یک تکنیک جدید کنترل برداری شبکه عصبی برای محرکه (درایو) موتور القایی

این مقاله یک روش جدید کنترل برداری مبتنی بر شبکه عصبی (NN) ‏را برای یک موتور القایی سه‌فاز، ارائه می‌کند. کنترل برداری NN پیشنهادی، از انرژی چارچوب مرجع شار محوری روتور بهره می‌برد و نقش کنترل‌کننده NN جایگزین دو کنترل‌کننده تفکیک شده – متناسب (PI) ‏در تکنیک‌های کنترل برداری مرسوم است. هدف از اجرای NN، کنترل بهینه تقریبی است و کنترل‌کننده NN توسط الگوریتم Levenberg – Marquardt (LM) ‏آموزش داده شد. باتری (جمع آوری کننده های رو به جلو) ، از طریق الگوریتم زمان برای موتور القایی به منظور محاسبه ماتریس ژاکوبین مورد نیاز الگوریتم LM، توسعه داده شد. شبیه‌سازی‌ها نشان دادند که کنترل برداری NN می‌تواند توانایی ردیابی جریان بهتری را نسبت به کنترل برداری مرسوم ، مانند نوسان کم‌تر و هماهنگی های کم ، فراهم کند. به خصوص، کنترل برداری NN بهتر از کنترل برداری مرسوم می‌تواند بر مشکل اثرات بازدارندگی ، غلبه کند. آزمایش‌های سخت‌افزاری بیشتری، مزیت وسیع کنترل برداری NN را نشان دادند. کنترل برداری NN می‌تواند در محرکه موتور القایی بدون نویز، با استفاده از فرکانس سوئیچینگ (تعویض) کم‌تر یا میزان نمون

This paper proposes a novel neural network (NN)-based vector control method for a three-phase induction motor. The proposed NN vector control utilizes the rotor flux-oriented reference frame, and the role of the NN controller is to substitute the two decoupled current-loop proportional-integral (PI) controllers in conventional vector control techniques. The objective of NN training is to approximate optimal control and the NN controller was trained by Levenberg-Marquardt (LM) algorithm. Forward Accumulation Through Time algorithm for induction motor was developed to calculate Jacobian matrix needed by the LM algorithm. The simulations showed that the NN vector control can provide better current tracking ability than the conventional vector control, such as less oscillations and low harmonics. Especially, the NN vector control can better overcome the problem of detuning effects than the conventional vector control. The hardware experiments further demonstrated the great advantage of the