به دلیل کاربرد وسیع موتورهایdc ، کنترل وضعیت یا سرعت آنها اهمیت فراوانی پیدا می کند. در این مقاله هدف، ارایه روشی جدید برای کنترل هوشمند وضعیت موتور dc تحریک جداگانه با استفاده از شبکه های عصبی مصنوعی است. برای این منظور ازکنترلر شبکه عصبی NARMA-L2 استفاده شده است. در کنترل وضعیت با استفاده از شبکه عصبی، وضعیت مبنای شبکه عصبی همان وضعیت ورودی (مطلوب) در نظر گرفته شده است و پس از انطباق وضعیت خروجی موتور بر وضعیت مبنا، ولتاژ آرمیچر صفر شده و موتور از کار می ایستد. در این روش، شبکه عصبی مدل موتور dc مورد استفاده برای کنترل وضعیت را می آموزد. سپس ورودی را برای تطبیق وضعیت خروجی مدل بر وضعیت مطلوب بهینه می سازد. ویژگی روش پیشنهادی، اصلاح ضرایب شبکه عصبی در حین کارکردن موتور و مقاوم بودن پاسخ ها نسبت به تغییرات لختی دورانی (J) و اصطکاک (B) است. برخلاف کنترلر PID که در اثر تغییر یکی از پارامترهای مدل، نظیر J و B کارایی بهینه خود را از دست می دهد و نیاز به تنظیم مجدد پارامترهای کنترلر دارد، روش پیشنهادی نیاز به طراحی مجدد ندارد و در صورت تغییر، این پارامترها به طور خودکار اصلاح می شود. روش پیشنهادی با استفاده از اطلاعات یک موتورdc تحریک جداگانه توسط نرم افزار MATLAB و در محیط SIMULINK شبیه سازی شده است. نتایج نشان می دهند که به واسطه استفاده از روش پیشنهادی، نوسان در پاسخ ها به شدت کاهش یافته، همچنین زمان رسیدن به وضعیت مطلوب نیز کم شده است.
کنترل هوشمند موتور DC