Performance Review of Fuzzy Logic Based Controllers Employed in Brushless DC Motor

Goswami, Rakesh; Joshi, Dheeraj

doi:10.1016/j.procs.2018.05.061

Cited by 53 publications

(37 citation statements)

References 36 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The Induction machine model, given in ( ( 1 , is established under the assumptions of linearity of the magnetic circuit and neglecting iron losses. This model is expressed in the fixed stator reference frame (d, q), after a transformation given a direct orientation of the rotor flux, so we get: Φr=Φrd and Φrq=0, and it can be described as [21]- [25]. 2 ).…”

Section: Induction Machine Modelmentioning

confidence: 99%

“…In 1975 Professor Mamdani designed a fuzzy controller for a steam engine [2]. Since then, fuzzy logic has applications in various fields, such as [3]- [13], i) in the automobile: automatic transmissions, injection and antiluetics controls, air conditioning [14], [15], ii) automation of manufacturing processes, iii) instrumentation, recognition of voices, characters and shapes, iv) judgment and consultation, v) Information processing (database, search for information, ...), vi) Systems modeling and control [16]- [17], and vii) motors control [18]- [20].…”

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

Implementation of reduced induction machine fuzzy logic control based on dSPACE-1104 R&D controller board

Moutchou¹,

Jbari

Abouelmahjoub

2021

IJPEDS

View full text Add to dashboard Cite

In this paper, we present our contribution in Induction Machine control field. The control we designed is based on fuzzy logic theory, this choice is motivated by the fact that this technique of control is suitable for the control of systems characterized by its parameters uncertainties and variations. The proposed control is optimized by using a genetic algorithm for fuzzy logic controller (FLC) gains tuning and by a good choice of calculation techniques used in FLC. Three versions of IM fuzzy logic control were validated by simulation. After that in order to be able to experimentally implement this control on dSPACE-1104, we proposed an optimized and reduced structure of the control. The experimental results proof the effectiveness and the satisfied performance of the proposed IM fuzzy control.

show abstract

Section: Induction Machine Modelmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Implementation of reduced induction machine fuzzy logic control based on dSPACE-1104 R&D controller board

Moutchou¹,

Jbari

Abouelmahjoub

2021

IJPEDS

View full text Add to dashboard Cite

show abstract

“…Regarding fuzzy modeling for industrial applications, there exist several studies which were applied to different industrial sectors. Among these research studies, it is worth mentioning the application of soft computing techniques for both detection and classification of defects [18,19], fault diagnosis of rolling bearing in industrial robots [20], airport classification [21], control of piezoelectric actuators [22], monitoring of fuel system of an industrial gas turbine [23], control of brushless direct current (DC) motors [24], and fault detection in wind turbines [25]. In addition, fuzzy systems are able to handle uncertainties in an efficient way, as shown in Reference [26], where a Takagi-Sugeno-Kang (TSK) type-2 fuzzy neural network was proposed for system modeling and noise cancellation, or in Reference [27], where a design methodology based on interval type-2 TSK fuzzy logic controllers for modular and reconfigurable robots manipulators with uncertain dynamic parameters was shown, among many others [28,29].…”

Section: State Of the Artmentioning

confidence: 99%

Using a Fuzzy Inference System to Obtain Technological Tables for Electrical Discharge Machining Processes

Pérez

2020

Mathematics

View full text Add to dashboard Cite

Technological tables are very important in electrical discharge machining to determine optimal operating conditions for process variables, such as material removal rate or electrode wear. Their determination is of great industrial importance and their experimental determination is very important because they allow the most appropriate operating conditions to be selected beforehand. These technological tables are usually employed for electrical discharge machining of steel, but their number is significantly less in the case of other materials. In this present research study, a methodology based on using a fuzzy inference system to obtain these technological tables is shown with the aim of being able to select the most appropriate manufacturing conditions in advance. In addition, a study of the results obtained using a fuzzy inference system for modeling the behavior of electrical discharge machining parameters is shown. These results are compared to those obtained from response surface methodology. Furthermore, it is demonstrated that the fuzzy system can provide a high degree of precision and, therefore, it can be used to determine the influence of these machining parameters on technological variables, such as roughness, electrode wear, or material removal rate, more efficiently than other techniques.

show abstract

“…За основу дослідження взято об'єкт керуваннягазотурбінний двигун (ГТД), який являє собою складну термодинамічну систему. Основні задачі системи керування ГТДкерування його режимами роботи, підтримка та/або обмеження різноманітних параметрів, діагностика і контроль стану двигуна [7].…”

Section: опис об'єкта керування та моделювання лінійного пропорційно-диференційного регулятораunclassified

Fuzzy-Logic Controller for Technological Objects Management

Bahan

Kuzin

2019

KPI SN

View full text Add to dashboard Cite

FUZZY-LOGIC КОНТРОЛЕР ДЛЯ КЕРУВАННЯ ТЕХНОЛОГІЧНИМИ ОБ'ЄКТАМИПроблематика. Нечітка логіка надає широкі можливості до застосування і дає змогу виводити бази знань та експертні системи нового типу, які здатні пам'ятати і обробляти неточну інформацію. До того ж системи з нечіткою логікою застосовуються в автоматичних системах різного призначення. Однак апарат теорії нечітких множин є нетривіальним для реалізації та вимагає чіткого розуміння процесу і коректності задання правил. Мета дослідження. Метою дослідження є аналіз математичних методів при проектуванні та налагодженні регуляторів на базі нечіткої логіки. Методика реалізації. Алгоритм синтезу нечіткого логічного регулятора складається із 4 етапів: фазифікації, опису нечітких правил, за допомогою яких проходить вибір керуючого впливу, агрегації та дефазифікації. За основу дослідження був взятий газотурбінний двигун, який являє собою складну термодинамічну систему. Було використано 3 терми для опису вхідних та вихідних логічних змінних. Вхідною змінною є величина помилки між діючою та необхідною частотами обертання силової турбіни, а вихідноювеличина необхідної похідної частоти обертання ротора турбокомпресора. Результатом проведеного синтезу стає нечіткий пропорційний регулятор (П-регулятор), визначений як статичний з нелінійним коефіцієнтом підсилення. Результати дослідження. Отримані результати моделювання доводять, що нечіткий П-регулятор забезпечує достатній запас стійкості, високу статичну точність і аперіодичний перехідний процес, що є суттєвими перевагами при роботі газотурбінного двигуна, оскільки коливальність процесу може призвести до порушення роботи ротора та виведення його з ладу. Висновки. Введення нечіткого логічного пристрою П-типу кардинально змінює перехідний процес до аперіодичного типу із плавним пуском. Складена нечітка база правил підвищує швидкодію системи на 43 %, збільшуючи статичну точність у 10 разів, та зовсім анулює перерегулювання. Застосування нечітких регуляторів приводить до збільшення якості регулювання в умовах неможливості використання традиційних регуляторів. Ключові слова: нечітка логіка; fuzzy-контролер; система керування.

show abstract

Performance Review of Fuzzy Logic Based Controllers Employed in Brushless DC Motor

Cited by 53 publications

References 36 publications

Implementation of reduced induction machine fuzzy logic control based on dSPACE-1104 R&D controller board

Implementation of reduced induction machine fuzzy logic control based on dSPACE-1104 R&D controller board

Using a Fuzzy Inference System to Obtain Technological Tables for Electrical Discharge Machining Processes

Fuzzy-Logic Controller for Technological Objects Management

Contact Info

Product

Resources

About