Optimal configuration of the artificial neural network to estimate the speed of the BLDC motor

• Autorzy: Popenda Andrzej , Nowak Marcjan , Winter Arkadiusz

Identyfikatory

DOI

10.15199/48.2023.12.64

Warianty tytułu

PL

Dobór optymalnej konfiguracji sieci neuronowej przy odtwarzaniu prędkości silnika BLDC

• Języki publikacji: EN

Abstrakty

EN

The article presents the optimal configuration of the artificial neural network to estimate the rotational speed of the BLDC motor. The results of computer simulations of an electromechanical system containing a voltage converter, a BLDC motor and an artificial neural network block are presented. The simulation model used was designed in MATLAB/Simulink. The results of computer simulations for three different configurations of the artificial neural network are presented.

PL

Artykuł przedstawia dobór optymalnej konfiguracji sieci neuronowej do odtwarzania prędkości obrotowej silnika BLDC. Przedstawiono wyniki symulacji komputerowych układu elektromechanicznego zawierającego przekształtnik napięcia, silnik BLDC oraz blok sieci neuronowej. Model symulacyjny został zaprojektowany w programie MATLAB/Simulink. Zaprezentowano wyniki symulacji komputerowej dla trzech różnych konfiguracji sztucznej sieci neuronowej.

Słowa kluczowe

EN

artificial neural network; BLDC motor; rotational speed estimation

PL

sieć neuronowa; silnik BLDC; estymacja prędkości obrotowej

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 12
• Strony: 331--334
• Opis fizyczny: Bibliogr. 12 poz., rys., tab.

Twórcy

autor

Popenda Andrzej

• Częstochowa University of Technology, Faculty of Electrical Engineering, Dept. of Electric Power Engineering, Armii Krajowej av, 42-200 Częstochowa

• https://orcid.org/0000-0001-7303-2685

autor

Nowak Marcjan

• Częstochowa University of Technology, Faculty of Electrical Engineering, Dept. of Electric Power Engineering, Armii Krajowej av, 42-200 Częstochowa

autor

Winter Arkadiusz

• AWICAM Arkadiusz Winter

Bibliografia

• [1] Bose Bimal K., Modern Power Electronics and AC Drives, 2002
• [2] Dubey S.R., Chakraborty S., Roy S.K., Mukherjee S., Singh S.K., Chaudhuri, B.B. DiffGrad: An Optimization Method for Convolutional Neural Networks. IEEE Trans. Neural Netw. Learn. Syst., 31 (2020), 4500–4511
• [3] Glinka T., Jakubiec M., Silniki elektryczne z magnesami trwałymi umieszczonymi na wirniku, Zeszyty Problemowe – Maszyny Elektryczne, 71 (2005), 103-111
• [4] Hagan M. T., Demuth H. B., Beale M. H., De Jesús O., Neural Network Design, 2nd Edition, 2014
• [5] Nowak M., Popenda A., Wpływ konfiguracji sieci neuronowej na estymację prędkości silnika PMSM, Przegląd Elektrotechniczny, 99 (2023), nr 2, 238-241
• [6] Orłowska - Kowalska T., Bezczujnikowe układy napędowe z silnikami indukcyjnymi, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2003
• [7] Popenda A., Modelowanie i symulacja dynamicznych stanów pracy układów napędowych do reaktorów polimeryzacji z silnikami indukcyjnymi specjalnego wykonania, Wydawnictwo Politechniki Częstochowskiej, Częstochowa 2011
• [8] Popenda A., Lis M., Nowak M., Blecharz K., Mathematical Modelling of Drive System with an Elastic Coupling Based on Formal Analogy between the Transmission Shaft and the Electric Transmission Line, Energies, 1181 (2020), no. 13, 1-14
• [9] Rusek A., Stany dynamiczne układów napędowych z silnikami indukcyjnymi specjalnego wykonania, Wydawnictwo Politechniki Częstochowskiej, Częstochowa 2012
• [10] Rusek A., Schemat zastępczy indukcyjnego silnika asynchronicznego specjalnego wykonania do pracy w układzie napędowym reaktora polimeryzacji z uwzględnieniem straty mocy w wielkogabarytowym łożysku ślizgowym z węglików spiekanych, Międzynarodowe Sympozjum Maszyn Elektrycznych SME, Szczecin 2011
• [11] Shao, S.; McAleer, S.; Yan, R.; Baldi, P., Highly Accurate Machine Fault Diagnosis Using Deep Transfer Learning, IEEE Trans. Ind. Inform., (2019), no. 15, 2446–2455
• [12] Shao, S.; Yan, R.; Lu, Y.; Wang, P.; Gao, R., DCNN-based Multi-signal Induction Motor Fault Diagnosis, IEEE Trans. Instrum. Meas., (2019), no. 69, 2658–2669

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).