No abstract

In this paper, the radial basis function neural network‐based model reference adaptive speed control for vector controlled induction motor drive system is presented. The speed control of induction motors is challenging because of their complex mathematical model, non‐linear structure, and time varying dynamics. The radial basis function neural network is used to compensate the non‐linearity which comes from the non‐linear state equations of induction motor model. Neural network parameters are online updated via gradient descent algorithm to minimize the error. The drive system has been tested under various operating conditions. This paper demonstrated benefits of the proposed control approach by comparing the algorithm to conventional PI controllers. The results show that the proposed controller ensures good robustness and stable operation of the system under variable speed and variable loads than the PI controller.

ÖzÜç fazlı asenkron motorların hız denetiminde sistemin doğrusal olmayan yapısı, yük momentindeki değişimler, parametre değişimleri ve bilinmeyen bozucu etkilerinden dolayı geleneksel PI tipi denetim ile iyi bir performans sağlanamamaktadır. Bu nedenle asenkron motorun hız denetiminde, daha iyi bir performans elde etmek için adaptif kontrol yöntemleri uygulanmaya başlamıştır. Bu çalışmada vektör kontrollü asenkron motorun hız denetiminde geleneksel PI denetim yerine modern denetim yöntemlerinden olan adaptif sinirsel-bulanık denetim (ANFIS) sistemi önerilmiştir. Bu çalışmanın esas amacı, PI denetimli çalışmadan elde edilen giriş-çıkış verileri kullanılarak önerilen denetleyici parametrelerini ayarlamak ve asenkron motorun hız denetiminde yüksek performans elde etmektir. Her iki denetim sisteminin performansı MATLAB/Simulink ortamında farklı çalışma koşullarında incelenmiştir. Asenkron motorun hız kontrolü simülasyon çalışmasında, yükselme zamanı, aşım, yerleşme zamanı ve sürekli hal hatası gibi performans parametreleri ayarlanarak önerilen denetim sistemi geleneksel PI denetime kıyasla daha iyi bir performans sağlamıştır.Ayrıca, sistemde referans hızın değiştirildiği ve yükün değiştirildiği bölgelerde ANFIS, geleneksel PI tipi denetimden daha iyi bir performansa sahip olduğu simülasyon sonuçlarından gözlemlenmiştir.Anahtar Kelimeler: Asenkron motor, Adaptif sinirsel-bulanık denetim (ANFIS), PI denetim, Yapay sinir ağları Investigation of Performance Based on Online Adaptive Neuro-Fuzzy Inference System (ANFIS) for Speed Control of Induction Motors AbstractIn the speed control of three-phase induction motor, conventional PI type control can not provide a good performance due to non-linear structure of the system, change in load torque, change in parameters and * Corresponding author (Sorumlu yazar): Sami ŞİT,

ÖzetAsenkron motorların hız denetiminde, sistemin doğrusal olmayan yapısı, değişen çevre koşulları ve bozucu girişlerin etkisi nedeniyle geleneksel geri beslemeli denetleyiciler ile iyi bir performans elde edilememektedir. Asenkron motor sürücülerinin performansının arttırılmasında yapay zekâ tabanlı yöntemlerin kullanılmasının yararları son yıllardaki araştırmalarla açık bir şekilde ortaya konulmuştur. Bu çalışmada radyal tabanlı yapay sinir ağlarından (RTYSA) ve model referans adaptif kontrol (MRAK) yapısından faydalanılarak asenkron motorların hız denetimi için yapay zekâ esaslı bir denetleyici geliştirilmiştir. Asenkron motorun sürme yönteminde, yüksek performanslı sürücü sistemlerinde yaygın olarak kullanılan dolaylı alan yönlendirmeli vektör kontrol tekniği tercih edilmiştir. Geliştirilen bu denetim yönteminin başarısını belirlemek amacıyla benzetim sonuçları geleneksel PItipi denetleyici ile karşılaştırılmıştır. Motor fan tipi yük altında iken, denetleyicinin performansı Matlab/Simulink ortamında incelenmiştir. Simülasyon sonuçları RTYSA temelli MRAK denetleyici performansının, geleneksel PI denetleyiciden daha iyi olduğunu göstermiştir. AbstractIn the speed control of induction motors, an acceptable good performance cannot be obtained by using traditional feedback controllers due to the non-linear structure of the system, the effects of changing environmental conditions and several disturbance inputs. On the other hand, in recent years, it has been demonstrated that artificial intelligence based control methods were much more successful in the nonlinear system control applications. In this study, an intelligent controller has been developed for speed control of induction motors by using radial basis function neural network (RBFNN) and model reference adaptive control (MRAC) strategy. In the driving of induction motor, indirect field oriented vector control method which is widely used in high-performance drive system has been preferred. Simulation results to determine the success of the development of this control method was compared with conventional PI type controller. While the motor is under the fan-type load, the performance of controller has been investigated in Matlab/Simulink environment. The simulation results demonstrate that the performance of RBFNN based MRAC controller is better than that of conventional PI controller.

No abstract