Un algorithme basé sur un identificateur de réseau de neurones et un contrôleur flou pour le contrôle de découplage dynamique d'un moteur sphérique à aimant permanent

Cet article propose un modèle dynamique de moteur sphérique à aimant permanent (PMSM) et présente un algorithme de contrôle de découplage dynamique du moteur, utilisant des contrôleurs flous (FC) et un identificateur de réseau de neurones (NNI). Le PMSM est un système non linéaire multivariable avec de fortes couplages interaxes. Une structure de méthode de couple calculé est appliquée au PMSM. Il existe des incertitudes telles que des erreurs estimées du modèle et des perturbations externes, qui peuvent influencer la précision du système de contrôle. Un algorithme de rétropropagation avec un terme de moment supplémentaire et un taux d'apprentissage auto-adaptatif appliqué à un réseau de neurones à propagation avant peut approcher des fonctions non linéaires avec un taux d'apprentissage ajusté en ligne, ce qui aide à améliorer la vitesse d'entraînement. Dans cet article, un NNI est appliqué pour identifier les incertitudes en ligne. Un FC basé sur un système d'inférence neuro-flou adaptatif est appliqué, qui a une capacité d'auto-adaptation et une robustesse élevée. Les résultats de simulation valident préliminairement que l'algorithme proposé dans cet article peut éliminer efficacement les influences des couplages non linéaires interaxes pour réaliser un contrôle de découplage dynamique. De plus, les performances statiques et dynamiques du système de contrôle ont été considérablement améliorées avec une forte robustesse face aux incertitudes. Un système microprocesseur hypothétique est proposé, et des expériences simples de fonctionnement rotatif sont réalisées comme base pour des études ultérieures.