Orientadores : Marcio Luiz de Andrade Netto, Edson Bim

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica

Resumo: Esta dissertação apresenta técnicas não-lineares aplicadas ao problema de controle de velocidade da máquina de indução trifásica com rotor tipo gaiola de esquilo. Redes neurais artificiais são utilizadas para desenvolver estratégias de controle adaptativo baseadas em identificação não-linear...

Resumo: Esta dissertação apresenta técnicas não-lineares aplicadas ao problema de controle de velocidade da máquina de indução trifásica com rotor tipo gaiola de esquilo. Redes neurais artificiais são utilizadas para desenvolver estratégias de controle adaptativo baseadas em identificação não-linear de sistemas dinâmicos e estimação não-linear de parâmetros. Os resultados principais incluem arquiteturas de redes neurais e algoritmos de treinamento desenvolvidos especialmente para aplicação a sistemas dinâmicos, um observador não-linear de fluxo de rotor baseado em redes neurais recorrentes e um
estimador não-linear da constante de tempo de rotor baseado em redes neurais nãorecorrentes. Resultados de simulação computacional são obtidos e o desempenho da estrutura de controle resultante é analisado

Abstract: This dissertation presents nonlinear techniques applied to the speed control problem of the three-phase squirrel-cage induction machine. Artificial neural networks are used to develop adaptive control strategies based on nonlinear dynamic system identification and nonlinear parameter...

Abstract: This dissertation presents nonlinear techniques applied to the speed control problem of the three-phase squirrel-cage induction machine. Artificial neural networks are used to develop adaptive control strategies based on nonlinear dynamic system identification and nonlinear parameter estimation. The principal results include neural network architectures and training algorithms speciallydeveloped for dynamic systems application, a nonlinear rotor flux observer based on recurrent neural networks, and a nonlinear rotor time constant estimator based on feed forward neural networks. Computer simulation results are obtained and the performance of the resulting control structure is analyzed.