حمیدرضا شریف خضری - دانشجوی مهندسی برق - الکترونیک دانشکده مهندسی برق دانشگاه یزد
علیرضا صدیقی انارکی - عضو هیات علمی دانشکده برق دانشکده مهندسی برق دانشگاه یزد

سهولت کنترل موتورهای DCباعث کاربرد فراوان آنها در صنعت شده است . عمدتا " کنترل موتورهای DCبا کنترل ولتاژ آرمیچر و یا کنترل میدان صورت می پذیرد . روشهای کنترل ارائه شده برای موتورهای DC با شناخته شدن روشهای جدید در تئوری کنترل گسترش یافته اند . در این مقاله از شبکه عصبی تطبیقی خطی و شبکه عصبی خود سازمانده جهت کنترل وضعیت یک موتور DC تحریک جداگانه استفاده شده است . در کنترل وضعیت با استفاده از شبکه عصبی تطبیقی خطی، وضعیت مبنای شبکه عصبی همان وضعیت ورودی ( مطلوب ) در نظر گرفته شده و پس از انطباق وضعیت خروجی موتور بر وضعیت مبنا ولتاژ آرمیچر صفر شده و موتور از کار می ایستد . در این مقاله وضعیت یک موتور DC تحریک جداگانه با DC استفاده از شبکه عصبی خود سازمانده نیز کنترل شده است . در این روش شبکه عصبی مدل موتور مورد استفاده جهت کنترل وضعیت را می آموزد سپس ورودی مدل را جهت تطبیق وضعیت خروجی مدل بر وضعیت مطلوب، بهینه می سازد . ویژگی روشهای پیشنهادی اصلاح ضرایب شبکه عصبی در حین کار کردن موتور و مقاوم بودن پاسخها نسبت به تغییرات ممان اینرسی (J) و اصطکاک (B) می باشد . برخلاف کنترل کننده PID که در اثر تغییر یکی از پارامترهای مدل، نظیر J و B کارایی بهینه خود را از دست می دهد و نیاز به تنظیم پارامترهای کنترل کننده دارد، روشهای پیشنهادی نیاز به طراحی مجدد نداشته و در برابر تغییرات پارامترها بطور خودکار اصلاح می شوند . روشهای پیشنهادی با استفاده از اطلاعات یک ماشین DC توسط نرم افزار Matlab و در محیط Simulink شبیه سازی شده اند . نتایج نشان می دهند که بواسطه استفاده از روشهای پیشنهادی هیچگونه نوسانی در پاسخها دیده نمی شود و زمان رسیدن به وضعیت مطلوب نیز کم است .

موتور DC، کنترل وضعیت، شبکه عصبی، کنترل هوشمند