Neuronowy regulator prędkości obrotowej odporny na zmiany bezwładności
[ 1 ] Instytut Automatyki i Inżynierii Informatycznej, Wydział Elektryczny, Politechnika Poznańska | [ D ] phd student | [ P ] employee
EN A neural speed controller robust to inertia changes
2014
scientific article
polish
- regulator neuronowy
- sterowanie neuronowe
- sztuczna inteligencja
- uczenie maszynowe
- PID
- neural controller
- neural controlling
- artificial intelligence
- machine learning
- PID
PL W ramach niniejszej pracy zaprezentowany został neuronowy regulator prędkości obrotowej odporny na zmiany bezwładności. Celem pracy było opracowanie struktury regulatora oraz dobór optymalnego algorytmu uczenia. Stworzony regulator sterował pracą silnika prądu stałego. Metodologia prowadzonych badań zakładała zbadanie działania układu w szerokim zakresie zmian momentu obciążenia oraz bezwładności. Projektowanie przeprowadzono w taki sposób, aby badany układ napędowy wykazywały dobre właściwości regulacyjne w szerokim zakresie zmiany bezwładności obciążenia. Proces syntezy regulatora został szczegółowo opisany w ramach niniejszej pracy. Analizie poddano szereg badań symulacyjnych, w ramach których rozpatrywano wybrane wskaźniki jakości dla różnych wartości bezwładności oraz momentu obciążenia. Dokonano także analizy porównawczej badanego regulatora neuronowego z optymalnie nastrojonym klasycznym regulatorem PID. Uzyskane wyniki symulacyjne zostały przeniesione na grunt implementacji fizycznego obiektu sterowania.
EN This paper presents a neural network speed controller that is robust to inertia changes. The main object of this study was to establish the structure of the controller and to create an optimal learning algorithm. Within the project, the created controller steered the operation of a DC motor. The methodology of the research involved studying the effects of the system over a wide range of load torque and inertia changes. The project was carried out in a such way that good regulatory properties over a wide range of inertia changes were performed for the drive systems. The synthesis of the controller is described in details in this paper. The analysis of series simulation studies including selected quality indicators for different values of inertia and different load torque is conducted. Moreover, the comparative analysis of the neural control and the optimally tuned classical PID controller is performed. The obtained simulation results were used for implementation of a physical control object.
840 - 844
CC BY (attribution alone)
open journal
final published version
public