مبدل‌های قدرت DC-DC، بطور گسترده در ساخت منابع تغذیه، درایو موتور DC، افزایش/کاهش ولتاژ خروجی پنل-های خورشیدی و موارد متعدد دیگری مورد استفاده قرار می‌گیرند. تغییر ولتاژ DC از یک سطح به سطح دیگر در بسیاری از کاربردهای صنعتی یک ضروت است. کنترل ولتاژ و جریان خروجی این مب چکیده کامل
مبدل‌های قدرت DC-DC، بطور گسترده در ساخت منابع تغذیه، درایو موتور DC، افزایش/کاهش ولتاژ خروجی پنل-های خورشیدی و موارد متعدد دیگری مورد استفاده قرار می‌گیرند. تغییر ولتاژ DC از یک سطح به سطح دیگر در بسیاری از کاربردهای صنعتی یک ضروت است. کنترل ولتاژ و جریان خروجی این مبدل‌ها، هنگام تغییرات ناگهانی بار و یا ولتاژ منبع ورودی حائز اهمیت است. از این رو یکی از اهداف این مقاله پرداختن به کنترل و تنظیم ولتاژ خروجی مبدل بوست یا افزاینده می‌باشد. کنترل کننده‌ی پیشنهادی برای کنترل سطح ولتاژ DC خروجی مبدل، یک کنترل کننده شبکه عصبی بهینه شده با الگوریتم مبتنی بر رقابت استعماری می‌باشد. عملکرد کنترل کننده پیشنهادی به این صورت است که ابتدا با توجه به اهداف مورد انتظار از سیستم، شبکه عصبی طراحی می‌شود و سپس با تعیین یک تابع معیار مناسب چند هدفه با استفاده از الگوریتم بهینه سازی ساختار شبکه بهینه می‌شود. این کار باعث بهبود عملکرد سیستم کنترل می‌شود. چرا که انتخاب مناسب پارامتر‌های طراحی در عملکرد شبکه عصبی که نقش کنترل کننده را دارد نقش زیادی دارد. نتایج در مقایسه با کنترل کننده PID نشان از برتری روش پیشنهادی دارد.
پرونده مقاله
In this paper, model reference neural network structure is used as a controller for vibration suppression of the Euler–Bernoulli beam under the excitation of moving mass travelling along a vibrating path. The non-dimensional equation of motion the beam acted upon چکیده کامل
In this paper, model reference neural network structure is used as a controller for vibration suppression of the Euler–Bernoulli beam under the excitation of moving mass travelling along a vibrating path. The non-dimensional equation of motion the beam acted upon by a moving mass is achieved. A Dirac-delta function is used to describe the position of the moving mass along the beam and its inertial effects. Analytical solution the equation of motion is presented for simply supported boundary condition. The hybrid controller of system includes of a controller network and an identifier network. The neural networks are multilayer feed forward and trained simultaneously. The performance and robustness of the proposed controller are evaluated for various values mass ratio of the moving mass to the beam and dimensionless velocity of a moving mass on the time history of deflection. The simulations verify effectiveness and robustness of controller.
پرونده مقاله
In the near future the use of distributed generation systems will play a big role in the production ofelectrical energy. One of the most common types of DG technologies , fuel cells , which can be connectedto the national grid by power electronic converters or work alon چکیده کامل
In the near future the use of distributed generation systems will play a big role in the production ofelectrical energy. One of the most common types of DG technologies , fuel cells , which can be connectedto the national grid by power electronic converters or work alone Studies the dynamic behavior andstability of the power grid is of crucial importance. These studies need to know the exact model of dynamicelements. In this paper, a new method based on a neural network algorithm for controlling the fuel cellvoltage is provided. The effects of load change the output voltage characteristic of the fuel cell unit ischecked Simulations in MATLAB / SIMULINK. The results show that the prosecution is conducted in anappropriate manner Voltage Stabilization time.
پرونده مقاله
سکوی نشر دانش
سند یا سکوی نشر دانش ،سامانه ای جهت مدیریت حوزه علمی و پژوهشی نشریات دانشگاه آزاد می باشد
