In present days conventional vehicles were replaced by electric vehicles due to their low maintenance and eco-friendly nature with PMBLDCM motor due to its simple design, long-term usage, low noise, speed response, stability, and high efficiency. In electric vehicles, the speed control method is still difficult with PMBLDC motor to produce the desired high torque and to deal with uncertainty problems due to dynamic loads which cannot apply in conventional vehicles. To overcome these problems, we proposed the usage of Adaptive Neuro-Fuzzy Sliding Mode Control (ANF-SMC) which also handles electromagnetic torque (EMT), back EMF and stator current, nonlinear and uncertainties in the electric propulsion subsystem of electric vehicles by applying adaptive neuro-fuzzy sliding mode control for effective speed regulation and parameter tuning of the fuzzy system based on performance index of PMBLDC motor in the absence, presence and variable speed conditions. The simulation was done using the designed approach with MATLAB/Simulink R2020b with a Fuzzy tool kit and the performance of the proposed controller was compared with existing PID, SMC, FSMC, and AFSMC controllers to validate its success in improving the system characteristics. Simulation results infer that the proposed ANF-SMC controller with no overshoot and less rise, peak, and settling time than that of existing systems under different loads and variable speed conditions.
PL
W dzisiejszych czasach pojazdy konwencjonalne zostały zastąpione pojazdami elektrycznymi ze względu na ich niskie koszty utrzymania i przyjazny dla środowiska charakter z silnikiem PMBLDCM ze względu na jego prostą konstrukcję, długotrwałe użytkowanie, niski poziom hałasu, szybkość reakcji, stabilność i wysoką wydajność. W pojazdach elektrycznych metoda sterowania prędkością jest nadal trudna w przypadku silnika PMBLDC do wytworzenia pożądanego wysokiego momentu obrotowego i radzenia sobie z problemami niepewności wynikającymi z obciążeń dynamicznych, których nie można zastosować w konwencjonalnych pojazdach. Aby przezwyciężyć te problemy, zaproponowaliśmy wykorzystanie Adaptacyjnego Neuro-Fuzzy Sliding Mode Control (ANF-SMC), który obsługuje również moment elektromagnetyczny (EMT), wsteczną siłę elektromotoryczną i prąd stojana, nieliniowość i niepewności w podukładzie napędu elektrycznego pojazdów elektrycznych poprzez zastosowanie adaptacyjne sterowanie trybem ślizgowym neuro-fuzzy w celu efektywnej regulacji prędkości i strojenia parametrów systemu rozmytego na podstawie wskaźnika wydajności silnika PMBLDC w warunkach nieobecności, obecności i zmiennej prędkości. Symulacja została przeprowadzona przy użyciu zaprojektowanego podejścia z MATLAB/Simulink R2020b z zestawem narzędzi Fuzzy, a wydajność proponowanego kontrolera została porównana z istniejącymi kontrolerami PID, SMC, FSMC i AFSMC, aby potwierdzić jego sukces w poprawie charakterystyki systemu. Wyniki symulacji wskazują, że proponowany sterownik ANF-SMC nie ma przeregulowania i ma krótszy czas narastania, wartości szczytowej i ustalania niż w istniejących systemach przy różnych obciążeniach i warunkach zmiennej prędkości.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
The aim of this investigation is to construct an adaptive observer and an adaptive compensator for a class of infinite-dimensional plants having a known exogenous input and a structured perturbation with an unknown constant parameter, such as the case of static output feedback with an unknown gain. The adaptive observer uses the nominal dynamics of the unperturbed plant and an adaptation law based on the Lyapunov redesign method. We obtain conditions on the system to ensure uniform boundedness of the estimator dynamics and the parameter estimates, and the convergence of the estimator error. For the case of a known periodic exogenous input we design an adaptive compensator which forces the system to converge to a unique periodic solution. We illustrate our approach with a delay example and a diffusion example for which we obtain convincing numerical results.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.