Documents disponibles écrits par cet auteur

An Induction Generator System Using Fuzzy Modeling and Recurrent Fuzzy Neural Network / Lin, Faa-Jeng in IEEE transactions on power electronics, Vol. 22 N°1 (Janvier 2007) 

Public ISBD [article]  in IEEE transactions on power electronics > Vol. 22 N°1 (Janvier 2007) . - 260-271 p. Titre : An Induction Generator System Using Fuzzy Modeling and Recurrent Fuzzy Neural Network Titre original : Un circuit de génération d'induction en utilisant modeler brouillé et le réseau neurologique brouillé récurrent Type de document : texte imprimé Auteurs : Lin, Faa-Jeng, Auteur ; Huang, Po-Kai, Auteur ; Wang, Chin-Chien ; Teng, Li-Tao, Auteur Article en page(s) : 260-271 p. Note générale : Electronique Langues : Anglais (eng) Mots-clés : AC-DC  power  converter  Backpropagation  Fuzzy  modeling  Induction  generator  (IG)  Recurrent  fuzzy  neural  network  (RFNN)  Convertisseur  de  puissance  AC-DC  Propagation  arrière  Modèle  brouillé  Générateur  d'induction  Réseau  neurologique  brouillé  récurrent Index. décimale : 621.31 Production,approvisionnement et contrôle de l'électricité.Machines et appareils électriques.Mesure électrique.Magnétisme et électrostatique appliquées Résumé : A frequency controlled three-phase induction generator (IG) system using ac-dc power converter is developed in this study. The electric frequency of the IG is controlled using the indirect field-oriented control mechanism. Moreover, an ac-dc power converter is adopted to convert the electric power generated by a three-phase IG from variable-frequency and variable-voltage to constant dc voltage. The rotor speed of the IG, the dc-link voltage and current of the power converter are detected simultaneously to yield maximum power output of the IG through dc-link power control. In this study, first, the indirect field-oriented mechanism is designed for the control of the IG. Then, a novel fuzzy modeling is developed to determine the flux control current and the maximum output power of the IG according to the rotor speed and the desired terminal voltage of the IG. Moreover, an online training recurrent fuzzy neural network (RFNN) with backpropagation algorithm is introduced as the tracking controller of dc-link power. Furthermore, some experimental results are provided to show the effectiveness of the proposed IG system using the RFNN controller for the dc-link power control. Finally, the control performance of the dc-link voltage control using the RFNN is also discussed by some experimental results. Un système triphasé du générateur d'induction commandé par fréquence (IG) à l'aide du convertisseur de puissance C.A.-C.C est développé dans cette étude. La fréquence électrique de l'IG est commandée en utilisant le mécanisme champ-orienté indirect de commande. D'ailleurs, un convertisseur de puissance C.A.-C.C est adopté pour convertir l'énergie électrique développée par un IG triphasé de la variable-fréquence et de la variable-tension en tension CC constante. La vitesse de rotor de l'IG, la tension de C.C-lien et le courant du convertisseur de puissance sont détectés simultanément pour rapporter le rendement de puissance maximum de l'IG par la commande de puissance de C.C-lien. Dans cette étude, le premier, le mécanisme champ-orienté indirect est conçu pour la commande de l'IG. Puis, modeler brouillé de roman est développé pour déterminer la commande de flux courante et le maximum de puissance de sortie de l'IG selon la vitesse de rotor et la tension terminale désirée de l'IG. D'ailleurs, un réseau neurologique brouillé récurrent de formation en ligne (RFNN) avec l'algorithme de backpropagation est présenté comme contrôleur de cheminement de puissance de C.C-lien. En outre, quelques résultats expérimentaux sont fournis pour montrer l'efficacité du système proposé d'IG en utilisant le contrôleur de RFNN pour la commande de puissance de C.C-lien. En conclusion, l'exécution de commande de la commande de tension de C.C-lien employant le RFNN est également discutée par quelques résultats expérimentaux. DEWEY : 621 ISSN : 0885-8993 RAMEAU : Convertisseurs électriques En ligne : linfj@mail.ndhu.edu.tw [article] An Induction Generator System Using Fuzzy Modeling and Recurrent Fuzzy Neural Network = Un circuit de génération d'induction en utilisant modeler brouillé et le réseau neurologique brouillé récurrent [texte imprimé] / Lin, Faa-Jeng, Auteur ; Huang, Po-Kai, Auteur ; Wang, Chin-Chien ; Teng, Li-Tao, Auteur . - 260-271 p. Electronique Langues : Anglais (eng) in IEEE transactions on power electronics > Vol. 22 N°1 (Janvier 2007) . - 260-271 p. Mots-clés : AC-DC  power  converter  Backpropagation  Fuzzy  modeling  Induction  generator  (IG)  Recurrent  fuzzy  neural  network  (RFNN)  Convertisseur  de  puissance  AC-DC  Propagation  arrière  Modèle  brouillé  Générateur  d'induction  Réseau  neurologique  brouillé  récurrent Index. décimale : 621.31 Production,approvisionnement et contrôle de l'électricité.Machines et appareils électriques.Mesure électrique.Magnétisme et électrostatique appliquées Résumé : A frequency controlled three-phase induction generator (IG) system using ac-dc power converter is developed in this study. The electric frequency of the IG is controlled using the indirect field-oriented control mechanism. Moreover, an ac-dc power converter is adopted to convert the electric power generated by a three-phase IG from variable-frequency and variable-voltage to constant dc voltage. The rotor speed of the IG, the dc-link voltage and current of the power converter are detected simultaneously to yield maximum power output of the IG through dc-link power control. In this study, first, the indirect field-oriented mechanism is designed for the control of the IG. Then, a novel fuzzy modeling is developed to determine the flux control current and the maximum output power of the IG according to the rotor speed and the desired terminal voltage of the IG. Moreover, an online training recurrent fuzzy neural network (RFNN) with backpropagation algorithm is introduced as the tracking controller of dc-link power. Furthermore, some experimental results are provided to show the effectiveness of the proposed IG system using the RFNN controller for the dc-link power control. Finally, the control performance of the dc-link voltage control using the RFNN is also discussed by some experimental results. Un système triphasé du générateur d'induction commandé par fréquence (IG) à l'aide du convertisseur de puissance C.A.-C.C est développé dans cette étude. La fréquence électrique de l'IG est commandée en utilisant le mécanisme champ-orienté indirect de commande. D'ailleurs, un convertisseur de puissance C.A.-C.C est adopté pour convertir l'énergie électrique développée par un IG triphasé de la variable-fréquence et de la variable-tension en tension CC constante. La vitesse de rotor de l'IG, la tension de C.C-lien et le courant du convertisseur de puissance sont détectés simultanément pour rapporter le rendement de puissance maximum de l'IG par la commande de puissance de C.C-lien. Dans cette étude, le premier, le mécanisme champ-orienté indirect est conçu pour la commande de l'IG. Puis, modeler brouillé de roman est développé pour déterminer la commande de flux courante et le maximum de puissance de sortie de l'IG selon la vitesse de rotor et la tension terminale désirée de l'IG. D'ailleurs, un réseau neurologique brouillé récurrent de formation en ligne (RFNN) avec l'algorithme de backpropagation est présenté comme contrôleur de cheminement de puissance de C.C-lien. En outre, quelques résultats expérimentaux sont fournis pour montrer l'efficacité du système proposé d'IG en utilisant le contrôleur de RFNN pour la commande de puissance de C.C-lien. En conclusion, l'exécution de commande de la commande de tension de C.C-lien employant le RFNN est également discutée par quelques résultats expérimentaux. DEWEY : 621 ISSN : 0885-8993 RAMEAU : Convertisseurs électriques En ligne : linfj@mail.ndhu.edu.tw