dr inż. Michał Adamczyk
Email: michal.adamczyk@pwr.edu.pl
Jednostka: Wydział Elektryczny » Katedra Maszyn, Napędów i Pomiarów Elektrycznych
ul. M. Smoluchowskiego 19, 50-372 Wrocław 
Budynek A-5, pokój 206, I piętro
Tel: 71 320 37 16
Konsultacje:
- Aktualny wykaz godzin konsultacji znajduje się tutaj.
Zainteresowania naukowe:
- Zaawansowane techniki sterowania napędami elektrycznymi
- Sterowanie tolerujące uszkodzenia czujników prądu
- Estymatory zmiennych stanu
- Estymatory parametrów silników elektrycznych
- Obserwatory Luenbergera
- Detektory i klasyfikatory uszkodzeń czujników prądu
Realizowany projekt badawczy:
- Udział w projekcie uzyskanym w konkursie OPUS 21 pod kierownictwem prof. dr hab. inż. Teresy Orłowskiej Kowalskiej, Metody detekcji i kompensacji uszkodzeń czujników prądu dla napędów z silnikami indukcyjnymi i synchronicznymi oparte na zmodyfikowanych obserwatorach zmiennych stanu.
Najważniejsze publikacje:
- Michał Adamczyk, Teresa Orłowska-Kowalska, Virtual current sensor in the fault-tolerant field-oriented control structure of an induction motor drive. Sensors. 2019, vol. 19, nr 22, art. 4979, s. 1-15.
- Michał Adamczyk, Teresa Orłowska-Kowalska, Self-correcting virtual current sensor based on the modified Luenberger observer for fault-tolerant induction motor drive. Energies. 2021, vol. 14, nr 20, art. 6767, s. 1-16.
- Michał Adamczyk, Teresa Orłowska-Kowalska, Influence of the stator current reconstruction method on direct torque control of induction motor drive in current sensor postfault operation. Bulletin of the Polish Academy of Sciences. Technical Sciences. 2022, vol. 70, nr 1, art. e140099, s. 1-11.
- Michał Adamczyk, Teresa Orłowska-Kowalska, Postfault direct field-oriented control of induction motor drive using Adaptive Virtual Current Sensor. IEEE Transactions on Industrial Electronics. 2022, vol. 69, nr 4, s. 3418-3427.
- Maciej Skowron, Krystian Teler, Michał Adamczyk, Teresa Orłowska-Kowalska, Classification of single current sensor failures in fault-tolerant induction motor drive using neural network. Energies. 2022, vol. 15, nr 18, art. 6646, s. 1-18.