تخمین مقاومت روتور و استاتور آنلاین بر اساس شبکه عصبی مصنوعی بکار رفته در درایو موتور القایی بدون حسگر

این مقاله روشی جدید برای برآورد مقاومت روتور و استاتور آنالین موتورهای القایی با استفاده از شبکه های عصبی مصنوعی برای درایو بدون حسگر ارائه میکند. در این روش، مقاومت روتور توسط یک شبکه عصبی پیشخور با نرخ یادگیری به عنوان تابعی تخمین زده می شود. مقاومت استاتور نیز با استفاده از شبکه عصبی دو لایه با نرخ یادگیری به عنوان تابعی تخمین زده می شود. سرعت موتور القایی نیز توسط شبکه عصبی تخمین زده می شود. بنابراین، برآورد دقیق مقاومت روتور و استاتور باعث بهبود کیفیت درایو موتور القایی بدون سنسور شد. نتایج شبیه سازی و آزمایش نشان می دهد که سرعت تخمینی سرعت واقعی موتور القایی را دنبال می کند. به طور همزمان، خطای برآورد شده بین مقاومت روتور و استاتور با استفاده از شبکه عصبی و مقاومت روتور و استاتور معمولی بسیار کم است.

online estimation of rotor and stator resistance based on artificial neural network used in motor drive sensorless induction

this paper proposes a novel use of artificial neural networks for sensorless driving to estimate the analogue stator and rotor resistance of axial engines. using an advanced neural network with a learning rate as a successor, this method estimates the rotor resistance. a two-layer neural network with a learning rate is also used as a successor to estimate stator resistance. additionally, the nerve network estimates the engine s speed. therefore, the quality of the acoustic engine drive without a sensor was enhanced by precise assessment of the rotor and stator resistance. the projected speed matches the engine s real speed, according to simulation and testing findings. the predicted discrepancy between the stator and rotor resistance using the