Documents disponibles écrits par cet auteur

Implementation of Artificial Neural Network-Based Tracking Controller for High-Performance Stepper Motor / Ahmed Rubaai 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) . - 218-227 p. Titre : Implementation of Artificial Neural Network-Based Tracking Controller for High-Performance Stepper Motor Titre original : Exécution du Réseau Neurologique Artificiel Basé Dépistant le Contrôleur pour le Moteur de pas de Rendement Elevé Type de document : texte imprimé Auteurs : Ahmed Rubaai, Auteur ; Marcel J. Castro-Sitiriche, Auteur ; Moses Garuba ; Legand Burge, Auteur Article en page(s) : 218-227 p. Note générale : Génie Electrique Langues : Anglais (eng) Mots-clés : Artificial  neural  network  (NN)  Dynamic  back-propagation  (DBP)  Model  reference  adaptive  control  Stepper  motor.Réseau  neurologique  artificiel  Propagation  arrière  dynamique  Commande  adaptative  de  référence  modèle  Moteur  de  pas. Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : Two distinct multilayer perception neural networks (NNs) are implemented via laboratory experiment to simultaneously identify and adaptively control the trajectory tracking of a hybrid step motor assumed to operate in a high-performance drives environment. That is, a neural network identifier (NNI) which captures the nonlinear dynamics of the stepper motor drive system (SMDS) over any arbitrary time interval in its range of operation, and a neural network controller (NNC) to provide the necessary control actions as to achieve trajectory tracking of the rotor speed. The exact form of the control law is unknown, and must be estimated by the NNC. Consequently, the NNC is constructed as a nonlinear unknown function depending on the current state of the drive system supplies by the NNI and the reference trajectory we wish the outputs to follow. The two NNs are online trained using dynamic back-propagation algorithm. The composite structure is used as a speed controller for the SMDS. Performance of the composite controller is evaluated through a laboratory experiment. Experimental results show the effectiveness of this approach, and demonstrate the usefulness of the proposed controller in high-performance drives. La perception deux multicouche distincte des réseaux que neurologiques (NNs) sont mis en application par l'intermédiaire de l'expérience de laboratoire pour identifier simultanément et commander de manière adaptative le cheminement de trajectoire d'un moteur hybride d'étape assumé pour fonctionner dans un rendement élevé conduit l'environnement. C'est-à-dire, une marque de réseau neurologique (NNI) qui capture la dynamique non-linéaire du système d'entraînement de moteur de pas (SMDS) pendant n'importe quel intervalle arbitraire de temps dans sa gamme d'opération, et un contrôleur de réseau neurologique (NNC) pour fournir les actions nécessaires de commande quant à réalisent le cheminement de trajectoire de la vitesse de rotor. La forme exacte de la loi de commande est inconnue, et doit être estimée par le NNC. En conséquence, le NNC est construit pendant qu'une fonction inconnue non-linéaire selon l'état actuel des approvisionnements de système d'entraînement par le NNI et la trajectoire de référence nous souhaitent les sorties pour suivre. Les deux NNs sont formés en ligne en utilisant l'algorithme arrière dynamique de propagation. La structure composée est employée comme contrôleur de vitesse pour le SMDS. L'exécution du contrôleur composé est évaluée par une expérience de laboratoire. Les résultats expérimentaux montrent l'efficacité de cette approche, et démontrent l'utilité du contrôleur proposé dans des commandes de rendement élevé. DEWEY : 621 ISSN : 0278-0046 En ligne : arubaai@howard.edu [article] Implementation of Artificial Neural Network-Based Tracking Controller for High-Performance Stepper Motor = Exécution du Réseau Neurologique Artificiel Basé Dépistant le Contrôleur pour le Moteur de pas de Rendement Elevé [texte imprimé] / Ahmed Rubaai, Auteur ; Marcel J. Castro-Sitiriche, Auteur ; Moses Garuba ; Legand Burge, Auteur . - 218-227 p. Génie Electrique Langues : Anglais (eng) in IEEE transactions on industrial electronics > Vol. 54 N°1 (Fevrier 2007) . - 218-227 p. Mots-clés : Artificial  neural  network  (NN)  Dynamic  back-propagation  (DBP)  Model  reference  adaptive  control  Stepper  motor.Réseau  neurologique  artificiel  Propagation  arrière  dynamique  Commande  adaptative  de  référence  modèle  Moteur  de  pas. Index. décimale : 621.38 Dispositifs électroniques. Tubes à électrons. Photocellules. Accélérateurs de particules. Tubes à rayons X Résumé : Two distinct multilayer perception neural networks (NNs) are implemented via laboratory experiment to simultaneously identify and adaptively control the trajectory tracking of a hybrid step motor assumed to operate in a high-performance drives environment. That is, a neural network identifier (NNI) which captures the nonlinear dynamics of the stepper motor drive system (SMDS) over any arbitrary time interval in its range of operation, and a neural network controller (NNC) to provide the necessary control actions as to achieve trajectory tracking of the rotor speed. The exact form of the control law is unknown, and must be estimated by the NNC. Consequently, the NNC is constructed as a nonlinear unknown function depending on the current state of the drive system supplies by the NNI and the reference trajectory we wish the outputs to follow. The two NNs are online trained using dynamic back-propagation algorithm. The composite structure is used as a speed controller for the SMDS. Performance of the composite controller is evaluated through a laboratory experiment. Experimental results show the effectiveness of this approach, and demonstrate the usefulness of the proposed controller in high-performance drives. La perception deux multicouche distincte des réseaux que neurologiques (NNs) sont mis en application par l'intermédiaire de l'expérience de laboratoire pour identifier simultanément et commander de manière adaptative le cheminement de trajectoire d'un moteur hybride d'étape assumé pour fonctionner dans un rendement élevé conduit l'environnement. C'est-à-dire, une marque de réseau neurologique (NNI) qui capture la dynamique non-linéaire du système d'entraînement de moteur de pas (SMDS) pendant n'importe quel intervalle arbitraire de temps dans sa gamme d'opération, et un contrôleur de réseau neurologique (NNC) pour fournir les actions nécessaires de commande quant à réalisent le cheminement de trajectoire de la vitesse de rotor. La forme exacte de la loi de commande est inconnue, et doit être estimée par le NNC. En conséquence, le NNC est construit pendant qu'une fonction inconnue non-linéaire selon l'état actuel des approvisionnements de système d'entraînement par le NNI et la trajectoire de référence nous souhaitent les sorties pour suivre. Les deux NNs sont formés en ligne en utilisant l'algorithme arrière dynamique de propagation. La structure composée est employée comme contrôleur de vitesse pour le SMDS. L'exécution du contrôleur composé est évaluée par une expérience de laboratoire. Les résultats expérimentaux montrent l'efficacité de cette approche, et démontrent l'utilité du contrôleur proposé dans des commandes de rendement élevé. DEWEY : 621 ISSN : 0278-0046 En ligne : arubaai@howard.edu