Other language title :
كنترل سرعت موتور القايي به روش عصبي – فازي تطبيقي غير مستقيم
Title of article :
An indirect adaptive neuro-fuzzy speed control of induction motors
Author/Authors :
Vahedi, M Faculty of Electrical & Robotic Engineering - Shahrood University of Technology, Shahrood , Hadad Zarif, M Faculty of Electrical & Robotic Engineering - Shahrood University of Technology, Shahrood , Akbarzadeh Kalat, A Faculty of Electrical & Robotic Engineering - Shahrood University of Technology, Shahrood
Issue Information :
دوفصلنامه با شماره پیاپی سال 2016
Abstract :
This paper presents an indirect adaptive system based on neuro-fuzzy approximators for the speed control of induction motors. The uncertainty including parametric variations, the external load disturbance and unmodeled dynamics is estimated and compensated by designing neuro-fuzzy systems. The contribution of this paper is presenting a stability analysis for neuro-fuzzy speed control of induction motors. The online training of the neuro-fuzzy systems is based on the Lyapunov stability analysis and the reconstruction errors of the neuro-fuzzy systems are compensated in order to guarantee the asymptotic convergence of the speed tracking error. Moreover, to improve the control system performance and reduce the chattering, a PI structure is used to produce the input of the neuro-fuzzy systems. Finally, simulation results verify high performance characteristics and robustness of the proposed control system against plant parameter variation, external load and input voltage disturbance.
Farsi abstract :
اين مقاله، يك سيستم تطبيقي غير مستقيم مبتني بر تخمين گرهاي عصبي فازي براي كنترل سرعت موتورهاي القايي ارائه ميدهد. عدم قطعيت شامل تغييرات پارامتري، اغتشاش خارجي بار و ديناميك هاي مدل نشده با طراحي سيستم هاي عصبي فازي تخمين زده و جبران مي شود. نوآوري اين مقاله، ارائه يك اثبات پايداري براي كنترل عصبي فازي سرعت موتور القايي ميباشد. آموزش برخط سيستم هاي عصبي-فازي مبتني بر اثبات پايداري لياپانوف مي باشد و به منظور اثبات همگرايي مجانبي خطاي ردگيري سرعت، خطاي ساختاري سيستم عصبي فازي جبران مي شود. علاوه بر اين، به منظور بهبود عملكرد سيستم كنترل و كاهش پديده لرزش سيگنال كنترل، از يك ساختار تناسبي انتگرالي براي توليد ورودي سيستم عصبي فازي استفاده شده است. نتايج شبيه سازي بيانگر عملكرد مناسب سيستم كنترل و مقاوم بودن آن در برابر تغييرات پارامترهاي موتور، بار خارجي و تغييرات ولتاژ ورودي موتور مي باشد.
Keywords :
Induction Motor , Indirect Adaptive Control , Neuro-fuzzy Approximators , Uncertainty Estimation , Stability Analysis , Reconstruction Error
Journal title :
Astroparticle Physics
