probenerИзвестия высших учебных заведений. ПРОБЛЕМЫ ЭНЕРГЕТИКИPower engineering: research, equipment, technology1998-99032658-5456Kazan State Power Engineering University10.30724/1998-9903-2015-0-1-2-95-101probener-56Research ArticleЭНЕРГЕТИЧЕСКОЕ, МЕТАЛЛУРГИЧЕСКОЕ И ХИМИЧЕСКОЕ МАШИНОСТРОЕНИЕPOWER, METALLURGICAL AND CHEMICAL ENGINEERINGПрямое управление моментом асинхронного двигателя с нейро-фаззи регулятором скорости и нейросетевой идентификацией параметров электроприводаDirect control of asynchronous motor torque with neuro-fuzzy speed regulator and neural network identification of electrical drive parametersШигаповА. А.ShigapovA. A.new-about@yandex.ruСмоляковБ. П.SmolyakovB. P.bsmolyakov@yandex.ruКазанский государственный энергетический университетRussian Federation20150412201701-295101Copyright © Шигапов А.А., Смоляков Б.П., 20172017Шигапов А.А., Смоляков Б.П.Shigapov A.A., Smolyakov B.P.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.energyret.ru/jour/article/view/56

Рассматривается модифицированная система прямого управления моментом асинхронного двигателя (ПУМ АД) с применением нейросетевого блока идентификации параметров электропривода и нейро-фаззи регулятора скорости вращения ротора. Выявлены недостатки стандартной системы ПУМ АД и описан синтез нейросетевых элементов для модификации системы и устранения этих недостатков. Приведены результаты моделирования модифицированной системы ПУМ АД с нейросетевыми и нейро-фаззи компонентами.

We considered a modified system for a direct control of induction motor torque using a neural network unit for identification of electrical drive parameters. A number of disadvantages for the standard torque control system were identified. We described neural network element synthesis, in order to modify the system and overcome these disadvantages. Our modeling results for the modified system with neural network and neural-fuzzy components are presented.

прямое управление моментомнейронные сетифаззи логикаDirect torque controlneural networksfuzzy logicReferencesWang Ping, Li Bin, Huang Ruixiang, Li Guidan. Diangong jishu xuebaoTrans. China Electrotech. Soc. 2003. 18, № 2, P.5-8Wang Ping, Li Bin, Huang Ruixiang, Li Guidan. Diangong jishu xuebaoTrans. China Electrotech. Soc. 2003. 18, № 2, P.5-8Kusuma Gottapu1 ,YV Prashanth 2,P Mahesh3 , Y Sumith. Simulation of DTC IM Based on PI& Artificial Neural Network Technique. International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering Vol. 2, Issue 7, July 2013Kusuma Gottapu1 ,YV Prashanth 2,P Mahesh3 , Y Sumith. Simulation of DTC IM Based on PI& Artificial Neural Network Technique. International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering Vol. 2, Issue 7, July 2013Mamdani E.H. and Assilian S. An experiment in linguistic synthesis with a fuzzy logic controller // Int. J. Man-Mach. Stud. 1975. Vol. 7. P. 1-13.Mamdani E.H. and Assilian S. An experiment in linguistic synthesis with a fuzzy logic controller // Int. J. Man-Mach. Stud. 1975. Vol. 7. P. 1-13.

The authors declare that there are no conflicts of interest present.