Adaptacyjne sterowanie silnikiem synchronicznym o magnesach trwałych

• Autorzy: Pajchrowski T.

Warianty tytułu

EN

Adaptive permanent magnet synchronous motor control

• Konferencja: Computer Applications in Electrical Engineering 2013 (15-16.04.2013; Poznań, Polska)
• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono wyniki symulacyjne adaptacyjnego regulatora prędkości z zastosowaniem sztucznej sieci neuronowej dla napędu z silnikiem synchronicznym o magnesach trwałych. Omówiona została struktura sztucznej sieci neuronowej oraz metoda uczenia regulatora prędkości w czasie rzeczywistym. Model układu został opracowany w języku Matlab. Parametry regulatora są optymalizowane on-line według algorytmu RPROP. Przedstawione wyniki badań symulacyjnych ilustrują poprawne działanie adaptacyjnej regulacji prędkości na zmianę parametrów układu napędowego, takich jak moment bezwładności.

EN

This paper presents the results of simulation of adaptive speed controller using an artificial neural network for permanent magnet synchronous motor drive. Discusses the structure of the artificial neural network and the method of learning the speed controller in real time. Model system has been developed in Matlab. The controller parameters are optimized on-line by RPROP algorithm. The simulation results illustrate the proper operation of the adaptive speed control to change the parameters of the drive system, such as the moment of inertia.

Słowa kluczowe

PL

silnik synchroniczny o magnesach trwałych; regulator neuronowy; sztuczna sieć neuronowa; układ napędowy; RPROP

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Poznan University of Technology Academic Journals. Electrical Engineering
• Rocznik: 2013
• Tom: No. 75
• Strony: 127--133
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Pajchrowski T.

• Politechnika Poznańska

Bibliografia

• [1] Ellis G., Control System Design Guide. Third Edition: Using Your Computer to Understand and Diagnose Feedback Controllers, Elsevier, Academic Press, 2004.
• [2] Grzesiak L., Meganek V., Sobolewski J., Ufnalski B., DTCSVM Drive with ANN-based Speed Controller, PELINCEC Conference, Warsaw University of Technology, 2005, CD.
• [3] Grzesiak L. M., Meganek V., Sobolewski J, Ufnalski B., On-line Trained Neural Speed Controller with Variable Weight Update Period for Direct-Torque-Controller AC Drive, EPE-PEMC Conference, Portoroz, 2006, CD.
• [4] Orlowska-Kowalska T., Szabat K., Control of the Drive System with Stiff and Elastic Coupling using Adaptive Neuro-Fuzzy Approach, IEEE Trans. On Industrial Electronics, vol. 51, No. 4, 2007, pp. 228-240.
• [5] Ossowski S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2000.
• [6] Pajchrowski T., Zawirski K., Adaptive Neural Speed Controller for PMSM Servodrive with Variable Parameters, Proceedings of EPE-PEMC 2012 ECCE Europe Conference and Exposition Conference, 4th to 6th September 2012 , Novi Sad, Serbia.
• [7] Pajchrowski T., Zawirski K., Application of artificial neural network for adaptive speed control of PMSM drive with variable parameters, Proceedings of XXII Symposium on Electromagnetic Phenomena in Nonlinear Circuits, EPNC’2012, Pula, Croatia, 26 -29 June 2012.
• [8] Pajchrowski T., Zawirski K., Application of Artificial Neural Network to Robust Speed Control of Servodrive. IEEE Transaction on Industrial Electronics, Vol.54, No. 1, February 2007, pp.200-207.
• [9] Pajchrowski T., Zawirski K., Robust speed and position control based onneural and fuzzy techniques, EPE 2007, Aalborg, Power Electronics and Applications, 2007 European Conference on 2-5 Sept. 2007, E-ISBN 978-92-75815-10-8.
• [10] Riedmiller M., Braun H., A direct adaptive method for faster backpropagation learning: The RPROP algorithm, IEEE International Conference on Neural Networks pp. 586-591, vol. 1, 28 March - 1 April, 1993.
• [11] Rutkowski L., Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2005.