Implementacja neuronowego estymatora prędkości napędu dwumasowego w układzie FPGA

• Autorzy: Kamiński M.

Warianty tytułu

EN

Realisation of neural speed estimator of a two-mass drive system in FPGA

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono praktyczną realizację neuronowego estymatora prędkości maszyny roboczej napędu z połączeniem elastycznym w układach programowalnych FPGA. Sieć neuronowa została zrealizowana w sterowniku NI CompactRIO. Przedstawiono poszczególne etapy projektowania sieci neuronowych zastosowanych do odtwarzania prędkości maszyny roboczej. Zaprezentowano eksperymentalne wyniki badań potwierdzające możliwość estymacji wybranej zmiennej stanu za pomocą sieci neuronowych zaimplementowanych w FPGA.

EN

In this paper a practical realization of neural network based estimator of the load machine speed for a drive system with elastic coupling in a reconfigurable field-programmable gate array (FPGA) is described. The neural network was implemented in the controller NI CompactRIO. Individual stages of the neural networks designing applied in order to reconstructing the load speed of drive system with elastic joint are shown. Presented results of experimental tests confirm possibility of the estimation of chosen state variable of two-mass drive system with the use of the neural networks implemented in FPGA.

Słowa kluczowe

PL

układ dwumasowy; sieć neuronowa; estymator prędkości obciążenia

EN

neural network; load speed estimator; two-mass drive system

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2010
• Tom: R. 86, nr 2
• Strony: 225--230
• Opis fizyczny: Bibliogr. 19 poz., rys., wykr.

Twórcy

autor

Kamiński M.

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

Bibliografia

• [1] El-Medany W.M., Hussain M.R., FPGA-Based Advanced Real Traffic Light Controller System Design, 4th IEEE Workshop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications IDAACS, (2007), 100-105
• [2] Samuelsen D. A. H., Sulkowski W., Asynchronous machine stator resistance estimation using integrated PWM modulator and sampler unit as FPGA application, Proc. of 13th Power Electronics and Motion Control Conference EPE-PEMC, (2008), 1416-1420
• [3] Kowalski T.C., Lis J., Orłowska-Kowalska T., FPGA Implementation of DTC Control Method for the Induction Motor Drive, Proc. of The International Conference on “Computer as a Tool” EUROCON, (2007), 1916-1921
• [4] Kulmala A., Salminen E., Hamalainen T.D., Instruction Memory Architecture Evaluation on Multiprocessor FPGA MPEG-4 Encoder, Proc. of the 10th IEEE Workshop on Design and Diagnostics of Electronic Circuits and Systems DDECS, (2007), 1-6
• [5] Szabat K., Struktury sterowania elektrycznych układów napędowych z połączeniem sprężystym, Prace Naukowe IMNiPE PWr., 61 (2008) ser.: Monografie n.19
• [6] Orlowska-Kowalska T., Szabat K., Vibration Suppression in Two-Mass Drive System using PI Speed Controller and Additional Feedbacks – Comparative Study, Trans. on Industrial Electronics, 54 (2007) n.2, 1193-1206
• [7] Beliczynski B. , Grzesiak L., Induction motor speed estimation: Neural versus phenomenological model approach, Neurocomputing, 65 (2002), n.1-4, 17-36
• [8] Grzesiak L.M., Ufnalski B., Neural-Network-based Programmable State Feedback Controller for Induction Motor Drive, Proceedings of the International Joint Conference on Neural Networks IJCNN, (2006), 1091 – 1097
• [9] Kazmierkowski M.P., Orlowska-Kowalska T., NNstate estimation and control in converter-fed induction motor drives, Chapter 2 in a book: “Soft Computing in Industrial Electronics”, (Eds. J.Ovaska, L.M.Sztandera), Physica-Verlag, Springer, Studies in Fuziness and Soft Computing, .110 (2002), 45-94
• [10] Bose B. K. , Neural Network Applications in Power Electronics and Motor Drives - An Introduction and Perspective, IEEE Trans. on Industrial Electronics, 54 (2007), n.2, 14-33
• [11]Orlowska-Kowalska T, Kaminski M., Application of the OBD method for optimization of neural state variable estimators of the two-mass drive system, Neurocomputing, 72 (2009), n. 13-15, 3034-3045
• [12] Ferreira P., Ribeiro P., Antunes A., Morgado Dias F., A high bit resolution FPGA implementation of a FNN with a new algorithm for the activation function, Neurocomputing, 71 (2007), n. 1-3, 71-77
• [13] Atencia M., Boumeridja H., Joya G., Garcia- Lagos F., Sandowal F., FPGA implementation of a systems identification module based upon Hopfield networks, Neurocomputing, 70 (2007) n. 16-18, 2828-2835
• [14] Postolache O., Dias Pereira J.M., Silva Girao P., Real-Time Sensing Channel Modelling Based on an FPGA and Real-Time Controller, IEEE Instrumentation and Measurement Technology Conference IMTC, (2006), 557-562
• [15] Osowski S. , Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, 2006
• [16] Havel V., Vlcek K., Computation of a nonlinear squashing function in digital neural networks, Proc. of the 11th IEEE Workshop on Design and Diagnostics of Electronic Circuits and Systems DDECS, (2008), 1-4
• [17] Sun W., Wirthlin M. J., Neuendorffer S., FPGA Pipeline Synthesis Design Exploration Using Module Selection and Resource Sharing, IEEE Trans. on Computer- Aided Design of Integrated Circuits and Systems, 26 (2007), n. 2, 254-265
• [18] Orlowska-Kowalska T., Szabat K., Neural-Network Application for Mechanical Variables Estimation of a Two- Mass Drive System, Trans. on Industrial Electronics, 54 (2007), n. 3, 1352-1364
• [19] Kamiński M., Orłowska-Kowalska T., Odtwarzanie zmiennych stanu układu napędowego z połączeniem sprężystym za pomocą sieci neuronowych z redukcją połączeń synaptycznych, Prace Naukowe IMNiPE PWr., 62 (2008), n. 28, 396-405