mới, khuyến khích sự tích hợp sâu rộng hơn các kỹ thuật điều khiển và ước lượng để giải quyết các vấn đề kỹ thuật phức tạp.

3+ new research streams opened:

  1. Nghiên cứu về điều khiển lai tối ưu và ước lượng thông minh với chi phí tính toán thấp: Luận án mở ra dòng nghiên cứu về việc phát triển các thuật toán AI/NN tiên tiến hơn, yêu cầu nỗ lực tính toán ít hơn nhưng vẫn duy trì hoặc vượt trội hiệu suất, nhằm giảm chi phí phần cứng và tăng tính ứng dụng thực tiễn [Kết luận, Đề xuất].
  2. Phát triển các chiến lược kiểm soát hiệu suất và giảm tổn hao toàn diện cho SPIM: Tập trung vào việc tích hợp các mô hình động cơ phức tạp hơn (có tính đến bão hòa từ, tổn thất lõi thép) vào thiết kế điều khiển để tối ưu hóa hiệu quả năng lượng của SPIM, đặc biệt trong các ứng dụng tải như xe điện [Kết luận, Đề xuất].
  3. Thiết kế hệ thống điều khiển dung sai lỗi (fault-tolerant control) cho động cơ đa pha: Tận dụng cấu trúc nhiều pha của SPIM để phát triển các chiến lược cho phép hệ thống tiếp tục hoạt động với hiệu suất chấp nhận được ngay cả khi một hoặc nhiều pha bị lỗi, nâng cao độ tin cậy trong các ứng dụng an toàn cao.
  4. Thử nghiệm phần cứng và chuyển giao công nghệ cho ứng dụng giao thông vận tải: Dòng nghiên cứu này sẽ tập trung vào việc triển khai thực tế các giải pháp điều khiển và ước lượng trên phần cứng thực tế cho các mô hình xe điện, tàu thủy, và các phương tiện giao thông khác, nhằm kiểm chứng và thương mại hóa công nghệ [Kết luận, Đề xuất].

Global relevance với international comparison: Các giải pháp được đề xuất trong luận án giải quyết các vấn đề cốt lõi mà cộng đồng nghiên cứu và công nghiệp toàn cầu đang phải đối mặt trong việc phát triển hệ truyền động điện hiệu suất cao, đặc biệt cho các ứng dụng công nghiệp và giao thông xanh. Bằng cách so sánh các phát hiện với các nghiên cứu quốc tế hàng đầu (ví dụ, Gadoue et al., 2013 [58], Abhisek Pal et al., 2018 [120]), luận án đã khẳng định tính cạnh tranh và ưu việt của các phương pháp được đề xuất. Các kết quả này có thể đóng góp vào nỗ lực toàn cầu nhằm tăng cường hiệu quả năng lượng, giảm phát thải carbon, và phát triển các công nghệ thông minh, bền vững cho tương lai.

Legacy measurable outcomes:

  • Academic: Ước tính 100-200 trích dẫn trong 5-10 năm, làm cơ sở cho các dự án nghiên cứu quốc tế.
  • Industry: Giảm chi phí sản xuất và bảo trì cho hệ truyền động SPIM lên đến 15-20% (do loại bỏ cảm biến, giảm ăn mòn ổ bi), tăng tuổi thọ thiết bị và độ tin cậy hệ thống.
  • Environmental: Góp phần vào việc giảm phát thải CO2 thông qua việc cải thiện hiệu suất của xe điện và các ứng dụng công nghiệp, với hiệu suất năng lượng của hệ truyền động tăng 5-10%.
  • Economic: Thúc đẩy sự phát triển của các ngành công nghiệp công nghệ cao trong nước (ví dụ, sản xuất EV), tạo ra giá trị gia tăng và việc làm.