Zastosowanie radialnej sieci neuronowej jako adaptacyjnego regulatora prędkości napędu dwumasowego

• Autorzy: Kamiński M. , Orłowska-Kowalska T.

Identyfikatory

DOI

10.12915/pe.2014.05.08

Warianty tytułu

EN

Application of radial basis function neural network for adaptive speed control of two-mass drive

• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje zastosowanie sieci neuronowej adaptowanej on-line w pętli regulacji prędkości układu napędowego z połączeniem sprężystym. W algorytmie zastosowano model neuronowy z radialnymi funkcjami aktywacji. W celu aktualizacji wartości wag oraz centrów regulatora adaptacyjnego zastosowano algorytm gradientowy. W tej części obliczeń poprawki dla aktualnych parametrów regulatora neuronowego są mnożone przez stałe determinujące stopień oddziaływania zastosowanej metody adaptacji. Charakterystycznym rozwiązaniem, prezentowanym w niniejszym artykule, jest zastosowanie modelu rozmytego w celu wyznaczenia wspomnianych współczynników skalujących. Zaprojektowany regulator został przetestowany w symulacjach oraz wykonano badania eksperymentalne z wykorzystaniem procesora sygnałowego karty dSPACE1103.Uzyskane wyniki prezentują precyzję sterowania analizowanego regulatora neuronowego oraz jego odporność na zmiany parametrów obiektu.

EN

Article presents application of neural network trained on-line in speed control loop of electrical drive with elastic connection. In algorithm neural model with radial activation function was implemented. For updates of weights and centers of adaptive controller gradient method was used. In this part of calculations correction values for adaptive controller are calibrated. Specific solution, described in paper, is application of fuzzy model for determination of scaling coefficients. Designed controller was tested in simulations and then experiment was prepared (using dSPACE1103 card). Achieved results present high precision of control and also robustness against changes of the drive parameters.

Słowa kluczowe

PL

radialna sieć neuronowa; adaptacja on-line; regulacja prędkości; napęd z połączeniem elastycznym

EN

radial basis function neural network; on-line training; speed control; drive with elastic joint

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2014
• Tom: R. 90, nr 5
• Strony: 41--44
• Opis fizyczny: Bibliogr. 12 poz., wykr.

Twórcy

autor

Kamiński M.

• Politechnika Wrocławska, Instytut Maszyn, Napędów i Pomiarów Elektrycznych, ul. Smoluchowskiego 19, 50-372 Wrocław

autor

Orłowska-Kowalska T.

• Politechnika Wrocławska, Instytut Maszyn, Napędów i Pomiarów Elektrycznych, ul. Smoluchowskiego 19, 50-372 Wrocław

Bibliografia

• [1] Englert M., Trapp R., de Klerk R., Neural Control of a Nonlinear Elastic Two-Mass System, Int. Conf. Computational Intelligence, Theory and Applications, 1226 (1997), 553-553
• [2] Zhihong Su, Khorasani K., A Neural-Network-Based Controller for a Single-Link Flexible Manipulator Using the Inverse Dynamics Approach, IEEE Trans.Ind. Electronics, 48 (2001), 6, 1074-1086
• [3] Dhaouadi R., Nouri K., Neural Network-Based Speed Control of A Two-Mass-Model System, Journal of Advanced Computational Intelligence and Intelligent Informatics, 3. 5 (1999), 427-430
• [4] Orlowska-Kowalska T., Szabat K., Neural-Network Application for Mechanical Variables Estimation of a Two-Mass Drive System, IEEE Trans. Industrial Electronics, 54 (2007), 3, 1352-1364
• [5] Joong-Ho Song, Kyo-Beum Lee, Ick Choy, Kwang-Bae Kim, Joo-Yeop Choi, Kwang-Won Lee, Vibration control of 2-mass system using a neural network torsional torque estimator, Proc. 24th Ann. Conf. IECON '98, 3 (1998), 1785- 1788
• [6] Orlowska-Kowalska T., Kaminski M., Application of MLP and RBF neural networks in the control structure of the drive system with elastic joint, COMPEL: 28, 3 (2009), 556-569
• [7] Lee K.-B., Blaabjerg F., An Improvement of Speed Control Performances of a Two-Mass System using a Universal Approximator, Electrical Engineering, 89 (2007), 5, 389-396
• [8] Wenyu Sun, Ya-xiang Yuan, Optimization Theory and Methods: Nonlinear Programming, Springer; 1 ed. (2006)
• [9] Narendra K.S., Parthasarathy K., Gradient Methods for the Optimization of Dynamical Systems Containing Neural Networks, IEEE Trans. Neural Networks, 2, 2 (1991), 252-262
• [10] Bishop M.C., Neural Networks for Pattern Recognition, Oxford University Press, (1996)
• [11] Yu H., Xie T., Paszczynski S., Wilamowski B.M., Advantages of Radial Basis Function Networks for Dynamic System Design, IEEE Trans. Industrial Electronics, 58 (2011), 12, 5438-5450
• [12] Farrag M. E. A., Putrus G. A., An on-line training radial basis function neural network for optimum operation of the UPFC, European Transactions on Electrical Power, 21 (2011), 1, 27-39