METODI COMPUTAZIONALI ALL'AVANGUARDIA PER L'IMPLEMENTAZIONE DEL CONTROLLO PREDITTIVO NEGLI AZIONAMENTI ELETTRICI

This work covers many research aspects of model-based and data-driven control techniques for permanent magnet synchronous motor drives, suitable for both isotropic motor, such as Surface Permanent Magnet (SPM), and anisotropic motors which are interior permanent magnet (IPM) and synchronous reluctance machines (SyRM). On one hand, the research interest on model-based algorithms for electric drive applications is constantly growing. On the other hand, the interest in data analysis is constantly growing and this leads to an increasing attention towards data-enabled methods in all branches of science and engineering. This revolution has a significant impact on the control engineering too. Data-driven control design consists in synthesizing a controller using the data collected on the real system, without defining and identifying a parametric model for the plant. Improvements in the computational power and the development of dedicated hardware solutions are making these complementary methods, that serve the same purpose, suitable for fast-dynamic industrial applications. The thesis is structured as follows. The first part gives the background knowledge needed to develop the topics covered in the following. This comprehends an introduction to the machines and drives, and some basic-concepts of model-based and data-driven control theory. The framework of optimization based algorithms is considered. In particular, the Continuous-Set (CS) approach to Model Predictive Control (MPC) is investigated, which is stated as a quadratic programming (QP) problem type, where feasible system constraints are included directly in the optimization problem. The second part deals with two aspects of MPC: the offset-free formulation in presence of model uncertainties is addressed, and a custom and efficient QP solvers for electric drives applications is presented, where usually limited computational hardware is available. Finally, the data-driven control of electric machines is investigated, with particular attention on the comparison of performance and computational aspects with respect the model-based approach.

Il lavoro di tesi copre molti aspetti di ricerca sulle tecniche di controllo basate sul modello e sui dati, applicate agli azionamenti dei motori sincroni a magneti permanenti, adatti sia ai motori isotropi, come il motore a magneti permanenti superficiali, sia ai motori anisotropi che, ovvero a magneti interni e macchine a riluttanza. Da un lato, l'interesse della ricerca sugli algoritmi basati su modelli per applicazioni agli azionamenti elettrici è in costante crescita. Dall'altro lato, l'interesse per l'analisi dei dati è in costante crescita e questo ha portato a una crescente attenzione verso algoritmi basati sui dati, in tutti i rami della scienza e dell'ingegneria. Questa rivoluzione sta avendo un impatto significativo anche sull'ingegneria del controllo. La progettazione di controllori così detti "data-driven" consiste nel sintetizzare un controllore utilizzando i dati raccolti sul sistema reale, senza definire o identificare un modello parametrico per l'impianto. I miglioramenti nella potenza di calcolo e lo sviluppo di soluzioni hardware dedicate stanno rendendo entrambe metodi adatti ad applicazioni industriali con elevate dinamiche. La tesi è strutturata come segue. La prima parte fornisce alcune conoscenze necessarie per sviluppare gli argomenti trattati nel seguito. Questo comprende un'introduzione alle macchine e agli azionamenti, e alcuni concetti di base della teoria del controllo basata sul modello e dai dati. Vengono considerati poi algoritmi basati sull'ottimizzazione. In particolare, viene studiato l'approccio Continuous-Set (CS) al Model Predictive Control (MPC), che è visto come un tipo di problema di programmazione quadratica (QP), dove i limiti di ingresso e uscita del sistema sono inclusi direttamente nel problema di ottimizzazione. La seconda parte si occupa di due aspetti dell'MPC: viene affrontata la formulazione senza offset in presenza di incertezze del modello, e viene presentato un solutore QP personalizzato ed efficiente per applicazioni agli azionamenti elettrici, dove solitamente è disponibile una limitata potenza di calcolo. Infine, viene studiato il controllo data-driven applicato ai motori elettrici, con particolare attenzione alle prestazioni e agli aspetti computazionali.