شماره ركورد كنفرانس :
3699
عنوان مقاله :
كنترل سرعت موتور DC بدون جاروبك با استفاده از كنترل¬گر عصبي-فازي و الگوريتم كلوني زنبور مصنوعي تطبيقي
عنوان به زبان ديگر :
BLDC motor speed control using neuro-fuzzy controller and adaptive artificial bee colony algorithm
پديدآورندگان :
ممشلو ايوب a.mamashlo582@gmail.com شركت برق منطقه¬اي مازنداران
تعداد صفحه :
11
كليدواژه :
موتور DC بدون جاروبك , انفيس , الگوريتم يادگيري , الگوريتم كلوني زنبور مصنوعي تطبيقي , كنترل¬گر PI
سال انتشار :
1396
عنوان كنفرانس :
اولين كنفرانس ملي دانش و فناوري نوين در علوم مهندسي در عصر تكنولوژي
زبان مدرك :
فارسي
چكيده فارسي :
موتورهاي DC بدون جاروبك به دليل داشتن حجم پائين، بازدهي بالا و عمر مفيد طولاني در كاربردهاي حساس مانند تجهيزات پزشكي، ديسك درايوهاي كامپيوتري، صنايع فضايي و تجهيزات زيردريايي بطور گسترده مورد استفاده قرار مي¬گيرند. با توجه به كاربرد اين موتورها در صنايع و موقعيت-هاي حساس، كنترل دقيق سرعت اين موتورها از اهميت بالايي برخوردار است. به همين دليل در اين مطالعه يك روش هوشمند بر اساس كنترل گر فازي عصبي-فازي جهت كنترل سرعت موتورهاي DC بدون جاروبك پيشنهاد شده است. روش پيشنهادي از دو بخش اساسي تشكيل شده است: بخش كنترل-گر و بخش الگوريتم يادگيري. در بخش كنترل¬گر از كنترل¬گر عصبي-فازي انفيس استفاده شده است. عملكرد انفيس به نحوه آموزش آن و دقت الگوريتم يادگيري آن وابسته است. به همين خاطر در روش پيشنهادي از يك الگوريتم جديد يادگيري مبتني بر الگوريتم كلوني زنبور مصنوعي تطبيقي استفاده شده است. جهت ارزيابي عملكرد روش پيشنهادي، روش پيشنهادي بر روي يك موتور DC بدون جاروبك با قدرت نامي 1/1 اسب بخار و سرعت نامي 1500 دور بر دقيقه تست شده است. جهت مقايسه با ساير روش¬هاي مشابه، عملكرد روش پيشنهادي با كنترل¬گر PI مقايسه شده است. نتايج بدست آمده نشان داده كه روش پيشنهادي داراي عملكرد و دقت بسيار خوبي در كنترل سرعت موتورهاي DC بدون جاروبك برخوردار است.
چكيده لاتين :
Brushless DC motors because of low volume, high efficiency and long life have been used in sensitive and important application such as disc drives, spacecraft equipment and medical tools. In this paper an intelligent system based on fuzzy rules is proposed to speed control of BLDC motors. The proposed method includes two main modules: the controller module and learning algorithm module. In the controller module we used adaptive neuro-fuzzy inference system. In learning algorithm module, we used an adaptive and hybrid artificial bee colony algorithm (aABC) for ANFIS training. Unlike the standard ABC algorithm, two new parameters are utilized in the solution search equation. These are arithmetic crossover rate and adaptivity coefficient. aABC algorithm gains the rapid convergence feature. The proposed method tested on 1.1 HP BLDC motor and the obtained results show that the proposed method has good performance.
كشور :
ايران
لينک به اين مدرک :
بازگشت