Nel presente lavoro si propone l'applicazione di uno stimatore neurale dello stato di un motore ad induzione. In particolare l'osservatore proposto è in grado di fornire stime sufficientemente accurate delle componenti del flusso di statore o di rotore. Tali stime possono essere usate per effettuare il controllo vettoriale di un motore ad induzione. Lo stimatore è costituito da una rete neurale con un solo strato nascosto contenente cinque neuroni con funzioni sigmoidali. Esso è di tipo ricorrente, cioè utilizza i due stati stimati al passo n come ingressi per le stime al passo successivo. Gli altri ingressi sono le componenti alfa-beta delle tensioni e correnti di statore. I risultati delle simulazioni hanno mostrato l'efficacia dello stimatore neurale proposto quando l'addestramento delle rete è effettuato utilizzando un algoritmo di apprendimento basato sulla teoria del filtro di Kalman estesa.
Stimatore Neurale dello Stato di un Motore ad Induzione / Cupertino, F; Salvatore, L; Stasi, Silvio. - (1998), pp. 61-69. (Intervento presentato al convegno I Convegno Nazionale ANAE tenutosi a Rimini nel 29-30 ottobre, 1998).
Stimatore Neurale dello Stato di un Motore ad Induzione
CUPERTINO F;STASI, Silvio
1998-01-01
Abstract
Nel presente lavoro si propone l'applicazione di uno stimatore neurale dello stato di un motore ad induzione. In particolare l'osservatore proposto è in grado di fornire stime sufficientemente accurate delle componenti del flusso di statore o di rotore. Tali stime possono essere usate per effettuare il controllo vettoriale di un motore ad induzione. Lo stimatore è costituito da una rete neurale con un solo strato nascosto contenente cinque neuroni con funzioni sigmoidali. Esso è di tipo ricorrente, cioè utilizza i due stati stimati al passo n come ingressi per le stime al passo successivo. Gli altri ingressi sono le componenti alfa-beta delle tensioni e correnti di statore. I risultati delle simulazioni hanno mostrato l'efficacia dello stimatore neurale proposto quando l'addestramento delle rete è effettuato utilizzando un algoritmo di apprendimento basato sulla teoria del filtro di Kalman estesa.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.