کنترل وضعیت موتور DCتحریک ‌جداگانه با کمک کنترلر شبکه ‌عصبی NARMA-L2

نویسندگان

دانشکده و پژوهشکده فناوری اطلاعات و ارتباطات، گروه الکترونیک

چکیده

چکیده به دلیل کاربرد وسیع موتورهای dc ، کنترل وضعیت یا سرعت آنها اهمیت فراوانی پیدا می‌کند. در این مقاله هدف، ارائه روشی جدید برای کنترل هوشمند وضعیت موتور dc تحریک جداگانه با استفاده از شبکه‌های عصبی مصنوعی است. برای این منظور ازکنترلر شبکه عصبی NARMA-L2 استفاده شده است. در کنترل وضعیت با استفاده از شبکه عصبی، وضعیت مبنای شبکه عصبی همان وضعیت ورودی (مطلوب) در نظر گرفته شده است و پس از انطباق وضعیت خروجی موتور بر وضعیت مبنا، ولتاژ آرمیچر صفر شده و موتور از کار می‌ایستد. در این روش، شبکه عصبی مدل موتور dc مورد استفاده برای کنترل وضعیت را می‌آموزد. سپس ورودی را برای تطبیق وضعیت خروجی مدل بر وضعیت مطلوب بهینه می‌سازد. ویژگی روش پیشنهادی، اصلاح ضرایب شبکه عصبی در حین کارکردن موتور و مقاوم بودن پاسخ‌ها نسبت به تغییرات لختی دورانی (J) و اصطکاک (B) است. برخلاف کنترلر PID که در اثر تغییر یکی از پارامترهای مدل، نظیر J و B کارایی بهینه خود را از دست می‌دهد و نیاز به تنظیم مجدد پارامترهای کنترلر دارد، روش پیشنهادی نیاز به طراحی مجدد ندارد و در صورت تغییر، این پارامترها به طور خودکار اصلاح می‌شود. روش پیشنهادی با استفاده از اطلاعات یک موتورdc تحریک جداگانه توسط نرم‌افزار MATLAB و در محیط SIMULINK شبیه‌سازی شده است. نتایج نشان می‌دهند که به واسطه‌ی استفاده از روش پیشنهادی، نوسان در پاسخ‌ها به شدت کاهش یافته، همچنین زمان رسیدن به وضعیت مطلوب نیز کم شده است.

کلیدواژه‌ها


عنوان مقاله [English]

Position Control of Separately Excited DC Motor Using NARMA-L2 Neural Network Controller

چکیده [English]

Abstract Due to the widespread use of dc motors, their position or speed control becomes very important. The aim in this paper is providing a new method for intelligent position control of separately excited dc motor using neural networks. For this purpose the NARMA-L2 neural network controller is used. In the position control using neural network, based position for neural network intended as input position (ideal), and after adapting of output position of motor to base position, Armature voltage become zero and motor stops working. In this way, neural network learns the used model of dc motors to control the position, then the input optimized for matching of model output position to ideal position. Advantage of the proposed neural network method is, correction coefficients during the working engine and Replies robustness to changes inertia moment (J) and friction (B). Unlike the PID controllers that will lose their optimization Performance with changing one of the model parameters, such as J & B ,and need to reset the parameters of the controller, the proposed method needs not to redesign, and these parameters repair automatically. Proposed method is simulated using information from a separately excited dc motor in SIMULINK environment of MATLAB software. Results show that by using of proposed method, fluctuations in response and need times to reach the ideal situation decreases.

کلیدواژه‌ها [English]

  • Separately Excited DC Motor
  • Position Control
  • NARMA-L2 Neural Network Controller