كنترل فعال نيرو ياتاقان مغناطيسي فعال با استفاده از الگوريتم يادگيري تدريجي و شبكه عصبي

ياتاقان‌هاي مغناطيسي فعال، امروزه در بسياري از موارد صنعتي كاربرد دارند. اين ياتاقان‌ها دسترسي به سرعت‌هاي بالاتر را نسبت به انواع ياتاقان‌هاي مكانيكي و غلطشي فراهم مي‌سازند. به همين دليل براي كاربردهاي خاص با سرعت‌هاي بالا مورد استفاده قرار مي‌گيرند با اين حال، با وجود مزاياي بسيار اين ياتاقان‌ها، بشدت غير خطي و ذاتا ناپايدار هستند. بنابراين استفاده از كنترل اتوماتيك فعال براي پايدار نگه داشتن سيستم ضروري است. روش‌هاي كنترل مختلفي تاكنون استفاده شده است. بسياري از تحقيقات مربوط به كنترل ياتاقان‌هاي مغناطيسي متمركز بر تكنيك هاي مبتني بر مدل ديناميكي خطي به دست آمده در نقطه تعادل آن است. به علت دقت كم و عملكرد پايين كنترلگر PID در اغتشاشات سرعت بالا از روش كنترل فعال نيرو AFC (Active Force Control) استفاده خواهد شد. براي كنترل فعال نيرو به پيش بيني مقدار جرم و اينرسي تخميني نياز است. تخمين جرم يا اينرسي از روش الگوريتم يادگيري تدريجي و شبكه عصبي مصنوعي استفاده خواهد شد و نتايج هردوي آن ها در پايان با يكديگر و با كنترلگر PID مقايسه مي‌گردد.