MCC Ref. No.:  103361‐335WO1  METHODS AND SYSTEMS FOR CONTROLLING MULTIPHASE ELECTRI CAL MACHINES    CROSS‐REFERENCE TO RELATED APPLICATIONS  [0001] This application claims the benefit of U.S. provision al patent application No.  63/373,624 filed on August 26, 2022, and titled “M ETHODS AND SYSTEMS FOR CONTROLLING  MULTIPHASE ELECTRICAL MACHINES,” the disclosure of w hich is expressly incorporated herein  by reference in its entirety.    BACKGROUND  [0002] Multiphase electrical machines (e.g., motors) can be  used in electric vehicles.  The control of multiphase electrical machines can dep end on the load on the electrical  machine. The load can cause phenomena such as torque  derating in motors, which then can  cause problems for accurate control of the machine.  Additionally, aging and wear can also  affect the control of multiphase electrical machines  over time because aging and wear can  affect the properties of the multiphase electrical ma chine that are modeled by a controller.  [0003] Therefore, what is needed are systems and methods of  modeling and/or  controlling multiphase electrical machines.    SUMMARY   [0004] In some aspects, the techniques described herein rela te to a method for  controlling a multiphase electric machine, including:  providing a control system operably  connected to the multiphase electric machine; receivin g, using the control system, a plurality of  inputs, wherein the plurality of inputs represent a  state of the multiphase electric machine;  performing, using the control system, a linear parame ter varying (LPV) based field oriented  control (FOC) based on the plurality of inputs to g enerate one or more control signals; and  controlling, using the control system, the multiphase� �electric machine based on the one or  more control signals.  MCC Ref. No.:  103361‐335WO1  [0005] In some aspects, the techniques described herein rela te to a method, wherein  performing, using the control system, the LPV‐based� �FOC includes estimating a thermally  derated torque of the multiphase electric machine.  [0006] In some aspects, the techniques described herein rela te to a method or claim  2, wherein performing, using the control system, the� �LPV‐based FOC includes estimating a  thermally derated flux of the multiphase electric mac hine.  [0007] In some aspects, the techniques described herein rela te to a method, wherein  the multiphase electric machine is a six‐phase indu ction motor.  [0008] In some aspects, the techniques described herein rela te to a method, wherein  the control system includes: an outer control loop i ncluding flux and speed regulators, the  outer control loop being configured to generate refer ence currents for the multiphase electric  machine, and an inner control loop including a (d‐ q) currents controller, the inner control loop  being configured to control and track reference frame  (d ‐ q) currents based on the reference  currents generated by the outer control loop.  [0009] In some aspects, the techniques described herein rela te to a method, further  including determining a constant current for the mult iphase electric machine using the outer  control loop.  [0010] In some aspects, the techniques described herein rela te to a method, wherein  the outer control loop includes a speed regulator, a nd the method further includes determining  a variable gain of the speed regulator.  [0011] In some aspects, the techniques described herein rela te to a method, wherein  the outer control loop includes a flux regulator, an d the method further includes determining a  variable gain of the flux regulator.  [0012] In some aspects, the techniques described herein rela te to a method, wherein  one or more control signals for controlling the mult iphase electric machine include voltage  signals.  [0013] In some aspects, the techniques described herein rela te to a controller  including: an outer control loop including a flux re gulator and a speed regulator, the outer  control loop being configured to: receive a plurality  of inputs, wherein the plurality of inputs  MCC Ref. No.:  103361‐335WO1  represent a state of a multiphase electric machine,  and generate a plurality of reference  currents for the multiphase electric machine; and an� �inner control loop including a (d‐q)  currents controller, the inner control loop being con figured to: control and track reference  frame (d ‐ q) currents based on the reference cur rents generated by the outer control loop, and  generate a feedback signal based on the reference fr ame (d ‐ q) currents, wherein the outer  control loop is further configured to receive the fe edback signal generated by the inner control  loop and generate one or more control signals for c ontrolling the multiphase electric machine.  [0014] In some aspects, the techniques described herein rela te to a controller,  wherein the outer loop further includes an optimal f lux controller.  [0015] In some aspects, the techniques described herein rela te to a controller or  claim 11, wherein the outer control loop further inc ludes a variable‐gain speed regulator.  [0016] In some aspects, the techniques described herein rela te to a controller,  wherein the outer control loop further includes a va riable‐gain flux regulator.  [0017] In some aspects, the techniques described herein rela te to a controller,  wherein the inner control loop is configured to main tain a constant current input to the  multiphase electric machine.  [0018] In some aspects, the techniques described herein rela te to a controller,  wherein the one or more control signals include volt age signals.  [0019] In some aspects, the techniques described herein rela te to a system including:  a multiphase electric machine; and a controller opera bly coupled to the multiphase electric  machine, the controller being configured to control t he multiphase electrical machine, the  controller including: an outer control loop including� �a flux regulator and a speed regulator, the  outer control loop being configured to: receive a pl urality of inputs, wherein the plurality of  inputs represent a state of the multiphase electric  machine, and generate a plurality of  reference currents for the multiphase electric machine ; and an inner control loop including a (d‐ q) currents controller, the inner control loop being� �configured to: control and track reference  frame (d ‐ q) currents based on the reference cur rents generated by the outer control loop, and  generate a feedback signal based on the reference fr ame (d ‐ q) currents, wherein the outer  MCC Ref. No.:  103361‐335WO1  control loop is further configured to receive the fe edback signal generated by the inner control  loop and generate one or more control signals for c ontrolling the multiphase electric machine.  [0020] In some aspects, the techniques described herein rela te to a system, wherein  the outer control loop further includes an optimal f lux controller.  [0021] In some aspects, the techniques described herein rela te to a system, wherein  the outer control loop further includes a variable‐ gain speed regulator.  [0022] In some aspects, the techniques described herein rela te to a system, wherein  the outer control loop further includes a variable‐ gain flux regulator.  [0023] In some aspects, the techniques described herein rela te to a system, wherein  the inner control loop is configured to maintain a  constant current input to the multiphase  electric machine.  [0024] In some aspects, the techniques described herein rela te to a system, wherein  the multiphase electric machine is a multiphase induc tion motor.  [0025] In some aspects, the techniques described herein rela te to a system, wherein  the one or more control signals for controlling the� �multiphase electric machine include voltage  signals.  [0026] In some aspects, the techniques described herein rela te to a system, wherein  the multiphase electric machine is a six‐phase indu ction motor.  [0027] It should be understood that the above‐described su bject matter may also be  implemented as a computer‐controlled apparatus, a co mputer process, a computing system, or  an article of manufacture, such as a computer‐reada ble storage medium.  [0028] Other systems, methods, features and/or advantages wil l be or may become  apparent to one with skill in the art upon examinat ion of the following drawings and detailed  description. It is intended that all such additional� �systems, methods, features and/or  advantages be included within this description and be  protected by the accompanying claims.    BRIEF DESCRIPTION OF THE DRAWINGS  MCC Ref. No.:  103361‐335WO1  [0029] The components in the drawings are not necessarily t o scale relative to each  other. Like reference numerals designate corresponding� �parts throughout the several views.  [0030] FIG. 1A illustrates a controller for a multiphase el ectrical machine, according  to implementations of the present disclosure.  [0031] FIG. 1B illustrates a system including a controller  and a multiphase electrical  machine, according to implementations of the present  disclosure.   [0032] FIG. 2 illustrates a method for controlling a multip hase electrical machine,  according to implementations of the present disclosure .  [0033] FIG. 3 is an example computing device.  [0034] FIG. 4 illustrates an example architecture of a six� ��phase traction induction  machine fed by a voltage source inverter, according  to implementations of the present  disclosure.  [0035] FIG. 5 illustrates an operating temperature profile o f a high‐power induction  machine, according to an implementation of the presen t disclosure.  [0036] FIG. 6 illustrates vehicle speed tracking including a  performance comparison  of conventional indirect field‐oriented control and  an LPV‐based indirect field‐oriented control  scheme according to an implementation of the present� �disclosure.   [0037] FIG. 7 illustrates six‐phase induction machine flux� �tracking for a conventional  indirect field‐oriented control scheme compared to a n LPV‐based indirect field‐oriented control  scheme according to an implementation of the present� �disclosure.   [0038] FIG. 8 illustrates vehicle torque tracking for a con ventional indirect field‐ oriented control scheme compared to an LPV‐based in direct field‐oriented control scheme  according to an implementation of the present disclos ure.   [0039] FIG. 9 illustrates example specifications of a passen ger bus.  [0040] FIG. 10 illustrates example parameters of a six‐pha se induction machine.  [0041] FIG. 11 illustrates root‐mean‐square error performa nce indexes for the  comparison of different control techniques, according  to an example implementation of the  present disclosure.   MCC Ref. No.:  103361‐335WO1  [0042] FIG. 12 illustrates a block diagram of a field‐ori ented control framework.   [0043] FIG. 13 illustrates a block diagram of an example i mplementation of the  present disclosure compared to another control loop.      DETAILED DESCRIPTION  [0044] Unless defined otherwise, all technical and scientific  terms used herein have  the same meaning as commonly understood by one of o rdinary skill in the art. Methods and  materials similar or equivalent to those described he rein can be used in the practice or testing  of the present disclosure. As used in the specificat ion, and in the appended claims, the singular  forms “a,” “an,” “the” include plural refe rents unless the context clearly dictates otherwise.  The  term “comprising” and variations thereof as used  herein is used synonymously with the term  “including” and variations thereof and are open,  non‐limiting terms. The terms “optional” or  “optionally” used herein mean that the subsequentl y described feature, event or circumstance  may or may not occur, and that the description incl udes instances where said feature, event, or  circumstance occurs and instances where it does not.� �Ranges may be expressed herein as from  "about" one particular value, and/or to "about" anoth er particular value. When such a range is  expressed, an aspect includes from the one particular  value and/or to the other particular  value. Similarly, when values are expressed as approx imations, by use of the antecedent  "about," it will be understood that the particular v alue forms another aspect. It will be further  understood that the endpoints of each of the ranges� �are significant both in relation to the other  endpoint, and independently of the other endpoint. Wh ile implementations will be described  for controlling 6‐phase electric motors, it will be come evident to those skilled in the art that the  implementations are not limited thereto, but are appl icable for modeling and controlling  electrical machines powered by any number of electric al phases.  [0045] Multiphase electric machines can include several advan tages when used in  the electric drive system of electric vehicles. The  performance of an electric drive system in  extreme working conditions can be extremely compromise d. An electric drive suffers from  torque derating, a decrease in efficiency, and an in crease in loss of lifetime (aging) as its  parameters change due to the rise in operating and  ambient temperatures. A dynamic control  MCC Ref. No.:  103361‐335WO1  scheme is described that facilitates the control of  multiphase electric machines to overcome  the problem of thermally derated torque, minimizing t he loss of lifetime (aging) and to improve  the energy conversion efficiency of multiphase electri c machines. Dynamic control schemes  allow the controller to schedule (re‐compute) itself  based on the changes observed in the  parameters of the electric drive system to address t he issue of thermally derated torque. It can  use the machine’s losses to compute the optimal fl ux demand to ensure the improvements in  the energy conversion efficiency of the machine and  develop a dynamic relationship between  road load demands and flux. In this scheme, the opt imal cost function is formulated based on  the operating voltages and currents’ constraints to� �minimize the aging.  Non‐limiting examples  of applications where implementations of the present  disclosure can be applied include:  Electric passenger aircraft; spacecraft (e.g., NASA mi ssions) can benefit for many applications  such as reliable and efficient control algorithms for  high power density motor; manufacturers  seeking improved efficiency of their electric drive s ystems; and/or automotive industry  applications (medium and heavy‐duty trucks especially ). Additional benefits of multiphase  electric machine controls can include improving effici ency and/or performance, improving  efficiency and/or performance during aging, reducing e missions, reducing losses, and  smoothing torque commands.   [0046] Described herein are methods for controlling multiphas e electrical machines.  Methods described herein can include performing linear  parameters varying (LPV) based field‐ oriented‐control (FOC) on the plurality of inputs.   The methods described herein can be used to  estimate thermally derated torque and/or flux in an  electrical machine, which can be used as an  input for controlling the electrical machine.   [0047] Implementations of the present disclosure can be used  to estimate the  thermally derated torque of an electric drive system� �for an electrified vehicle. As a non‐limiting  example, the thermally derated torque can be particul arly important when the electrified  vehicle is operating in extreme or harsh conditions.� �  [0048] With reference to FIG. 1A, an example implementation� �of a controller 100 for  a multiphase electrical machine is shown. The control ler 100 can include one or more control  MCC Ref. No.:  103361‐335WO1  loops.  In the example, controller 100 shown in FIG . 1A, the controller 100 includes the outer  control loop 104 and inner control loop 106.   [0049] The outer control loop 104 can include a flux regul ator 138 and a speed  regulator 136.  The outer control loop 104 can be  configured to receive one or more inputs 102  that represent measured and/or estimated inputs to th e operating multiphase electrical  machine. Non‐limiting examples of inputs 102 to the  controller 100 include rotational speed  and flux. Non‐limiting examples of states of the m ultiphase electric machine that can be inputs  include the rotor speed (ω _m ) and the d‐axis current (i _d ) the q‐axis current (i _q ), the d‐axis voltage  (v _d ) and the q‐axis voltage (v _q ). In some implementations, alternative or addit ional states that  can be used to model the multiphase electric machine  include the α‐axis and β‐axis stator  currents, voltages, and fluxes: iαs, iβs, vαs, vβ s and ψαs, ψβs. Alternatively or additionally, th e  states can include electrical rotor speed. Parameters� �that can be used to model the multiphase  electrical machine include L _s , L _r,  and L _m  that are the stator, rotor, and mutual induct ance  respectively. Non‐limiting examples of additional par ameters that can be used to model the  multiphase electrical machine include R _s  and R _r  are the stator and rotor  resistances,  τ _e   is  the  electromagnetic generated  torque, τ _L   is the  load torque, P  is the number of poles, J  is the  rotor inertia, and b is the viscous friction coeffic ient, respectively.  [0050] The outer control loop 104 can be further configured  to generate reference  currents (i* _d  and i* _q  in Fig. 1A). In some implementations, the out er control loop 104 includes a  d‐q currents controller 146. The reference currents� �are provided to the inner control loop 106  for further processing as described below. Optionally� �the reference currents (i* _d  and i* _q  in Fig.  1A) can be generated by a vector controller 144, as  shown in FIG. 1A.    [0051] The inner control loop 106 can be configured to con trol and track the frame  currents (i _d  and i _q  in Fig. 1A) based on the reference currents  (i* _d  and i* _q  in Fig. 1A) generated  by flux and speed controllers of the outer control  loop 104. Additionally, the inner control loop  106 can generate a feedback signal based on the fra me currents (i _d  and i _q ). For example, the  inner control loop 106 includes an LPV estimator 120  that can estimate a feedback signal based,  at least in part, on the frame currents (i _d  and i _q ). Feedback signal generation is discussed, for� � example, in detail in Example 1. Equations 21 and 2 2, described herein in example 1, can  MCC Ref. No.:  103361‐335WO1  optionally be used to generate feedback signals, acco rding to the example implementation of  the present disclosure described in Example 1. The f eedback signal can be provided to the outer  control loop 104 of the controller 100.  [0052] The outer control loop 104 can be further configured  to receive the feedback  signal generated by the inner control loop 106 and  generate one or more control signals for  controlling the multiphase electric machine 110. Contr ol signal generation is discussed, for  example, in detail in Example 1. Equation 19 can op tionally be used to generate feedback  signals, according to the example implementation of t he present disclosure described in  Example 1. Optionally, the current the d‐q currents  controller 146 can be configured to  generate the feedback signals.  In some implementatio ns, the one or more control signals can  be voltage signals.    [0053] In some implementations, the inner control loop 106  can further include an  optimal flux controller 142. As used herein, the ter m “optimal flux” refers to a flux command  that obtains the maximum efficiency of an electric d rive system based on the losses of the  multiphase electrical machine. Alternatively, or additi onally, the inner control loop 106 can be  configured to maintain a constant current input to t he multiphase electric machine.  [0054] In some implementations, the speed regulator 136 is  a variable gain speed  controller.  [0055] In some implementations, the flux regulator 138 is a  variable‐gain flux  controller.   [0056] The controller 100 can output a prediction of the r equired voltages of the  multiphase electrical machine that can be used to co ntrol the multiphase electrical machine.  For example, the controller 100 can take the thermal ly detected torque and flux of the  multiphase electrical machine and use this prediction� �to generate control signals. As a non‐ limiting example, the output of the controller 100 s hown in FIG. 1A, can be used to control a  six‐phase induction machine under the presence of v ariable loads 130.   [0057] As a non‐limiting example, the controller 100 can  be used to control a six‐ phase induction motor. It should be understood that  a six‐phase induction motor is provided  only as an example. This disclosure contemplates usin g the controller 100 described herein with  MCC Ref. No.:  103361‐335WO1  other motors used in electric drive systems including , but not limited to, motors used in an  electric drive passenger bus for urban transportation.  The LPV FOC can estimate the thermally  derated torque and flux of the six‐phase electric  motor(s) and the control of the six‐phase  electric motors can be based at least partially on  the estimated thermally derated torque and  flux.  [0058] With reference to FIG. 1B, a system 150 is shown a ccording to an  implementation of the present disclosure. The system  150 can include a multiphase electrical  machine 170 and a controller 160. The controller 160  can be operably connected to the  multiphase electrical machine 170.  For example, the� �multiphase electrical machine 170 can  include the multiphase machine 410 and/or voltage‐so urce inverter 420 shown in FIG. 4.  Optionally, the multiphase electric machine can be th e multiphase electric machine fed by a  voltage‐source inverter.   [0059] The controller 160 can optionally include any of the  components described  with reference to the controller 100 of FIG. 1A. Fo r example, the controller 160 can include the  inner control loop 106, flux regulator 138, speed re gulator 136, and/or outer control loop 104.    Like the controller 100 shown in FIG. 1A, in variou s implementations of the present disclosure  the controller 160 can also include an optimal flux� �controller 142, the speed regulator 136 in  the controller 160 can optionally be a variable gain  speed controller, and/or the flux controller  in the controller 160 can optionally be a variable� �gain flux controller.   [0060] The controller 160 can be configured to maintain  r equired current to the  multiphase electrical machine, for example an inner l oop of the controller 160 (not shown) can  be configured to maintain required current to the mu ltiphase electrical machine 170.   [0061] In some implementations, the multiphase electrical mac hine 170 is a  multiphase induction motor.   [0062] In some implementations, the controller 160 can be c onfigured to output  control signals to the multiphase electrical machine  170. Optionally, the control signals can  include one or more voltage signals and/or current s ignals.   [0063] Optionally, the state of the multiphase electrical ma chine can be measured  using one or more sensors 180 in communication with� �the controller 160.  The one or more  MCC Ref. No.:  103361‐335WO1  sensors 180 can include sensors to measure any/all o f the following non‐limiting examples of  states of the multiphase electrical machine 170: ω _m  i _d ,  i _q ,  v _d , v _q , α‐axis and β‐axis stator  currents, voltages, and fluxes (iαs, iβs, vαs, vβ s and ψαs, ψβs). Parameters that can be used to   model the multiphase electrical machine include L _s , L _r  and L _m,,  R _s ,    R _r , τ _e , , τ _L , P, J, and b.   [0064] [0065] At step 210 the method 200 includes providing a con trol system operably  connected to the multiphase electric machine. As non� ��limiting examples, the method 200 can  be implemented by a controller or control system (e. g., the controller 100 shown in FIG. 1A)  that is configured to control a multiphase electric  machine. As another non‐limiting example,  the multiphase electric machine can be a six‐phase� �induction motor.   [0066] As described with reference to FIG. 1A, in some imp lementations, the control  system can include an outer control loop 104 includi ng flux and speed controllers, the outer  control loop 104 can be configured to generate refer ence currents (i* _d  and i* _q  in FIG. 1A) for  the multiphase electric machine. Again, the reference� �currents can be provided to the inner  control loop (e.g., inner control loop 106 in FIG.  1A) for further processing as described below.  Alternatively or additionally, the control system can� �further include an inner control loop 106  including a (d‐q) currents controller, the inner co ntrol loop 106 being configured to control and  track frame currents (i _d  and i _q  in FIG. 1A)  based on the reference currents  (i* _d  and i* _q  in FIG.  1A) generated by the outer control loop (outer contr ol loop 104 in FIG. 1A).  [0067] At step 220, the method 200 includes receiving, usin g the control system, one  or more inputs, where the inputs represent  the sta te of the multiphase electric machine. Non‐ limiting examples of states of the multiphase electri c machine include the rotor speed (ω _m ) and  the d‐axis current (i _d ) the q‐axis current (i _q ), the d‐axis voltage (v _d ), and the q‐axis voltage (v _q ). In  some implementations, alternative or additional states� �that can be used to model the  multiphase electric machine include the α‐axis and� �β‐axis stator currents, voltages, and fluxes:  iαs, iβs, vαs, vβs and ψαs, ψβs. Alternativel y or additionally, the states can include electrical� � rotor speed. L _s , L _r  and L _m  are the stator, rotor and mutual  inductance respectively. R _s  and R _r   are the stator and rotor  resistances,  τ _e   is  the electromagnetic generated  torque, τ _L   is the  MCC Ref. No.:  103361‐335WO1  load torque, P  is the number of pole, J  is the rotor inertia, b is the viscous friction  coefficient, respectively.  [0068] At step 230, the method 200 includes performing, usi ng the control system, a  linear parameter varying (“LPV) based field oriented  control (“FOC”) based on the inputs to  generate one or more control signals. Additionally, t he inner control loop (e.g., inner control  loop 106 in FIG. 1A) can generate a feedback signal   based on the frame) currents (i _d  and i _q ).=.  For example, the inner control loop can include an  LPV estimator (e.g., LPV estimator 120 in  FIG. 1A) that can estimate a feedback signal (e.g.,� �feedback signal in FIG. 1A) based, at least in  part, on the frame currents (i _d  and i _q ). Optionally performing LPV‐based FOC can inc lude  estimating a thermally derated torque of the multipha se electric machine. Alternatively or  additionally, performing LPV‐based FOC can include e stimating a thermally derated flux of the  multiphase electric machine.   [0069] At step 240, the method 200 includes controlling, us ing the control system,  the multiphase electric machine based on the control� �signals. For example, the control can be  performed using the control signals shown in FIG. 1A .  In some implementations, the one or  more control signals for controlling the multiphase e lectric machine can include voltage signals.  [0070] In some implementations, the method 200 can include  determining a  current  reference for the multiphase electric machine using t he outer control loop.   [0071] In some implementations, the outer control loop inclu des a speed controller  and the method further includes determining a variabl e gain of the speed controller. Optionally,  the outer control loop includes flux controller, and� �the method 200 can further include  determining a variable gain of the flux controller.    [0072] Referring to Fig. 3, an example computing device 300  upon which the  methods described herein may be implemented is illust rated. It should be understood that the  example computing device 300 is only one example of� �a suitable computing environment upon  which the methods described herein may be implemented . Optionally, the computing device  300 can be a well‐known computing system including,  but not limited to, personal computers,  servers, handheld or laptop devices, multiprocessor sy stems, microprocessor‐based systems,  network personal computers (PCs), minicomputers, mainfr ame computers, embedded systems,  MCC Ref. No.:  103361‐335WO1  and/or distributed computing environments including a  plurality of any of the above systems or  devices. Distributed computing environments enable remo te computing devices, which are  connected to a communication network or other data t ransmission medium, to perform various  tasks. In the distributed computing environment, the  program modules, applications, and other  data may be stored on local and/or remote computer  storage media.   [0073] In its most basic configuration, computing device 300  typically includes at  least one processing unit 306 and system memory 304.  Depending on the exact configuration  and type of computing device, system memory 304 may� �be volatile (such as random access  memory (RAM)), non‐volatile (such as read‐only mem ory (ROM), flash memory, etc.), or some  combination of the two. This most basic configuration  is illustrated in FIG. 3 by dashed line 302.  The processing unit 306 may be a standard programmab le processor that performs arithmetic  and logic operations necessary for the operation of  the computing device 300. The computing  device 300 may also include a bus or other communic ation mechanism for communicating  information among various components of the computing� �device 300.   [0074] Computing device 300 may have additional features/func tionality. For  example, computing device 300 may include additional  storage such as removable storage 308  and non‐removable storage 310 including, but not li mited to, magnetic or optical disks or tapes.  Computing device 300 may also contain network connect ion(s) 316 that allow the device to  communicate with other devices. Computing device 300  may also have input device(s) 314 such  as a keyboard, mouse, touch screen, etc. Output devi ce(s) 312 such as a display, speakers,  printer, etc. may also be included. The additional d evices may be connected to the bus in order  to facilitate the communication of data among the co mponents of the computing device 300.  All these devices are well‐known in the art and n eed not be discussed at length here.   [0075] The processing unit 306 may be configured to execute  program code encoded  in tangible, computer‐readable media. Tangible, compu ter‐readable media refers to any media  that is capable of providing data that causes the c omputing device 300 (i.e., a machine) to  operate in a particular fashion. Various computer‐re adable media may be utilized to provide  instructions to the processing unit 306 for execution . Example of tangible, computer‐readable  media may include, but is not limited to, volatile  media, non‐volatile media, removable media,  MCC Ref. No.:  103361‐335WO1  and non‐removable media implemented in any method o r technology for storage of  information such as computer‐readable instructions, d ata structures, program modules, or  other data. System memory 304, removable storage 308,  and non‐removable storage 310 are  all examples of tangible, computer storage media. Exa mple tangible, computer‐readable  recording media include, but are not limited to, an� �integrated circuit (e.g., field‐programmable  gate array or application‐specific IC), a hard disk , an optical disk, a magneto‐optical disk, a  floppy disk, a magnetic tape, a holographic storage  medium, a solid‐state device, RAM, ROM,  electrically erasable program read‐only memory (EEPRO M), flash memory or other memory  technology, CD‐ROM, digital versatile disks (DVD) or  other optical storage, magnetic cassettes,  magnetic tape, magnetic disk storage or other magneti c storage devices.  [0076] In an example implementation, the processing unit 306  may execute program  code stored in the system memory 304. For example,  the bus may carry data to the system  memory 304, from which the processing unit 306 recei ves and executes instructions. The data  received by the system memory 304 may optionally be� �stored on the removable storage 308 or  the non‐removable storage 310 before or after execu tion by the processing unit 306.   [0077] It should be understood that the various techniques  described herein may be  implemented in connection with hardware or software o r, where appropriate, with a  combination thereof. Thus, the methods and apparatuses  of the presently disclosed subject  matter, or certain aspects or portions thereof, may  take the form of program code (i.e.,  instructions) embodied in tangible media, such as flo ppy diskettes, CD‐ROMs, hard drives, or  any other machine‐readable storage medium wherein, w hen the program code is loaded into  and executed by a machine, such as a computing devi ce, the machine becomes an apparatus  for practicing the presently disclosed subject matter.  In the case of program code execution on  programmable computers, the computing device generally� �includes a processor, a storage  medium readable by the processor (including volatile  and non‐volatile memory and/or storage  elements), at least one input device, and at least  one output device. One or more programs  may implement or utilize the processes described in  connection with the presently disclosed  subject matter, e.g., through the use of an applicat ion programming interface (API), reusable  controls, or the like. Such programs may be implemen ted in a high level procedural or object‐ MCC Ref. No.:  103361‐335WO1  oriented programming language to communicate with a c omputer system. However, the  program(s) can be implemented in assembly or machine� �language, if desired. In any case, the  language may be a compiled or interpreted language a nd it may be combined with hardware  implementations.  [0078] Examples  [0079] The following examples are put forth so as to provi de those of ordinary skill in  the art with a complete disclosure and description o f how the compounds, compositions,  articles, devices, and/or methods claimed herein are  made and evaluated, and are intended to  be purely exemplary and are not intended to limit t he disclosure. Efforts have been made to  ensure accuracy with respect to numbers (e.g., amount s, temperature, etc.), but some errors  and deviations should be accounted for. Unless indica ted otherwise, parts are parts by weight,  the temperature is in  ^C or is at ambient temperature, and pressure is at  or near atmospheric.  [0080] Example 1:  [0081] A study was conducted of an example implementation o f the present  disclosure that includes multiphase induction machine  controllers configured for electric drive  systems of electrified vehicles.  [0082] Multiphase induction machines possess several advantage s compared to  three‐phase induction machines when used in the Ele ctric Drive System (EDS) of Electrified  Vehicles (EV). The performance of an EDS in extreme� �working conditions can be compromised.  An electric drive suffers from torque derating as it s parameters change due to the rise in  operating and ambient temperatures. The performance of  commonly used Field Oriented  Control (FOC) in the EDS of EV is deteriorated unde r the vast variations in the rotor and stator  resistances due to the change in the operating condi tions. The example implementation of the  present disclosure can use a robust Linear Parameters  Varying (LPV) based FOC to estimate the  thermally derated torque and flux to improve the per formance of EDS when it operated in  harsh environment. The performance of the example con trol technique is verified and  investigated for the electric drive of a passenger b us (class‐4) used in urban transportation. The  Federal Urban Driving Schedule (FUDS) is adopted for� �the simulation experiment and validation  of the proposed approach. The nonlinear simulation re sults show the capability of the proposed  MCC Ref. No.:  103361‐335WO1  technique to accurately estimate and track the derate d torque and flux demands in a six‐phase  Induction Machine (IM) based EDS.  [0083] In order to meet the energy demands and reduce the� �emissions to the  environment, the automobile industry can use new tech nologies from electric ship propulsion,  electric aircraft, hybrid, and electric on‐road and� �off‐road vehicles. In energy‐efficient  propulsion and traction applications, the Electric Mac hine (EM) is an integral part of the EDS.  Hence, an EM has significant impact on the performan ce of the EDS for modern ground and  aerial vehicles. In order to improve the performance� �of the EDS, major efforts are in the  direction of the design and realization of closed lo op controllers [1] and reasonable design of an  EM [2]. Conventional, three‐phase EM based solutions  for the electrification of the above‐ mentioned applications, are not necessarily the optimu m choices. Indeed, multiphase electric  machines offer several potential benefits over three� �phase counterparts. Two example  advantages are: (i) due to the split of the power  over more phases, power rating requirements  of the power semiconductor devices on the converter  can be reduced and (ii) regardless of the  number of the phases, two independent controllable cu rrents are required for flux and torque  control [3]. Among the existing electric machines, in duction machine offers the several  advantages over the other types of electric machines� �[4]. Multiphase induction machines have  the advantages of low pulsating torque due to the u se of multi‐step inverter, better reliability,  ^{ability to operate in case of open phase fault� �and smaller rated current per phase as compare to}  _{3 െ ^^ induction machine with similar nominal power [5],� �[6].}  [0084] In traction applications, a main objective for the e fficient operation of EDS is  to achieve precise and accurate tracking to meet the  road load demands. A field‐oriented  Control (FOC) technique is used for torque and flux� �control of induction machine. The  performance of the conventional FOC deteriorates due  to the parameter variations during the  operation. The IM parameters, rotor and stator resist ance, vary due to operating conditions  such as traffic situations, driving cycles and operat ing temperatures. Hence, flux and torque of  an EDS derates. Therefore, to obtain the improved pe rformance of EDS for above‐mentioned  systems, effective implementation of FOC for an EDS  requires accurate and precise knowledge  and control of thermally derated torque and flux.  MCC Ref. No.:  103361‐335WO1  [0085] Conventional indirect field‐oriented control (IFOC) s chemes exist [7] for the  operation and control of multiphase induction machines . A control system for multiphase  induction machine with the utilization of backstepping  technique can improve the performance  of the induction machine drive in the presence of u ncertainties in plant model. [6] Sliding mode  and fuzzy logic based controls for six‐phase induct ion machine are an alternative [9]. Sliding‐ Mode Control(SMC) is robust against the uncertainties� �in the model parameters but it can  suffer  from the chattering problem. Hence, it can  be difficult to ensure the accurate and  precise performance of the EDS. To overcome the prob lem of chattering, LPV control  techniques limited to three‐phase induction machines� �are studied [1], [4], [10]. The main  objective of an LPV control (gain scheduling) techniq ue is to control the plant over a predefined  operating range. However, it allows the controller to  schedule itself based on some  measurements in addition to robustness.  [0086] Optionally, a observer‐controller scheme can be used  to address the problem  of thermally derated torque in EDS for the efficient  and accurate operation of electrified  vehicles. Various implementations of the present discl osure include combinations of:  [0087] (1) A robust observer controller pair based on LPV  gain scheduling technique  for the estimation and control of thermal flux and  torque derating in EDS;  [0088] (2) Calculated optimal flux commands for the EDS usi ng the knowledge of  different losses in the EM to minimize the energy c onsumption;  [0089] (3) The study described herein was evaluated for six ‐phase induction machine  based electrified powertrain under standard driving cy cle.  [0090] The present example describes the architecture of the  six‐phase IM drive and  modeling of IM. Variations in the operating temperatu re of high power IM are presented in  Section III. Estimation of the thermally derated torq ue and flux are also presented with example  design details of robust LPV based IFOC scheme. The� �proposed control scheme is validated.  [0091] FIG. 4 describes the architecture of six‐phase trac tion IM which is fed by the  six‐phase open‐end Voltage Source Inverter (VSI).  The asymmetric architecture of six‐phase  traction IM is achieved by having the spatial displa cement of 30 ^∘ e between the two sets of 3 െ MCC Ref. No.:  103361‐335WO1  ^^ winding. This also gives the two isolated neutral  points which ensure optimized utilization of  ^^ _ௗ^  link and eliminate zero sequence currents.  [0092] The Clark transformation matrix (Eq. 1) is adopted t o construct the decoupled  orthogonal subspaces  ^{^} ^^ െ ^^, ^^ _^ െ ^^ _ଶ , and  ^^ _^ െ ^^ _ଶ ^{^}  from the normal six‐phase system ^ ^^ െ ^^ െ ^^, ^^ െ ^^ െ ^^^.  é ^{1 cos ^ ^^^ cos ^4 ^^^ cos ^5 ^^^ cos ^8 ^^^ cos ^9 ^^^ 0 sin ^ ^^^ sin ^4 ^^^ sin ^5 ^^^ sin ^8 ^^^ sin ^9 ^^^} ù (1) ^ ^^ ^{^}  is  _௪ proportional to the machine speed ^ ^^^. It can be defined in term of ratio of gear b ox  ^{^} ^^ _^ ^{^} ,  _{transmission gain}  ^{^} _^^ௗ ^{^}  _{and radius of tire}  ^{^} _^^௧ ^{^}  _{and given as [11]:}  [0095] ^^ ^ோ ௪ ൌ ^{^} ^ _^^^ ^^ (2)  ^ ^^ _^ ^ of an EV can be written as:  [0097] ^^ _^ ൌ ൫ ^^ _ோ ^ ^^ _ௗ ^ ^^ _^ ^ ^^ _^ ൯ ^^ _௧  (3)  [0098] where,  ^^ _ோ  is rolling resistance force,  ^^ _ௗ  is the drag force,  ^^ _^  is grad resistance  force and  ^^ _^  is acceleration resistance force.  [0099] The mathematics of a six‐phase IM in stationary re ference frame can be  expressed as follows, [8]:  [00100] The voltage equations for  ^^ െ ^^ reference frame are:  ì ^˙^ _ఈ^ ൌ ^^ _ఈ^ െ ^^ _^ ^^ _ఈ^   ^^2 reference frame are:  [ _{00103] ^} ^{^^^^ ^^ఓ^^ ൌ ^^ఓ^^ െ ^^^ ^^ఓ^^}     [00104] MCC Ref. No.:  103361‐335WO1  ì ^{^^ఈ^ ൌ ^^^ ^^ఈ^ ^ ^^^ ^^ఈ^} ^ _{^ఉ^ ൌ ^^^ ^^ఉ^ ^ ^^^ ^^ఉ^}     (7)  currents, voltages and fluxes respectively.  ^^ _^  is the electrical rotor speed.  ^^ _^ , ^^ _^  and  ^^ _^  are  the stator, rotor and mutual inductance respectively.� � ^^ _^  and  ^^ _^  are the stator and rotor  resistances,  ^^ _^  is the electromagnetic generated torque,  ^^ _^  is the load torque,  ^^ is the number  of pole,  ^^ is the rotor inertia,  ^^ is the viscous friction coefficient, respectively.� � [00111] Implementations of the present disclosure include LPV� �modeling of six‐ phase induction machines. Since the flux and torque  producing component in a six‐phase  induction machine are only the  ^^ െ ^^ components (  ^^ െ ^^ components in case of rotating  reference frame).The description of the rotor flux an d electromagnetic generated torque of an  IM presented in Eqs. (4) and (7) are same as for  3 െ ^^ IM. Hence, the FOC scheme for any  number of phases on IM is similar to the convention al 3 െ ^^ IM. The only difference is the  coordinate transformation calculation.  [00112] The LPV model of IM, needed to design the observer� �and controller to  compensate the thermally derated of an EDS, has been  presented in [1], [4] and described  below.  ^ ^{˙^ ൌ ^ ^} _ᇣ ^{^} _^ᇧ ^{^} _ᇧᇧ ^{^} _ᇧ ^{^} _ఔᇧ ^{^^} _ᇧ^ᇧ ^{^} _ᇤ ^{^} _ᇧ ^{^} _ఔᇧ ^{^^} _ᇧଶᇧ ^{^} _ᇧ ^{^} _ᇧ ^{^} _ᇧఔ ^{^} _ᇥ ^{^} _ଷ ^ ^^ ^ ^^ _^ ^^ [00113] ^ ^^ఘ^ (9)  ^^ ൌ ^^ _^ ^^ MCC Ref. No.:  103361‐335WO1  [00114] where  ^^ _^ , ^^ _^ , ^^ _^  are the actual state‐space matrices and  ^^ _ఔ ^^ _^ ,  ^^ _ఔ ^^ _ଶ , ^^ _ఔ ^^ _ଷ   are the varying parameter depended matrices. The defi nition of these matrices are given as  ^ ^{^^^^ ^^^ 0 ^^^ଷ^ ^^^ ^^^ସ^ ^^^} ^^^ ^^^ ൌ ൦ _{0 ^^ଶଶ^ ^^^ ^^ଶଷ^ ^^^ ^^ଶସ^ ^^^} ൪     LPV model are:  (12)  [00120] This LPV model is validated on experimental setup in  closed loop against  the actual model and described in [4].  [00121] Implementations of the present disclosure include a t emperature profile  of high power electric machine.  [00122] FIG. 5 shows the change in operating temperature of� �a high‐power  traction electric machine deployed in EDS of a vehic le. This change can be more for different  road loads, traffic conditions, driving schedule, ambi ent temperature and loading. This change  in the operating temperature affects the model parame ters. In the present disclosure, only the  rotor and stator resistance variation are considered.� �Due to these variations in model  parameters, the torque and flux of an EDS is degrad ed. Hence, the performance of the  MCC Ref. No.:  103361‐335WO1  conventional IFOC scheme is deteriorated. The example� �implementation of an LPV based IFOC  scheme can address above mentioned issues in the EDS .   [00123] Implementations of the present disclosure can perform� �estimation of  thermally derated torque and flux.   [00124] For the efficient operation of six‐phase traction I M drive, the estimation  of the thermally derated torque and flux can be use d in the electric drive system. An LPV  control technique based estimation of thermally derate d torque and flux is proposed and  validated in [4], [10] for three‐phase traction IM� �drive. Hence, in the present disclosure, a LPV  based torque and flux estimator can be adopted. For� �this purpose, induction machine model  (Eqs. (4)‐(8)) is changed into an LPV model as pr esented in (Eqs. (9)‐(12)) taking  ^^ _^ , ^^ _^  and  ^^ _^   as time varying parameters.  [00125] LPV estimators can include different types of constru ction, stability  analysis, and error dynamics [10].  ì ^^ _^ ^^ ï ^{^} ^ _˙ˆ^ ^{^ ൌ ^^^ ^^^ ^} _{^ ^ˆ^} ^{൨ ^ ^^} _^ ^{^^} _^ ^{^ ^^^ ^^^^ ^^} _^ ^{െ ^^} _^ ^{^}   [00128] The gain of the robust LPV estimator is obtained by  solving Linear Matrix  Inequalities (LMIs) formulated as follows:  [ _{00129] ^} ^{^^^ ^^ െ ^^^ ^^^ ^ ^^ ^^^ െ ^^^ ^^^ ≺ 0, ^^ ൌ 1, … , 2ఘ} ( ₁₄₎ [00130] [00131] The solution of the LMIs (Eq. (16)) can be used to  find the gain at each  polytope (Eq. (15)).  [00132] ^^ _^ ൌ ^^ ^{ି^} ^^ _^  (15)  [00133] The gain of the LPV estimator for the six‐phase I M is computed as:  [ _{00134] ^} ^{^^ ൌ ∑ ^} ^ ^ୀ ୀ ^ଶഐ ^    ^^ _^ ^^ _^ [00135] MCC Ref. No.:  103361‐335WO1  [00136] The estimation of observed torque is done as  [00137] ^ˆ^ ^ଷ ^ ൌ ^ _ଶ ^ ^^൫ ^ˆ^ _ఈ^ ^^ _ఉ^ െ ^ˆ^ _ఉ^ ^^ _ఈ^ ൯ (17)  [00139] FIG. 1A illustrates an implementation of the present� �disclosure including  a controller 100 for a six‐phase IM based EDS emp loyed in the HEVs and EVs as described  herein. The example implementation is developed based� �on the concept of FOC. An LPV based  control strategy is developed to control and track t he synchronously reference frame ^ ^^ െ ^^^  currents in the inner control loop 106 based on the  reference currents generated by the d‐q  currents controller 146, flux regulator 138 and speed  regulator 136 in the outer control loop  104. In this example strategy, the thermally derated� �torque and flux is estimated by the LPV  technique which is discussed herein. The optimal flux  command can be generated by an  optimal flux controller 142 by considering the IM lo sses and estimated torque. This can help to  minimize the energy consumption and hence increase th e EDS's efficiency and performance.  The gains for the speed and flux regulators are obt ained by formulating an LMI based on the  theory of input‐output feedback linearization.  [00140] Implementations of the present disclosure include desi gns of inner  control loop 106 LPV current controllers. A practical ly valid, robust LPV current control ^ ^^ െ ^^  currents) technique is synthesized herein for the LPV  model of six‐phase IM. Actuator  constraints, disturbance rejection and reference tracki ng are the design specifications. In LPV  control theory, these design specifications can be ob tained by the definition of control  sensitivity function (to ensure the efficient operatio n of EDS), complementary sensitivity  function and sensitivity function (to achieve the roa d loads demands).  [00141] The reference  ^^ െ ^^ currents are obtained by differentiating the Eqs.� �(6)  and (7) and it yields the following equation after  simplification:  ∗ [ _{00142] ^} ^{^^ௗ^ ^} ^ _^ ∗ ^ _^ ^{൨ ൌ} _|ா|టమ ^ ^^^ ^{ି^} ^ ^^^ (18)  [00143] where”  MCC Ref. No.:  103361‐335WO1  [00144]   [00145] of the plant, (ii) disturbance and noise rejection w ith fast tracking, and (iii) constraints on the  control actuator, are achieved. The objective is to  compute the output feedback LPV control  which maximizes the performance of EDS in the presen ce of vast variations in operating  temperature. The dynamic LPV controller can be repres ented as  [ _{00146] ^} ^{^˙^^ ൌ ^^^^ ^^^ ^^^ ^ ^^^^ ^^^ ^^} ^ _{^ ൌ ^^ ^ ^^^ ^^ ^ ^^ ^ ^^^ ^^  (19)  ^ ^ ^} [00147] system. The design methodology and steps for the LPV  current controller are outlined in [4].  [00148] Implementations of the present disclosure include desi gns of outer loop  flux and speed regulators.   [00149] The outer loop flux and speed regulators are designe d for the proposed  LPV based FOC strategy using the concept of Robust  Input‐Output Linearization (RIOL). The  model parameters uncertainties are taken into account� �in the process of computing the robust  gains for the outer loop regulators. The closed‐loo p error dynamics for the model described in  Section II are constructed using the stator currents� �൫ ^^ _ௗ^ , ^^ _^^ ൯, the rotor flux and the speed  ^ ^^, lemma [12] is deployed to achieve the LMI from the� �developed error dynamics as given in Eq.  (20).  ^^ ^் ^ ^^ ^^ ^^ _^ ^^ _ଶ   [00152] The solution of Eq. (20) gives the  ^^ and  ^^. From these, the gains of the  speed and flux regulators can be obtained as:  [00153] ^^ _^ ൌ ^^ ^{ି^} ^^ (21)  [00154] Where,  ^^ _^  is the diagonal gain matrix.  MCC Ref. No.:  103361‐335WO1  [00155] Implementations of the present disclosure include opti mal flux  calculations. The six‐phase IM for an EDS operates� �at different speed and torque over the entire  driving cycle. In order to minimize the energy consu mption during the operation, it is not a  good practice to operate the EDS at rated flux. Hen ce, electric machine's losses are considered  to compute the optimal flux command to obtain the h igh efficiency of EDS. The three main  losses in IM can be described as:  [00156] The stator losses:  [00157] ^^ _^ ൌ ^ଷ ଶ ^^ _^ ൫ ^^ _ௗ ^ଶ ^ ^ ^^ _^ ^ଶ ^ ൯ (22)    ଶ [00161] ^^ _^ ൌ ^{^ ଶ ଶ ଶ ^^^^ ଶ} ோ _^ఠ^మ ൬ ^^ _^ ^^ _ௗ^ ^ ^ ^^ _^ െ _^ೞ ^ ^^ _^^ ^ (24)  [00163] ^^ _loss  ൌ ^^ _^ ^ ^^ _^ ^ ^^ _^  (25)  [00164] Putting the steady state values of the  ^^ _ௗ^ , ^^ _^^  and  ^^ _^  and minimizing the  Eq. (25), optimal flux trajectory can be computed as :  ì _{^^^^^ ൌ ^^ ^^ ^^^^^^^}   efficacy and performance of the example LPV based IF OC scheme, simulation experiments were  performed on the high fidelity EV simulator developed  in MATLAB/SIMULINK as commonly  exercised by automotive community to evaluate their c ontrol frameworks. FIG. 9 illustrates the  parameters values for the passenger bus (class‐4) v ehicle and FIG. 10 illustrates the parameter  MCC Ref. No.:  103361‐335WO1  values for the six‐phase induction that are adopted  in the example study. The evaluation is  performed under the variation of different operating  conditions such as variations in operating  and ambient temperatures, change in stator and rotor� �resistances and change in the load.  Federal Urban Driving Schedule (FUDS) is adopted to  show the efficacy of the proposed control  scheme. To obtain the best possible performance, the� �observer‐controller pair can be designed  as described herein.   [00168] FIG. 6 depicts the tracking performance of vehicle s peed. It is vivid that  the proposed LPV based IFOC scheme shows the better� �performance in the presence of vast  variations in operating and ambient temperature (in r esult, variations in rotor and stator  resistances of IM). The performance of conventional I FOC is also presented under the same  operating conditions in FIG. 6. It is signified from  the FIG. 6 that LPV based IFOC scheme  achieved the better tracking performance of vehicle s peed as compared to conventional IFOC.  The performance of conventional IFOC at higher operat ing temperature (higher change in rotor  and stator resistance) is degraded more as compare t o proposed scheme. In this context, the  tracking performance for the demanded torque and flux  can be determined and analyzed  further.  [00169] FIG. 8 shows the torque tracking of both control sc heme for the  comparison over the entire driving cycle. The LPV ba sed IFOC sheme shows better torque  tracking performance in the presence of variations in  model parameters. As a result, the  proposed control scheme encompasses the rapid changes� �(due to traffic conditions for a  particular route) in the demanded torque well as com pared to convention control scheme.  Hence, smooth operation of the vehicle is guaranteed.   [00170] In order to achieve the higher efficiency of the ED S, IM is required to  follow the commanded flux over the entire operation.� �FIG. 7 presents the flux tracking of the  six‐phase IM for the conventional IFOC and proposed  LPV based IFOC schemes.  [00171] The Root Mean Square Error (RMSE) value in EV speed , IM flux and  torque is used as a performance metric. FIG. 11 ill ustrates the RMSE tracking errors.  [00172] In sum, the study shows that the example implementat ion includes a  robust LPV based IFOC technique to achieve the optim al performance of multiphase induction  MCC Ref. No.:  103361‐335WO1  machine electric drive system. Its was is tested for  an EV's powertrain operated in FUDS driving  cycle with a dynamic temperature profile. The compari son of the proposed technique was  carried out with conventional IFOC. The example LPV  based IFOC scheme is more robust to  change in operating and ambient temperatures and in  turns to  ^^ _^  and  ^^ _^  variations as well.  [00173] Optionally, implementations of the present disclosure  can including  measuring the efficacy of the proposed observer contr oller pair on Hardware‐in‐Loop (HIL) test  setup, and/or (ii) quantify the effect of proposed c ontrol scheme with respect to efficiency and  aging of the EDS.  [00174] Example 2:   [00175] A study was performed of an example implementation o f the present  disclosure. The example implementation is configured t o control multiphase induction  machines. Example benefits of a multiphase induction  machine over three‐phase equivalents  are: (1) Power rating requirements of the power semi conductor devices on the converter can  be reduced;  (2) Regardless of the number of phases , two independent controllable currents are  required for flux and torque control; (3) Low pulsat ing torque due to the use of a multi‐step  inverter; (4) Smaller rated current per phase; (5) b etter reliability; and/or (6) Ability to operate  in case of open phase fault.  [00176] An example architecture of six‐phase IM is shown i n FIG. 4. The example  architecture can have an angular separation of 30 ^o  between two sets of 3‐phase winding  [00177] Optionally, the example in FIG. 4 gives the two iso lated neutral points  which can (1) Ensure optimized use of dc link volta ge, (2)  Eliminate zero sequence currents  [00178] The study shows that a synthesis of LPV based FOC  scheme for  multiphase induction machine can have significantly be tter performance than the conventional  FOC when efficacy is tested for EVE powertrains oper ated in FUDS driving cycle with a dynamic  temperature profile.  An example field‐oriented cont rol framework is illustrated in FIG. 12  [00179] Example 3:   [00180] Dynamic Drive Control Scheme for Energy‐Efficient El ectric Drive Systems  [00181] The automotive, aerospace/defense, rail, marine, and m anufacturing  industries are rolling out energy‐efficient electrifi ed powertrains due to an increase in energy  MCC Ref. No.:  103361‐335WO1  needs against inadequate energy resources. One of the  integral parts of an electrified  powertrain is the traction multiphase Electric Machine  (EM), which impacts the performance  and cost of the vehicle. The performance of an Electric Drive System (EDS) in  extreme working  conditions suffers from torque derating, a decrease i n efficiency, and an increase in loss of  lifetime (aging) as its parameters change due to the  change in operating and ambient  temperatures.  [00182] The study included developing a learning‐based contr ol algorithm and  produce the software for electric powertrains used in  electrified aircraft, and electric and  hybrid vehicles to address the problem of a decrease  in efficiency, aging, flux, and torque  derating due to the change in operating and surround ing temperatures of an electrified  powertrain. Another main purpose of the proposed dyna mic drive algorithm is to ensure the  fault‐tolerant and efficient operation of the electr ic drive over a vast operating range.   [00183] The efficacy of the proposed control algorithm was e valuated for the EDS  when operating under different road loads, operating,� �and surrounding temperatures. This  algorithm will make the EDS immune to performance de gradation, rapid aging, and poor  efficiency. This technology/product will be completely� �a software‐based solution, and any  automotive and aerospace industry can install it on  their Electronic Control Units (ECUs) and  Vehicle Control Units (VCUs) to get the benefits. In  some implementations, no hardware  changes are required.     [00184] To address the crucial issue of electric machine per formance degradation  due to the harsh environment and operating conditions , the present disclosure includes a  design developed based on the dynamic drive control.� �The Dynamic Drive Control Scheme  (DDCS) facilitates the control of multiphase EM to o vercome the problem of thermally derated  torque, minimizing the loss of lifetime (aging), and� �improving the energy conversion efficiency  of the multiphase EM. A dynamic control scheme allow s the controller to schedule (re‐ compute) itself based on the changes observed in the  parameters of the EDS to address the  issue of thermally derated torque. It can utilize th e machine’s losses to compute the optimal  flux demand to ensure improvements in the energy con version efficiency of the EM and  develop a dynamic relationship between road load dema nds and flux. The optimal cost function  MCC Ref. No.:  103361‐335WO1  is formulated based on the operating voltages and cu rrents’ constraints to minimize aging. This  proposal is composed of a systematic application of  knowledge toward the design,  development, and hardware realization of the prototype .   [00185] Implementations of the present disclosure can be empl oyed almost in all  the large‐scale industries of the world which inclu des but not limited to automotive,  aerospace/defense, rail, marine, and manufacturing indu stries which need to enhance their  overall product life (aging) and its efficiency appro ximately. The example implementations of  the present disclosure include a learning‐based (sel f‐learning) control algorithm which is an  essential component used in the above‐mentioned indu stries. The implementation of this  technology will make the system immune to performance  degradation, rapid aging, and poor  efficiency.   [00186] The automotive, aerospace/defense, rail, marine, and m anufacturing  industries all can face the problems of thermally de rated torque, efficiency reduction, and aging  in the existing EDS technology. Manual calibration ca n be difficult in industrial and  transportation settings, and a self‐learning algorith m can be used to overcome those  challenges. The development and design of a dynamic  control (intelligent control) technique  (such as DDCS technology in the current proposal), c an be beneficial.   [00187] Implementations of the present disclosure can further� �reduce energy  usage and greenhouse gasses emitted to the environmen t by improving the efficiency of the  electric drive system for modern vehicles.  [00188] In an electrified powertrain, an EM can be used  t o meet the loads at  different speeds in all operating conditions. However,  due to part load operations and  variations in operating and surrounding temperatures,  the EM parameters change. As a result,  the torque‐delivering capability of the EM derates  [1B,2B], unlike an industrial drive, which  operates at constant loads and temperatures. Under th ese conditions, the EM must supply the  desired torque requested by the driver, thus forcing� �the EM to operate in inefficient regions.  Similarly, the aging of the EM is accelerated by se veral stress factors, which include high  ambient temperatures, variation in vehicle duty cycle,  and changes in payloads. These stress  factors will create voltage and current imbalance and  increase winding temperatures during the  MCC Ref. No.:  103361‐335WO1  EM operation for an electrified powertrain, unlike an  industrial drive [3B]. This can result in a  loss of flux generation capability of the windings,  thus affecting the torque‐producing capability  of the electric machine. Conventional control techniqu e used for torque and flux control of the  EM can be sensitive to all the above‐mentioned cha nges in the EDS during the operation. The  robust estimation technique according to implementation s of the present disclosure can be  used to estimate the derated torque so that the ove rall performance of the EDS can be  improved [4B]. Similarly, efficient control techniques� �are designed and developed can manage  the thermally derated torque, efficiency, and aging o f the EDS [3B,5B]. These estimation and  control techniques can be used in implementations of� �the present disclosure for DDCS for  energy‐efficient EDS. Thus, implementations of the p resent disclosure can include learning‐ based controller/software which will tune itself to e xtract better performance, minimizing the  aging and improving efficiency for an electrified pow ertrain used in modern electric on‐road,  off‐road, and aerial vehicles.   [00189] The block diagram shown in FIG. 13 shows a block d iagram 1300  comparing a control loop 1310 according to an implem entation of the present disclosure with a  conventional control loop 1350.  The control loop 13 10 includes a controller 1312 according to  an implementation of the present disclosure, referred� �to herein as “dynamic drive control.” The  control loop 1310 can further include an observer 13 14.  [00190] As shown in FIG. 13, the controller 1312 can be in corporated into a  system with a motor drive 1320, classical control bl ock 1322, one or more feedback sensor(s)  1324, and a powertrain 1326. The present disclosure  also contemplates that the controller 1312  can be tested with a test stage 1330 to output veh icle performance information 1332.   [00191] The conventional control loop 1350 can require additi onal manual  calibration that can be costly and expensive. As tim e goes on, the performance of the  conventional control loop 1350 can degrade, with redu ced efficiency and aging.   [00192] The control loop 1310 can be cheaper and quicker to  calibrate than the  conventional control loop 1350. Implementations of the  present disclosure can further include  increased performance (e.g, 10% increased performance),  improved efficiency (e.g., 2%  improved efficiency) and/or reduced aging (e.g., 2% r eduction in aging).   MCC Ref. No.:  103361‐335WO1  [00193] References  [00194] Although the subject matter has been described in la nguage specific to  structural features and/or methodological acts, it is� �to be understood that the subject matter  defined in the appended claims is not necessarily li mited to the specific features or acts  described above. Rather, the specific features and ac ts described above are disclosed as  example forms of implementing the claims.  [00195] [1] Hanif, A., Ahmed, Q., Bhatti, A.I. and Rizzoni,� �G., 2020. A Unified  Control Framework for Traction Machine Drive Using Li near Parameters Varying‐Based Field‐ Oriented Control. Journal of Dynamic Systems, Measurem ent, and Control, 142(10).  [00196] [2] Libbos, E., Ku, B., Agrawal, S., Tungare, S., B anerjee, A. and Krein, P.T.,  2020. Loss minimization and maximum torque‐per‐ampe re operation for variable‐pole  induction machines. IEEE Transactions on Transportation  Electrification, 6(3), pp.1051‐1064.  [00197] [3] Levi, E., Barrero, F. and Duran, M.J., 2015. Mu ltiphase machines and  drives‐Revisited. IEEE Transactions on Industrial Ele ctronics, 63(1), pp. 429 െ 432.  [00198] [4] Hanif, A., Bhatti, A.I. and Ahmed, Q., 2017. Ma naging thermally  derated torque of an electrified powertrain through L PV control. IEEE/ASME Transactions on  Mechatronics, 23(1), pp.364‐376.  [00199] [5] Levi, E., Bojoi, R., Profumo, F., Toliyat, H.A.� �and Williamson, S., 2007.  Multiphase induction motor drives‐a technology status  review. IET Electric Power Applications,  1(4), pp.489‐516.  [00200] [6] Morawiec, M., Strankowski, P., Lewicki, A., Guzi� �ski, J. and Wilczyński,  F., 2019. Feedback control of multiphase induction ma chines with backstepping technique. IEEE  Transactions on Industrial Electronics, 67(6), pp.4305� ��4314.  [00201] [7] Singh, G.K., Nam, K. and Lim, S.K., 2005. A si mple indirect  fieldoriented control scheme for multiphase induction  machine. IEEE Transactions on Industrial  Electronics, 52(4), pp.1177‐1184.  [00202] [8] Holakooie, M.H. and Iwanski, G., 2020. An adapti ve identification of  rotor time constant for speed‐sensorless induction m otor drives: A case study for six‐phase  MCC Ref. No.:  103361‐335WO1  induction machine. IEEE Journal of Emerging and Selec ted Topics in Power Electronics, 9(5),  pp.5452‐5464.  [00203] [9] Fnaiech, M.A., Betin, F., Capolino, G.A. and Fna iech, F., 2009. Fuzzy  logic and sliding‐mode controls applied to six‐pha se induction machine with open phases. IEEE  Transactions on Industrial Electronics, 57(1), pp.354� �364. [10] Hanif, A., Bhatti, A.I. and Ahmed,  Q., 2016, July. Estimation of thermally de‐rated to rque of an HEV drive using robust LPV  observer. In 2016 American Control Conference (ACC) ( pp. 1530‐1535). IEEE.  [00204] [11] Kommuri, S.K., Defoort, M., Karimi, H.R. and Ve luvolu, K.C., 2016. A  robust observer‐based sensor fault‐tolerant control� �for PMSM in electric vehicles. IEEE  Transactions on Industrial Electronics, 63(12), pp.7671 7681.  [00205] [12] Werner, H., 2007. Optimal and robust control. L ecture Notes, Ins.  Control Systems, Hamburg Univ. Technology.  [00206] [1B] Reyes, J. R. M. D., Parsons, R. V., & Hoe msen, R. (2016). Winter  happens: The effect of ambient temperature on the tr avel range of electric vehicles. IEEE  Transactions on Vehicular Technology, 65(6), 4016‐402 2.  [00207] [2B] Hanif, A., Bhatti, A.I. and Ahmed, Q., 2017. M anaging thermally  derated torque of an electrified powertrain through L PV control. IEEE/ASME Transactions on  Mechatronics, 23(1), pp.364‐376.  [00208] [3B] Hanif, A., Ahmed, Q., Bhatti, A.I. and Rizzoni,  G., 2020. A unified  control framework for traction machine drive using li near parameters varying‐based field‐ oriented control. Journal of Dynamic Systems, Measurem ent, and Control, 142(10).  [00209] [4B] Hanif, A., Bhatti, A.I. and Ahmed, Q., 2016, J uly. Estimation of  thermally de‐rated torque of an HEV drive using ro bust LPV observer. In 2016 American Control  Conference (ACC) (pp. 1530‐1535). IEEE.  [00210] [5B] Safder, A. H., Hanif, A., Saqib, M. A., &� �Tanveer, F. (2023, March).  Compensating the Performance of PMSM‐Based Electrifie d Powertrain Through Sliding Mode  Control. In 2023 IEEE Applied Power Electronics Confe rence and Exposition (APEC) (pp. 2413‐ 2418). IEEE.