Les Inscriptions à la Bibliothèque sont ouvertes en
ligne via le site: https://biblio.enp.edu.dz
Les Réinscriptions se font à :
• La Bibliothèque Annexe pour les étudiants en
2ème Année CPST
• La Bibliothèque Centrale pour les étudiants en Spécialités
A partir de cette page vous pouvez :
| Retourner au premier écran avec les recherches... |
Détail de l'auteur
Auteur Chia-Chin Chu
Documents disponibles écrits par cet auteur
Affiner la rechercheMotion Control of Linear Induction Motor via Petri Fuzzy Neural Network / Rong-Jong Wai in IEEE transactions on industrial electronics, Vol. 54 N°1 (Fevrier 2007)
in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 281-295 p.
Titre : Motion Control of Linear Induction Motor via Petri Fuzzy Neural Network Titre original : Commande de Mouvement de Moteur à Induction Linéaire par l'Intermédiaire de Réseau Neurologique Brouillé de Pétri Type de document : texte imprimé Auteurs : Rong-Jong Wai, Auteur ; Chia-Chin Chu, Auteur Article en page(s) : 281-295 p. Note générale : Génie Electrique Langues : Anglais (eng) Mots-clés : Fuzzy neural networks (FNN) Indirect field-oriented mechanism Linear induction motor (LIM) Petri net (PN) Varied learning rates.Réseaux neurologiques brouillés Mécanisme champ-orienté indirect Moteur à induction linéaire Réseau de Pétri Taux d'étude divers. Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : This paper focuses on the development of a Petri-fuzzy-neural-network (PFNN) control for an indirect field-oriented linear-induction-motor (LIM) drive. First, an indirect field-oriented mechanism for a LIM drive is derived to preserve the decoupling control characteristic. Then, the concept of a Petri net (PN) is incorporated into a traditional FNN (TFNN) to form a new type of PFNN framework for alleviating the computation burden. Moreover, the supervised gradient descent method is used to develop the online training algorithm for the PFNN. In order to guarantee the convergence of tracking error, analytical methods based on a discrete-type Lyapunov function are proposed to determine the varied learning rates of the PFNN. With the proposed PFNN control system, the mover position of the controlled LIM drive possesses the advantages of good transient control performance and robustness to uncertainties for the tracking of periodic reference trajectories. In addition, the effectiveness of the proposed control scheme is verified by both numerical simulations and experimental results. Furthermore, the superiority of the proposed PFNN control system is indicated in comparison with the TFNN control system.
Cet article se concentre sur le développement d'une commande brouillée du réseau neurologique de Pétri (PFNN) pour une commande linéaire champ-orientée indirecte du moteur à induction (LIM). D'abord, un champ indirect a orienté le mécanisme pour une commande de LIM est dérivé pour préserver la caractéristique de découplage de commande. Puis, le concept d'un réseau de Pétri (PN) est incorporé à un FNN traditionnel (TFNN) pour former un nouveau type de cadre de PFNN pour alléger le fardeau de calcul. D'ailleurs, la méthode dirigée de descente de gradient est employée pour développer l'algorithme en ligne de formation pour le PFNN. Afin de garantir la convergence de l'erreur de cheminement, on propose des méthodes analytiques basées sur un discret-type fonction de Lyapunov pour déterminer les taux de étude divers du PFNN. Avec le système de commande proposé de PFNN, la position de moteur de la commande commandée de LIM possède les avantages de la bonnes exécution et robustesse passagères de commande aux incertitudes pour le cheminement de la trajectoire périodique de référence. En outre, l'efficacité de l'arrangement proposé de commande est vérifiée par des simulations numériques et des résultats expérimentaux. En outre, la supériorité du système de commande proposé de PFNN est indiquée en comparaison du système de commande de TFNN.DEWEY : 621 ISSN : 0278-0046 En ligne : rjwai@saturn.yzu.edu.tw, ccjue.@haotmail.com [article] Motion Control of Linear Induction Motor via Petri Fuzzy Neural Network = Commande de Mouvement de Moteur à Induction Linéaire par l'Intermédiaire de Réseau Neurologique Brouillé de Pétri [texte imprimé] / Rong-Jong Wai, Auteur ; Chia-Chin Chu, Auteur . - 281-295 p.
Génie Electrique
Langues : Anglais (eng)
in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 281-295 p.
Mots-clés : Fuzzy neural networks (FNN) Indirect field-oriented mechanism Linear induction motor (LIM) Petri net (PN) Varied learning rates.Réseaux neurologiques brouillés Mécanisme champ-orienté indirect Moteur à induction linéaire Réseau de Pétri Taux d'étude divers. Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : This paper focuses on the development of a Petri-fuzzy-neural-network (PFNN) control for an indirect field-oriented linear-induction-motor (LIM) drive. First, an indirect field-oriented mechanism for a LIM drive is derived to preserve the decoupling control characteristic. Then, the concept of a Petri net (PN) is incorporated into a traditional FNN (TFNN) to form a new type of PFNN framework for alleviating the computation burden. Moreover, the supervised gradient descent method is used to develop the online training algorithm for the PFNN. In order to guarantee the convergence of tracking error, analytical methods based on a discrete-type Lyapunov function are proposed to determine the varied learning rates of the PFNN. With the proposed PFNN control system, the mover position of the controlled LIM drive possesses the advantages of good transient control performance and robustness to uncertainties for the tracking of periodic reference trajectories. In addition, the effectiveness of the proposed control scheme is verified by both numerical simulations and experimental results. Furthermore, the superiority of the proposed PFNN control system is indicated in comparison with the TFNN control system.
Cet article se concentre sur le développement d'une commande brouillée du réseau neurologique de Pétri (PFNN) pour une commande linéaire champ-orientée indirecte du moteur à induction (LIM). D'abord, un champ indirect a orienté le mécanisme pour une commande de LIM est dérivé pour préserver la caractéristique de découplage de commande. Puis, le concept d'un réseau de Pétri (PN) est incorporé à un FNN traditionnel (TFNN) pour former un nouveau type de cadre de PFNN pour alléger le fardeau de calcul. D'ailleurs, la méthode dirigée de descente de gradient est employée pour développer l'algorithme en ligne de formation pour le PFNN. Afin de garantir la convergence de l'erreur de cheminement, on propose des méthodes analytiques basées sur un discret-type fonction de Lyapunov pour déterminer les taux de étude divers du PFNN. Avec le système de commande proposé de PFNN, la position de moteur de la commande commandée de LIM possède les avantages de la bonnes exécution et robustesse passagères de commande aux incertitudes pour le cheminement de la trajectoire périodique de référence. En outre, l'efficacité de l'arrangement proposé de commande est vérifiée par des simulations numériques et des résultats expérimentaux. En outre, la supériorité du système de commande proposé de PFNN est indiquée en comparaison du système de commande de TFNN.DEWEY : 621 ISSN : 0278-0046 En ligne : rjwai@saturn.yzu.edu.tw, ccjue.@haotmail.com
in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 177-189 p.
Titre : Robust Petri Fuzzy-Neural-Network Control for Linear Induction Motor Drive Titre original : Commande Brouillée Robuste de Réseau Neurologique de Pétri pour la Commande Linéaire de Moteur à Induction Type de document : texte imprimé Auteurs : Rong-Jong Wai, Auteur ; Chia-Chin Chu, Auteur Article en page(s) : 177-189 p. Note générale : Génie Electrique Langues : Anglais (eng) Mots-clés : Decoupled control Feedback linearization Fuzzy neural network (FNN) Linear induction motor (LIM) Lyapunov stability theorem Petri net (PN).Commande découplée Linéarisation de rétroaction Réseau neurologique brouillé Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : This study focuses on the development of a robust Petri-fuzzy-neural-network (PFNN) control strategy applied to a linear induction motor (LIM) drive for periodic motion. Based on the concept of the nonlinear state feedback theory, a feedback linearization control (FLC) system is first adopted in order to decouple the thrust force and the flux amplitude of the LIM. However, particular system information is required in the FLC system so that the corresponding control performance is influenced seriously by system uncertainties. Hence, to increase the robustness of the LIM drive for high-performance applications, a robust PFNN control system is investigated based on the model-free control design to retain the decoupled control characteristic of the FLC system. The adaptive tuning algorithms for network parameters are derived in the sense of the Lyapunov stability theorem, such that the stability of the control system can be guaranteed under the occurrence of system uncertainties. The effectiveness of the proposed control scheme is verified by both numerical simulations and experimental results, and the salient merits are indicated in comparison with the FLC system.
Cette étude se concentre sur le développement d'une stratégie brouillée robuste de commande du réseau neurologique de Pétri (PFNN) appliquée à une commande linéaire du moteur à induction (LIM) pour le mouvement périodique. Basé sur le concept de la théorie non-linéaire de rétroaction d'état, un système de la commande de linéarisation de rétroaction (FLC) est d'abord adopté afin de découpler la force de poussée et l'amplitude de flux du LIM. Cependant, l'information particulière de système est exigée dans le système de FLC de sorte que l'exécution correspondante de commande soit influencée sérieusement par des incertitudes de système. Par conséquent, pour augmenter la robustesse du LIM conduire pour des applications à rendement élevé, un système de commande robuste de PFNN est étudié a basé sur la conception libre modèle de commande pour maintenir la commande découplée caractéristique du système de FLC. Les algorithmes de accord adaptatifs pour des paramètres de réseau sont dérivés dans le sens du théorème de stabilité de Lyapunov, tel que la stabilité du système de commande peut être garantie sous l'occurrence des incertitudes de système. L'efficacité de l'arrangement proposé de commande est vérifiée par des simulations numériques et des résultats expérimentaux, et les mérites saillants sont indiqués en comparaison du système de FLC.DEWEY : 621 ISSN : 0278-0046 [article] Robust Petri Fuzzy-Neural-Network Control for Linear Induction Motor Drive = Commande Brouillée Robuste de Réseau Neurologique de Pétri pour la Commande Linéaire de Moteur à Induction [texte imprimé] / Rong-Jong Wai, Auteur ; Chia-Chin Chu, Auteur . - 177-189 p.
Génie Electrique
Langues : Anglais (eng)
in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 177-189 p.
Mots-clés : Decoupled control Feedback linearization Fuzzy neural network (FNN) Linear induction motor (LIM) Lyapunov stability theorem Petri net (PN).Commande découplée Linéarisation de rétroaction Réseau neurologique brouillé Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : This study focuses on the development of a robust Petri-fuzzy-neural-network (PFNN) control strategy applied to a linear induction motor (LIM) drive for periodic motion. Based on the concept of the nonlinear state feedback theory, a feedback linearization control (FLC) system is first adopted in order to decouple the thrust force and the flux amplitude of the LIM. However, particular system information is required in the FLC system so that the corresponding control performance is influenced seriously by system uncertainties. Hence, to increase the robustness of the LIM drive for high-performance applications, a robust PFNN control system is investigated based on the model-free control design to retain the decoupled control characteristic of the FLC system. The adaptive tuning algorithms for network parameters are derived in the sense of the Lyapunov stability theorem, such that the stability of the control system can be guaranteed under the occurrence of system uncertainties. The effectiveness of the proposed control scheme is verified by both numerical simulations and experimental results, and the salient merits are indicated in comparison with the FLC system.
Cette étude se concentre sur le développement d'une stratégie brouillée robuste de commande du réseau neurologique de Pétri (PFNN) appliquée à une commande linéaire du moteur à induction (LIM) pour le mouvement périodique. Basé sur le concept de la théorie non-linéaire de rétroaction d'état, un système de la commande de linéarisation de rétroaction (FLC) est d'abord adopté afin de découpler la force de poussée et l'amplitude de flux du LIM. Cependant, l'information particulière de système est exigée dans le système de FLC de sorte que l'exécution correspondante de commande soit influencée sérieusement par des incertitudes de système. Par conséquent, pour augmenter la robustesse du LIM conduire pour des applications à rendement élevé, un système de commande robuste de PFNN est étudié a basé sur la conception libre modèle de commande pour maintenir la commande découplée caractéristique du système de FLC. Les algorithmes de accord adaptatifs pour des paramètres de réseau sont dérivés dans le sens du théorème de stabilité de Lyapunov, tel que la stabilité du système de commande peut être garantie sous l'occurrence des incertitudes de système. L'efficacité de l'arrangement proposé de commande est vérifiée par des simulations numériques et des résultats expérimentaux, et les mérites saillants sont indiqués en comparaison du système de FLC.DEWEY : 621 ISSN : 0278-0046
