32,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
16 °P sammeln
  • Broschiertes Buch

Le courant d'appel de démarrage et les pulsations du couple induit affectent les performances d'un moteur à induction. Les réseaux de neurones artificiels (ANN) et le système d'inférence neuro-floue adaptatif (ANFIS) peuvent améliorer les performances du moteur en créant un système de contrôle qui permettrait un démarrage en douceur du moteur à induction. Un modèle dynamique de machine à induction dans différents référentiels a été implémenté à l'aide de Matlab Simulink. Les réseaux de neurones basés sur la propagation et la base radiale ont été formés, avec des données obtenues à l'aide de…mehr

Produktbeschreibung
Le courant d'appel de démarrage et les pulsations du couple induit affectent les performances d'un moteur à induction. Les réseaux de neurones artificiels (ANN) et le système d'inférence neuro-floue adaptatif (ANFIS) peuvent améliorer les performances du moteur en créant un système de contrôle qui permettrait un démarrage en douceur du moteur à induction. Un modèle dynamique de machine à induction dans différents référentiels a été implémenté à l'aide de Matlab Simulink. Les réseaux de neurones basés sur la propagation et la base radiale ont été formés, avec des données obtenues à l'aide de simulations, pour estimer différents paramètres requis par l'ANFIS pour ajuster l'angle de déclenchement de paires de thyristors connectés dos à dos dans un contrôleur de tension alternative. Le courant d'appel et les pulsations de couple ont été considérablement réduits. Les réseaux de neurones à base radiale et à réaction directe ont été comparés pour la formation hors ligne et en ligne, le temps de formation, la mémoire requise pour les implémentations, le nombre de neurones, les procédures de calcul et les algorithmes, la fiabilité du système et le coût de mise en oeuvre le plus important. Des réseaux de neurones artificiels et un système d'inférence neuro-floue adaptatif ont été développés à l'aide de boîtes à outils dans Matlab Simulink.
Autorenporträt
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.