Documents disponibles écrits par cet auteur

Online Stator and Rotor Resistance Estimation Scheme Using Artificial Neural Networks for Vector Controlled Speed Sensorless Induction Motor Drive / Baburaj Karanayil in IEEE transactions on industrial electronics, Vol. 54 N°1 (Fevrier 2007) 

Public ISBD [article]  in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 167-176 p. Titre : Online Stator and Rotor Resistance Estimation Scheme Using Artificial Neural Networks for Vector Controlled Speed Sensorless Induction Motor Drive Titre original : L'Arrangement en Ligne d'Evaluation de Résistance de Redresseur et de Rotor Employant les Réseaux Neurologiques Artificiels pour le Vecteur a Commandé la Sonde de Vitesse Moins de Commande de Moteur à Induction Type de document : texte imprimé Auteurs : Baburaj Karanayil, Auteur ; Muhammed Fazlur Rahman, Auteur ; Colin Grantham Article en page(s) : 167-176 p. Note générale : Génie Electrique Langues : Anglais (eng) Mots-clés : Artificial  neural  networks  Induction  motor  drives  Parameter  identification  Speed  sensorless  vector  control.Réseaux  neurologiques  artificiels  Commandes  de  moteur  à  inductionSonde  de  vitesse  moins  de  commande  de  vecteur. Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : This paper presents a new method of online estimation for the stator and rotor resistances of the induction motor for speed sensorless indirect vector controlled drives, using artificial neural networks. The error between the rotor flux linkages based on a neural network model and a voltage model is back propagated to adjust the weights of the neural network model for the rotor resistance estimation. For the stator resistance estimation, the error between the measured stator current and the estimated stator current using neural network is back propagated to adjust the weights of the neural network. The rotor speed is synthesized from the induction motor state equations. The performance of the stator and rotor resistance estimators and torque and flux responses of the drive, together with these estimators, are investigated with the help of simulations for variations in the stator and rotor resistances from their nominal values. Both resistances are estimated experimentally, using the proposed neural network in a vector controlled induction motor drive. Data on tracking performances of these estimators are presented. With this speed sensorless approach, the rotor resistance estimation was made insensitive to the stator resistance variations both in simulation and experiment. The accuracy of the estimated speed achieved experimentally, without the speed sensor clearly demonstrates the reliable and high-performance operation of the drive. Cet article présente une nouvelle méthode d'évaluation en ligne pour le redresseur et les résistances de rotor du moteur à induction pour le vecteur indirect sensorless de vitesse commandé conduit, en utilisant les réseaux neurologiques artificiels. L'erreur entre les tringleries de flux de rotor basées sur un modèle de réseau neurologique et un modèle de tension est en arrière propagée pour ajuster les poids du modèle de réseau neurologique à l'évaluation de résistance de rotor. À l'évaluation de résistance de redresseur, l'erreur entre le redresseur mesuré courant et le courant estimé de redresseur employant le réseau neurologique est en arrière propagée pour ajuster les poids du réseau neurologique. La vitesse de rotor est synthétisée des équations d'état de moteur à induction. L'exécution des estimateurs de résistance de redresseur et de rotor et des réponses de couple et de flux de la commande, ainsi que ces estimateurs, sont étudiées avec l'aide des simulations pour des variations des résistances de redresseur et de rotor de leurs valeurs nominales. Les deux résistances sont estimées expérimentalement, en utilisant le réseau neurologique proposé dans une commande commandée par vecteur de moteur à induction. Des données sur des exécutions de cheminement de ces estimateurs sont présentées. Avec cette approche sensorless de vitesse, l'évaluation de résistance de rotor a été rendue peu sensible aux variations de résistance de redresseur de la simulation et de l'expérience. L'exactitude de la vitesse estimée réalisée expérimentalement, sans sonde de vitesse démontre clairement l'opération fiable et à rendement élevé de la commande. DEWEY : 621 ISSN : 0278-0046 En ligne : f.rahman@unsw.edu.au [article] Online Stator and Rotor Resistance Estimation Scheme Using Artificial Neural Networks for Vector Controlled Speed Sensorless Induction Motor Drive = L'Arrangement en Ligne d'Evaluation de Résistance de Redresseur et de Rotor Employant les Réseaux Neurologiques Artificiels pour le Vecteur a Commandé la Sonde de Vitesse Moins de Commande de Moteur à Induction [texte imprimé] / Baburaj Karanayil, Auteur ; Muhammed Fazlur Rahman, Auteur ; Colin Grantham . - 167-176 p. Génie Electrique Langues : Anglais (eng) in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 167-176 p. Mots-clés : Artificial  neural  networks  Induction  motor  drives  Parameter  identification  Speed  sensorless  vector  control.Réseaux  neurologiques  artificiels  Commandes  de  moteur  à  inductionSonde  de  vitesse  moins  de  commande  de  vecteur. Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : This paper presents a new method of online estimation for the stator and rotor resistances of the induction motor for speed sensorless indirect vector controlled drives, using artificial neural networks. The error between the rotor flux linkages based on a neural network model and a voltage model is back propagated to adjust the weights of the neural network model for the rotor resistance estimation. For the stator resistance estimation, the error between the measured stator current and the estimated stator current using neural network is back propagated to adjust the weights of the neural network. The rotor speed is synthesized from the induction motor state equations. The performance of the stator and rotor resistance estimators and torque and flux responses of the drive, together with these estimators, are investigated with the help of simulations for variations in the stator and rotor resistances from their nominal values. Both resistances are estimated experimentally, using the proposed neural network in a vector controlled induction motor drive. Data on tracking performances of these estimators are presented. With this speed sensorless approach, the rotor resistance estimation was made insensitive to the stator resistance variations both in simulation and experiment. The accuracy of the estimated speed achieved experimentally, without the speed sensor clearly demonstrates the reliable and high-performance operation of the drive. Cet article présente une nouvelle méthode d'évaluation en ligne pour le redresseur et les résistances de rotor du moteur à induction pour le vecteur indirect sensorless de vitesse commandé conduit, en utilisant les réseaux neurologiques artificiels. L'erreur entre les tringleries de flux de rotor basées sur un modèle de réseau neurologique et un modèle de tension est en arrière propagée pour ajuster les poids du modèle de réseau neurologique à l'évaluation de résistance de rotor. À l'évaluation de résistance de redresseur, l'erreur entre le redresseur mesuré courant et le courant estimé de redresseur employant le réseau neurologique est en arrière propagée pour ajuster les poids du réseau neurologique. La vitesse de rotor est synthétisée des équations d'état de moteur à induction. L'exécution des estimateurs de résistance de redresseur et de rotor et des réponses de couple et de flux de la commande, ainsi que ces estimateurs, sont étudiées avec l'aide des simulations pour des variations des résistances de redresseur et de rotor de leurs valeurs nominales. Les deux résistances sont estimées expérimentalement, en utilisant le réseau neurologique proposé dans une commande commandée par vecteur de moteur à induction. Des données sur des exécutions de cheminement de ces estimateurs sont présentées. Avec cette approche sensorless de vitesse, l'évaluation de résistance de rotor a été rendue peu sensible aux variations de résistance de redresseur de la simulation et de l'expérience. L'exactitude de la vitesse estimée réalisée expérimentalement, sans sonde de vitesse démontre clairement l'opération fiable et à rendement élevé de la commande. DEWEY : 621 ISSN : 0278-0046 En ligne : f.rahman@unsw.edu.au