Wyniki wyszukiwania - BazTech

1

Adaptacyjny neuronowy regulator napięcia przekształtnika QZSDMC w układzie regulacji prądu silnika PMSM

Siwek Przemysław, Urbański Konrad, Wójcik Adrian

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 3

23--29

PL

Niniejsza praca przedstawia metodę sterowania średnim napięciem wyjściowym z bezpośredniego przekształtnika matrycowego z Quasi-Z źródłem za pomocą regulatora neuronowego uczonego online. Zaprezentowany obiekt wykazuje nieliniowość poprzez zmiany swoich stałych czasowych zależne od zadanego wzmocnienia napięciowego. Zaproponowany regulator neuronowy porównano z regulatorem liniowym oraz sprawdzono stabilność uczenia się systemu.

EN

This paper presents a method of controlling the average output voltage from a Quasi-Z source direct matrix converter using a neural controller trained online. The presented plant shows non-linearity through changes of its time constants depending on the given voltage gain. The proposed neural controller was compared with a linear one and the learning stability of the system was verified.

2

Stabilność układu sterowania z regulatorem neuronowym

Hirniak Y., Ivakhiv O., Nakonechnyi M., Repetylo T.

Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej

|

2014

|

Nr 38

23--27

PL

W artykule rozpatrzono sposób syntezy regulatorów neuronowych, które wykorzystuje się do sterowania dynamicznymi obiektami nieliniowymi. Zbadano stabilność układu sterowania z regulatorem neuronowym, którego struktura została zaprojektowana według pożądanej reguły sterowania. Zaproponowano strukturę, w której w przeciwieństwie do zwykle stosowanego wprowadzenia uchybu regulacji na wejście regulatora podaje się sygnał wejściowy oraz wyjściowy na dwa oddzielne wejścia, co powoduje większą skuteczność działania systemu sterowania, a mianowicie polepszenie, jakości sterowania oraz przyśpieszenie reakcji systemu na sygnały wymuszające.

EN

The nature of nonlinearities in the objects of control particularly in the drives of robotic systems as dynamic objects of the second order is analyzed and shown that under the influence of some loads the mathematical model of such object is nonlinear and its linearization leads to disregard factors that significantly affect the dynamics of the object. The controllers which are built using classical methods in the process of system operation do not provide full adequacy between the values of specified and actual controlled variables of nonlinear control objects. An application of neural controllers promises the best prospects. We consider features of construction of dynamic neural network and the mathematical models of standard carried the review of functions of activation neurons and feasibility of using gradient algorithms including the algorithm Levenberg Marquardt for training dynamic neural networks. It is supposed that the system is based on the proportional-integral-differential law. The stability of the system supported by neurocontroller with two separated inputs is discussed. Obviously the control action of such dynamic system is corresponded with the difference between output signals of the non-linear object and the chosen standard. On contrary to a typical structure it was proposed to put these signals on two separate inputs. During the training procedure everyone weight is found one from another independently. This task has been considered which include the location of the dominant roots of the characteristic equation of the closed-loop system in a given area of the complex plane of the roots and then return back to the open-loop system. The comparison of obtained errors in traditional and proposed structures of neurocontroller showed that the last one is the most effective in quality and productivity sense.

3

Synthesis of neural network controller with a reference model

Nawrocka A.

Mechanics and Control

|

2010

|

Vol. 29, no. 1

26-31

EN

In the article there has been presented a structure of a control system with a neural network controller basing on a reference model. In the first part of the article there is a short overview of neural control models. In the following part, an identification of a non-linear object, which was a hydrostatic transmission, was conducted with the help of artificial neural networks; next, different identification structures of artificial neural networks were tested. The last stage covered a synthesis of a neural controller with a reference model and conducting simulation tests of the suggested structures in the system of the control with a non-linear object.

PL

W artykule została przedstawiona struktura układu regulacji z neuronowym regulatorem bazującym na modelu referencyjnym. W pierwszej części znajduje się przegląd neuronowych modeli sterowania. W kolejnej części przedstawiono przeprowadzoną identyfikację za pomocą sztucznych sieci neuronowych nieliniowego obiektu, którym była przekładnia hydrostatyczna. Właściwości przekładni hydrostatycznej sprawiają, że jest ona obiektem wrażliwym na różnego rodzaju zakłócenia, które utrudniają sterowanie jej pracą. Ze względu na właściwości obiektu regulacji, tzn. nieliniowość i niestacjonarność, zastosowanie klasycznych regulatorów nie jest zadowalające. Z tego względu podjęto próbę wykorzystania zaawansowanych technologii do sterowania. Zbadano różne struktury identyfikacyjne sztucznych sieci neuronowych. Ostatni etap prac obejmował syntezę regulatora neuronowego z modelem referencyjnym oraz przeprowadzenie badań symulacyjnych zaproponowanych struktur w układzie regulacji z obiektem nieliniowym.