کنترل موتور القایی و موتور سنکرون رلوکتانسی بدون سنسور سرعت 64ص ورد

کنترل موتور القایی و موتور سنکرون رلوکتانسی بدون سنسور سرعت 64ص ورد

قبل از خرید حتما توضیحات را کامل مطالعه نمایید

صفحه اصلی
راهنما
محصولات
درباره ما
قوانین
نقشه سایت
تماس با ما

کنترل موتور القایی و موتور سنکرون رلوکتانسی بدون سنسور سرعت 64ص ورد

12500 قیمت

کنترل موتور القایی و موتور سنکرون رلوکتانسی بدون سنسور سرعت 64ص ورد

کنترل موتور القایی و موتور سنکرون رلوکتانسی بدون  سنسور سرعت 64ص ورد

خیلی از پیشرفت های مهم با تقلید ها وشبیه سازی های  ساده  و ارزان کامپیوتری  بدست آمده است. در پی یک دوره ابتدائی اشتیاق و فعالیت در این زمینه ، یک دوره بی میلی و بدنامی راهم پشت سر گذاشته است . به نظر می آید شبیه سازی های شبکه عصبی  یکی از پیشرفت های اخیر باشد . اگرچه این  موضوع پیش از ظهور  کامپیوتر ها بنیان گذاری شده  و حداقل یک مانع بزرگ تاریخی  و  چندین دوره مختلف را پشت سر گذاشته است ٬اما در طول این دوره سرمایه گذاری و پشتیبانی حرفه ای٬ این موضوع در پایین ترین حد خود بوده . با توجه به پیشرفت های  مهمی که نسبت به تحقیقات محدود در این زمینه صورت گرفته است  پیشگامان قادر شدند تا به گسترش تکنولوژی متقاعد کننده ای بپردازند که علاوه براینکه این سیستم ها  دارای هزینه و معایب کمتری نسب به سیستم های  قبل از خود دارند  دارای راندمان بالا و خطای بسیار کمتر و سرعت بالاتری  نیز هستند . شبکه های عصبی اطلاعات را به روشی مشابه با کاری که مغز انسان انجام می دهد پردازش می کنند. آنها از تعداد زیادی از عناصر پردازشی(سلول عصبی) که فوق العاده بهم پیوسته اند تشکیل شده  است که این عناصر به صورت مواز ی با هم برای حل یک مسئله مشخص کار می کنند شبکه های عصبی و کامپیوتر های معمولی با هم در حال رقابت نیستند بلکه کامل کننده یکدیگرند . وظایفی وجود دارد که بیشتر مناسب روش های الگوریتمی هستند نظیر عملیات محاسباتی و وظایفی نیز وجود دارد که بیشتر مناسب شبکه های عصبی هستند . حتی فراتر از این ، مسائلی وجود دارد که نیازمند به سیستمی است که از تر کیب هر دو روش بدست می آید (بطور معمول کامپیوتر های معمولی برای نظارت بر شبکه های عصبی به کار گرفته می شوند ) به این قصد که بیشترین کارایی بدست آید. می خواهیم به کمک  شبکه های عصبی متد جدیدی جهت کنترل برداری بدون حسگر ماشینهای رلوکتانسی و القایی  ارائه نماییم و نتایج بدست آمده در شبیه سازیهای صورت گرفته را مورد بررسی قرار دهیم. از طرف دیگر می دانیم سنسورهای مکانیکی بکار رفته در موتورها مشکلات زیادی را به دنبال دارند با توجه به مشکلات فوق بحث کنترل بدون سنسور در موتورها مطرح می شود. در سال 1985 ال انتابلی (EL-Antably)  کنترل بدون سنسور ماشین رلوکتانسی را مطرح کرد و به دنبال آن مقالات زیادی که بیانگر روشهای مختلفی جهت کنترل بدون حسگر موتورهای رلوکتانسی بود، ارائه شد. در روش کنترل موتورهای الکتریکی نیاز به اندازه گیری یا تخمین سرعت و شار روتور می باشد. در روش بدون سنسور از تخمینگر سرعت و شار برای کنترل موتور استفاده می شود. در این پروژه  به منظور افزایش کارایی ٬ دقت ٬  بهبود مشخصه های گذرا و ماندگار و همچنین حذف سنسور سرعت ٬ از یک الگوریتم شبکه عصبی MLP   با آموزش off-line  برای تخمین سرعت روتور با استفاده از اندازه گیری جریان و ولتاژ استاتور استفاده شده است.  میزان دقت و بازه کاری تخمینگر عصبی و عدم حساسیت و مقاومت آن در برابر تغییرات بار٬ سرعت و پارامتر های ماشین با استفاده از شبیه سازی های انجام شده مورد تجزیه و تحلیل قرار گرفته است. . در ادامه به منظور بهبود عملکرد کنترلر اسکالر موتورهای القایی و همچنین حذف سنسور از یک تخمینگر عصبی با آموزش on-line  استفاده شده است. آموزش شبکه بصورت بلادرنگ با استفاده از خطای بین شارهای  محاسبه شده و تخمینی انجام گرفته است. نرم افزار SIMULINK  که زیر مجموعه   نرم افزار قدرتمند MATLAB است برای  شبیه سازی سیستمها و بررسی میزان دقت الگوریتمهای پیشنهادی استفاده شده است.  با توجه به مشخصه ذاتی شبکه های عصبی٬ سیستمهای پیشنهادی از عملکرد مطلوب گذرا در بازه وسیع سرعت برخوردار و در برابر تغییرات سرعت بار و پارامترهای ماشین بسیار مقاوم می باشند.


خرید

پرداخت آنلاین
mouse corsair

دوره استراتژی قدرتمند PTC

299,000 تومان

مشاهده دوره