Sanftes Starten von Induktionsmotoren

Das Einschalten des Einschaltstroms und Pulsationen des induzierten Drehmoments beeinflussen die Leistung eines Induktionsmotors. Künstliche neuronale Netze (ANNs) und ein adaptives Neuro-Fuzzy-Inferenzsystem (ANFIS) können die Leistung des Motors verbessern, indem sie ein Steuersystem herstellen, das einen reibungslosen Start des Induktionsmotors ermöglicht. Das dynamische Modell einer Induktionsmaschine in verschiedenen Referenzrahmen wurde mit Matlab Simulink implementiert. Auf Rückkopplungsausbreitung basierende und radiale neuronale Netze wurden mit Daten trainiert, die unter Verwendung von Simulationen erhalten wurden, um verschiedene Parameter abzuschätzen, die von ANFIS benötigt werden, um den Zündwinkel von hintereinander verbundenen Thyristorpaaren in einem Wechselspannungsregler anzupassen. Einschaltstrom und Drehmomentpulsationen wurden signifikant reduziert. Radiale Basis- und Feed-Forward-Neuronale Netze wurden für Offline- und Online-Training, Trainingszeit, für Implementierungen erforderlichen Speicher, Anzahl der Neuronen, Berechnungsverfahren und -algorithmen, Zuverlässigkeit des Systems und die wichtigsten Implementierungskosten verglichen. Künstliche neuronale Netze und das adaptive Neuro-Fuzzy-Inferenzsystem wurden mithilfe von Toolboxen in Matlab Simulink entwickelt.

Autorentext

Syed Abdul Rahman Kashif hizo su B.Sc. y M.Sc. en Energía Eléctrica, en 2005 y 2008 respectivamente, de la Universidad de Ingeniería y Tecnología de Lahore. Actualmente está realizando su doctorado y es profesor en el Departamento de Ingeniería Eléctrica de la UET, Lahore. Su principal área de investigación son las Aplicaciones de la Inteligencia Artificial en Accionamientos Eléctricos.