Sterowanie silnikiem liniowym z wykorzystaniem adaptacyjnej struktury sterowania z regulatorem rozmytym typu PID

• Autorzy: Derugo P. , Kacerka J. , Jastrzębski M. , Szabat K.

Warianty tytułu

EN

Linear motor control using an adaptive structure of fuzzy logic control PID

• Języki publikacji: PL

Abstrakty

PL

Artykuł opisuje ideę działania wraz z genezą rozwiązania w postaci adaptacyjnego neuronowo-rozmytego regulatora o trzech wejściach z warstwą tranzycji Petriego. Układ z warstwą tranzycji i niepełnym oknem rozważań oferuje dobre właściwości regulacyjne oraz znaczne zmniejszenie złożoności numerycznej algorytmu w porównaniu do układu bez warstwy tranzycji. Działanie regulatora zweryfikowano w badaniach eksperymentalnych, regulator został użyty w pętli sterowania położeniem biegnika liniowego silnika synchronicznego z magnesami trwałymi.

EN

The article describes the concept together with the genesis of adaptive neuro-fuzzy controller with three inputs and Petri transition layer. System with transition layer and partial calculation window offers good control and a significant reduction in the complexity of numerical algorithm compared to the system without a transition layer. Operation of the controller is verified in experimental studies where the controller was used in the position control loop of mover of a linear permanent magnet synchronous motor.

Słowa kluczowe

PL

warstwa Petriego; regulator neuronowo-rozmyty; regulator adaptacyjny; silnik liniowy; złożoność

EN

Petri layer; neuro-fazzy classifiers; adaptive controller; linear motor; numerical complexity

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2015
• Tom: R. 91, nr 7
• Strony: 93--96
• Opis fizyczny: Bibliogr. 15 poz., rys., tab., wykr.

Twórcy

autor

Derugo P.

• Politechnika Wrocławska, Katedra Maszyn Napędów i Pomiarów Elektrycznych, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław

autor

Kacerka J.

• Politechnika Łódzka, Instytut Automatyki, Zakład Teorii Sterowania, 90-924 Łódź, ul. B. Stefanowskiego 18/22

autor

Jastrzębski M.

• Politechnika Łódzka, Instytut Automatyki, Zakład Teorii Sterowania, 90-924 Łódź, ul. B. Stefanowskiego 18/22

autor

Szabat K.

• Politechnika Wrocławska, Katedra Maszyn Napędów i Pomiarów Elektrycznych, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław

Bibliografia

• [1] Derugo P., Szabat K., Adaptive neuro-fuzzy PID controller for drive system with friction and backslash., proceedings of Electromagnetic phenomena in nonlinear circuits, EPNC Pilsen, Czech Republic, (2014) 19-20.
• [2] Derugo P., Szabat K., Implementation of the Low Computational Cost Fuzzy PID Controller for Two-Mass Drive System, proceedings of PEMC (2014), 661-665
• [3] Kabziński, J., Kacerka, J.. TSK Fuzzy Modeling with Nonlinear Consequences, Artificial Intelligence Applications and Innovations, (2014), 498-507
• [4] Derugo P., Dybkowski M., Szabat K., Zastosowanie adaptacyjnego neuronowo-rozmytego regulatora prędkości z konkurencyjnymi warstwami Petriego do sterowania silnika elektrycznego, Przegląd Elektrotechniczny 89 (2013): 64-67.
• [5] Derugo P., Dybkowski M., Szabat K., Analiza wpływu rozmieszczenia konkurencyjnej warstwy Petriego w neuronoworozmytym regulatorze adaptacyjnym na właściwości dynamiczne układu napędowego, Przegląd Elektrotechniczny, R. 90 NR 6/ (2014), 35-39
• [6] Chen Y., Teng Ch., A model reference control structure using a fuzzy neural network, Fuzzy Sets and Systems 73.3 (1995): 291-312.
• [7] Szabat K.; Struktury sterowania elektrycznych układów napędowych z połączeniem sprężystym, Oficyna wydawnicza Politechniki Wrocławskiej; Wrocław (2008)
• [8] Waindok A., Symulacja komputerowa i weryfikacja pomiarowa charakterystyk silnika liniowego tubowego z magnesami trwałymi, praca doktorska, Politechnika Opolska, Wydział Elektrotechniki, Automatyki i Informatyki, (2008)
• [9] Jastrzębski M., Wykorzystanie rozmytego modelu siły oporu w adaptacyjnym sterowaniu silnikiem liniowym, Przegląd Elektrotechniczny, 88 (2012): 93-97.
• [10] Jastrzębski M., Sterowanie adaptacyjne silnikiem liniowym z neuronowym kompensatorem tarcia strojonym on-line, Przegląd Elektrotechniczny, R. 90 NR 6 (2014), 61-66
• [11] Setnes, Magne, et al. "Similarity measures in fuzzy rule base simplification." Systems, Man, and Cybernetics, Part B: Cybernetics, IEEE Transactions on 28.3 (1998): 376-386.
• [12] Song, B. G., et al. "Adaptive membership function fusion and annihilation in fuzzy if-then rules." Fuzzy Systems, 1993., Second IEEE International Conference on. IEEE, 1993.
• [13] Wai R., Liu Ch., Design of Dynamic Petri Recurrent Fuzzy Neural Network and Its Application to Path-Tracking Control of Nonholonomic Mobile Robot, IEEE Transactions on industrial electronics, VOL. 56, NO. 7, (2009), 2667-2683
• [14] Wai R., Liu Ch., Experimental Verification of Dynamic Petri Recurrent-Fuzzy-Neural-Network Path Tracking Control for Mobile Robot, Int. Conf. on Control and Automation, (2009), 1359-1364
• [15] Wai R., Chu Ch.; Motion Control of Linear Induction Motor via Petri Fuzzy Neural Network. IEEE Transactions on industrial electronics, VOL. 54, NO. 1, (2007), 281-295