การระบุเอกลักษณ์แบบจำลองพลวัตของมอเตอร์ไฟฟ้ากระแสตรงแบบไร้แปรงถ่านด้วยวิธีการทางปัญญาประดิษฐ์
Article Sidebar
Main Article Content
บทคัดย่อ
บทความนี้ได้นำเสนอแบบจำลองของมอเตอร์ไฟฟ้ากระแสตรงแบบไร้แปรงถ่านที่มีชุดบอร์ดขับเคลื่อน โดยทั่วไปมอเตอร์ดังกล่าวจะถูกควบคุมการทำงานเพื่อให้สามารถใช้งานในระดับความเร็วรอบที่ต้องการได้ แบบจำลองที่มีความถูกต้องเพื่อใช้สำหรับออกแบบตัวควบคุมจึงมีความสำคัญ แต่อย่างไรก็ตามแบบจำลองทางคณิตศาสตร์แบบแม่นตรงของระบบดังกล่าวมีความซับซ้อนเป็นอย่างมาก บทความนี้จึงได้นำเสนอแบบจำลองกล่องดำเพื่ออธิบายผลการตอบสนองของมอเตอร์ไฟฟ้ากระแสตรงแบบไร้แปรงถ่านที่มีชุดขับเคลื่อน แบบจำลองดังกล่าวจำเป็นต้องระบุค่าสัมประสิทธิ์ของฟังก์ชันถ่ายโอน ดังนั้นบทความนี้จึงได้ประยุกต์ใช้วิธีการทางปัญญาประดิษฐ์สำหรับการระบุเอกลักษณ์แบบจำลองกล่องดำที่อยู่ในรูปของฟังก์ชันถ่ายโอน วิธีการที่นำเสนอในบทความนี้ได้แก่ การค้นหาแบบจีนเนติกอัลกอริทึม (GA) การค้นหาแบบการเคลื่อนที่ของกลุ่มอนุภาค (PSO) และการค้นหาแบบตาบูเชิงปรับตัว (ATS) ซึ่งจะทำการค้นหาจนกว่าค่าความคาดเคลื่อนจะมีค่าน้อยที่สุด ผลการระบุเอกลักษณ์พบว่า ค่าสัมประสิทธิ์ที่ได้จากวิธีการค้นหาทั้ง 3 วิธีสามารถอธิบายพฤติกรรมทางพลวัตของระบบได้ถูกต้องแม่นยำ การยืนยันสมรรถนะของวิธีการที่นำเสนอในบทความนี้จะอาศัยการเปรียบเทียบระหว่างผลการตอบสนองที่ได้จากแบบจำลองกับผลการทดสอบมอเตอร์ไฟฟ้ากระแสตรงแบบไร้แปรงถ่านในห้องปฏิบัติการ เพื่อแสดงให้เห็นว่าผลตอบสนองมีความสอดคล้องกันทั้งในสภาวะชั่วครู่และสภาวะอยู่ตัว
Article Details
เอกสารอ้างอิง
Patel V.K.S., Pandey A.K. Modeling and simulation of brushless DC motor using PWM control technique. International Journal of Engineering Research and Applications. 2013; 3(3): 612–620.
Arun Prasad K.M., Nair U. An intelligent fuzzy sliding mode controller for a BLDC motor. In: International Conference on Innovative Mechanisms for Industry Applications. 2017. p. 274–278.
Rao A.P.C., Obulesh Y.P., Babu C.S. Mathematical modeling of BLDC motor with closed loop speed control using PID controller under various loading conditions. ARPN Journal of Engineering and Applied Sciences. 2012; 7(10): 1321–1328.
Patel V.K.S., Pandey A.K. Modeling and performance analysis of PID controlled BLDC motor and different schemes of PWM controlled BLDC motor. International Journal of Scientific and Research Publications. 2013; 3(4): 1–14.
Mohankrishna C., Pandey A.K. Modelling and simulation of BLDC motor using state space approach. International Journal of Innovative Research in Electrical, electronics, Instrumentation and Control Engineering. 2016; 4(5): 533–538.
Poovizhi M., Kumaran M.S., Ragul P., Priyadarshini L.I. Investigation of mathematical modelling of brushless dc motor(BLDC) drives by using matlab-simulink. In: International Conference on Power and Embedded Drive Control. 2017. p. 178–183.
Khluabwannarat P., Nawikavatan A., Puangdownreong D. Application of parallel flower pollination algorithm to fractional-order model identification of BLDC motor. In: International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology. 2020. p. 131–134.
Kojabadi H.M., Cao Q., Chang L., Ghribi M., Dupuis A. Optimal PI controller gains using a multi-loop multi -objective genetic algorithm in IM drives. In: Canadian Conference on Electrical and Computer Engineering. 2015. p. 470–473.
Achiammal B., Kayalvizhi R. Genetic algorithm based PI controller for negative output elementary LUO converter. In: IEEE International Conference on Advanced Communications, Control and Computing Technologies. 2015. p. 470–473.
Li X., Chen M., Tsutomu Y. A method of searching PID controller's optimized coefficients for Buck converter using particle swarm optimization. In: IEEE 10th International Conference on Power Electronics and Drive Systems. 2013. p. 238–243.
Sahin E., Ayas M.S., Altas I.H. A PSO optimized fractional-order PID controller for a PV system with DC-DC boost converter. In: 16th International Power Electronics and Motion Control Conference and Exposition. 2014. p. 477–481.
Chaijarurnudomrung K., Areerak K-N., Areerak K-L., Srikaew A. The controller design of three-phase controlled rectifier using an adaptive tabu search algorithm. In: 8th Electrical Engineering/ Electronics, Computer, Telecommunications and Information Technology. 2011. p. 605–608.
Sopapirm T., Areerak K-N., Areerak K-L., Srikaew A. The application of adaptive tabu search algorithm and averaging model to the optimal controller design of buck converters. World Academy of Science, Engineering and Technology International Journal of Electrical and Computer Engineering. 2011; 12(5): 1707–1713.
Pakdeeto J., Chanpittayagit R., Areerak K-N., Areerak K-L. The optimal controller design of buck-boost converter by using adaptive tabu search algorithm based on state-space averaging model. Journal of Electrical Engineering & Technology. 2017; 12(3): 1146–1155.
Puangdownreong D. Fractional order PID controller design for DC motor speed control system via flower pollination algorithm. ECTI Transactions on Electrical Engineering, Electronics, and Communications. 2017; 17(1): 14–23.
Narongrit T., Areerak K-L., Areerak K-N. Design of an active power filter using adaptive tabu search. In: Proceedings of the 8th WSEAS International Conference on Artificial Intelligent, Knowledge Engineering and Data Bases. 2009 p. 314–318.
Narongrit T., Areerak K-L., Areerak K-N. Design of an active power filter using genetic algorithm technique. In: Proceedings of the 9th WSEAS International Conference on Artificial Intelligent, Knowledge Engineering and Data Bases. 2010. p. 46–50.
Rojanaworahiran K., Chayakulkheeree K. Real and reactive powers decomposition optimal power flow using particle swarm optimization. In: International Conference on Power, Energy and Innovation. 2019. p. 78–81.
Wang L., Zhang X., Zhang X. Antenna array design by artificial bee colony algorithm with similarity induced search method. IEEE Transactions on Magnetics. 2019; 55(6): 7201904.
Soares J., Sousa T., Vale Z.A., Morais H., Faria P. Ant colony search algorithm for the optimal power flow problem. In: IEEE Power and Energy Society General Meeting. 2017. p. 1–8.
Puansdownreong D., Areerak K-N., Sujitjorn S., Kulworawanichpong T. Convergence analysis of adaptive tabu search. ScienceAsia. 2009; 30(2): 183–190.
Sharapov R.R., Lapshin A.V. Convergence of genetic algorithms. Pattern Recognition and Image Analysis. 2006; 16(3): 392–397.
Tian D. A review of convergence analysis of particle swarm optimization. International Journal of Grid and Distributed Computing. 2013; 6(6): 117–128.
Chan T.F., Yan L-T., Fang S-Y. In-wheel permanent-magnet brushless DC motor drive for an electric bicycle. IEEE Transactions on Energy Conversion. 2002; 17(2): 229–233.
Kahveci H., Okumus H.I., Ekici M. Improved brushless DC motor speed controller with digital signal processor. IET Journals & Magazines. 2014; 50(12): 864–866.
Carlos Gamazo Real J., Jaime Gomez G. Position and speed in brushless DC motors using the derivative of terminal phase voltages technique with a simple and versatile motor driver implementation. Journal of Electrical Engineering and Technology. 2015; 10(4): 1540–1551.
Puansdownreong D., Areerak K-N., Srikaew A., Sujitjorn S., Totarong P. System identification via adaptive tabu search. In: IEEE International Conference on Industrial Technology. 2002. p. 915–920.
