Luận án Điều khiển thích nghi hệ truyền động động cơ không đồng bộ sáu pha

 BỘ GIÁO DỤC VÀ ĐÀO TẠO - BỘ GIAO THÔNG VẬN TẢI 
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP. HỒ CHÍ MINH 
PHẠM THÚY NGỌC 
ĐIỀU KHIỂN THÍCH NGHI HỆ TRUYỀN ĐỘNG 
ĐỘNG CƠ KHÔNG ĐỒNG BỘ SÁU PHA 
LUẬN ÁN TIẾN SĨ KỸ THUẬT 
TP. HỒ CHÍ MINH- 2019
BỘ GIÁO DỤC VÀ ĐÀO TẠO - BỘ GIAO THÔNG VẬN TẢI 
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP. HỒ CHÍ MINH 
PHẠM THÚY NGỌC 
ĐIỀU KHIỂN THÍCH NGHI HỆ TRUYỀN ĐỘNG 
ĐỘNG CƠ KHÔNG ĐỒNG BỘ SÁU PHA 
Chuyên ngành: Kỹ thuật điều khiển và tự động hoá 
Mã số: 9520216 
NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS. TS. NGUYỄN HỮU KHƯƠNG 
 TS. TRẦN THANH VŨ 
TP. HỒ CHÍ MINH- 2019
I 
LỜI CAM ĐOAN 
Tôi xin cam đoan luận án tiến sĩ với đề tài: “Điều khiển thích nghi hệ truyền 
động động cơ không đồng bộ sáu pha” là công trình nghiên cứu khoa học độc lập của 
riêng tôi. Các kết quả nghiên cứu trong luận án này là trung thực và chưa được công 
bố trong bất kỳ nghiên cứu nào. Tất cả những tham khảo và kế thừa đều được trích 
dẫn và tham chiếu đầy đủ. 
 Thành phố Hồ Chí Minh, ngày 25 tháng 12 năm 2019 
Nghiên cứu sinh 
Phạm Thúy Ngọc 
II 
LỜI CẢM ƠN 
Tôi xin gửi lời cảm ơn chân thành đến những người Thầy của tôi: PGS.TS 
Nguyễn Hữu Khương, TS. Trần Thanh Vũ – Cùng những Thầy trong Hội Đồng Khoa 
Học Trường Đại học Giao Thông Vận Tải Thành Phố Hồ Chí Minh vì sự tận tâm đã 
dành thời gian hướng dẫn và cho tôi những ý kiến đóng góp quý báu giúp tôi hoàn 
thành tốt luận án. 
Tôi xin gửi lời cảm ơn Ban lãnh đạo Trường Đại học Giao Thông Vận Tải 
Thành Phố Hồ Chí Minh, Viện đào tạo sau đại học, Khoa Điện_ĐTVT, cùng các 
phòng ban chức năng đã tạo điện kiện hỗ trợ, giúp đỡ tôi trong suốt thời gian học tập 
tại trường. 
Tôi xin cảm ơn Ban lãnh đạo Trường Đại học Công Nghiệp Thành Phố Hồ 
Chí Minh, lãnh đạo và các đồng nghiệp của tôi tại Khoa Công Nghệ Điện Trường Đại 
học Công Nghiệp Thành Phố Hồ Chí Minh, các nhà khoa học, các chuyên gia đã cho 
tôi những ý kiến đóng góp giúp tôi hoàn thành luận án. 
Tôi xin được bày tỏ lòng biết ơn tới Bố, Mẹ của tôi, những người đã luôn hy 
sinh thầm lặng và luôn dành tình yêu thương cho tôi, tới gia đình nhỏ, chồng và hai 
con gái thân yêu của tôi, những người luôn tin tưởng, động viên tôi giúp tôi vượt qua 
khó khăn để hoàn thành luận án này. 
Cuối cùng, tôi xin gửi lời tri ân tới một người bạn lớn, một người Thầy, người 
đã luôn đồng hành, chia sẻ những khó khăn cùng tôi, người mà thái độ làm việc, 
nghiên cứu khoa học nghiêm túc và đạo đức sống mẫu mực là tấm gương để tôi phấn 
đấu noi theo, là động lực để tôi hướng tới cuộc sống tốt đẹp, cống hiến cho nghiên 
cứu khoa học và các hoạt động có ích cho cộng đồng. 
Một lần nữa tôi xin chân thành cảm ơn! 
 Thành phố Hồ Chí Minh, ngày 25 tháng 12 năm 2019 
Nghiên cứu sinh 
Phạm Thúy Ngọc 
III 
TÓM TẮT 
Trong những thập kỷ gần đây, việc nâng cao chất lượng của hệ thống điều 
khiển, nhận dạng trong các hệ truyền động không cảm biến tốc độ nhiều pha nói 
chung và động cơ không đồng bộ sáu pha không đối xứng (SPIM) nói riêng nhận 
được sự quan tâm rất lớn từ các nhà nghiên cứu. Các nghiên cứu hệ truyền động SPIM 
cho thấy, bên cạnh những ưu điểm vượt trội so với các hệ truyền động không đồng 
bộ ba pha, hệ truyền động SPIM cũng phải đối mặt với những vấn đề điều khiển như 
trong các hệ truyền động ba pha truyền thống do tính chất phi tuyến của SPIM, thông 
số không chắc chắn, nhiễu tải, Thậm chí các vấn đề về điều khiển của hệ truyền 
động SPIM còn phức tạp hơn do có sự gia tăng về số pha. Trong luận án này, tác giả 
đề xuất một cấu trúc điều khiển phi tuyến kết hợp giữa điều khiển Backstepping và 
điều khiển cổng Hamiltonian (BS_PCH) nhằm cải tiến chất lượng của điều khiển 
vector (IFOC) hệ truyền động SPIM. Bộ điều khiển tốc độ vòng ngoài của hệ truyền 
động SPIM được đề xuất sử dụng BS cải tiến bổ sung thêm thành phần tích phân sai 
số theo dõi để tăng độ chính xác và cải thiện tính bền vững của bộ điều khiển. Bộ 
điều khiển PCH được đề xuất cho điều khiển dòng vòng trong để tăng khả năng bám 
đuổi theo tham chiếu, tốc độ đáp ứng và đảm bảo tính ổn định, bền vững trước thay 
đổi của tham số máy điện, nhiễu tải, 
Trên thực tế, như chúng ta đã biết, các bộ điều khiển không thể đảm bảo chất 
lượng điều khiển tốt cho điều khiển không cảm biến tốc độ hệ truyền động SPIM nếu 
không sử dụng các bộ quan sát trạng thái phù hợp và chính xác. Đã có rất nhiều sự 
chú ý từ các nhà nghiên cứu để cải thiện chất lượng của các bộ quan sát, nâng cao 
chất lượng của các hệ truyền động SPIM không cảm biến tốc độ. Trong số các kỹ 
thuật được đề xuất, MRAS là chiến lược phổ biến nhất do việc thực hiện đơn giản và 
đòi hỏi nỗ lực tính toán thấp. Các bộ quan sát dựa trên MRAS được áp dụng thành 
công ở khu vực tốc độ trung bình và cao, tuy nhiên, hoạt động ở dải tốc độ thấp và 
tốc độ bằng không vẫn là một thách thức lớn. Vấn đề này liên quan đến 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 ,.... Do đó, luận án đưa ra đề xuất thứ hai để cải thiện chất lượng của 
bộ quan sát tốc độ, bộ nhận dạng từ rotor, đặc biệt là ở vùng tốc độ thấp và tốc độ gần 
bằng không. Trong bộ quan sát tốc độ thích nghi dựa trên mô hình tham chiếu dòng 
IV 
stator cải tiến sử dụng mạng nơ ron và mô hình trượt (NNSM_SC MRAS) được đề 
xuất: Thứ nhất, tác giả đề xuất một bộ quan sát tốc độ dựa trên mô hình tham chiếu 
dòng stator (SC_MRAS), trong MRAS dòng này các thành phần dòng điện stator đo 
được sử dụng trực tiếp làm mô hình tham chiếu để tránh các vấn đề tích phân thuần 
túy và ảnh hưởng của thay đổi tham số động cơ. Mô hình thích nghi của bộ quan sát 
được đề xuất sử dụng mạng nơ ron tuyến tính Adaline với thuật toán LS để ước tính 
tốc độ rotor. Giải thuật LS đơn giản và hoàn toàn phù hợp với bài toàn ước lượng tốc 
độ khi hàm ước lượng trên thực tế có thể được xem như là một hàm tuyến tính. Đề 
xuất này nhằm giảm nỗ lực tính toán và 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. Thứ hai, bộ quan sát dòng đề xuất làm việc trong chế độ dự báo thay vì chế độ 
mô phỏng như trong các nghiên cứu đã được công bố, dẫn đến 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. 
Thứ ba, bộ nhận dạng từ thông rotor để cung cấp cho mô hình thích nghi dòng và bộ 
điều khiển được đề xuất sử dụng SM. Bộ nhận dạng từ thông được thiết kế dựa trên 
các điều kiện ổn định Lyapunov. Điện trở stator cũng được ước lượng và cập nhật 
online cho bộ ước lượng dòng stator và bộ điều khiển BS_PCH để giảm ảnh hưởng 
của thay đổi thông số máy (RS) đến quá trình ước lượng và điều khiển tốc độ. Các 
giải pháp này cải thiện 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. Cuối cùng, tác giả đề xuất sử dụng Euler điều 
chỉnh tăng thêm 2 biến trạng thái đầu vào để tăng độ chính xác cho bộ quan sát dòng 
trong mô hình thích nghi của bộ quan sát. 
Mặt khác, trong các hệ truyền động sử dụng SPIM, việc sử dụng biến tần 
nguồn áp sáu pha là một lựa chọn tất yếu vì nguồn sáu pha không có sẵn. Các phương 
pháp điều chế độ rộng xung (PWM) cho biến tần nguồn áp sáu pha gây ra xung điện 
áp common mode cao. Mục tiêu của điều khiển điện áp bộ biến tần là triệt tiêu ảnh 
hưởng bất lợi gây ra bởi điện áp common mode, tức giảm điện áp common mode ở 
mức thấp nhất có thể hoặc triệt tiêu chúng bằng zero. Vì vậy, để nâng cao hơn nữa 
chất lượng của hệ truyền động SPIM, luận án đề xuất một kỹ thuật điều rộng xung 
sóng mang mới làm giảm điện áp common mode (Reduced Common mode Voltage 
-RCMV) áp dụng cho hệ truyền động SPIM. Kỹ thuật sóng mang mới được đề xuất 
V 
đơn giản và đòi hỏi khối lượng tính toán ít, có thể dễ dàng phát triển trong các trường 
hợp mở rộng kỹ thuật PWM cho các bộ biến tần đa bậc hoặc biến tần nhiều pha. 
Phương pháp này có hiệu quả kinh tế cao, điện áp common mode được giảm và kiểm 
soát thành công trong phạm vi ±Vd/6. 
Việc kết hợp thành công giữa bộ quan sát NNSM_SC_MRAS và cấu trúc điều 
khiển phi tuyến BS_PCH, giải thuật giảm điện áp common mode cho điều khiển 
vector không sử dụng cảm biến tốc độ hệ truyền động SPIM đã góp phần nâng cao 
chất lượng điều khiển tổng thể của hệ thống, làm gia tăng 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. Ứng dụng hệ truyền động đề xuất kết hợp điều khiển 
BS_PCH, bộ quan sát tốc độ NNSM_SC _MRAS và giải thuật giảm điện áp common 
mode cho hệ thống đẩy trong xe điện cũng được thực hiện và được tác giả trình bày 
trong luận án. Các kết quả thu được cho thấy hệ thống truyền động được đề xuất đáp 
ứng rất tốt những yêu cầu của hệ thống đẩy trong xe điện. Kết quả này cho phép thúc 
đẩy các nghiên cứu ứng dụng thực tế hệ truyền động SPIM cho phương tiện và thiết 
bị ngành giao thông vận tải cũng như các lĩnh vực công nghiệp, v..v 
Bên cạnh việc trình bày, dẫn giải về lý thuyết, các mô phỏng sử dụng 
MATLAB/ Simulink cũng được thực hiện. Các kết quả mô phỏng chiến lược đề xuất 
được so sánh với các phương pháp truyền thống và các phương pháp hiện đại được 
công bố gần đây để chứng minh tính hiệu quả của các giải pháp được đề xuất. 
Từ khóa: Hệ truyền động động cơ không đồng bộ sáu pha, điều khiển thích nghi, 
MRAS, bộ quan sát tốc độ MRAS dòng stator, bộ nhận dạng từ thông sử dụng SM, 
điều khiển phi tuyến BS_PCH. 
VI 
Abstract 
In recent decades, the improvement of the control and identification system in 
the six phase induction motor (SPIM) drives have received great attention from the 
researchers. SPIM drive studies show that, besides, the outstanding advantages 
compared to three phase induction motor drive, SPIM drives also face the control 
problems as in the traditional three phase induction motor drives due to the 
nonlinearity of SPIM, uncertain parameters, load noise, etc... Even the problems of 
the control of SPIM drives are more complicated due to the increase in number of 
phases of SPIM. In this thesis, the author proposes a new nonlinear control structure 
that combines the Backstepping control and the Port Controlled Hamiltonian 
(BS_PCH) to improve the performance of the vector control system (IFOC) in the 
SPIM drives. The outer speed and flux loop controllers design is based on the BS 
technique using the integral tracking errors action to increase the accuracy and 
improve its robustness. To enhance more the performance of SPIM drives, the PCH 
scheme is proposed for inner current control loop to improve performance and ensure 
the stability, accuracy speed response for the drive system, enhance the robustness 
for the sensitivity of changes in machine parameters, load disturbance, 
In fact, as we knew that the control techniques for the sensorless control for 
SPIM drives can not guarantee good performances without the use of accurate and 
suitable state observer. There has been a lot of attention from researchers to improve 
the performance of the observers. Among the proposed techniques, MRAS are the 
most common strategy due to their low computational effort and simplicity. However, 
these MRAS based on observers have been successfully applied in medium and high 
speed region, but low and zero speed operation is still a large challenge. This is related 
to the machine parameter sensitivity (specially stator resistance), flux pure integration 
problems, stator voltage and current acquisition problems and inverter nonlinearity,... 
Therefore, the thesis give the second proposal to improving the quality of the speed 
observer, rotor flux identifier, especially at low and near zero speed region. In the 
novel version of the stator current model reference adaptive system based on speed 
observer using neural networks and sliding mode (NNSM_SC_MRAS) for sensorless 
VII 
vector control of the SPIM drives is proposed: First, in order to avoid the effect of a 
pure integrator and influence of motor parameter variations, the measured stator 
current components are used as the reference model. The adaptive model of the 
proposed observer uses a two layer linear neural network, which is trained online by 
a linear LS algorithm, this LS algorithm is simple and perfectly suitable for the speed 
estimation when the speed estimation function is considered to be a linear function. 
This proposal is intended to reduce computational effort and overcome some of the 
disadvantages caused by nonlinearity when using the BPN nonlinear algorithm in the 
previously proposed studies. This significantly improves the performance of the 
proposed observer. Second, the adaptive model is implemented in the prediction 
mode. This improvement ensures the proposed observer operate better accuracy and 
stability. Third, a rotor flux identifier, which is needed for the stator current 
estimation of the adaptive model and controllers, is proposed based on SM. The gains 
are designed based on stability conditions of Lyapunov theory. In addition, Rs stator 
resistance value of SPIM is also estimated and update online to stator current 
estimator and BS_PCH controller. These solutions improve the rotor flux estimation 
accuracy, and consequently, the speed estimation accuracy at very low stator 
frequency operation. Finally, the modified Euler integration has been used in the 
adaptive model to solve the instability problems due to the discretization of the rotor 
equations of the machine enhance the performance of observer. 
On the other hand, in the SPIM drives, the use of a six phase voltage voltage 
source inverter (SPVSI) is an inevitable option because a six phase source is not 
available. The pulse width modulation (PWM) methods for SPVSI cause high 
common mode voltage, so to improve the quality of the drives, the goal of the voltage 
control is to eliminate the adverse effects caused by common mode voltage, which 
means reducing common mode voltage to the lowest possible level or eliminating 
them by zero. Therefore, the thesis proposes a novel carrier pulse modulation 
technique to reduce common mode voltage for the six phase voltage source inverter 
of the SPIM drive, This new proposed technique is simple, efficient, requires little 
computational volume, and easy to apply when expanding PWM techniques for 
power conversion systems such as multi-level inverter or multi-phase inverter. This 
VIII 
method is highly economical, common mode voltage is reduced and successfully 
controlled in the range Vd/6. 
The successful combination of NNSM_SC_MRAS adaptive speed observer, 
BS_PCH nonlinear control structure and common mode voltage reduction algorithm 
has contributed to improving control quality for sensorless vector control of SPIM 
drive, ... ptive 
observer-backstepping controller: experimental robustness tests on low 
frequencies benchmark, IET Control Theory, 2010, 48(11), pp. 1989–2002. 
[77] Morawiec M, Z type observer backstepping for induction machines, IEEE 
Trans Ind Electron., 2014, 99(1). 
[78] Tsinias J., “Sufficient Lyapunov-Like Conditions for Stabilization”, 
Mathematics of Control, Signals and Systems MCSS-2, 1989, pp.343–357. 
144 
[79] Sonntag E. D. and Sussmann H. J., “Further Comments on the Stabilizability of 
the Angular Velocity of a Rigid Body”, Systems and Control Letters SCL-12, 
1998, pp. 437–442. 
[80] Kanellakopoulos, I. “ Passive adaptive control of nonlinear systems”, Int. J. 
Adaptive Control Signal Processing., 1998, 7(1), pp. 339-352. 
[81] R A Freeman and P V Kokotović, “Robust Nonlinear Control Design”. Boston, 
M A Birkhauser, 1996. 
[82] Zhou J. and Changyun W.,“Adaptive Backstepping Control of Uncertain 
Systems: Nonsmooth Nonlinearities, Interactions or Time-Variations”, Springer-
Verlag Berlin Heidelberg, 2008. 
[83] Ortega R, Vander Scjhaftb A.J, Mareels, etal. “Interconnection and damping 
assignment passivity-based contron of port-controlled Hamiltionian systems,” 
Automatica, 2002, 38(4), pp. 585-596. 
[84] Holtz. Sensorless control of induction motor drives. Proc. of the IEEE., 2002, 
90(8), pp. 1359-1394. 
[85] H. Rehman, A. Derdiyok, M. K. Guven, and L. Xu, "A new current model flux 
observer for wide speed range sensorless control of an induction machine," IEEE 
Transactions on Power Electronics, November 2002, 17 (6), pp. 1041-1048. 
[86] Holtz J and Quan J. “Drift and parameter compensated flux estimator for 
persistent zero stator frequency operation of sensorless controlled induction 
motors”. IEEE Trans. Ind. Appl., 2003, 39(4), pp. 1052-1060. 
[87] J. Holtz. “Sensorless control of induction machines—with or without signal 
injection”. IEEE Transactions on Industrial Electronics, Feb. 2006, 53(1), pp.7-
30,. 
[88] P. Vas, Artificial-Intelligence-Based Electrical Machines and Drives-
Application of Fuzzy, Neural, Fuzzy-Neural and Genetic Algorithm Based 
Techniques. New York: Oxford University Press, 1999. 
[89] B. K. Bose, "Neural Network Applications in Power Electronics and Motor 
Drives-An Introduction and Perspective," IEEE Transactions on Industrial 
Electronics, February 2007, 54(1), pp. 14-33. 
[90] M. Cirstea, A. Dinu, J. Khor, and M. McCormick, Neural and Fuzzy Logic 
Control of Drives and Power Systems. Oxford, Boston: Newnes, 2002. 
[91] M. Wlas, Z. Krzeminski, and H. A. Toliyat, "Neural-Network-Based Parameter 
Estimations of Induction Motors," IEEE Transactions on Industrial Electronics, 
April 2008, 55(4), pp. 1783-1794. 
[92] B. Karanayil, M. F. Rahman, and C. Grantham, "An implementation of a 
programmable cascaded low-pass filter for a rotor flux synthesizer for an 
induction motor drive," IEEE Transactions on Power Electronics, March 2004 , 
19(2), pp. 257-263. 
145 
[93] M.Hinkkanen and J. Luomi, "Modified integrator for voltage model flux 
esttmatlOn of mductton motors," IEEE Transactions on Industrial Electronics, 
August 2003, 50(4), pp. 818-820. 
[94] C. Schauder, "Adaptive speed identification for vector control of induction 
motors without rotational transducers," IEEE Transactions on Industry 
Applications, September/October 1992, 28(5), pp. 1054-1061. 
[95] J. Kumara, "Speed sensorless field oriented control for induction motor drive," 
Ph.D Thesis, Newcastle University, Newcastle upon Tyne, UK, 2006. 
[96] Nguyễn Văn Nhờ, Phạm Thúy Ngọc, “Kỹ thuật điều khiển độ rộng xung sóng 
mang mới để giảm điện áp common mode cho động cơ 6 pha không đối xứng”, 
Hội nghị toàn quốc lần thứ 8 về Cơ Điện tử _VCM-2016, pp. 524 – 531. 
[97] Nguyễn Văn Nhờ, Phạm Thúy Ngọc, “Kỹ thuật điều chế độ rộng xung mới dùng 
sóng mang để giảm điện áp common mode cho bộ nghịch lưu 3 pha”, Hội nghị 
toàn quốc lần thứ 8 về Cơ Điện tử - VCM-2016, pp. 532 – 538. 
[98] M.B.R. Corra, C.B. Jacobina, C.R. da Silva, A..N. Lima, E. R. C. da Silva,”Six-
phase AC drive system with reduced common-mode voltage”, IEEE PESC 2003. 
[99] Drazen Dujic, Atif Iqbal, Emil Levi “A Space Vector PWM Technique for 
Symmetrical Six-Phase Voltage Source Inverters”, 2007, EPE Journal 
[100] G.Oriti, A.L. Julian, T. Lipo, An Inverter/Motor Drive with Common Mode 
Voltage Elimination, IEEE IAS Proceedings 1997. 
[101] A. Nanoty and A. R. Chudasama, “Control of designed developed six phase 
induction motor,” International Journal of Electromagnetics and Applications, 
2012, 2(5), pp. 77-84. 
[102] Kai Tian, Jiacheng Wang, Bin Wu, Dewei Xu, Zhongyuan Cheng, Navid Reza 
Zargari, “A Virtual Space Vector Modulation Technique for the Reduction of 
Common Mode Voltages in both Magnitude and Third Order Component”, IEEE 
Transactions on Power Electronics, Jan. 2016, 31(1), pp. 839 - 848. 
[103] Hou-Tsan Lee, Fu Li-Chen, Lian Feng-Li. “Sensorless adaptive backstepping 
speed control of induction motor”. In: Proceedings of the 45th IEEE conference 
on decision and control. USA; p. 1252–57, 13–15 December 2006. 
[104] Mehazzem F, Nemmour AL, Reama A, Benalla H. “Nonlinear integral 
backstepping control for induction motors”. In: Proceedings of 2011 
international Aegean conference on electrical machines and power electronics 
and 2011 Electromotion Joint Conference (ACEMP); 2011. p. 331–36. 
[105] Abderrahmen Zaafouri, Chiheb Ben Regaya, Hechmi Ben Azza, Abdelkader 
Châari, “zDSP-based adaptive backstepping using the tracking errors for high-
performance sensorless speed control of induction motor drive”, ISA 
Transactions., 2016, 60, pp. 333-347. 
146 
[106] J. Liu, S. Vazquez, L. Wu, et al., Extended state observer-based sliding-mode 
control for three-phase power converters, IEEE Trans. Ind. Electron., 2017, 64 
(1), pp. 22–31. 
[107] J. Liu, W. Luo, X. Yang, et al., Robust model-based fault diagnosis for PEM fuel 
[108] Q. Su, W. Quan, G. Cai, et al., Improved adaptive backstepping sliding mode 
control for generator steam valves of non-linear power systems, IET Control 
Theory Appl., 2017, 11 (9), pp. 1414–1419. 
[109] W. Chen, S. Ge, J. Wu, et al., Globally stable adaptive backstepping neural 
network control for uncertain strict-feedback systems with tracking accuracy 
known a priori, IEEE Trans Neural Netw. Learn. Syst., 2015, 26 (9), pp. 1842–
1854. 
[110] Z. Liu, B. Chen, C. Lin, Adaptive neural backstepping for a class of switched 
nonlinear system without strict-feedback form, IEEE Trans. Syst. Man Cybern. 
Syst., 2017, 47 (7), pp.1315–1320. 
[111] Z. Liu, B. Chen, C. Lin, Output-feedback control design for switched nonlinear 
systems: adaptive neural backstepping approach, Inf. Sci. 457., 2018, pp. 62–75. 
[112] Y. Sun, B. Chen, C. Lin, Adaptive neural control for a class of stochastic 
nonlinear systems by backstepping approach, Inf. Sci., 2016, 369, pp. 748–764. 
[113] J. Yu, B. Chen, H. Yu, et al., “Neural networks-based command filtering control 
of nonlinear systems with uncertain disturbance”, Inf. Sci,. 2017, 426, pp.50–60. 
[114] H. Li, L. Wang, H. Du, et al., Adaptive fuzzy backstepping tracking control for 
strict-feedback systems with input delay, IEEE Trans. Fuzzy Syst., 2017, 25 (3), 
pp. 642–652. 
[115] J. Yu, P. Shi, W. Dong, et al., Observer and command-filter-based adaptive fuzzy 
output feedback control of uncertain nonlinear systems, IEEE Trans. Ind. 
Electron., 2015, 62 (9), pp. 5962–5970. 
[116] G. K. Singh, K. Nam, S. K. Lim “A Simple Indirect Field-Oriented Control 
Scheme for Multiphase Induction Machine” , IEEE Transactions on Industrial 
Electronics, August 2005, 52(4), pp. 1177-1184. 
[117] Kubota H, Matsuse K, Nakano. DSP-based speed adaptive flux observer of 
induction motor. IEEE Trans. Ind. Appl., 1993, 29 (2), pp.344–348 
[118] Vieira R., Gastaldini C, Azzolin R, Gründling. Discrete-time sliding mode speed 
observer for sensorless control of induction motor drives. IET Electr. Power 
Appl., 2012, 6(9), pp. 681–688. 
[119] Jafarzadeh S, Lascu C, Fadali. State estimation of induction motor drives using 
the unscented Kalman filter. IEEE Trans. Ind. Electron. 2012, 59(11), pp. 4207–
4216. 
147 
[120] Abhisek Pal, Sukanta Das, and Ajit K. Chattopadhyay, “An Improved Rotor Flux 
Space Vector Based MRAS for Field Oriented Control of Induction Motor 
Drives”, IEEE Transactions on Power Electronics, 2018, 33(6), pp. 5131 – 5141. 
[121] Flah A, Sbita L. “An adaptive high speed PMSM control for electric vehicle 
application. Journal of Electrical Engineering” Journal of Electrical 
Engineering., 2012, 12(3), pp. 165-177. 
[122] Foo G, Rahman. “Sensorless sliding-mode MTPA control of an IPM 
synchronous motor drive using a sliding-mode observer and HF signal 
injection”, IEEE Trans. Ind. Electron., 2010, 57(4), pp.1270-1278. 
[123] Flah A, Novak M, Lassaad S. An Improved Reactive Power MRAS Speed 
Estimator with Optimization for a Hybrid Electric Vehicles Application. J. Dyn. 
Syst. Meas. Control., 2018, 140(6), pp. 016-061. 
[124] Flah A, Sbita L, Mouna BH. Online MRAS-PSO PMSM parameters estimation,” 
International Review on Modelling and Simulations, 2011, 4(3), pp. 980–987. 
[125] Horch M, Boumediene A, Baghli L. MRAS-based Sensorless Speed Integral 
Backstepping Control for Induction Machine, using a Flux Backstepping 
Observer. International Journal of Power Electronics and Drive System 
(IJPEDS)., 2017, 8(4), pp. 1650–1662. 
[126] Jannati M, Idris NRN, Aziz MJA. Indirect Rotor Field-Oriented Control of Fault-
Tolerant Drive System for Three-Phase Induction Motor with Rotor Resistance 
Estimation Using EKF. TELKOMNIKA Indonesian Journal of Electrical 
Engineering. 2014, 12(9), pp. 6633 – 6643 
[127] Jannati M, Asgari SH, Idris NRN, Aziz MJA. Speed Sensorless Direct Rotor 
Field-Oriented Control of Single Phase Induction Motor Using Extended 
Kalman Filter. International Journal of Power Electronics and Drive System 
(IJPEDS)., 2014, 4(4), pp. 430-438. 
[128] Benlaloui I, Drid D, Alaoui LC, Ouriagli M. “Implementation of a New MRAS 
Speed Sensorless Vector Control of Induction Machine”. IEEE Transactions on 
Energy Conversion, 2015, 30(2), pp. 588 – 595. 
[129] Smith AN, Shady MG, Finch JW. “Improved Rotor Flux Estimation at Low 
Speeds for Torque MRAS-Based Sensorless Induction Motor Drives”. IEEE 
Transactions On Energy Conversion, 2016, 31(1), pp. 270 – 282. 
[130] Gadoue, SM, Giaouri, D, Finch JW. An experimental assessment of a stator 
current MRAS based on neural networks for sensorless control of induction 
machines. Proc. 2011 Symp. Sensorless Control for Electrical Drives, 
Birmingham, UK., 2011, pp. 102–106, 2011. 
[131] Diep Phu Nguyen, Nho Van Nguyen, “A Novel Neural Network SC_MRAS 
Based Observer for High-Performance”, International Journal of Intelligent 
Engineering and Systems (ISSN: 2185-3118), Dec-2018, Vol 11, No 6, pp.95-
107. 
148 
[132] Cirrincione G, Cirrincione M, Hérault J, Van Huffel S. The MCA EXIN nơ ron 
for the minor component analysis: Fundamentals and comparisons. IEEE Trans. 
Neural Netw., 2002, 13(1), pp. 160–187. 
[133] Matheus J. H and Fink K. D. Numerical Methods Using Matlab. 4th ed. Upper 
Saddle River, NJ: Prentice-Hall, 2004. 
[134] M. Rashed and A. F. Stronach, "A stable back-EMF MRAS-based sensorless low 
speed induction motor drive insensitive to stator resistance variation," lEE 
Proceedings Electric Power Applications, November 2004, 151(6), pp. 685-693. 
[135] Birzeian, M. Moallem, V. Tahani, and C. Lucas, "Multiobjective optImIzatIOn 
method based on a genetic algorithm for switched reluctance motor design," 
IEEE Transactions on Magnetics., Mav 2002, 38(3), pp. 1524-1527. 
[136] C. C. Chan et al., “Electric vehicles charge forward,” IEEE Power Energy Mag., 
Nov./Dec. 2004, 2(6), pp. 24–33. 
[137] V. Erginer, M. H. Sarul, “High Performance and Reliable Torque Control of 
Permanent Magnet Synchronous Motors in Electric Vehicle Applications”, 
Elektronika ir Elektrotechnika, May 2013, 19(7), pp. 41-46. 
[138] I. Husain, “Electric and hybrid vehicles: design fundamentals”, CRC press, 2011. 
[139] C. C. Chan, “The state of the art of electric and hybrid vehicles,” Proc. 
IEEE, Feb. 2002, 90(2), pp. 247–275. 
[140] A. Haddoun1,2, M.E.H. Benbouzid1, D. Diallo3, R. Abdessemed4, J. Ghouili5 
and K. Srairi “Comparative Analysis of Estimation Techniques of SFOC 
Induction Motor for Electric Vehicles”, Proceedings of the 2008 International 
Conference on Electrical Machines, Oct, 2018. 
[141] S. Woosuk, S. Jincheol, and J. Yu-seok, "Energy-Efficient and Robust Control 
for High-Performance Induction Motor Drive With an Application in Electric 
Vehicles," IEEE Transactions on Vehicular Technology, IEEE Transactions on, 
2012, 61(2), pp. 3394-3405. 
[142] Farid Khoucha, Khoudir Marouani, Abdelaziz Kheloui, Mohamed Benbouzid. 
“A Sensorless Direct Torque Control Scheme Suitable for Electric Vehicles,” 
Electromotion, 2009, 16(2), pp.89-97. 
[143] Flah A, Novak M, Lassaad S. An Improved Reactive Power MRAS Speed 
Estimator With Optimization for a Hybrid Electric Vehicles Application. J. Dyn. 
Syst. Meas. Control., 2018,140(6), pp.061 016. 
[144] Z. Xi, "Sensorless Induction Motor Drive Using Indirect Vector Controller and 
Sliding-Mode Observer for Electric Vehicles," IEEE Transactions on Vehicular 
Technology, IEEE Transactions on, 2013, 62(2), pp. 3010-3018. 
[145] Novak M, Lassaad S, “An Improved Reactive Power MRAS Speed Estimator 
With Optimization for a Hybrid Electric Vehicles Application”. J. Dyn. Syst. 
Meas. Control., 2018,140(6), pp. 1432-1440. 
149 
[146] Huang, Q., Huang, Z., Zhou, H, “Nonlinear optimal and robust speed control for 
a light-weighted all-electric vehicle”, IET Control Theory Appl., 2007, 3, (4), 
pp. 437–444. 
[147] Larminie, J., Lowry, J.: “Electric vehicle technology explained”, John 
Wiley & Sons, Ltd, 2003. 
[148] F.-J. Lin, Y.-C. Hung, J.-C. Hwang,I.-P. Chang, M.-T. Tsai, “Digital signal 
processor-based probabilistic fuzzy neural network control of in-wheel motor 
drive for light electric vehicle” IET Electr. Power Appl.,2012, 6 (2), pp. 47–61. 
[149] Abdelhakim Haddoun, Mohamed Benbouzid, Demba Diallo, Rachid, 
Abdessemed, Jamel Ghouili, Kamel Srairi, “Modeling, Analysis, and Neural 
Network Control of an EV Electrical Differential”, IEEE transactions on 
industrial electronics, june 2008, 55(6), pp. 2286 - 2294. 
[150] Fukui S, Kawai T, Takahashi M. “Numerical study of optimization design of 
high temperature superconducting field winding in 20 MW synchronous motor 
for ship propulsion”. IEEE Trans Appl Supercond 2012. 
[151] BrahimGasbaoui, AbdelfatahNasri, OthmaneAbdelkhalek, “An Efficiency PI 
Speed Controller for Future Electric Vehicle in Several Topology”. Procedia 
Technology, 2016, Vol. 22, pp. 501-508.