سال انتشار: ۱۳۸۴

محل انتشار: هشتمین کنفرانس دانشجویی مهندسی برق

تعداد صفحات: ۸

نویسنده(ها):

حمیدرضا شریف خضری – دانشجوی مهندسی برق – الکترونیک دانشکده مهندسی برق دانشگاه یزد
علیرضا صدیقی انارکی – عضو هیات علمی دانشکده برق دانشکده مهندسی برق دانشگاه یزد

چکیده:

سهولت کنترل موتورهای DCباعث کاربرد فراوان آنها در صنعت شده است . عمدتا " کنترل موتورهای DCبا کنترل ولتاژ آرمیچر و یا کنترل میدان صورت می پذیرد . روشهای کنترل ارائه شده برای موتورهای DCبا شناخته شدن روشهای جدید در تئوری کنترل گسترش یافته اند . در این مقاله از شبکه عصبی تطبیقی خطی و شبکه عصبی خود سازمانده جهت کنترل وضعیت یک موتور DC تحریک جداگانه استفاده شده است . در کنترل وضعیت با استفاده از شبکه عصبی تطبیقی خطی، وضعیت مبنای شبکه عصبی همان وضعیت ورودی ( مطلوب ) در نظر گرفته شده و پس از انطباق وضعیت خروجی موتور بر وضعیت مبنا ولتاژ آرمیچر صفر شده و موتور از کار می ایستد . در این مقاله وضعیت یک موتور DC تحریک جداگانه با DC استفاده از شبکه عصبی خود سازمانده نیز کنترل شده است . در این روش شبکه عصبی مدل موتور مورد استفاده جهت کنترل وضعیت را می آموزد سپس ورودی مدل را جهت تطبیق وضعیت خروجی مدل بر وضعیت مطلوب، بهینه می سازد . ویژگی روشهای پیشنهادی اصلاح ضرایب شبکه عصبی در حین کار کردن موتور و مقاوم بودن پاسخها نسبت به تغییرات ممان اینرسی (J) و اصطکاک (B) می باشد . برخلاف
کنترل کننده PID که در اثر تغییر یکی از پارامترهای مدل، نظیر J و B کارایی بهینهخود را از دست می دهد و نیاز به تنظیم پارامترهای کنترل کننده دارد، روشهای پیشنهادی نیاز به طراحی مجدد نداشته و در برابر تغییرات پارامترها بطور خودکار اصلاح می شوند . روشهای پیشنهادی با استفاده از اطلاعات یک ماشین DC توسط نرم افزار Matlab و در محیط Simulink شبیه سازی شده اند . نتایج نشان می دهند که بواسطه استفاده از روشهای پیشنهادی هیچگونه نوسانی در پاسخها دیده نمی شود و زمان رسیدن به وضعیت مطلوب نیز کم است .