Adaptacyjny układ sterowania z rekurencyjnymi regulatorami rozmytymi dla układu napędowego o zmiennych parametrach

• Autorzy: Knychas S. , Szabat K.

Warianty tytułu

EN

Analysis of reccurent neuro-fuzzy controllers working in the adaptive control structure for the drive system with changeable parameters

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono zagadnienia związane z analizą rekurencyjnych regulatorów neuronowo-rozmytych pracujących w adaptacyjnej strukturze sterowania prędkością układu napędowego o zmiennym momencie bezwładności. Po krótkim wstępnie przedstawiono układ sterowania typu MRAS. Następnie zaprezentowano klasyczną strukturę regulatorów neuronowo-rozmytych. Kolejno omówiono rozważane typy rekurencji. Krytyczną analizę porównawczą właściwości dynamicznych układu napędowego pracującego z różnymi typami regulatorów neuronoworozmytych przeprowadzono na podstawie badań symulacyjnych.

EN

In the paper issues related to the analysis of reccurent neuro-fuzzy controllers working in the adaptive control structure for the drive system with changeable parameters are considered. After short introduction the MRAS control structure is presented. Next the structure of the classical neuro-fuzzy system is introduced. Then the considered recurrent feedbacks are described. A comparative analysis of the dynamic properties of the drive system working with different types of the neuro-fuzzy controllers is done on the basis of the simulation study.

Słowa kluczowe

PL

regulatory neuronowo-rozmyte; sterowanie adaptacyjne; sprzężenia rekurencyjne; układ napędowy

EN

neuro-fuzzy controllers; adaptive control; recurrent feedbacks; electric drives

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 6
• Strony: 155--158
• Opis fizyczny: Bibliogr. 18 poz., rys., wykr.

Twórcy

autor

Knychas S.

• Politechnika Wrocławska, Instytut Maszyn, Napędów i Pomiarów Elektrycznych

autor

Szabat K.

• Politechnika Wrocławska, Instytut Maszyn, Napędów i Pomiarów Elektrycznych

Bibliografia

• [1] Brock S., Pajchrowski T., Reducing Energy Losses for Fan Applications with V/f control of PMSMs, Przegląd Elektrotechniczny, 87 (2011), nr.11, 89-94
• [2] Janiszewski D., Bezczujnikowy napęd z silnikiem synchronicznym o magnesach trwałych oparty na bezśladowym filtrze Kalmana, Przegląd Elektrotechniczny, 86 (2010),nr.2,169- 174
• [3] Tran Van T., Kamiński M., Szabat K., Estymacja mechanicznych zmiennych stanu układu napędowego za pomocą systemów neuronowo-rozmytych, Przegląd Elektrotechniczny, 88 (2012), nr.6, 166-169
• [4] Serkies P., Szabat K., Predykcyjny regulator prędkości napędu dwumasowego z rozmytą adaptacją ograniczeń, Przegląd Elektrotechniczny, 88 (2012), nr.4, 209-2012
• [5] Knychas S., Szabat K., Zastosowanie adaptacyjnego regulatora opartego na zbiorach rozmytych typu-2 do sterowania prędkością układu napędowego, Przegląd Elektrotechniczny, 87 (2011), nr.4,160-163
• [6] Orlowska-Kowalska T., Szabat K., Damping of Torsional Vibrations in Two-Mass System Using Adaptive Sliding Neuro- Fuzzy Approach, IEEE Tr. Ind. Informatics, 4 (2008), nr.1, 47-57
• [7] Chafaa K., Laamari Y., Barkati S., Chaouch S., Adaptive Type-2 Fuzzy control for Induction Motor, IEEE International Multi- Conference on Systems, Signals and Devices, (2008)
• [8] Velagic, J. Galijasevic, A., Design of fuzzy logic control of permanent magnet DC motor under real constraints and disturbances, Control Applications, (CCA) & Intelligent Control, (ISIC), (2009), 461-466
• [9] Lin F., Chou P., Adaptive Control of Two-Axis Motion Control System Using Interval Type-2 Fuzzy Neural Network, IEEE Trans. On Ind. Electronics, 56 (2009), nr.1, 178-193
• [10] Ballini R., Gomide F., Recurrent Fuzzy Neural Computation: Modeling, Learning and Application, IEEE International Conference on Fuzzy Systems (FUZZ), (2010), 1-6
• [11] Wai R., Liu Ch., Design of Dynamic Petri Recurrent-Fuzzy- Neural-Network and its application to Path-Tracking Control of Nonholonomic Mobile Robot, IEEE Trans. Ind. Electron., 56 (2009), nr.7, 2667-2683
• [12] Wai R., Liu Ch., Experimental Verification of Dynamic Petri Recurrent-Fuzzy-Neural-Network Path Tracking Control for Mobile Robot, IEEE International Conf. on Control and Automation, 2009, 1359-1364
• [13] Wai R., Liu Ch., Design of Dynamic Petri Recurrent-Fuzzy- Neural-Network for Robust Path Tracking Control of Mobile Robot., IEEE Intern. Joint Conf. on Neural Networks, 2010, 1-48
• [14] Lin H., Wei-Han W., Chun-Hsiung F., Self-constructing Recurrent Fuzzy Neural Network for Ultrasonic Motor Drive, Proceedings of SICE Annual Conference, 2010, 2574-2583
• [15] Juang CH., Huang R., Lin Y., A Recurrent Self-Envolving Interval Type-2 Fuzzy Neural Network for Dynamic System Processing, IEEE Tr. On Fuzzy Sys., 17 (2009), nr.5, 1092-1105
• [16] Lin F., Huang P., Chou W., Recurrent-Fuzzy-Neural-Network- Controlled Linear Induction Motor Servo Drive Using Genetic Algorithms, IEEE Trans. On Industrial Electronics, 54 (2007), nr.3, 1449-1461
• [17] Mendel J. M., John R.I.B., Type-2 fuzzy Sets Made Simple, IEEE trans. on Fuzzy Systems, 10 (2002), n. 2, 117-127
• [18] Orlowska-Kowalska T., Szabat K., Control of the Drive System With Stiff and Elastic Couplings Using Adaptive Neuro-Fuzzy Approach, IEEE Tr. Ind. Electronics, 54 (2007), nr.1, 228-240