Artificial neural network-based estimation for rotor-flux model reference adaptive system
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F23%3A10253634" target="_blank" >RIV/61989100:27240/23:10253634 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.sciencedirect.com/science/article/pii/S2352146523005124" target="_blank" >https://www.sciencedirect.com/science/article/pii/S2352146523005124</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1016/j.trpro.2023.11.215" target="_blank" >10.1016/j.trpro.2023.11.215</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Artificial neural network-based estimation for rotor-flux model reference adaptive system
Popis výsledku v původním jazyce
At the start, this paper focuses on the function of a rotor-flux model reference adaptive system (RF-MRAS) and in the following part on the realization and application of artificial neural networks (ANN) in a sensorless induction motor drive. Afterwards, a data collection and usage process for the training of ANN is described. In the final part, experimental results of ANN's ability to estimate rotor flux are presented. According to simulations, ANN estimations are accurate and its application as a part of a control scheme looks promising.
Název v anglickém jazyce
Artificial neural network-based estimation for rotor-flux model reference adaptive system
Popis výsledku anglicky
At the start, this paper focuses on the function of a rotor-flux model reference adaptive system (RF-MRAS) and in the following part on the realization and application of artificial neural networks (ANN) in a sensorless induction motor drive. Afterwards, a data collection and usage process for the training of ANN is described. In the final part, experimental results of ANN's ability to estimate rotor flux are presented. According to simulations, ANN estimations are accurate and its application as a part of a control scheme looks promising.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
20200 - Electrical engineering, Electronic engineering, Information engineering
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2023
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Transportation Research Procedia. Volume 74
ISBN
—
ISSN
2352-1457
e-ISSN
2352-1465
Počet stran výsledku
7
Strana od-do
838-845
Název nakladatele
Elsevier
Místo vydání
Amsterdam
Místo konání akce
MIkulov
Datum konání akce
29. 5. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—