Thuật toán học Nơron sửa đổi để ước lượng điện trở Roto và Stato khi đang hoạt động cho truyền động động cơ không đồng bộ không cảm biến tốc độ

TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 39 
THUẬT TOÁN HỌC NƠRON SỬA ĐỔI ĐỂ ƯỚC LƯỢNG ĐIỆN TRỞ 
ROTO VÀ STATO KHI ĐANG HOẠT ĐỘNG CHO TRUYỀN ĐỘNG 
ĐỘNG CƠ KHÔNG ĐỒNG BỘ KHÔNG CẢM BIẾN TỐC ĐỘ 
A MODIFIED NEURAL LEARNING ALGORITHM FOR ONLINE ESTIMATION OF ROTOR 
AND STATOR RESISTANCES IN SENSORLESS INDUCTION MOTOR DRIVES 
Phạm Văn Tuấn, Phạm Hùng Phi, Nguyễn Thanh Sơn, Nguyễn Thế Công 
Trường Đại học Bách Khoa Hà Nội 
Ngày nhận bài: 5/10/2018, Ngày chấp nhận đăng: 20/12/2018, Phản biện: TS. Nguyễn Đăng Toản 
Tóm tắt: 
Ước lượng điện trở roto và stato trong quá trình làm việc là cần thiết đối với các hệ truyền động 
không cảm biến tốc độ động cơ không đồng bộ ba pha ở vùng tốc độ thấp. Trong bài báo này một 
thuật toán nơron sửa đổi đã được đề xuất để ước lượng điện trở roto và stato trong quá trình làm 
việc. Ở đây luật cập nhật của mạng nơron có tốc độ học là một hàm thích nghi theo từng chu kỳ lấy 
mẫu, hàm thích nghi được xác định bằng mô hình mờ Mamdani. Kết quả mô phỏng cho thấy các 
điện trở được ước lượng bằng mạng nơron với tốc độ học là hàm thích nghi được đề xuất có sai số 
nhỏ so với điện trở roto và stato thực, nâng cao chất lượng của hệ truyền động động cơ không đồng 
bộ không có cảm biến tốc độ. 
Từ khóa: 
Mạng nơron nhân tạo, điều khiển mờ, ước lượng điện trở roto, ước lượng điện trở stato. 
Abstract: 
Online estimation of rotor and stator resistance is essential for sensorless induction motor drives in 
the low speed region. In this paper, a novel modified neural algorithm has been proposed for online 
estimation of the rotor and stator resistance. Here the updated law of neural network with the 
learning rate is an adaptive function for each sampling cycle, and the adaptive function is 
determined by a Mamdani fuzzy model. The simulation results showed that the rotor and stator 
resistance estimated by neural network with learning rate as the adaptive function with small error 
compared to the real rotor and stator resistance, improving the quality of the sensorless driver for 
induction motor. 
Key words: 
Artificial Neural Network (ANN), Fuzzy Logic control (FLC), rotor resistance estimation, stator 
resistance estimation. 
Danh mục các ký hiệu
Ký 
hiệu 
Giải thích ký hiệu 
vm
rd Từ thông roto dọc trục tính từ mô 
hình điện áp, hệ tọa độ gắn với stato 
Ký 
hiệu 
Giải thích ký hiệu 
vm
rq Từ thông roto ngang trục tính từ mô 
hình điện áp, hệ tọa độ gắn với stato 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
40 Số 17 
Ký 
hiệu 
Giải thích ký hiệu 
s
sd Từ thông stato dọc trục, hệ tọa độ 
gắn với stato 
s
sq Từ thông stato ngang trục, hệ tọa độ 
gắn với stato 
im
rd Từ thông roto dọc trục tính từ mô 
hình dòng điện, hệ tọa độ gắn với 
stato 
im
rq Từ thông roto ngang trục tính từ mô 
hình dòng điện, hệ tọa độ gắn với 
stato 
sdV Điện áp stato dọc trục, hệ tọa độ gắn 
với stato 
sqV Điện áp stato ngang trục, hệ tọa độ 
gắn với stato 
sdi Dòng điện stato dọc trục, hệ tọa độ 
gắn với stato 
sqi Dòng điện stato ngang trục, hệ tọa 
độ gắn với stato 
1. MỞ ĐẦU 
Hiện nay nghiên cứu về truyền động 
không cảm biến tốc độ động cơ không 
đồng bộ ba pha roto lồng sóc thu hút được 
nhiều sự quan tâm trên thế giới bởi: khi 
động cơ lớn, trục động cơ lớn, sử dụng 
cảm biến tốc độ sẽ khó khăn cho lắp đặt 
và có sai số lớn đặc biệt ở vùng tốc độ 
thấp; giảm chi phí đáng kể cho hệ thống 
phần cứng đo lường tốc độ; với các máy 
và hệ truyền động điện làm việc trong môi 
trường khắc nghiệt (nhiệt độ cao, nhiều 
bụi) sử dụng cảm biến tốc độ sẽ không 
thích hợp, dễ gây sai số, hỏng hóc [1]-[4]. 
Do vậy ước lượng chính xác tốc độ sẽ cải 
thiện đáng kể đáng kể chất lượng của hệ 
truyền động không cảm biến tốc độ với 
các thuật toán điều khiển động cơ không 
đồng bộ (Indirect Field Oriented Control/ 
FOC, Direct Torque Control/ DTC). 
Mặt khác, các thuật toán ước lượng tốc độ 
động cơ không đồng bộ phụ thuộc vào giá 
trị điện trở roto và stato. Điện trở roto có 
thể biến thiên tới 100% do sự thay đổi 
nhiệt độ, tần số roto và lấy lại các thông 
tin này với một mô hình nhiệt hoặc cảm 
biến nhiệt độ là rất khó khăn, phức tạp và 
các cảm biến nhiệt độ phải được gắn vào 
các vị trí khác nhau của roto, điều đó có 
thể không thực hiện được trong tất cả các 
ứng dụng [5]-[10]. Điện trở stato cũng có 
thể thay đổi 50% trong quá trình làm việc 
của động cơ [5], [7], [10]. Do đó việc ước 
lượng chính xác điện trở roto và stato 
trong quá trình làm việc của động cơ sẽ 
cải thiện và nâng cao chất lượng của hệ 
truyền động không cảm biến tốc độ. Một 
số thuật toán ước lượng điện trở roto đã 
được nghiên cứu và thực hiện như thuật 
toán thích nghi tham chiếu mô hình 
(MRAS) của từ thông hoặc công suất 
phản kháng đã được thực hiện ở [11], 
[12], bộ lọc Kalman mở rộng [13], [14], 
điều khiển trượt [15], [16], điều khiển mờ 
[17]-[20]. Phương pháp ước lượng điện 
trở roto trong quá trình làm việc của động 
cơ sử dụng mạng nơron truyền thẳng 
nhiều lớp đã được nghiên cứu và thực 
hiện ở [7], [21] nhưng phương pháp ước 
lượng điện trở này vẫn bị giới hạn là tốc 
độ học được lựa chọn trước và không thay 
đổi trong quá trình ước lượng. Do vậy, 
nếu lựa chọn tốc độ học không phù hợp sẽ 
dẫn đến quá trình huấn luyện mạng chậm 
và sai số đầu ra của mạng lớn. Việc lựa 
chọn tốc độ học phù hợp chủ yếu dựa vào 
kinh nghiệm của người nghiên cứu. 
Thuật toán ước lượng điện trở stato đã có 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 41 
những nghiên cứu được đề cập [22], [23] 
dựa trên bộ quan sát Luenberger; bộ điều 
khiển mờ [24], [25]; MRAS [26], [27] và 
sử dụng mạng nơron hồi quy với tốc độ 
học là hằng số [7]. Cấu trúc của bài báo 
gồm 4 phần chính: phần 1 trình bày tổng 
quan về một số phương pháp nhận dạng 
điện trở roto và s ... ọc đã được đề cập ở tài liệu [7], 
[29]. Điện trở stato có thể được ước 
lượng như sau: 
 2 241s s s m r r
s s
R W (T / L )( L R / L )
* ( L / T )

 

 (20) 
Ước lượng tốc độ sử dụng trong điều 
khiển không cảm biến ở bài báo này được 
kế thừa từ tài liệu [3] theo biểu thức (20) 
dưới đây: 
1
1
1
r r
vm im im
rq rq rd
w
vm im im
s rd rd rq
k k
k k k
T k k k
 
  
  
 
(21) 
4. CÁC KẾT QUẢ MÔ PHỎNG 
Việc ước lượng điện trở roto và stato đặc 
biệt có ý nghĩa ở vùng tốc độ thấp vì từ 
thông ước lượng từ (3), (5) rất nhạy cảm 
với điện trở stato và roto. Các kết quả mô 
phỏng sẽ cho thấy ưu việt của phương 
pháp trình bày trong phần 2 và 3 trong 
vùng tốc độ này. 
Hình 4 là sơ đồ khối của bộ truyền động 
IFOC không cảm biến tốc độ với ước 
lượng điện trở roto và stato. 
Hình 4. Sơ đồ khối của bộ truyền động điện 
động cơ không đồng bộ IFOC không cảm biến 
tốc độ với ước lượng điện trở roto và stato 
Thông số của động cơ mô phỏng được 
cho trong bảng 2. Để mô phỏng hệ truyền 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
44 Số 17 
động không cảm biến tốc độ với ước 
lượng điện trở roto và stato, tác giả đã sử 
dụng phần mềm Matlab/simulink. Giả 
thiết trong quá trình mô phỏng, điện trở 
roto và stato biến thiên 50% so với giá trị 
ban đầu [6], [21]. Điều này dẫn đến sai 
lệch giữa giá trị điện trở roto và stato thực 
và giá trị điện trở roto và stato được đưa 
vào bộ điều khiển. Điện trở roto biến 
thiên từ 1,84 Ω đến 2,76 Ω, điện trở stato 
biến thiên 1,99 Ω đến 2,99 Ω (quá trình 
mô phỏng từ 0÷9 giây); tải TL=4,5 Nm 
được đóng tại thời điểm t=1,5 giây, tốc độ 
đặt = 15 rad/s. 
Các kết quả mô phỏng trong các trường 
hợp sau: 
* Khi chưa có bộ ước lượng điện trở roto 
và stato tác động vào bộ điều khiển không 
cảm biến tốc độ: Giả thiết trong quá trình 
làm việc điện trở roto động cơ tăng từ 
1,84 đến 2,76 Ω (từ 0÷2 giây vẫn giữ 1,84 
Ω, 2÷7 giây tăng từ 1,84÷2,76 Ω, 7÷9 
giây giữ ở 2,76 Ω); điện trở stato tăng từ 
1,99 đến 2,99 Ω (từ 0÷2 giây vẫn giữ 1,99 
Ω, 2÷7 giây tăng từ 1,99÷2,99 Ω, 7÷9 
giây giữ ở 2,99 Ω); nhưng các điện trở 
roto và stato được đưa vào bộ điều khiển 
vẫn giữ nguyên giá trị ban đầu. 
Bảng 2. Các thông số của động cơ mô phỏng 
TT Thông số Giá trị 
1 Công suất định mức 2,2 kW 
2 Điện áp định mức 400 V 
3 Tần số định mức 50 Hz 
4 Điện trở stato 1,99 Ω 
5 Điện trở roto 1,84 Ω 
6 Hỗ cảm 0,37 H 
9 Số cực 2 
10 Tốc độ định mức 2880 RPM 
(a) 
(b) 
Hình 5(a), (b). Momen tải và momen điện từ 
Momen điện từ và momen tải được chỉ ra 
ở hình 5(a), 5(b): khi điện trở roto và stato 
thay đổi xấp xỉ 50% biên độ momen điện 
từ đập mạch xấp xỉ 17%. Hình 6(a) chỉ ra 
tốc độ đặt, tốc độ thực và tốc độ ước 
lượng trong toàn bộ thời gian mô phỏng; 
từ 1-2 giây khi điện trở roto và stato chưa 
thay đổi, tốc độ ước lượng bám tốc độ 
thực và tốc độ đặt của động cơ, kể cả khi 
đóng tải TL= 4,5 Nm tốc độ động cơ giảm 
xuống nhưng tốc độ ước lượng vẫn bám 
sát tốc độ thực; từ 2-9 giây khi điện trở 
roto và stato biến thiên, tốc độ thực của 
động cơ không bám tốc độ đặt, tốc độ ước 
lượng bị giao động quanh giá trị tốc độ 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 45 
đặt. Hình 6(b) đã chỉ ra khi điện trở roto, 
stato thay đổi xấp xỉ 50% so với các giá 
trị ban đầu thì tốc độ thực không bám giá 
trị tốc độ đặt, sai lệch xấp xỉ 0,60 rad/s 
còn tốc độ ước lượng bị giao động quanh 
tốc độ đặt, với biên độ đập mạch của ước 
lượng tốc độ gần 1,0 rad/s. 
(a) 
(b) 
Hình 6(a), (b): Tốc độ của động cơ bao gồm: 
tốc độ đặt, tốc độ thật và tốc độ ước lượng 
* So sánh ước lượng điện trở roto và stato 
tốc độ học thích nghi với trường hợp sử 
dụng tốc độ học là hằng số: Sau một số 
phép thử chọn tốc độ học hằng số để ước 
lượng điện trở roto và stato là 0,001 và 
0,01. 
(a) 
(b) 
Hình 7(a), (b). Điện trở roto và stato của động 
cơ bao gồm: điện trở thực, điện trở ước lượng 
* Khi có ước lượng điện trở roto và stato 
tác động vào bộ điều khiển không cảm 
biến tốc độ: 
(a) 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
46 Số 17 
(b) 
Hình 8(a), (b). Momen tải và momen điện từ 
Hình 9. Tốc độ của động cơ bao gồm: tốc độ 
đặt, tốc độ thật, tốc độ ước lượng 
Các kết quả mô phỏng trên hình 7(a), 7(b) 
chỉ ra với thuật toán ước lượng đã được 
đề xuất ở phần 2 và 3, điện trở roto và 
stato được ước lượng chính xác với sai số 
rất bé so với giá trị điện trở thực, hội tụ 
nhanh hơn so với trường hợp tốc độ học 
là hằng số. Momen điện từ và momen tải 
được chỉ ra ở hình 8(a), 8(b): khi điện trở 
roto và stato thay đổi xấp xỉ 50%, có bộ 
ước lượng điện trở roto và stato tác động 
vào bộ điều khiển, biên độ momen điện từ 
đập mạch xấp xỉ 10%. Hình 9 đã chỉ ra 
việc ước lượng điện trở roto và stato 
chính xác (với phương pháp đã được đề 
xuất ở phần 2 và 3) dẫn đến tốc độ ước 
lượng bám sát với tốc độ thực của động 
cơ, qua đó nâng cao chất lượng của hệ 
truyền động không cảm biến tốc độ. 
5. KẾT LUẬN 
Bài báo đã đề xuất một phương pháp mới 
để ước lượng điện trở roto và stato động 
cơ không đồng bộ ba pha roto lồng sóc sử 
dụng mạng nơron nhân tạo với hàm tốc độ 
học được xây dựng từ một bộ điều khiển 
mờ theo mô hình Mamdani. Kết quả đã 
chỉ ra ước lượng điện trở roto và stato với 
phương pháp được đề xuất có độ chính 
xác cao, đồng thời cũng đã minh chứng 
được ước lượng điện trở roto và stato góp 
phần nâng cao chất lượng hệ truyền động 
không cảm biến tốc độ ở vùng tốc độ 
thấp. Ngoài ra, phương pháp ước lượng 
này còn được sử dụng để xác định điện 
trở roto và stato cho một dãy động cơ 
không đồng bộ mà không phải lựa chọn 
tốc độ học riêng cho từng động cơ. Hướng 
phát triển tiếp theo của nhóm tác giả là sử 
dụng các điện trở được ước lượng ứng 
dụng cho điều khiển không cảm biến tốc 
độ với phương pháp điều khiển nhạy cảm 
với các thông số động cơ như điều khiển 
dự báo (Model Predictive Control/ 
MPC), nhằm đánh giá hiệu quả của 
phương pháp nghiên cứu; đồng thời phát 
triển thuật toán nhận dạng các tham số 
khác như điện cảm roto, điện cảm stato và 
hỗ cảm nhằm nâng cao hơn nữa chất 
lượng hệ truyền động không cảm biến tốc 
độ động cơ không đồng bộ. 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 47 
TÀI LIỆU THAM KHẢO 
[1] Glumineau and J. de L. Morales, Sensorless AC electric motor control, Robust advanced design 
techniques and applications. Springer International Publishing Switzerland, 2015. 
[2] A. Iqbal and M. R. Khan, “Sensorless control of a vector controlled three-phase induction motor 
drive using artificial neural network,” 2010 Jt. Int. Conf. Power Electron. Drives Energy Syst. 2010 
Power India, 2010. 
[3] P. Văn Tuấn, P.H. Phi, N.T. Sơn, and N.T. Công, “Ước lượng tốc độ động cơ không đồng bộ ba 
pha sử dụng mạng Nơron nhân tạo,” Chuyên san Tự động hóa ngày nay 4-2014, pp. 62–66, 
2014. 
[4] M. Bhandari, S. Gavade, and S. H. Shwetha, “Model Reference Adaptive Technique for Sensorless 
Speed Control of Induction Motor Using MATLAB \ SIMULINK,” Int. J. Emerg. Technol. Comput. 
Sci. Electron., vol. 14, no. 2, pp. 112–115, 2015. 
[5] Baburaj Karanayil, Parameter Identification for Vector Controlled Induction Motor Drives Using 
Artificial Neural Networks and Fuzzy Principles. Theris submitted to The University of New South 
Wales for degree of Doctor of Philosophy, School of Electrical Engineering and 
Telecommunications, 2005. 
[6] R. Krishnan and F. C. Doran, “Study of parameter sensitivity in high-performance inverter-fed 
induction motor drive systems,” IEEE Trans. Ind. Appl., vol. IA-23, no. 4, pp. 623–635, 1987. 
[7] B. Karanayil, M. F. Rahman, and C. Grantham, “Online stator and rotor resistance estimation 
scheme using artificial neural networks for vector controlled speed sensorless induction motor 
drive,” IEEE Trans. Ind. Electron., vol. 54, no. 1, pp. 167–176, 2007. 
[8] K. Akatsu and A. Kawamura, “Online rotor resistance estimation using the transient state under 
the speed sensorless control of induction motor,” IEEE Trans. Power Electron., vol. 15, no. 3, pp. 
553–560, 2000. 
[9] R. Marino, S. Peresada, and P. Tomei, “On-line rotor resistance estimation for induction motors,” 
IEEE Trans. Control Syst. Technol., vol. 8, no. 3, pp. 570–579, 2000. 
[10] P. H. Atos, A. F. Odor, and A. M. Agyar, “Parameter Sensitivity Analysis of an Induction Motor,” 
Hungarian J. Ind. Chem. veszprém, vol. 39, no. 1, pp. 157–161, 2011. 
[11] F.L. Mapelli, A. Bezzolato, and D. Tarsitano, “A rotor resistance MRAS estimator for induction 
motor traction drive for electrical vehicles,” Proc. - 2012 20th Int. Conf. Electr. Mach. ICEM 2012, 
pp. 823–829, 2012. 
[12] Y. Bensalem, “A Sensorless Neural Model Reference Adaptive Control for Induction Motor Drives,” 
2009 Int. Conf. Signals, Circuits Syst. A, pp. 1–6, 2009. 
[13] G. Lin and Q. Wan, “Estimation of Rotor Resistance of Induction Motor Based on Extended 
Kalman Filter,” Adv. CSIE, vol. 2, pp. 193–198, 2012. 
[14] M. A. and Ouhrouche, “Estimation of speed, rotor flux and rotor resistance in cage induction 
motor using the EKF algorithm,” pp. 1–20, 2002. 
[15] S. Yang, R. Sun, P. Cao, Z. Xie, and X. Zhang, “Sliding-mode observer based rotor resistance 
updating method for indirect vector controlled induction motor,” 2017 EEE Transp. Electrif. Conf. 
Expo, Asia-Pacific, ITEC Asia-Pacific, 2017. 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
48 Số 17 
[16] T. Ritu, K. Sudhir Y, and R. Bharat Singh, “Estimation of Rotor and Stator Resistance for 
Induction Motor Drives using Second order of Sliding Mode Controller,” J. Eng. Sci. Technol. Rev., 
no. 10 (6) (2017) 9-15, pp. 9–15, 2017. 
[17] E.A. Alradadi, “A simple and Efficient Method for a Based Fuzzy Logic Speed Controller and Rotor 
Resistance Estimation of an Indirect Vector Controlled Induction Motor Drive,” pp. 1–10. 
[18] E.A. Alradadi, “An Efficient Method for a Based Fuzzy Logic Speed Controller and Rotor Resistance 
Estimation of an Indirect Vector Controlled Induction Motor Drive,” pp. 1–8. 
[19] M.T. Cao and H. Huy, “Rotor Resistance Estimation Using Fuzzy Logic for High Performance 
Induction Motor Drives,” Proc. 24th Annu. Conf. IEEE Ind. Electron. Soc. Aachen, pp. 303–308, 
1998. 
[20] S.A.A. Rizvi and M. B. Kadri, “Online adaptation of rotor parameters using fuzzy logic in indirect 
field oriented vector control of AC induction drives,” 2013 IEEE 9th Int. Conf. Emerg. Technol., 
2013. 
[21] A. Chitra and S. Himavathi, “A modified neural learning algorithm for online rotor resistance 
estimation in vector controlled induction motor drives,” Front. Energy, vol. 9, no. 1, pp. 22–30, 
2015. 
[22] C. Djamila, M. Yahia, and T. Ali, “Simultaneous Estimation of Rotor Speed and Stator Resistance 
in Sensorless Indirect Vector Control of Induction Motor Drives Using a Luenberger Observer,” 
Int. J. Comput. Sci. Issues, vol. 9, no. 3 (2), pp. 325–335, 2012. 
[23] M. Jouili, Y. Agrebi, Y. Koubaa, and M. Boussak, “A Luenberger state observer for simultaneous 
estimation of speed and stator resistance in sensorless IRFOC induction motor drives,” 16th Int. 
Conf. Sci. Tech. Autom. Control Comput. Eng. STA 2015, pp. 898–904, 2015. 
[24] C.M.F. S. Reza, D. Islam, and S. Mekhilef, “Stator resistance estimation scheme using fuzzy logic 
system for direct torque controlled induction motor drive,” J. Intell. Fuzzy Syst., vol. 27, no. 4, pp. 
1–8, 2014. 
[25] B.K. Bose and N. R. Patel, “Quasi-fuzzy estimation of stator resistance of induction motor,” IEEE 
Trans. power Electron., vol. 13, no. 3, pp. 401–409, 1998. 
[26] V. Vasić, S.N. Vukosavic, and E. Levi, “A Stator Resistance Estimation Scheme for Speed 
Sensorless Rotor Flux Oriented Induction Motor Drives,” IEEE Trans. Energy Convers., vol. 18, no. 
4, pp. 476–483, 2003. 
[27] M. Rashed, F. Stronach, and P. Vas, “A New Stable MRAS-Based Speed and Stator Resistance 
Estimators for Sensorless Vector Control Induction Motor Drive at Low Speeds,” Ind. Appl. Conf. 
2003. 38th IAS Annu. Meet. Conf. Rec., vol. 2, pp. 1181–1188 vol.2, 2003. 
[28] M. Koteich, “Flux estimation algorithms for electric drives: a comparative study,” 2016 3rd Int. 
Conf. Renew. Energies Dev. Ctries., 2016. 
[29] H.H. Vo, P. Brandstetter, C.S.T. Dong, and T. C. Tran, “Speed estimators using stator resistance 
adaption for sensorless induction motor drive,” Adv. Electr. Electron. Eng., vol. 14, no. 3, pp. 
267–273, 2016. 
[30] N.C. Định and N.T. Hải, Điều khiển phi tuyến trên cơ sở mạng nơ ron nhân tạo. Hà Nội: Nhà xuất 
bản Khoa học và Kỹ thuật, 2012. 
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ NĂNG LƯỢNG - TRƯỜNG ĐẠI HỌC ĐIỆN LỰC 
(ISSN: 1859 - 4557) 
Số 17 49 
Giới thiệu tác giả: 
Tác giả Nguyễn Thế Công nhận bằng Tiến sĩ Kỹ thuật điện năm 1994 tại Viện 
Bách khoa Grenoble - Cộng hòa Pháp. 
Lĩnh vực nghiên cứu: động cơ truyền động thẳng, nguồn đóng cắt, phong điện, 
năng lượng mặt trời. 
Tác giả Phạm Hùng Phi nhận bằng Đại học ngành máy điện - khí cụ điện năm 
1982; Thạc sỹ Kỹ thuật điện tại Trường Đại học Bách khoa Hà Nội năm 1999; 
Tiến sỹ Kỹ thuật điện tại Tổng hợp Laval, Canada năm 2005. Hiện tác giả là 
Trưởng Bộ môn Thiết bị điện - Điện tử, Viện Điện, Trường Đại học Bách khoa 
Hà Nội. 
Lĩnh vực nghiên cứu: máy điện, điều khiển máy điện. 
Tác giả Phạm Văn Tuấn nhận bằng Đại học ngành thiết bị điện - điện tử năm 
2008, Thạc sỹ Kỹ thuật điện năm 2012 tại Trường Đại học Bách khoa Hà Nội. 
Hiện nay tác giả là giảng viên Khoa Điện, Trường Đại học Sư phạm Kỹ thuật 
Vinh và là nghiên cứu sinh Bộ môn Thiết bị điện - Điện tử, Viện Điện, Trường 
Đại học Bách khoa Hà Nội. 
Lĩnh vực nghiên cứu: máy điện, điều khiển máy điện.