Sterowanie adaptacyjne napędem prądu przemiennego w układzie z modelem odniesienia i neuronowym regulatorem prędkości obrotowej

• Autorzy: Grzesiak L.M. , Wyszomierski D.

Warianty tytułu

EN

Adaptive control of AC drive based on reference model structure with neural speed controller

• Języki publikacji: PL

Abstrakty

PL

W tekście przedstawiono możliwość wykorzystania sztucznych sieci neuronowych w układach sterowania napędem prądu przemiennego. W prezentowanym rozwiązaniu, opartym na strukturze z modelem odniesienia, neuronowy regulator prędkości silnika indukcyjnego, pracującego w układzie "naturalnej orientacji wektora pola", zmienia parametry w trakcie pracy, dostosowując się do obiektu sterowania. Zamieszczone wyniki badań ilustrują pracę układu.

EN

In this paper has been presented possibility of using artificial neural network in control of AC induction drive. Presented solution is based on reference model structure. Neural speed controller of Natural Field Oriented controlled AC drive changes parameters during operation, readjusting to controlled system. Attached researches results illustrate system work.

Słowa kluczowe

PL

prąd przemienny; napęd; sterowanie adaptacyjne; sztuczna sieć neuronowa; modelowanie neuronowe

EN

neural network; AC drive; adaptive control

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2004
• Tom: R. 80, nr 1
• Strony: 11--16
• Opis fizyczny: Bibliogr. 14 poz., rys., tab.

Twórcy

autor

Grzesiak L.M.

• Politechnika Warszawska, Instytut Sterowania i Elektroniki Przemysłowej, ul. Koszykowa 75, 60-965 Warszawa

autor

Wyszomierski D.

• Politechnika Warszawska, Instytut Sterowania i Elektroniki Przemysłowej, ul. Koszykowa 75, 60-965 Warszawa

Bibliografia

• [1] Âström K. J., Wittenmark B., Adaptive Control, 2nd ed., Addison Wesley (1995).
• [2] Korbicz J., Obuchowicz A., Uciński D., Sztuczne sieci neuronowe, podstawy i zastosowania, PLJ, Warszawa (1994).
• [3] Norgaard M., Ravn O., Poulsen N.K., Hansen L.K.: Neural Networks for Modelling and Control of Dynamic Systems, Springer, (2000).
• [4] Norgaard M., Neural Network Based Control System Design TOOLKIT, v.1.0, Technical Report 96-E-830.
• [5] Norgaard M.: Neural Network Based System Identification TOOLBOX, v.1.1, Technical Report 97-E-851.
• [6] Brzózka J., Regulatory cyfrowe w automatyce, MIKOM Warszawa (2002).
• [7] Beliczyński B., Koziński W., Wprowadzenie do regulacji cyfrowej, WPW Warszawa, 1987.
• [8] Hagan M. T., Menhaj M. B., Training Feedforward Networks with the Marquardt Algorytm, IEEE Trans. on Neural Networks, Vol. 5 (1994), n.6, 989-993.
• [9] Kaźmierkowski M., Tunia H., Automatyka napędu przekształtnikowego - PWN, Warszawa, 1987.
• [10] Niederliński A., Mościński J., Ogonowski Z., Regulacja adaptacyjna, PWN, Warszawa 1995.
• [11] Tadeusiewicz R., Sieci neuronowe, WNT, Warszawa 1993.
• [12] Osowski S., Sieci neuronowe do przetwarzania informacji, OWPW Warszawa 2000.
• [13] Leonhard W., Control of Electrical Drives, Sprigner Verlag 1985.
• [14] Jonsson R., Leonhard W., Control of an Induction Motor without a Mechanical Sensor, based on the Principle of “Natural Field Orientation” (NFO), IPEC Yokohama 1995