امروز: سه شنبه 23 مهر 1398
محصولات پر فروش
دسته بندی محصولات
بخش همکاران
بلوک کد اختصاصی

کنترل بدون حس­گر موقعیت موتورهای رلوکتانسی سوئیچ­ شده بر اساس شبکه­ ی عصبی بهبود یافته

کنترل بدون حس­گر موقعیت موتورهای رلوکتانسی سوئیچ­ شده بر اساس شبکه­ ی عصبی بهبود یافته دسته: مقالات ترجمه شده isi
بازدید: 21 بار
فرمت فایل: doc
حجم فایل: 1346 کیلوبایت
تعداد صفحات فایل: 10

کنترل بدون حس­گر موقعیت، موتورهای رلوکتانسی سوئیچ­ شده، شبکه­ ی عصبی بهبود یافته

قیمت فایل فقط 14,300 تومان

خرید

Position sensorless control of switched reluctance motors based on improved neural network

Abstract: Neural network (NN) has been applied as rotor position estimator in switched reluctance motor (SRM) whose
characteristic is highly non-linear. However, conventional two inputs back propagate (BP) NN based rotor position estimator
is not appropriate for real-time application in high speed operations because of its considerable computational time
consumption in its hidden layer. In this study, an improved BP NN with inductance input pretreatment for the rotor position
estimator of SRM is proposed. It achieves 75.44% computational burden reduction while staying at the same accuracy as the
conventional one. Moreover, with the pretreatment, the NN can output the angle of full electrical period of the SRM
operation. Training data includes rotor position, flux-linage which is acquired by finite element analysis (FEA) and phase
current Sensorless control algorithm is also described. Simulations and experiments are performed based on a 12/8 SRM. The
results are compared with conventional method. The effectiveness of the proposed sensorless estimator and control strategy
are testified under low speed, high speed and sudden loading change operations

کنترل بدون حس­گر موقعیت موتورهای رلوکتانسی سوئیچ­ شده بر اساس شبکه­ ی عصبی بهبود یافته

چکیده

از شبکه­ی عصبی (NN) به عنوان تخمین­گر موقعیت روتور در موتور رلوکتانسی سوئیچ­شده (SRM) استفاده شده استکه دارای مشخصات بسیار غیر خطی است. با این­حال، تخمین­گر موقعیت مبتنی بر NN انتشار رو به عقب (BP) دو ورودی متعارف برای کاربرد بلادرنگ در عملیات سریع مناسب نیست که دلیل آن زمان محاسباتی زیاد در لایه­ پنهانش است. در این مقاله، یک BP NN با پیش­عمل­آوری ورودی اندوکتانس برای تخمین­گر موقعیت روتور SRM ارائه شده است که در عین حال که 75.44% کاهش بار محاسباتی را در پی دارد دارای همان دقت شبکه­ی عصبی متداول است. همچنین، پیش­عمل­آوری باعث شده است تا NN زاویه­ی دوره­ی کامل الکتریکی عملیات SRM را بصورت خروجی تحویل دهد. آموزش داده شامل موقعیت روتور و شار پیوندی است که توسط تحلیل المان محدود (FEA) بدست می­آید و الگوریتم کنترل بدون حس­گر جریان نیز توضیح داده شده است. شبیه­سازی­ها و آزمایشات بر مبنای یک 12/8 SRM انجام شده­اند.نتایج با روش متعارف مقایسه شده­اند. کارایی تخمین­گرِ بدون حس­گر پیشنهادی و راهبرد کنترلی تحت عملیات سرعت-کم، سرعت-بالا، و تغییر ناگهانی بارگذاری مورد آزمایش قرار گرفته است.

.

قیمت فایل فقط 14,300 تومان

خرید

برچسب ها : کنترل بدون حس­گر موقعیت موتورهای رلوکتانسی سوئیچ­ شده بر اساس شبکه­ ی عصبی بهبود یافته , Position sensorless control switched reluctance motors improved neural network

نظرات کاربران در مورد این کالا
تا کنون هیچ نظری درباره این کالا ثبت نگردیده است.
ارسال نظر