[article] 
inIEEE 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
Année de publication :	2007
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 . - 2007 . - 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