سهولت کنترل موتورهای DC باعث کاربرد فراوان آنها در صنعت شده است . عمدتا کنترل موتورهای DC با کنترل ولتاژ آرمیچر و یا کنترل میدان صورت می پذیرد. روش های کنترل ارائه شده برای موتورهای DC با شناخته شدن روش های جدید در تئوری کنترل گسترش یافته اند. در این مقاله از شبکه عصبی تطبیقی خطی و شبکه عصبی خود سازمانده جهت کنترل وضعیت یک موتور DC تحریک جداگانه استفاده شده است. در کنترل وضعیت با استفاده از شبکه عصبی تطبیقی خطی، وضعیت مبنای شبکه عصبی همان وضعیت ورودی (مطلوب) در نظر گرفته شده و پس از انطباق وضعیت خروجی موتور بر وضعیت مبنا ولتاژ آرمیچر صفر شده و موتور از کار می ایستد.
در این مقاله وضعیت یک موتور DC تحریک جداگانه با DC استفاده از شبکه عصبی خود سازمانده نیز کنترل شده است. در این روش شبکه عصبی مدل موتور مورد استفاده جهت کنترل وضعیت را می آموزد سپس ورودی مدل را جهت تطبیق وضعیت خروجی مدل بر وضعیت مطلوب، بهینه می سازد . ویژگی روش های پیشنهادی اصلاح ضرایب شبکه عصبی در حین کار کردن موتور و مقاوم بودن پاسخ ها نسبت به تغییرات ممان اینرسی (J) و اصطکاک (B) می باشد . برخلاف کنترل کننده PID که در اثر تغییر یکی از پارامترهای مدل، نظیر J و B کارایی بهینه خود را از دست می دهد و نیاز به تنظیم پارامترهای کنترل کننده دارد، روش های پیشنهادی نیاز به طراحی مجدد نداشته و در برابر تغییرات پارامترها بطور خودکار اصلاح می شوند.
روش های پیشنهادی با استفاده از اطلاعات یک ماشین DC توسط نرم افزار Matlab و در محیط Simulink شبیه سازی شده اند. نتایج نشان می دهند که بواسطه استفاده از روش های پیشنهادی هیچگونه نوسانی در پاسخ ها دیده نمی شود و زمان رسیدن به وضعیت مطلوب نیز کم است .
کلمات کلیدی: موتور DC، کنترل وضعیت، شبکه عصبی، کنترل هوشمند
