ارائه شیوه‌ای جدید برای کنترل عصبی سرعت موتور القایی: مقاوم در قبال تغییرات مقاومت‌های استاتور و روتور و مناسب برای هر دو محدوده سرعت‌های خیلی کم و زیاد
محورهای موضوعی : مهندسی برق و کامپیوترحجت مؤیدی راد 1 , محمدعلی شمسی‌نژاد 2 , محسن فرشاد 3
1 - دانشگاه بیرجند
2 - دانشگاه بیرجند
3 - دانشگاه بیرجند
کلید واژه: سرعت خیلی کم شبکه عصبی پیش‌خور قوام, کنترل برداری موتور القایی,
چکیده مقاله :
در این مقاله درایو کنترل سرعت موتور القایی با کاربرد دو شبکه عصبی پیش‌خور چندلایه (یکی با وظیفه تولید پالس‌های کلیدزنی مورد نیاز واحد اینورتر و دیگری برای تخمین سیگنال‌های کنترلی مورد نیاز) طراحی شده است. برای آموزش شبکه عصبی مولد پالس‌های کلیدزنی از اطلاعات تلفیقی دو مدل کلاسیک ولتاژ و جریان استفاده شده است. همچنین برای تولید پالس‌های کلیدزنی بر خلاف مدل‌های کلاسیک معمول، به‌صورت توأمان از ولتاژ و جریان مرجع دو تا از فازها استفاده شده است. بدین وسیله مشکلات ساختاری آن دو (یعنی وقوع اشباع شار در محدوده سرعت‌های زیاد در مدل کلاسیک جریان و وقوع افت ولتاژ در محدوده سرعت‌های کم و خیلی کم در مدل کلاسیک ولتاژ) مرتفع می‌گردد. بدین صورت پروفایل سرعت در این مقاله بهبود داده شده است. تخمین سیگنال‌های فیدبک مورد نیاز (شامل: شار روتور، گشتاور تولیدی و ...)، بر عهده یک شبکه عصبی پیش‌خور است. برای قوام تخمین‌گر فوق در قبال تغییرات معمول مقاومت‌های روتور و استاتور در حین کار، از داده‌های آموزشی تلفیقی مدل‌های کلاسیک ولتاژ و جریان استفاده شده است، چرا که مدل‌های کلاسیک ولتاژ و جریان به‌ترتیب مستقل از مقاومت استاتور و روتور عمل می‌نمایند. درایو پیشنهادی با استفاده از اطلاعات یک ماشین القایی موجود در بخش سیمولینک نرم‌افزار MATLAB شبیه‌سازی شده است. نتایج شبیه‌سازی مؤید رفتار پایدار و قابل قبول درایو پیشنهادی در محدوده سرعت‌های کم و خیلی کم و زیاد (از منظر: سرعت پاسخ‌دهی، نوسانات پاسخ و خطای ماندگار ردیابی) و نیز قوام قابل ملاحظه در قبال تغییرات حین کار مقاومت‌های استاتور و روتور هستند.
In this paper, induction motor speed control drive is designed with application two multilayer feed-forward neural networks. That those are used one for generate PWM pulse and other for estimation of required torque and flux information. For trained of the PWM wave generate neural network is used from compound information two voltage and current classic model. Also, against general classic models for generate of the switching pulses is used as compound from reference voltage and current two motor phases. With these ideas are eliminated problems of the voltage and current classic models (flux saturation in current model for high speeds and voltage drop in voltage model for low speeds). As voltage profile is improved in this paper. The required feedback signals estimation (including: rotor flux, torque, etc.) is estimated by multilayer feed-forward neural network. That for robustness of the above estimator against rotor and stator resistances variations in time work of motor is used from compound trained data of the voltage and current classic models, because the voltage and current of the general classic models to sequence are independent of rotor and stator resistances. The simulation results by MATLAB-Simulink verify the proposed drive in improvement of the speed profile in transient and steady-state operating modes. Also, it verify clearly robust of the proposed drive against rotor and stator resistances variations in time work.