بهینه سازی فیلتر کالمن توسعه یافته با استفاده از الگوریتم ژنتیک برای تخمین سرعت موتور القایی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,057
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
COMCONF04_035
Index date: 1 July 2017
بهینه سازی فیلتر کالمن توسعه یافته با استفاده از الگوریتم ژنتیک برای تخمین سرعت موتور القایی abstract
حذف حسگر سرعت و کابل اندازه گیری در فرآیند کنترل سرعت موتور های القایی موجب افزایش قابلیت اطمینان و همچنین کاهش هزینه ها می شود. از این رو در سال های اخیر روش تخمین سرعت موتور های القایی در شرایط عدم حضور حسگر مکانیکی سرعت یک از مباحث مطرح برای محققان این زمینه کاری بوده است. فیلتر کالمن نوع ویژه ای از رویتگر است که امکان قیلتر کردن بهینه نویز های داخلی سیستم و نویز های اندازه گیری را فراهم می سازد. برای خطیسازی و حل معادلات فیلتر کالمن از یک روش بازگشتی حالت گسسته استفاده می شود که الگوریتم فیلتر کالمن توسعهیافته نامیده می شود. در استفاده از این الگوریتم برای تخمین سرعت موتور القایی بنا به دلایلی همچون عدم امکان تعیین صحیح ماتریس های نویز با روش های مرسوم، نمی توان به بهترین عملکرد کنترل سرعت دست یافت. از این رو در اینمقاله سعی شده تا با به کار گیری یک الگوریتم ژنتیک به بهینه سازی ماتریس های نویز جهت دستیابی به عملکرد بهبودیافته سیستم کنترل سزعت پرداخته شود. در پایان طرح پیشنهادی با استفاده از نرم افزارMATLAB شبیه سازی شده و نتایج حاصل از شبیه سازی عملکرد قابل قبول طرح پیشنهادی را تایید می کند
بهینه سازی فیلتر کالمن توسعه یافته با استفاده از الگوریتم ژنتیک برای تخمین سرعت موتور القایی Keywords:
بهینه سازی فیلتر کالمن توسعه یافته با استفاده از الگوریتم ژنتیک برای تخمین سرعت موتور القایی authors
کیوان دلجورونکیانی
گروه برق، دانشکده برق رایانه و فناوری اطلاعات، دانشگاه آزاد اسلامی، قزوین، ایران
سیدمحمدتقی نبوی رضوی
هییت علمی گروه برق، دانشگاه تهران، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :