دانلود مقاله ترجمه شده کنترل برداری با استفاده از روش معکوس شبکه عصبی مصنوعی (ANN) – مجله IEEE

• بخشی از ترجمه:

چکیده
به منظور جلوگیری از اثر تشخیص سرعت بر پایین آمدن پایداری و دقت سیستم موتور القایی بدون یاتاقان، این مقاله تکنیکی تازه برای مشاهده سرعت با استفاده از روش معکوس شبکه عصبی مصنوعی (ANN)، ارایه می دهد. زیرسیستم درونی تشکیل شده از جریان های سیم پیچی سرعت و گشتاور، مدل شده اند و سپس معکوس سازی آن با استفاده از ANN صورت گرفته است. سرعت موتور، بطور موفقیت بخشی با سری کردن زیرسیستم اصلی با معکوسش، مشاهده شده است. سرعت مشاهده شده به حلقه کنترل سرعت پیشخور (فیربک) شده، و ازینرو درایو برداری بدون سنسور سرعت محقق می شود. سودمندی این روش، با استفاده از نتایج آزمایشی نشان داده شده است.
اصطلاحات مرتبط معکوس شبکه عصبی مصنوعی (ANN)، موتور القایی بدون یاتاقان (BIM)، بدون سنسور سرعت، کنترل برداری.
مقدمه:
در سال های اخیر، علایق زیدی بر موتورهای بدون یاتاقان جلب شده است. به سبب همانندی (شباهت) ساختارهای موتورهای الکتریکی و یاتاقان های مغناطیسی، یک موتور بدون یاتاقان، آمیزه ای از عملکرد یک موتور و یک یاتاقان با همان قاب استاتور می باشد. این موتورها می توانند بطور همزمان نیروی تعلیق شعاعی و گشتاور را طوری تولید کنند که هیچ اتصال مکانیکی بین روتور و استاتور وجود داشته باشد. از سویی دیگر، تعلیق مغناطیسی دارای این برتری های نشکستن، ساییده نشدن، نیاز نداشتن به روغن کاری، سرعت چرخشی بالا، و دقت بالا در مقایسه با اتصال مکانیکی می باشد. از دیگر سو، یک موتور بدون یاتاقان دارای فواید بی همتایی در کوچکی اندازه، وزن سبک، و هزینه ی کم در مقایسه با ساختارهای جفت تشکیل شده از یاتاقان های مغناطیسی و یک موتور می باشند. ازنرو، موتورهای بدون یاتاقان در حال محبوب تر شدن برای کاربردهای گسترده ای همچون ماشین آلات توربوی پرسرعت، ماشین ابزار دوک، پمپ های خلا، پمپ های خون، هراد کامپیوتر، چرخ طیار ذخیره ساز انرژی، و غیره می باشند.

• بخشی از مقاله انگلیسی:

Abstract

To effectively reject the influence of speed detection on system stability and precision for a bearingless induction motor, this paper proposes a novel speed observation scheme using artifi- cial neural network (ANN) inverse method. The inherent subsystem consisting of speed and torque winding currents is modeled, and then its inversion is implemented by the ANN. The speed is successfully observed via cascading the original subsystem with its inversion. The observed speed is fed back in the speed control loop, and thus, the speed-sensorless vector drive is realized. The effectiveness of this proposed strategy has been demonstrated by experimental results.

I. INTRODUCTION

IN recent years, there is an increasing interest in bearingless motors around the world [1]–[۳]. Due to the similarity of structure between electric motors [4], [5] and magnetic bearings [6], a bearingless motor combine the functions of a motor and a magnetic bearing together within the same stator frame. They can simultaneously produce the radial suspension force and torque on the rotor so that there is no mechanical contact between the stator and rotor. On the one hand, the magnetic suspension offers the advantages of no friction, no abrasion, no lubrication, high rotational speed, and high precision, in comparison to mechanical contact [7], [8]. O

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله