Speed Observer Based on ICA Trained Neural Network in DTC drive of IPMSM
محل انتشار: بیست و ششمین کنفرانس بین المللی برق
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,259
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PSC26_022
تاریخ نمایه سازی: 27 اسفند 1390
چکیده مقاله:
In this paper a speed observer based on Imperialist Competitive Algorithm (ICA) trained artificial neural network is presented. The proposed speed observer is used in sensorless Direct Torque Control (DTC) IPMSM drive scheme. A multilayer perception is trained using imperialist competitive algorithm to estimate the rotor speed. Due to artificial neural network characteristics the proposed speed observer works in wide range speed as opposed to previous observers that doesn’t works low speed or high speeds. Since neural network is trained with ICA, optimum weights of neural network are obtained. Simulation results on different conditions show the good performance of proposed speed observer.
کلیدواژه ها:
نویسندگان
Ahad Mirlo
Faculty of Electrical and Computer Engineering University of Tabriz- Tabriz
M.B.B Sharifian
Faculty of Electrical and Computer Engineering University of Tabriz- Tabriz
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :