Neuronowo-rozmyty regulator prędkości silnika prądu stałego oparty na przedziałowych zbiorach rozmytych typu-2

• Autorzy: Knychas S. , Szabat K.

Warianty tytułu

EN

Neuro-fuzzy speed controller based on the type-2 fuzzy sets for dc drive

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono zagadnienia związane z zastosowaniem adaptacyjnej struktury sterowania typu MRAS w układzie napędowym o zmiennym momencie bezwładności. Jako regulator prędkości wykorzystano sieć neuronowo-rozmytą opartą na przedziałowych zbiorach rozmytych typu-2. Po krótkim wprowadzeniu omówiono zbiory rozmyte typu-2 i wskazano na istotne różnice w stosunku do powszechnie używanych zbiorów typu-1. Następnie opisano adaptacyjną strukturę sterowania typu MRAS. Przedstawiono przykładowe wyniki badań symulacyjnych obrazujących pracę układu przy zmiennym momencie bezwładności. Badania te zostały zweryfikowane przez testy wykonane na stanowisku laboratoryjnym. Otrzymane wyniki potwierdzają odporność analizowanej struktury na zmianę parametrów napędu.

EN

In the paper issues related to the application of the adaptive control structure with a neuro-fuzzy controller based on the 2nd -type fuzzy sets to the drive system with a changeable moment of inertia are presented. After a short introduction the adaptive control structure based on the MRAS concept is introduced; the characteristic futures of the 2-type fuzzy sets are described. A simulation study showing the properties of the drive system with changeable parameters is followed by experimental tests confirming the theoretical considerations. The obtained results testify for very good properties of the analyzed structure.

Słowa kluczowe

PL

układ napędowy; sterowanie adaptacyjne; przedziałowe zbiory rozmyte typu-2

EN

drive system; adaptive control; interval fuzzy sets type-2

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
• Rocznik: 2010
• Tom: Vol. 64, nr 30
• Strony: 242--255
• Opis fizyczny: Bibliogr. 19 poz.

Twórcy

autor

Knychas S.

autor

Szabat K.

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

Bibliografia

• [1] J . Łesk i , Systemy neuronowo-rozmyte, WNT Warszawa 2008
• [2] K. Szabat, Struktury sterowania elektrycznych układów napedowych z połaczeniem spre_ystym, Wydawnictwo Politechniki Wrocławskiej, Wrocław, 2008.
• [3] Y. Dote, M. Strefezza, A. Suyitno, Neuro Fuzzy robust controllers for drive system. Industrial Electronics, 1993. Conference Proceedings, ISIE'93, ss 229 – 242, 1993.
• [4] T. Orłowska-Kowalska, K, Szabat, K. Jaszczak, Robustness of fuzzy-logic control with simple parameter adaptation for DC motor drive system, EPE-PEMC 2000, ss 82-86.
• [5] M. Kaminski, K. Szabat, Rozmyte sterowanie slizgowe układu napedowego z silnikiem pradu stałego, Zagadnienia maszyn, napedów i pomiarów elektrycznych, nr 59, Wrocław 2006
• [6] A. V. Topolov, G. L. Cascella, V. Giordano, F. Cupertino, O. Kaynak, Sliping Mode Neuro-Adaptive Control of Electric Drives, IEEE Transaction on Industrial Electronics, vol. 54, no.1, pp. 671-679, 2007.
• [7] R. J. Wai, C. C. Chu , Motion Control of Linear Induction Motor via Petri Fuzzy Neural Network, IEEE Transaction on Industrial Electronics, vol. 54, no.1, pp. 281-295, 2007.
• [8] Lin F., J., Chen S. Y., Chou P. H. and Shieh P. H., Interval type-2 fuzzy neural network control for X– Y–Theta motion control stage using linear ultrasonic motors, Neurocomputing, vol. 72, no 4-6, pp.1138-1151, 2009
• [9] Er M. J., Low Ch. B., Nah K. H., Lim M. H. and Ng S. Y., Real-time implementation of a dynamic fuzzy neural networks controller for a SCARA, Microprocessors and Microsystems, vol. 26, no. 9-10, pp. 449-461, 2002.
• [10] Er M. J. and Gao Y., Robust adaptive control of robot manipulators using generalized fuzzy neural networks, IEEE Transactions on Industrial Electronics, vol. 50 no. 3, pp. 620-628, 2003.
• [11] N. N. Karnik, J.M. Mendel, Introduction to Type-2 Fuzzy Logic Systems, Fuzzy Systems Proceedings, 1998. IEEE World Congress on Computational Intelligence.
• [12] N. N. Karnik, J.M. Mendel and Q. Liang, Type-2 Fuzzy Logic Systems, IEEE Transactions on Fuzzy Systems, vol. 7, ss 643-658, 1999.
• [13] J. M. Mendel, R. I. Bob John, Type-2 Fuzzy Sets Made Simple, IEEE Transactions on Fuzzy Systems, vol. 10, ss 117-127, 2002.
• [14] L. Qilian, J.M Mendel, Interval type-2 fuzzy logic systems: theory and design, IEEE Transactions On Fuzzy Systems, vol. 8, no. 5, pp. 535 – 550, 2002.
• [15] H.A. Hagras, , A Hierarchical Type-2 Fuzzy Logic Control Architecture For Autonomous Mobile Robots, IEEE Transactions On Fuzzy Systems, vol. 12, no. 4, pp.524 – 539, 2004.
• [16] Chi-Hsu Wang, Chun-Sheng Cheng, Tsu-Tian Lee, Dynamical Optimal Training For Interval Type-2 Fuzzy Neural Network (T2FNN), IEEE Transaction On Systems, Man, And Cybernetics, Part B: Cybernetics, vol. 34, no. 3, pp. 1462 – 1477, 2004.
• [17] R. John, S. Coupland, Type-2 Fuzzy Logic: A Historical View ,IEEE Computational Intelligence Magazine, vol. 2 no. 1, pp. 57 – 62, 2007
• [18] H. Hagras, Type-2 FLCs: A New Generation of Fuzzy Controllers, vol. 2 no. 1, pp. 30 – 43, 2007.
• [19] Zhi Liu; Yun Zhang; Yaonan Wang; A Type-2 Fuzzy Switching Control System for Biped Robots, vol. 37 no.6, pp.1202 – 1213, 2007.