اين مقاله به بررسي عملكرد دو كنترل دور يك موتورجريان مستقيم بدون جاروبك BDCM ( Brushlee DC Motor) اختصاص دارد. به كمك شبيه سازي كامپيوتري مدل غيرخطي موتور تحت شرايط كاري مختلف قرار ميگيرد و پاسخ آن به ورودي هاي مختلف ولتاژ بدست مي آيد . به علت رفتار و ديناميك كاملا غيرخطي BDCM كنترل كننده هاي مبتني بر ، تئوري كلاسيك كنترل سيستمهاي خطي، روش كارا و مفيدي براي اين منظور نمي باشند. لذا از يك شبكه عصبي مصنوعي كه طبيعت غيرخطي دارند براي آموزش و شناسايي مدل ديناميكي معكوسBDCM استفاده شده است و تا حصول به دقت كافي در فرايند شناسايي ، آموزش شبكه عصبي مصنوعي ادامه پيدا ميكند. شبكه عصبي آموزش ديده شده، سپس در يك سيستم كنترل حلقه بسته قرار داده ميشود تا عمل كنترل دور را بصورت هوشمندانه انجام دهد. كنترل در هرلحظه نسبت به يك مدل مرجع انجام ميپذيرد و مدل غيرخطيBDCM بدو ن خطي سازي حول نقطه كار مشخصي در نظر گرفته ميشود. در نهايت به كمك تئوري كنترل آداپتور نسبت به مدل مرجع با استفاده از شبكه عصبي مصنوعي (Neural Network based indirect Model Reference Adaptive Control)ارائه ميشود و كارايي اين BDCM يك ساختار كلي براي شناسايي و كنترل روش بكمك شبيه سازي كامپيوتري امتحان ميشود. نتايج ارائه شده مبين توانايي و قابل اطمينان بودن روش مذكور مي باشد.

كلمات كليدي:

موتور جريان مستقيم بدون جاروبك ، شناسايي و كنترل ديناميك سيستمها ، شبكه عصبي مصنوعي ، شبيه سازي كامپيوتري