ỨNG DỤNG MẠNG NƠ RON NHÂN TẠO ĐỂ ĐIỀU KHIỂN TỪ THÔNG CHO HỆ THỐNG TRUYỀN ĐỘNG ĐIỆN MỘT CHIỀU CÓ THAM SỐ J BIẾN ĐỔI
Abstract
TÓM TẮT
Mạng nơ ron nhân tạo có ưu điểm là hệ xử lý song song tốc độ cao, có khả năng hiệu chỉnh phi tuyến bậc cao với thời gian tính toán (thời gian học) nhanh, độ chính xác cao, đặc biệt là hệ phi tuyến mạnh, hệ có tham số chưa biết trước hoặc tham số không chính xác. Việc ứng dụng mạng nơ ron nhân tạo để điều khiển tốc độ hệ thống truyền động điện một chiều (DC) có tham số J biến đổi trên tốc độ cơ bản có tính chất phi tuyến mạnh cả về cấu trúc lẫn thông số là rất cần thiết. Bài báo này, giới thiệu kết quả nghiên cứu mô hình hóa và mô phỏng dùng mạng nơ ron nhân tạo để điều khiển hệ thống này nhằm nâng cao chất lượng điều khiển.
ABSTRACT
Strong point of artificial neural network is a high speed parallel process system,. Artificial neural network have compentence adjusting high level nonlinear to fast caculator (learn) times and exactly, especcially with strong nonlinear systems or systems have parameter uncertain or not exactly. Applied neral networks have control speed of dynamic electrical DC systems with J parameter variable over speed rated have very difficut because propertied of structure and parameter robust nonlinear. This properlem is very necessary . This paper persents research resulfs of modelative modelling and simulation used artificial neural network to control this system to raise qualitative control.References
Lê Đình Hiếu, (05-2008), ’’Nghiên cứu xây dựng bộ điều khiển từ thông cho hệ thống truyền động điện một chiều có tham số J biến đổi ’’, luận văn Thạc sĩ kỹ thuật.
Lê Đình Hiếu, Phan Văn Hiền, 2008, Building the field weakening linearization controller for dynamic electrical DC systems with J parameter variable, The 4th Vietnam Conference on Mechatronic-2008.
Phạm Công Ngô, 1998, Lý thuyết điều khiển, Nhà xuất bản Khoa học và Kỹ thuật.
Phan Văn Hiền, (2006), Nghiên cứu điều khiển vị trí hệ phi tuyến ứng dụng mạng neural, Đề tài khoa học và công nghệ, Đà Nẵng.
K. J. Astrom & T. Hagglund, 1995, PID Controllers: Theory, Design, and Tuning, International Society for Measurement and Control
Polycarpou M.M., (1996), ”Stable Adaptive Neural Control Scheme for Nonlinear Systems”, IEEE Trans. Automat. Contr , Vol. 41, No. 3, pp 447-451.