Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: estimation techniques

Sortuj według:

Ogranicz wyniki do:

Mechanical state variable estimation of drive system with elastic coupling using optimized feed-forward neural networks

Orłowska-Kowalska T., Kamiński M., Szabat K.

Bulletin of the Polish Academy of Sciences. Technical Sciences

2008

Vol. 56, nr 3

239-246

The paper deals with the application of the feed-forward and cascade-forward neural networks to mechanical state variable estimation of the drive system with elastic coupling. The learning procedure of neural estimators is described and the influence of the input vector size and neural network structure to the accuracy of state variable estimation is investigated. The quality of state estimation by neural estimators of different types is tested and compared. The simple optimization procedure is proposed. Optimized neural estimators of the torsional torque and the load machine speed are tested in the open-loop and closed-loop control structure of the drive system with elastic joint, with additional feedbacks from the shaft torque and the difference between the motor and the load speeds. It is shown that torsional vibrations of the two-mass system are damped effectively using the closed-loop control structure with additional feedbacks obtained from the developed neural estimators. The simulation results are confirmed by laboratory experiments.

Design of speed estimator for induction motor using principal component analysis and neural networks

Grzesiak L.M., Ufnalski B.

Przegląd Elektrotechniczny

2004

R. 80, nr 5

493-497

This paper presents a novel approach to speed estimation for induction motor. The method is based on a two-stage preprocessing of measured terminal signals and a universal neural nonlinear function approximator. The first stage of preprocessing (nonlinear one) provides signals that fulfil some criteria related to proposed non-tapped delay architecture i.e. frequency spectrum matching and approximation space enlargement. The second stage (linear one) incorporates PCA (Principal Component Analysis) model which generates signals for the neural function approximator. This stage enables a reduction of dimension of a training set without loss of information. The whole system is implemented in a dSpace DS1103 card and experimental results show the effectiveness of the proposed method.

W artykule przedstawiono nową metodę projektowania neuronowego estymatora prędkości kątowej dla silnika indukcyjnego. Proponowany estymator prędkości składa się z dwustopniowego wstępnego przetwarzania mierzonych sygnałów elektrycznych oraz neuronowego aproksymatora funkcji nieliniowej. Pierwszy stopień (nieliniowy) wstępnego przetwarzania realizuje, narzucone przez kryteria przydatności w proponowanej architekturze, dopasowanie częstotliwościowe sygnałów oraz rozszerzenie bazy aproksymatora. Drugi stopień (liniowy), wykorzystujący model PCA (Principal Component Analysis), generuje zestaw sygnałów dla neuronowego aproksymatora funkcji. Stopień liniowy pozwala ograniczyć rozmiar zbioru uczącego, przy jednoczesnej maksymalizacji informacji o stanie obiektu obserwowanego. Estymator przetestowano w układzie eksperymentalnym z kartą dSpace DS1103.