Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Adaptive neuro-fuzzy sliding mode controller (ANF-SMC) to control speed, electromagnetic torque (EMT), stator current, and back EMF using PMBLDCmotor (PMBLDCM) in electric propulsion of electric vehicles

Begam Shaik Ruksana, Burthi Loveswara Rao, Depuru Shobha Rani

Przegląd Elektrotechniczny

2023

R. 99, nr 8

49--62

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.

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.

Power Quality Enhancement of Smart Home Energy Management System in Smart Grid Using MAORDF-CapSA Technique

Rani Vinjamuri Usha, Burthi Loveswara Rao

Ecological Engineering & Environmental Technology

2022

Vol. 23, iss. 5

1--19

An IoT-based smart home energy management system (SHEMS) with power quality control (PQC) in Smart Grid using MAORDF-CapSA system is proposed in this paper. The proposed hybrid system is the combined execution of the Mexican axolotl optimization (MAO)-random decision forest (RDF) and the capuchin search algorithm (CapSA) therefore it is known as MAORDF-CapSA system. The main contribution of this paper is divided into two phases namely, smart home energy management system and power quality enhancement (PQE). In the first phase, the main objective of the proposed work is pointed out as it pursues: (1) to propose an energy management system for the distribution system that uses the IoT framework; (2) to deal with the power and resources of the distribution system; (3) promote the advancement of the demand response energy management system; (4) expand the adaptability of networks and optimize the use of accessible resources. The second phase permits to improve the shared use of the grid to maintain the power quality. The proposed CapSA controller detects the event of power quality issue and voltage rise. Additionally, the proposed system is responsible for meeting the general supply and energy demand. The performance of the proposed system is executed on the MATLAB platform and compared with various existing systems.