Kompensacja momentu oporowego w układzie sterowania prędkością silnika prądu zmiennego z magnesami trwałymi

• Autorzy: Jastrzębski M.

Warianty tytułu

EN

Compensation of disturbing torque in IPMSM drives

• Języki publikacji: PL

Abstrakty

PL

W układzie sterowania prędkością silnika prądu zmiennego z magnesami trwałymi zastosowano kompensację momentu oporu. Nieciągły model rozmyty tych sił był strojony za pomocą algorytmu bakteryjnego. W drodze eksperymentów praktycznych pokazano korzyści płynące z takiego rozwiązania.

EN

In the paper compensation of disturbing torque in IPMSM drives was presented. Discontinuous and fuzzy model was derived and optimized by bacterial algorithm. Practical experiment has shown advantages of the proposed solution.

Słowa kluczowe

PL

kompensacja tarcia; modelowanie rozmyte; algorytm ewolucyjny; silnik

EN

motor; friction compensation; fuzzy modeling; evolutionary algorithm

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2010
• Tom: R. 86, nr 2
• Strony: 206--209
• Opis fizyczny: Bibliogr. 7 poz., rys., wykr.

Twórcy

autor

Jastrzębski M.

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

Bibliografia

• [1] Olssont H., Astromt K. J., Canudas de Wit C., Gafever t M., Lischinsky P, Friction models and friction Compensation, European Journal of Control, 1998
• [2] Kabziński J., Experimental identification of disturbance forces effecting permanent magnet linear motors, Zeszyty Naukowe Politechniki Łódzkiej, Elektryka z. 106, 37-49, Łódź, 2005
• [3] Jastrzębski M., Rozmyte modelowanie tarcia przy pomocy algorytmu pseudo-bakteryjnego i metody najmniejszych kwadratów, Krajowa Konferencja Automatyki, Warszawa, 2005
• [4] Jastrzębski M., Approximating Discontinuous Functions using Takagi-Sugeno-Kang Fuzzy Models, PELINCEC Conference, 2005
• [5] Salmeri M., Re M., Petronargi E., Cardarilli G.C., A Novel Bacterial Algorithm to Extract the Rule Base from a Training Set, The Ninth IEEE International Conference on Fuzzy Systems, FUZZ IEEE, 2000
• [6] Kabziński J., Woźniak P., Kuźmiński K.: Effective selection of neuro-fuzzy Sugeno model architecture. 17th IASTED International Conference Modelling Identification and Control, Grindenwald, Switzerland, 1998
• [7] Jastrzębski M., Fuzzy modeling of friction by Bacterial and Least Square Optimization, MMAR Conference, Międzyzdroje, 2005