دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: coll.
سری:
ISBN (شابک) : 9781439818152, 1138077461
ناشر: CRC Press
سال نشر: 2017
تعداد صفحات: 631
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 55 مگابایت
در صورت تبدیل فایل کتاب Power Converters and AC Electrical Drives with Linear Neural Networks 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 مبدل های برق و درایوهای الکتریکی متناوب با شبکه های عصبی خطی 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.
اولین کتاب در نوع خود، مبدلهای برق و درایوهای الکتریکی متناوب
با شبکههای عصبی خطی، به طور سیستماتیک کاربرد شبکههای عصبی را
در زمینه الکترونیک قدرت، با تأکید ویژه بر کنترل بدون حسگر
درایوهای AC بررسی میکند. این نظریه کلاسیک مبتنی بر بردارهای
فضا را در شناسایی ارائه میکند، کنترل درایوهای الکتریکی و
مبدلهای قدرت را مورد بحث قرار میدهد و پیشرفتهایی را که
میتوان در هنگام استفاده از شبکههای عصبی خطی به دست آورد،
بررسی میکند.
این کتاب الکترونیک قدرت و برق را ادغام میکند. درایوهای با شبکه
های عصبی مصنوعی (ANN). در چهار بخش سازماندهی شده است، ابتدا به
اینورترهای منبع ولتاژ و کنترل آنها می پردازد. سپس کنترل درایو
الکتریکی AC را پوشش می دهد و بر درایوهای موتور سنکرون القایی و
مغناطیس دائم تمرکز می کند. بخش سوم جنبه های نظری شبکه های عصبی
خطی، به ویژه خانواده EXIN عصبی را بررسی می کند. بخش چهارم
کاربردهای اصلی در درایوهای الکتریکی و کیفیت توان را برجسته
میکند، از تخمین پارامترهای مبتنی بر عصبی و کنترل بدون حسگر
گرفته تا سیستمهای تولید پراکنده از منابع تجدیدپذیر و فیلترهای
توان فعال. شبیه سازی و نتایج تجربی برای تایید تئوری ها ارائه
شده است.
این کتاب پیشرفته که توسط متخصصان این حوزه نوشته شده است، نیاز
به دانش اولیه ماشین های الکتریکی و الکترونیک قدرت و همچنین
آشنایی کمی دارد. با سیستم های کنترل، پردازش سیگنال، جبر خطی و
تحلیل عددی. این متن با ارائه مسیرهای متعدد از طریق مطالب، برای
دانشجویان مقطع کارشناسی و کارشناسی ارشد، نظریه پردازان، مهندسان
عملی و محققانی که در کاربردهای شبکه های عصبی مصنوعی دخیل هستند،
مناسب است.
The first book of its kind, Power Converters and AC Electrical
Drives with Linear Neural Networks systematically explores the
application of neural networks in the field of power
electronics, with particular emphasis on the sensorless control
of AC drives. It presents the classical theory based on
space-vectors in identification, discusses control of
electrical drives and power converters, and examines
improvements that can be attained when using linear neural
networks.
The book integrates power electronics and electrical drives
with artificial neural networks (ANN). Organized into four
parts, it first deals with voltage source inverters and their
control. It then covers AC electrical drive control, focusing
on induction and permanent magnet synchronous motor drives. The
third part examines theoretical aspects of linear neural
networks, particularly the neural EXIN family. The fourth part
highlights original applications in electrical drives and power
quality, ranging from neural-based parameter estimation and
sensorless control to distributed generation systems from
renewable sources and active power filters. Simulation and
experimental results are provided to validate the
theories.
Written by experts in the field, this state-of-the-art book
requires basic knowledge of electrical machines and power
electronics, as well as some familiarity with control systems,
signal processing, linear algebra, and numerical analysis.
Offering multiple paths through the material, the text is
suitable for undergraduate and postgraduate students,
theoreticians, practicing engineers, and researchers involved
in applications of ANNs.
Content: Review of Basic Concepts: Space-Vector AnalysisIntroductionSpace-Vector Definition3 2 and 2 3 TransformationsCoordinate TransformationInstantaneous Real and Imaginary PowersPart I Power ConvertersPulsewidth Modulation of Voltage Source InvertersFundamentals of Voltage Source InvertersOpen-Loop PWMClosed-Loop Control of VSIsList of SymbolsFurther ReadingsPower QualityNonlinear LoadsHarmonic Propagation on the Distribution NetworkPassive FiltersActive Power FiltersList of SymbolsPart II Electrical DrivesDynamic and Steady-State Models of the Induction MachineIntroductionDefinition of the Machine Space-Vector QuantitiesPhase Equations of the IMSpace-Vector Equations in the Stator Reference FrameSpace-Vector Equations in the Rotor Reference FrameSpace-Vector Equations in the Generalized Reference FrameMathematical Dynamic Model of the IM Taking into Account the Magnetic SaturationSteady-State Space-Vector Model of the IMExperimental Validation of the Space-Vector Model of the IMIM Model Including Slotting EffectsList of SymbolsControl Techniques of Induction Machine DrivesIntroduction on Induction Machine (IM) ControlScalar Control of IMsFOC of IMsDTC of IMList of SymbolsSensorless Control of Induction Machine DrivesIntroduction on Sensorless ControlModel-Based Sensorless ControlAnisotropy-Based Sensorless ControlModel-Based Sensorless TechniquesAnisotropy-Based Sensorless TechniquesConclusions on Sensorless Techniques for IM DrivesPermanent Magnet Synchronous Motor DrivesIntroductionSpace-Vector Model of Permanent Magnet Synchronous MotorsControl Strategies of PMSM DrivesSensorless Control of PMSM DrivesAppendix: Experimental Test SetupPart III Neural Based Orthogonal RegressionNeural-Based Orthogonal RegressionIntroduction: ADALINE and Least Squares ProblemsApproaches to the Linear RegressionMinor Component Analysis and the MCA EXIN NeuronMCA EXIN NeuronTLS EXIN NeuronGeneralization of Linear Least Squares ProblemsGeMCA EXIN NeuronGeTLS EXIN NeuronPart IV Selected ApplicationsLeast Square and Neural Identification of Electrical MachinesParameter Estimation of Induction Machines (IMs)Sensitivity of the Flux Model to Parameter VariationsExperimental Analysis of the Effects of Flux Model Detuning on the Control PerformanceMethods for the On-line Tracking of the Machine Parameter VariationsOn-line Estimation of the IM Parameters with the Ordinary Least Squares MethodConstrained Minimization for Parameter Estimation of IMs in Saturated and Unsaturated ConditionsParameter Estimation of an IM with the Total Least Squares MethodApplication of the RLS-Based Parameter Estimation to Flux Model Adaptation in FOC and DTC IM DrivesEstimation of the IM Parameters at StandstillList of SymbolsNeural-Enhanced Single-Phase DG Systems with APF CapabilityIntroductionGeneral Operating PrincipleADALINE Design CriteriaBuilding the Current ReferenceMultiresonant Current ControllerStability IssuesTest RigExperimental ResultsAPF Connection ProcedureNeural Sensorless Control of AC DrivesNN-Based Sensorless ControlBPN-Based MRAS Speed ObserverLS-Based MRAS Speed ObserverTLS EXIN Full-Order Luenberger Adaptive ObserverMCA EXIN + Reduced-Order ObserverAppendix A: Implemented Control SchemesAppendix B: Description of the Test SetupList of SymbolsIndexAll chapters include references.