Un controlador neural para motores de inducción: análisis de estabilidad de orden fraccional y algoritmo de aprendizaje en línea
Autores: Sabzalian, Mohammad Hosein; Alattas, Khalid A.; El-Sousy, Fayez F. M.; Mohammadzadeh, Ardashir; Mobayen, Saleh; Vu, Mai The; Aredes, Mauricio
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un controlador neural para motores de inducción: análisis de estabilidad de orden fraccional y algoritmo de aprendizaje en línea
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Estudio
Esquema de control inteligente
Motores de inducción
Dinámica
Red neuronal GMDH
Estabilidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
En este estudio, se desarrolla un esquema de control inteligente para motores de inducción (IMs). Las dinámicas de los IMs son desconocidas y se ven perturbadas por la variación de la resistencia del rotor y los cambios de carga. El sistema de control consta de dos etapas. En la etapa de identificación, se diseñó una red neuronal (NN) del método de agrupación de datos (GMDH) para modelar en línea el IM. En la etapa de control, se aplicó la GMDH-NN para compensar los impactos de las perturbaciones e incertidumbres. La estabilidad se muestra mediante el enfoque de Lyapunov. Las simulaciones demostraron la buena precisión del nuevo enfoque de control sugerido bajo perturbaciones y dinámicas desconocidas.
Descripción
En este estudio, se desarrolla un esquema de control inteligente para motores de inducción (IMs). Las dinámicas de los IMs son desconocidas y se ven perturbadas por la variación de la resistencia del rotor y los cambios de carga. El sistema de control consta de dos etapas. En la etapa de identificación, se diseñó una red neuronal (NN) del método de agrupación de datos (GMDH) para modelar en línea el IM. En la etapa de control, se aplicó la GMDH-NN para compensar los impactos de las perturbaciones e incertidumbres. La estabilidad se muestra mediante el enfoque de Lyapunov. Las simulaciones demostraron la buena precisión del nuevo enfoque de control sugerido bajo perturbaciones y dinámicas desconocidas.