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 Lin, Chih-Min
Documents disponibles écrits par cet auteur
Affiner la rechercheAdaptive Neuro-Wavelet Control for Switching Power Supplies / Lin, Chih-Min in IEEE transactions on power electronics, Vol. 22 N°1 (Janvier 2007)
in IEEE transactions on power electronics > Vol. 22 N°1 (Janvier 2007) . - 87-95 p.
Titre : Adaptive Neuro-Wavelet Control for Switching Power Supplies Titre original : Commande adaptative de Neuro--Ondelette pour des alimentations d'énergie de commutation Type de document : texte imprimé Auteurs : Lin, Chih-Min, Auteur ; Hung, Kun-Neng, Auteur ; Hsu, Chun-Fei, Auteur Article en page(s) : 87-95 p. Note générale : Electronique Langues : Anglais (eng) Mots-clés : Adaptive control Lyapunov stability theorem Optimal learning-rate Switching power supply Wavelest neural network (WNN) Commande adaptative Théorème de stabilité de Lyapunov Taux d'étude optimal Alimentation d'énergie de commutation Index. décimale : 621.31 Production,approvisionnement et contrôle de l'électricité.Machines et appareils électriques.Mesure électrique.Magnétisme et électrostatique appliquées
Résumé : The switching power supplies can convert one level of electrical voltage into another level by switching action. They are very popular because of their high efficiency and small size. This paper proposes an adaptive neuro-wavelet (ANW) control system for the switching power supplies. In the ANW control system, a neural controller is the main controller used to mimic an ideal controller and a compensated controller is designed to recover the residual of the approximation error. In this study, an online adaptive law with a variable optimal learning-rate is derived based on the Lyapunov stability theorem, so that not only the stability of the system can be guaranteed but also the convergence of controller parameters can be speeded up. Then, the proposed ANW control system is applied to control a forward switching power supply. Experimental results show that the proposed ANW controller can achieve favorable regulation performance for the switching power supply even under input voltage and load resistance variations.
Les alimentations d'énergie de commutation peuvent convertir un niveau de tension électrique en un autre niveau en commutant l'action. Elles sont très populaires en raison de leur rendement élevé et de petite taille. Cet article propose un système de commande adaptatif de la neuro--ondelette (ANW) pour les alimentations d'énergie de commutation. Dans le système de commande d'ANW, un contrôleur neural est le contrôleur principal utilisé pour imiter un contrôleur idéal et un contrôleur compensé est conçu pour récupérer le résiduel de l'erreur d'approximation. Dans cette étude, une loi adaptative en ligne avec un apprendre-taux optimal variable est dérivée a basé sur le théorème de stabilité de Lyapunov, de sorte que non seulement la stabilité du système puisse être garantie mais également la convergence des paramètres de contrôleur puisse être accélérée. Puis, le système de commande proposé d'ANW est appliqué pour commander une alimentation d'énergie vers l'avant de commutation. Les résultats expérimentaux prouvent que le contrôleur proposé d'ANW peut réaliser l'exécution réglementaire favorable pour l'alimentation d'énergie de commutation même sous des variations de résistance de tension et de charge d'entrée.DEWEY : 621 ISSN : 0885-8993 RAMEAU : Ondelettes--Liapounov,Stabilité de-Commutation (électricité) En ligne : cml@saturn.yzu.edu.tw, s937102@mail.yzu.edu.tw, fei@cn.nctu.edu.tw [article] Adaptive Neuro-Wavelet Control for Switching Power Supplies = Commande adaptative de Neuro--Ondelette pour des alimentations d'énergie de commutation [texte imprimé] / Lin, Chih-Min, Auteur ; Hung, Kun-Neng, Auteur ; Hsu, Chun-Fei, Auteur . - 87-95 p.
Electronique
Langues : Anglais (eng)
in IEEE transactions on power electronics > Vol. 22 N°1 (Janvier 2007) . - 87-95 p.
Mots-clés : Adaptive control Lyapunov stability theorem Optimal learning-rate Switching power supply Wavelest neural network (WNN) Commande adaptative Théorème de stabilité de Lyapunov Taux d'étude optimal Alimentation d'énergie de commutation Index. décimale : 621.31 Production,approvisionnement et contrôle de l'électricité.Machines et appareils électriques.Mesure électrique.Magnétisme et électrostatique appliquées
Résumé : The switching power supplies can convert one level of electrical voltage into another level by switching action. They are very popular because of their high efficiency and small size. This paper proposes an adaptive neuro-wavelet (ANW) control system for the switching power supplies. In the ANW control system, a neural controller is the main controller used to mimic an ideal controller and a compensated controller is designed to recover the residual of the approximation error. In this study, an online adaptive law with a variable optimal learning-rate is derived based on the Lyapunov stability theorem, so that not only the stability of the system can be guaranteed but also the convergence of controller parameters can be speeded up. Then, the proposed ANW control system is applied to control a forward switching power supply. Experimental results show that the proposed ANW controller can achieve favorable regulation performance for the switching power supply even under input voltage and load resistance variations.
Les alimentations d'énergie de commutation peuvent convertir un niveau de tension électrique en un autre niveau en commutant l'action. Elles sont très populaires en raison de leur rendement élevé et de petite taille. Cet article propose un système de commande adaptatif de la neuro--ondelette (ANW) pour les alimentations d'énergie de commutation. Dans le système de commande d'ANW, un contrôleur neural est le contrôleur principal utilisé pour imiter un contrôleur idéal et un contrôleur compensé est conçu pour récupérer le résiduel de l'erreur d'approximation. Dans cette étude, une loi adaptative en ligne avec un apprendre-taux optimal variable est dérivée a basé sur le théorème de stabilité de Lyapunov, de sorte que non seulement la stabilité du système puisse être garantie mais également la convergence des paramètres de contrôleur puisse être accélérée. Puis, le système de commande proposé d'ANW est appliqué pour commander une alimentation d'énergie vers l'avant de commutation. Les résultats expérimentaux prouvent que le contrôleur proposé d'ANW peut réaliser l'exécution réglementaire favorable pour l'alimentation d'énergie de commutation même sous des variations de résistance de tension et de charge d'entrée.DEWEY : 621 ISSN : 0885-8993 RAMEAU : Ondelettes--Liapounov,Stabilité de-Commutation (électricité) En ligne : cml@saturn.yzu.edu.tw, s937102@mail.yzu.edu.tw, fei@cn.nctu.edu.tw
in IEEE transactions on industrial electronics > Vol. 54 N°3 (Juin 2007) . - 1528-1536 p.
Titre : Fuzzy–neural sliding-mode control for DC–DC converters using asymmetric Gaussian membership functions Titre original : Commande Brouillé-Neurale de Glisser-Mode pour des convertisseurs de DC-DC en utilisant des fonctions gaussiennes asymétriques d'adhésion Type de document : texte imprimé Auteurs : Cheng, Kuo-Hsiang, Auteur ; Hsu, Chun-Fei, Auteur ; Lin, Chih-Min, Auteur Article en page(s) : 1528-1536 p. Note générale : Electronique Langues : Anglais (eng) Mots-clés : Adaptive control Assymetric Gaussian membership function Converter Fuzzy neural network Sliding-mode control Commande adaptative Fonction gaussienne asymétrique d'adhésion Convertisseur Réseau neurologique brouillé Commande de glisser-mode Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : A fuzzy-neural sliding-mode (FNSM) control system is developed to control power electronic converters. The FNSM control system comprises a neural controller and a compensation controller. In the neural controller, an asymmetric fuzzy neural network is utilized to mimic an ideal controller. The compensation controller is designed to compensate for the approximation error between the neural controller and the ideal controller. An online training methodology is developed in the Lyapunov sense; thus, the stability of the control system can be guaranteed. Finally, to investigate the effectiveness of the FNSM control scheme, it is applied to control a pulsewidth-modulation-based forward dc-dc converter. Experimental results show that the proposed FNSM control system is found to achieve favorable regulation performances even under input-voltage and load-resistance variations.
n système de commande brouillé-neural du glisser-mode (FNSM) est développé pour commander les convertisseurs électroniques de puissance. Le système de commande de FNSM comporte un contrôleur neural et un contrôleur de compensation. Dans le contrôleur neural, un réseau neurologique brouillé asymétrique est utilisé pour imiter un contrôleur idéal. Le contrôleur de compensation est conçu pour compenser l'erreur d'approximation entre le contrôleur neural et le contrôleur idéal. Une méthodologie en ligne de formation est développée dans le sens de Lyapunov ; ainsi, la stabilité du système de commande peut être garantie. En conclusion, pour étudier l'efficacité du FNSM commander l'arrangement, il est appliqué pour commander un convertisseur C.C-C.C vers l'avant pulsewidth-modulation-basé. Les résultats expérimentaux prouvent que le système de commande proposé de FNSM s'avère pour réaliser des exécutions réglementaires favorables même sous des variations d'entrée-tension et de charge-résistance.DEWEY : 621 ISSN : 0278-0046 RAMEAU : Convertisseurs électriques En ligne : d9021010@stmail.cgu.edu.tw, fei@chu.edu.tw, cml@saturn.yzu.edu.tw [article] Fuzzy–neural sliding-mode control for DC–DC converters using asymmetric Gaussian membership functions = Commande Brouillé-Neurale de Glisser-Mode pour des convertisseurs de DC-DC en utilisant des fonctions gaussiennes asymétriques d'adhésion [texte imprimé] / Cheng, Kuo-Hsiang, Auteur ; Hsu, Chun-Fei, Auteur ; Lin, Chih-Min, Auteur . - 1528-1536 p.
Electronique
Langues : Anglais (eng)
in IEEE transactions on industrial electronics > Vol. 54 N°3 (Juin 2007) . - 1528-1536 p.
Mots-clés : Adaptive control Assymetric Gaussian membership function Converter Fuzzy neural network Sliding-mode control Commande adaptative Fonction gaussienne asymétrique d'adhésion Convertisseur Réseau neurologique brouillé Commande de glisser-mode Index. décimale : 621 Ingénierie mécanique en général. Technologie nucléaire. Ingénierie électrique. Machinerie Résumé : A fuzzy-neural sliding-mode (FNSM) control system is developed to control power electronic converters. The FNSM control system comprises a neural controller and a compensation controller. In the neural controller, an asymmetric fuzzy neural network is utilized to mimic an ideal controller. The compensation controller is designed to compensate for the approximation error between the neural controller and the ideal controller. An online training methodology is developed in the Lyapunov sense; thus, the stability of the control system can be guaranteed. Finally, to investigate the effectiveness of the FNSM control scheme, it is applied to control a pulsewidth-modulation-based forward dc-dc converter. Experimental results show that the proposed FNSM control system is found to achieve favorable regulation performances even under input-voltage and load-resistance variations.
n système de commande brouillé-neural du glisser-mode (FNSM) est développé pour commander les convertisseurs électroniques de puissance. Le système de commande de FNSM comporte un contrôleur neural et un contrôleur de compensation. Dans le contrôleur neural, un réseau neurologique brouillé asymétrique est utilisé pour imiter un contrôleur idéal. Le contrôleur de compensation est conçu pour compenser l'erreur d'approximation entre le contrôleur neural et le contrôleur idéal. Une méthodologie en ligne de formation est développée dans le sens de Lyapunov ; ainsi, la stabilité du système de commande peut être garantie. En conclusion, pour étudier l'efficacité du FNSM commander l'arrangement, il est appliqué pour commander un convertisseur C.C-C.C vers l'avant pulsewidth-modulation-basé. Les résultats expérimentaux prouvent que le système de commande proposé de FNSM s'avère pour réaliser des exécutions réglementaires favorables même sous des variations d'entrée-tension et de charge-résistance.DEWEY : 621 ISSN : 0278-0046 RAMEAU : Convertisseurs électriques En ligne : d9021010@stmail.cgu.edu.tw, fei@chu.edu.tw, cml@saturn.yzu.edu.tw
