APLICACIÓN DE REDES NEURONALES AL CONTROL DE VELOCIDAD EN MOTORES DE CORRIENTE ALTERNA

Carolina Martínez Quintero, Jorge Luis Díaz Rodríguez, Aldo Pardo García

Resumen


En este artículo se establece una comparación de la aplicación de métodos
tradicionales en el control de velocidad de motores de corriente alterna y controladores basados en técnicas de redes neuronales artificiales, que incluyen el control PI y PID, y los controladores neuronales PID Clonado, Predictivo y Narma L2. Se presentan los resultados de controlar la velocidad del motor de inducción empleando la herramienta de simulación profesional.

Texto completo:

113-118

Referencias


Pardo G., A.; Díaz R., J. L. Aplicaciones de convertidores de frecuencia. Estrategias PWM, Universidad de Pamplona, 2005.

Nildo, J. y Guilherme, L. Análisis de los parámetros, modelados matemáticamente, usados en al modelación de motores, 1995.

Sotelo, V. Controlador de velocidad para motores AC utilizando técnicas de campo orientado y redes neuronales con un Sistema híbrido FPGA-DSP, Perú, 2007.

Acevedo G., T. L. Diseño e Implementación de un controlador Lógico Difuso aplicado a un Motor de Inducción, Tesis de Maestría, Universidad

de Pamplona, Pamplona, 2008.

Díaz R., J. L. Control por Campo Orientado del Motor de Inducción con Adaptación de los Parámetros por Modelo de Referencia, Tesis de

Maestría, UCLV, Cuba, 2000.

Kung, S. Y. Digital neural networks, PTR Prentice Hall, Inc. 1993.

Sowilan, A. Aplicación de las redes neuronales en los sistemas de control vectorial de los motores de inducción, Universidad Politécnica de

Cataluña, Tesis doctoral, 2000.

Fraustro, C. Redes neuronales en el sistema de control vectorial del motor de inducción, 2008.

Acosta, M. y Zuluaga; C. Tutorial sobre redes neuronales aplicadas en ingeniería eléctrica y su implementación en un sitio Web, Universidad Tecnológica de Pereira, 2000.

González, J.; Da Silveira, M. y Pacheco J. Comparación de la red neuronal y el filtro de Kalman en la estimación de velocidad del motor de inducción, 2004.

Mathworks. Help Neural Network, Matlab 7.12. PDF, 2006.

Freeman, J. y Skapura, D. Redes Neuronales: Algoritmos, aplicaciones y técnicas de programación. Delaware E.U.A Addison Wesley Iberoamericanas, 1993.

Delgado, A. Propiedades matemáticas y aplicaciones de las redes neuronales dinámicas Recurrentes. Universidad Nacional de Colombia. Santafé de Bogotá, Colombia, 1998.

Jang, J.S.R. “ANFIS: Adaptive-Network-Based Fuzzy Inference System”, IEEE Trans. Systems, Man, Cybernetics, 23(5/6):665-685, 1993.




DOI: https://doi.org/10.24054/16927257.v20.n20.2012.197

Enlaces refback

  • No hay ningún enlace refback.

Comentarios sobre este artículo

Ver todos los comentarios