Tsukamoto’s defuzzification techniq

Tsukamoto’s defuzzification technique is chosen to
transform all the fuzzy outputs to a single mean value
ymcm. The Tsukamoto’s method is chosen because it is
very simple and makes the computation much easier and
faster. Fig. 5 shows how ymean is obtained from
Tsukamoto’s defuzzification process. Then the estimated
angular frequency and the adjustment in the torque
current will be given by:
o*(t) = kw* ymean(t)
Alq(t) = ki* ~mmn(t)
k,* and k,* are frequency conversion coefficient and
current conversion coefficient respectively. Their values
rae obtained by using simulations similar to that for
finding kw and ki in the neural network model. The
outputs of the fuzzy logic model will be fed into the
vector control model in the same manner as the outputs of
a neural network model.
IV THE VECTOR CONTROL MODEL
The vector control model has all the current values
adjusted in the two-phase domain. First in the
synchronously rotating stator frame, the flux current I,, is
taken as equal to 40% of the current limit of the motor. Id
is then maintained at this constant value and the value of
the torque current I, is adjusted by adding the value of
Al,(t), obtained from the fuzzy control model or the
neural network model, to its instantaneous value Itl(t>.
Adjustment of I, alone, as shown in fig. 6, will be

ผลลัพธ์ (ไทย) 2:

เทคนิค defuzzification Tsukamoto จะเลือกที่จะ
เปลี่ยนทุกเลือนเอาท์พุทเป็นค่าเฉลี่ยเดียว
ymcm วิธี Tsukamoto ถูกเลือกเพราะมันเป็น
เรื่องง่ายมากและทำให้การคำนวณมากขึ้นและ
เร็วขึ้น มะเดื่อ 5 แสดงให้เห็นว่า ymean จะได้รับจาก
กระบวนการ defuzzification Tsukamoto ของ จากนั้นประมาณ
ความถี่เชิงมุมและการปรับตัวในแรงบิด
ในปัจจุบันจะได้รับโดย:
o * (t) = กิโลวัตต์ * ymean (t)
Alq (t) = ki * ~ MMN (t)
k, k * และ * มีความถี่ ค่าสัมประสิทธิ์การแปลงและ
ค่าสัมประสิทธิ์การแปลงสภาพ ณ ปัจจุบันตามลำดับ ค่าของพวกเขา
RAE ได้โดยใช้การจำลองคล้ายกับว่าสำหรับ
การหากิโลวัตต์และ ki ในรูปแบบเครือข่ายประสาท
ผลของรูปแบบตรรกศาสตร์จะถูกป้อนเข้าสู่
รูปแบบการควบคุมเวกเตอร์ในลักษณะเดียวกับผลของ
รูปแบบเครือข่ายประสาท.
IV ควบคุมเวกเตอร์รุ่น
รูปแบบการควบคุมเวกเตอร์มีทุกค่าปัจจุบัน
ปรับโดเมนสองเฟส เป็นครั้งแรกใน
กรอบสเตเตอร์หมุนพร้อมกัน, ฉันปัจจุบันของฟลักซ์ ,, จะ
นำมาเป็นเท่ากับ 40% ของวงเงินหมุนเวียนของมอเตอร์ id
แล้วจะยังคงที่ค่าคงที่นี้และค่าของ
แรงบิดปัจจุบันฉัน, จะถูกปรับโดยการเพิ่มค่าของ
อัล (t) ที่ได้รับจากรูปแบบการควบคุมเลือนหรือ
รูปแบบเครือข่ายประสาทกับมูลค่าของมันทันที Itl (t> .
การปรับตัวของผมคนเดียวที่แสดงในรูปที่. 6 จะเป็น

ผลลัพธ์ (ไทย) 3:

ทสึกาโมโตะเป็นเทคนิคดีฟัซซิฟิเคชันเลือกแปลงทั้งหมดจะเลือน
ผลเดียวหมายถึงค่า
ymcm . ที่ทสึกาโมโตะเป็นวิธีเลือกเพราะมัน
ง่ายมากและทำให้การคำนวณง่ายขึ้นและ
ได้เร็วขึ้น ภาพที่ 5 แสดงให้เห็นว่า ymean ได้รับจากกระบวนการดีฟัซซิฟิเคชัน
ทสึกาโมโตะ . จากนั้นประมาณ
เชิงมุมความถี่และการบิด
ปัจจุบันจะได้รับโดย :
o * ( t ) = กิโลวัตต์ * ymean ( T )
alq ( t ) = คิ * ~ MMN ( T )
k * K * สัมประสิทธิ์การแปลงความถี่และ
สัมประสิทธิ์การแปลงปัจจุบันตามลำดับ ค่าของพวกเขา
เรได้รับโดยใช้การจำลองสถานการณ์คล้ายกับที่
หากิโลวัตต์ และคีในรูปแบบเครือข่ายประสาท
ผลของแบบจำลองฟัซซีจะถูกป้อนเข้า
รูปแบบการควบคุมเวกเตอร์ในลักษณะเดียวกับผลของแบบจำลองโครงข่ายประสาทเทียม

.4 รูปแบบเวกเตอร์เวกเตอร์รูปแบบการควบคุมการควบคุม

มีทั้งหมดในปัจจุบันค่าปรับในการโดเมน แรกใน
synchronously หมุนกรอบ stator ฟลักซ์ในปัจจุบันฉัน , ,
ถ่ายเท่ากับ 40% ของขอบเขตปัจจุบันของมอเตอร์ ID
แล้วยังคงมีค่าคงที่ และค่าของแรงบิด
ปัจจุบัน คือ ปรับเพิ่มค่า
( T ) , อัลที่ได้จากการควบคุมแบบฟัซซี่หรือ
แบบจำลองโครงข่ายประสาทเทียมเพื่อ itl มูลค่าทันที ( T .
การปรับตัวของฉัน คนเดียว ดังแสดงในรูปที่ 6 จะเป็น