research centers


Search results: Found 11

Listing 1 - 10 of 11 << page
of 2
>>
Sort by

Article
A New Fuzzy-NARMA L2 Controller Design for Active Suspension System

Authors: Imad A. Kheioon عماد خيون --- Basil Sh. Munahi باسل شنين مناحي --- Ali H. Abdulaali علي حسن عبدالعالي
Journal: Basrah Journal for Engineering Science مجلة البصرة للعلوم الهندسية ISSN: Print: 18146120; Online: 23118385 Year: 2017 Volume: 17 Issue: 2 Pages: 43-50
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

This paper is concerned with the design of a newcontroller for active suspension system. The model isconsidered as a quarter-car. The presented controller dependson the fuzzy technique and NARMA-L2 linearizationalgorithm. The compensation system that added by the fuzzyrules improves the performance of the controller, while theneural network produces the required control signal. The newcontroller can achieve an improvement of the ride comfortwith a reasonable value of power consumption. Themathematical analysis of the mechanical power used by themodel is focused on the average and the RMS of the powersupplied to the system, regardless of the frequency content ofthe vibration signal. The simulation results which are verifiedby a practical examples of road profiles, demonstrate theefficacy of the proposed controller.


Article
Artificial Neural Control of 3-Phase Induction Motor Slip Regulation Using SPWM Voltage Source Inverter
السيطرة العصبية الأصطناعية لتنظيم الأنزلاق في محرك حثي ثلاثي الطور بأستخدام عاكس مصدر الجهد لمضمن عرض النبضة الجيبي

Authors: Lina J. Rashad --- Fadhil A. Hassan
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2010 Volume: 28 Issue: 12 Pages: 2392-2404
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Variable-Voltage Variable-Frequency control represents the mostsuccessful used method in speed control of 3-phase induction motor, which isimplemented by using PWM techniques. This paper proposes modeling andsimulation of sinusoidal PWM voltage source inverter as a VVVF A.C drive. Thedynamic model, simulation of 3-phase induction motor, and open loop speedcontrol system is proposed too. The PI closed loop controller of rotor slipregulation is illustrated as a traditional speed control method, which gives stableoperation behavior of motor speed in the constant torque region with settling time=0.5 sec and maximum overshot =20%, but unstable operation in the fieldweakening regions with steady state error =15%. The Artificial Neural Network(ANN) is going to be the modern type of speed controller. This paper proposesNARMA-L2 (Nonlinear Autoregressive-Moving Average) neural network as animproved Artificial Neural Network technique, and trained as a close loop slipregulation controller, which gives an ideal performance with settling and rise time= 0.18 sec, maximum overshot and steady state error less than 1% in differentspeed range and constant air gap flux, including the field weakening regions.

تمثل طريقة تغيير الجهد والتردد من أنجح الطرق المستخدمة في السيطرة على سرعةالمحرك الحثي الثلاثي الطور ، والتي تطبق بأستخدام تقنيات التضمين لعرض النبضة. يقدم هذاالبحث النموذج والتمثيل لعاكس مصدر الجهد لمضمن عرض النبضة الجيبي كسواقة مغير الجهدوالتردد. كما ويقدم أيضاُ النموذج والتمثيل للمحرك الحثي الثلاثي الطور مع مسيطر السرعة ذوالحلقة المفتوحة. كما ويقدم المسيطر التناسبي- التكاملي التقليدي كمسيطر الحلقة المغلقة علىسرعة الأنزلاق للجزء الدوار في المحرك، والذي قدم أداءمستقراً في منطقة ثبات العزم حيثكان زمن الوضع 0,5 ثانية وأقصى مدى أطلاق 20 % مع أداء غير مستقراً في مناطق أضعافالمجال مع خطأ في حالة الأستقرار 15 %. أن مسيطرات الشبكات العصبية الأصطناعية في كتقنية محسنة للشبكات (NARMA-L طريقها لتصبح المسيطرات العصرية، يقدم هذا البحث ( 2العصبية الاصطناعية والتي تُدرب كمسيطر الحلقة المغلقة على تنظیم الأنزلاق، والذي قدم أداءً مثالیاً فيمدى سرع مختلفة حیث كان زمن الأرتفاع وزمن الوضع یساوي 0,18 ثانیة وكان أقصى أطلاق ومقدارالخطأ في حالة الأستقرار أقل من 1% مع أستقرار لقیمة المجال المغناطیسي في الفجوه الھوائیة بضمنھاالمنطقة الضعیفة المجال .


Article
Neural Network-Based Robust Automatic Voltage Regulator (AVR) of Synchronous Generator
منظم الجھد الي المتين الذي يعتمد الشبكة العصبية لمولد متزامن

Authors: Abdullah Sahib Abdulsada --- Abdulrahim Thiab Humod
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2011 Volume: 29 Issue: 7 Pages: 1372-1385
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

The voltage stability and power quality of the electrical system depend on proper operation of AVR. Nowadays, Design technology of AVR is being broadly improved.Nonlinearities and parametric uncertainties are unavoidable problem faced incontrolling the output voltage of Synchronous Generator (SG) when working alone or with others. This paper proposes a Nonlinear Auto Regressive-Moving Average control (NARMA-L2) as a voltage controller which is one type of Neural Network (NN) plant structure. Nonlinearities due to the effect of saturation in machine between generated voltage and field current, uncertainties arise because variation of the load connected with time and the change of rotors resistance with temperature. Due to this fact, Proportional- Integral- Derivative (PID) controller cannot be used effectively since it is developed based on linear system theory. NN controller shows less over shoot and settling time than PID controller with different conditions of load. Also NN controller shows high robust characteristic than PID controller.

استقرار الجھد في المنظومة الكھربائية يعتمد كثيرا على اشتغال السليم لمنظم الجھد الي(AVR .(في الوقت الحاضر ، يجري على نطاق واسع تحسين وتصميم تكنولوجيا ال AVR .أل/خطية وعدم وثوقية المتغيرات ھي المشكلة التي تواجھھا السيطرة على الجھد الكھربائي والتي منَ الصعب تجنبھا في المولد المتزامن و ضمن الشبكةَ عندما يعَمل لوحده أ . ھذا البحث يقترح استخدامالتحكم الموائم ل:نظمة الغير خطية (L2-NARMA ( , وھو احد تراكيب مسيطرات الشبكة العصبية(NN (الذكية ومقارنة أدائه مع المسيطر التناسبي - التكاملي - التفاضلي التقليدي PID .((ال/خطيةناتجة عن حالة التشبع بين الفولتية المتولدة وتيار المجال ،وعدم وثوقية المتغيرات الناتجة عن تغيرالحمل مع الوقت وارتفاع درجة الحرارة التي تغير مقاومة ملفات الجزء الدوار. نتيجة لھذا الواقع,مسيطر PID يمكن استخدامه بشكل فعال وذلك @ن تصميمه على أساس نظرية النظام الخطي.مسيطر الشبكة العصبيه اظھر اقل ارتفاع عن مستوى الجھد المطلوب واقل وقت للوصول الى الجھدالمقبول من مسيطرPID ولحات الحمل المختلفة. كذلك لوحظ أن متانة منظم الجھد ا@وتوماتيكي معمسيطر NN أفضل منھا في حالة مسيطرPID.


Article
Speed Control of Permanent Magnet D.C. Motor Using Neural Network Control
السیطرة على سرعة المحرك ذو تیار ثابت ذو مجال مغناطیسي دائم باستخدام الشبكة العصبیة الاصطناعیة

Author: Lina J. Rashad
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2010 Volume: 28 Issue: 19 Pages: 5844-5856
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper proposes the speed control of a permanent magnet direct current(PMDC) motor by varying armature voltage. The objective is to control therotor angular speed to follow the desired value. The main feature of theproposed controller is neural network, which captures the nonlinearity system ofthe motor. Neural network (NN) performance is compared with theconventional controller performance like PI (Proportional-Integral) controller toshow that NN performance is excellent. Numerous work reported in recent pasthave shown that Artificial Neural Network (ANN) controller has a potential toreplace the conventional PI controller. Artificial Neural Network controlapparently offers a possibility of obtaining an improvement in the quality of thespeed response, compared to PI control. This research proposes NARMA-L2(Nonlinear Autoregressive-Moving Average) as an improved ANNtechnique,and trained as a close loop controller, which gives an ideal performance ascompared with PI controller to control the angular speed of rotor in a permanentmagnet dc (PMDC) motor. Simulation results show the effectiveness of theproposed control scheme.The entire system has been modeled using MATLABtoolbox.

هذه الدراسة لغرض السيطرة على سرعة محرك ذو تيار مستمر ذو مجال مغناطيسيدائم ذو فولتية محرك مختلفة. إن الهدف من هذه الدراسة هو السيطرَة على السرعة الزاوية للمحرك لإتّباع القيمة المطلوبة .إن الميزة الرئيسية لجهازِ السيطرة المقَترحِ (الشبكة العصبية الاصطناعية ) هو استيعاب النظام اللاخطي للمحرك. يقارن أداء مسيطر الشبكة العصبية مع أداء مسيطر تقليديِ مثل جهازِ المسيطر(التناسبي – التكاملي) لبيان أمتياز مسيطرة الشبكة العصبية .ُ ان العديد من البحوث التي صدرت في الماضي الحديث اضهرت ان مسيطراتالشبكات العصبية الأصطناعية حلت محل المسيطر(التناسبي – التكاملي) التقليدي. ان الشبكة العصبية الاصطناعية اظهرت مدى فعاليتها في تحسين أستجابة سرعة المحرك للسيطرة كتقنية (NARMA-L بالمقارنة مع المسيطر (التناسبي – التكاملي). يقدم هذا البحث ( 2 محسنة للشبكات العصبية الاصطناعية والتي ُتدرب كمسيطر حلقي مغلق والذي يعطي اداء مثالي بالمقارنة مع المسيطر(التناسبي – التكاملي) للسيطرةعلى سرعة المحرك ذو تيار مستمر من نوع مجال مغناطيسي دائم. تضهر نَتائِج المحاكاة فعالية مخطط السيطرة المقَترحِ. ان نضام المحاكاة المستخدم هو برنامج ماتلاب.


Article
Speed Control of Separately Exited DC Motor Using Artificial Neural Network
السيطرة على سرعة محرك تيار مستمر ذو إثارة منفصلة باستخدام الشبكة الاصطناعية العصبية

Author: A.L. Hashmia SH. Dakheel
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2012 Volume: 16 Issue: 4 Pages: 349-362
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

This paper proposes implementing intelligence techniques to improve efficiency speed control of separately excited DC motor (SEDM). This technique is Artificial Neural Network (ANN) which is one of the most important modern techniques that using in control applications.In this study, the intelligent model is developed to speed control of SEDM which operated at three stages:-the first, NARMA-L2 controller used to control the speed under different external loads conditions. The second, the controller is performance at different reference speed and the last, the intelligent controller deals with various parameters of SEDM. Simulation results indicates to the advantages, effectiveness, good performance of the artificial neural network controller which is illustrated through the comparison obtain by the system when using conventional controller (Proportional-Integral (PI)). So the results show ANN techniques provide accurate control and ideal performance at real time.

يقدم هذا المقال بناء تقنيات ذكية لتطوير كفاءة السيطرة على سرعة محرك تيار مستمر ذو إثارة منفصلة (.(SEDM هذه التقنية هي الشبكة العصبية الاصطناعية التي هي واحدة من أهم التقنيات الحديثة المستخدمة في مجال تطبيقات السيطرة.في هذه الدراسة ,النموذج الذكي طور للسيطرة على سرعة SEDM الذي يعمل عند ثلاثة مراحل:-الأولى مسيطر (NARMA-L2)يستخدم في السيطرة على السرعة تحت ظروف أحمال خارجية مختلفة والثانية, المسيطر يعمل عند سرع مرجعية مختلفة والأخيرة المسيطر الذكي يتعامل مع مواصفات متنوعة ل(.(SEDM نتائج المحاكاة تشير إلى المزايا والفاعلية والعمل الجيد لمسيطر الشبكة العصبية الاصطناعية والتي توضح من خلال المقارنة التي يتم الحصول عليها من المنظومة عندما يتم استخدام المسيطر التقليدي مسيطر( النسبة-التكاملية (PI)).وكذلك تبين النتائج إن تقنيات ANN تجهز سيطرة دقيقة وأداء مثالي عند الزمن الحقيقي.


Article
Study the Robustness of Automatic Voltage Regulator for Synchronous Generator Based on Neural Network

Author: Dr. Abdulrahim Thiab Humod
Journal: IRAQI JOURNAL OF COMPUTERS,COMMUNICATION AND CONTROL & SYSTEMS ENGINEERING المجلة العراقية لهندسة الحاسبات والاتصالات والسيطرة والنظم ISSN: 18119212 Year: 2013 Volume: 13 Issue: 3 Pages: 51-64
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Abstract – Artificial Neural Networks (ANN) can be used as intelligent controllers tocontrol non-linear dynamic systems through learning, which can easily accommodatethe non linearity’s, time dependencies, model uncertainty and external disturbances.Modern power systems are complex and non-linear and their operating conditions canvary over a wide range. The Nonlinear Auto-Regressive Moving Average (NARMAL2)model system is proposed as an effective neural networks controller model toachieve the desired robust Automatic Voltage Regulator (AVR) for SynchronousGenerator (SG) to maintain constant terminal voltage. The concerned neural networkscontroller for AVR is examined on different models of SG and loads. The results showsthat the neuro-controllers have excellent responses for all SG models and loads in viewpoint of transient response and system stability compared with conventional PIDcontrollers. Also shows that the margins of robustness for neuro-controller are greaterthan PID controller.


Article
Comparison Robustness of Automatic Voltage Regulator for Synchronous Generator using Neural Network and Neuro - Fuzzy controllers †

Authors: Yasir Thaier Haider2 --- Dr. Abdulrahim Thiab Humod1
Journal: IRAQI JOURNAL OF COMPUTERS,COMMUNICATION AND CONTROL & SYSTEMS ENGINEERING المجلة العراقية لهندسة الحاسبات والاتصالات والسيطرة والنظم ISSN: 18119212 Year: 2015 Volume: 15 Issue: 2 Pages: 1-10
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Abstract – Artificial Neural Networks (ANN) and Neuro - Fuzzy controllers can be used as intelligent controllers to control non-li¬near dynamic systems through learning, which can easily accommodate the non-linearity’s, time dependencies, model uncertainty and external disturbances. Modern power systems are complex and non-linear and their operating conditions can vary over a wide range. The Nonlinear Auto-Regressive Moving Average (NARMA-L2) model system is proposed as an effective neural networks controller model to achieve the desired robust Automatic Voltage Regulator (AVR) for Synchronous Generator (SG) to maintain constant terminal voltage. The essential part of Neuro-Fuzzy comes from a common framework called adaptive networks, which unifies both neural networks and fuzzy models. The fuzzy models under the framework of adaptive networks are called Adaptive-Network-based Fuzzy Inference System (ANFIS), which possess certain advantages over neural networks. The concerned neural networks and Neuro - Fuzzy controllers for AVR is examined on different models of SG and loads. The results show that the Neuro-controllers and Neuro - Fuzzy controllers have excellent responses for all SG models and loads in view point of transient response and system stability. Also it shows that the margins of robustness for Neuro - Fuzzy controller are greater than Neuro-controller.


Article
Direct Torque Control for Permanent Magnet Synchronous Motor Based on NARMA-L2 controller
السيطرة المباشرة على العزم للمحرك التزامني ذو المغناطيس الدائم باستخدام تقنية NARMA-L2)

Authors: Huda B. Ahmed --- Ali H. Almukhtar --- Abdulrahim T. Humod
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2016 Volume: 34 Issue: 3 Part (A) Engineering Pages: 464-482
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper investigates the improvement of the speed and torque dynamic responses of three phase Permanent Magnet Synchronous Motor (PMSM) using Direct Torque Control (DTC) technique. Different torques are applied to PMSM at different speeds during operation to ensure the robustness of the controller for wide torque variations. Optimal PI controller is used to modify the response of DTC. The optimal gains of PI controller are tuned by Particle Swarm Optimization (PSO) technique. Neural Network controller is called the Nonlinear Autoregressive-Moving Average (NARMA-L2) which is trained based on optimal PI controller (PI-PSO) data. The results show the superiority performance of using NARMA-L2 controller on PI-PSO controller for different speeds and load change. The overall simulation and design of the scheme are implemented Using MATLAB/Simulink program.

تم في هذا البحث دراسة تحسين استجابة السرعة والعزم الديناميكية للمحرك ثلاثي الاطوار التزامني ذو المغناطيس الدائم (PMSM) باستخدام تقنية السيطرة المباشرة على العزم ((DTC. تم تجهيز المحرك التزامني ذو المغناطيس الدائم بعزوم مختلفة خلال سرع مختلفة لضمان الحصول على مسيطر أكثر متانة لمتغيرات الحمل والسرعة. استخدم المسيطر التناسبي-التكاملي (PI) المثالي لتعديل استجابة ال (DTC). المتغيرات (gains) المثالية للمسيطر (PI) تم ضبطها باستخدام تقنية أفضلية الحشد الجزيئي (PSO). قد درب المسيطر المعتمد على الشبكات العصبية الاصطناعية (NARMA-L2)على النتائج التي تم الحصول عليها من المسيطر PI-PSO)). اظهرت النتائج اداءاً متفوقاً عند استخدام المسيطر (NARMA-L2) على المسيطر PI-PSO)) لسرعات متغيرة وبتغير الحمل. تم تنفيذ المحاكاة الشاملة وتصميم المخطط باستخدام برنامج MATLAB/ SIMULINK


Article
Internal Model Control Using a Self-Recurrent Wavelet Neural Network Trained by an Artificial Immune Technique for Nonlinear Systems

Authors: Omer F. Lutfy --- Rand A. Majeed
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2018 Volume: 36 Issue: 7 Part (A) Engineering Pages: 784-791
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

This paper presents a Self-Recurrent Wavelet Neural Network (SRWNN)-based Internal Model Control (IMC) for nonlinear systems. As the internal model, a Nonlinear Autoregressive Moving Average (NARMA-L2) is employed for obtaining a forward system model. Then, this model is directly used to formulate the control law. The proposed SRWNN-based IMC is an enhanced version of a previously published Wavelet Neural Network (WNN)-based IMC scheme. Particularly, the enhancement was attained by considering three modifications, which include the use of an initialization phase for the parameters of the wavelon layer, the utilization of self-feedback connections in the wavelon layer, and the exploitation of RASP1 as the mother wavelet function. The modified Micro Artificial Immune System (modified Micro-AIS) is employed as the training method. From the simulation results, the efficiency of the suggested methodology have been proved concerning control precision and disturbance rejection ability. Moreover, the superiority of the SRWNN over the WNN and the Multilayer Perceptron (MLP) as the IMC controllers has been confirmed from a comparative study. Furthermore, the modified Micro-AIS has accomplished better results compared to the Genetic Algorithm (GA) concerning control precision.


Article
Design of New Hybrid Neural Structure for Modeling and Controlling Nonlinear Systems
تصميم هيكل عصبي هجين جديد لنمذجة والسيطرة المنظومات اللاخطية

Authors: Ahmed Sabah Al-Araji احمد صباح الاعرجي --- Shaymaa Jafe'erAl-Zangana شيماء جعفرالزنكنه
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2019 Volume: 25 Issue: 2 Pages: 116-135
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper proposes a new structure of the hybrid neural controller based on the identification model for nonlinear systems. The goal of this work is to employ the structure of the Modified Elman Neural Network (MENN) model into the NARMA-L2 structure instead of Multi-Layer Perceptron (MLP) model in order to construct a new hybrid neural structure that can be used as an identifier model and a nonlinear controller for the SISO linear or nonlinear systems. Weight parameters of the hybrid neural structure with its serial-parallel configuration are adapted by using the Back propagation learning algorithm. The ability of the proposed hybrid neural structure for nonlinear system has achieved a fast learning with minimum number of epoch, minimum number of neurons in the hybrid network, high accuracy in the output without oscillation response as well as useful model for a one step ahead prediction controller for the nonlinear CSTR system that is used in the MATLAB simulation.

أن هذا البحث يقترح هيكل جديد لمسيطر عصبي هجين مبنيا على أساس النموذج التعريفي للمنظومات اللاخطية. ان الهدف من هذا العمل هو توظيف هيكل النموذج الشبكة العصبية ايلمن المعدلةMENN في هيكل NARMA-L2 بدلا من نموذج تعدد الطبقات بيرسبترون MLP لكي يكون هيكل عصبي هجين جديد والذي يمكن استخدامه كنموذج معرف ومسيطر لاخطي للمنظومات الخطية و اللاخطية. ان أوزان العناصر لهيكل العصبي الهجين مع هيكل التوالي-التوازي قد تكيف باستخدام خوارزمية التعلم الانتشار العكسي. ان امكانية هذا الهيكل العصبية الهجين المقترح للمنظومات اللاخطية قد حقق سرعة تعلم مع اقل عدد من دورات التعلم وكذلك اقل عدد للعقد الشبكة العصبية الهجينة مع دقة عالية في الإخراج وبدون تذبذب الاستجابة إضافة الى ذلك استخدام النموذج كمسيطر تنبوئي لخطوة واحدة لنظام اللاخطية لخزان مفاعل مستمر الإثارة الذي استخدم في الحقيبة البرمجية ماتلاب. الكلمات الرئيسية: نموذج NARMA-L2, الشبكة العصبية MLP , الشبكة العصبية MENN , خوارزمية الانتشار

Listing 1 - 10 of 11 << page
of 2
>>
Sort by
Narrow your search

Resource type

article (11)


Language

English (10)

Arabic and English (1)


Year
From To Submit

2019 (2)

2018 (1)

2017 (1)

2016 (1)

2015 (1)

More...