دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب International Journal of Applied Mathematics and Computer Science. Volume 12, Number 2 Fuzzy and neural control of an induction motor
دانلود کتاب مجله بین المللی ریاضیات کاربردی و علوم کامپیوتر. جلد 12، شماره 2 کنترل فازی و عصبی یک موتور القایی
مشخصات کتاب
International Journal of Applied Mathematics and Computer Science. Volume 12, Number 2 Fuzzy and neural control of an induction motor
ویرایش:
نویسندگان: Mouloud Azzedine Denai. Sid Ahmed Attia
سری:
ناشر: University of Zielona Góra Press
سال نشر: 2002
تعداد صفحات: 13
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 1 Mb
قیمت کتاب (تومان) : 52,000
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب International Journal of Applied Mathematics and Computer Science. Volume 12, Number 2 Fuzzy and neural control of an induction motor به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مجله بین المللی ریاضیات کاربردی و علوم کامپیوتر. جلد 12، شماره 2 کنترل فازی و عصبی یک موتور القایی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب مجله بین المللی ریاضیات کاربردی و علوم کامپیوتر. جلد 12، شماره 2 کنترل فازی و عصبی یک موتور القایی
این مقاله برخی از رویکردهای طراحی را برای سیستم‌های کنترل ترکیبی با ترکیب تکنیک‌های کنترل مرسوم با منطق فازی و شبکه‌های عصبی ارائه می‌کند. چنین پیاده سازی ترکیبی منجر به طراحی کنترل موثرتر با بهبود عملکرد و استحکام سیستم می شود. در حالی که کنترل مرسوم اجازه می دهد تا اهداف طراحی مختلف مانند حالت پایدار و ویژگی های گذرا سیستم حلقه بسته مشخص شود، منطق فازی و شبکه های عصبی برای غلبه بر مشکلات عدم قطعیت در پارامترها و ساختار کارخانه که در طراحی مبتنی بر مدل کلاسیک با آن مواجه می شوند، ادغام می شوند. . موتورهای القایی با دینامیک پیچیده، بسیار غیر خطی و متغیر با زمان و غیرقابل دسترس بودن برخی حالت ها و خروجی ها برای اندازه گیری مشخص می شوند و از این رو می توانند به عنوان یک مشکل مهندسی چالش برانگیز در نظر گرفته شوند. ظهور تکنیک های کنترل برداری تا حدی مشکلات کنترل موتور القایی را حل کرده است، زیرا آنها به تغییرات پارامتر درایو حساس هستند و در صورت استفاده از کنترل کننده های معمولی ممکن است عملکرد بدتر شود. منطق فازی و کنترل کننده های مبتنی بر شبکه عصبی به عنوان کاندیدای بالقوه برای چنین برنامه ای در نظر گرفته می شوند. سه رویکرد کنترل برای تنظیم سرعت سیستم درایو توسعه یافته و اعمال می شود. اولین طرح کنترل، تئوری ساختار متغیر را با مفهوم منطق فازی ترکیب می کند. در رویکرد دوم، شبکه‌های عصبی در یک ساختار کنترل مدل داخلی استفاده می‌شوند. در نهایت، یک کنترل کننده بازخورد حالت فازی بر اساس تکنیک قرار دادن قطب توسعه یافته است. مطالعه شبیه سازی این روش ها ارائه شده است. اثربخشی این کنترل کننده ها برای شرایط عملیاتی مختلف سیستم درایو نشان داده شده است.
توضیحاتی درمورد کتاب به خارجی
This paper presents some design approaches to hybrid control systems combining conventional control techniques with fuzzy logic and neural networks. Such a mixed implementation leads to a more effective control design with improved system performance and robustness. While conventional control allows different design objectives such as steady state and transient characteristics of the closed loop system to be specified, fuzzy logic and neural networks are integrated to overcome the problems with uncertainties in the plant parameters and structure encountered in the classical model-based design. Induction motors are characterised by complex, highly non-linear and time-varying dynamics and inaccessibility of some states and outputs for measurements, and hence can be considered as a challenging engineering problem. The advent of vector control techniques has partially solved induction motor control problems, because they are sensitive to drive parameter variations and performance may deteriorate if conventional controllers are used. Fuzzy logic and neural network-based controllers are considered as potential candidates for such an application. Three control approaches are developed and applied to adjust the speed of the drive system. The first control design combines the variable structure theory with the fuzzy logic concept. In the second approach neural networks are used in an internal model control structure. Finally, a fuzzy state feedback controller is developed based on the pole placement technique. A simulation study of these methods is presented. The effectiveness of these controllers is demonstrated for different operating conditions of the drive system.
