সার্ভো ড্রাইভ সিস্টেম

সার্ভো ড্রাইভ সিস্টেমগুলি শিল্প রোবটগুলির পারফরম্যান্সের কেন্দ্রবিন্দু এবং সার্ভো ড্রাইভ প্রযুক্তি শিল্প অটোমেশনে একটি মূল প্রযুক্তিতে পরিণত হয়েছে। সার্ভো ড্রাইভ এবং শিল্প ইথারনেট আধুনিক উত্পাদন প্রয়োজনীয় উপাদান হয়ে উঠেছে। সিসি - লিঙ্ক, ইথারক্যাট এবং ডিভিসনেট বর্তমানে শিল্প রোবটগুলিতে ব্যবহৃত সাধারণ ফিল্ডবাস।

পাওয়ার ইলেকট্রনিক্স এবং আধুনিক নিয়ন্ত্রণ তত্ত্বের দ্রুত বিকাশের সাথে, টনঘাং সার্ভো ড্রাইভ সিস্টেমগুলিও ডিজিটালাইজেশনের দিকে এগিয়ে চলেছে, সম্পূর্ণ ডিজিটাল সার্ভো ড্রাইভ সিস্টেমগুলি মূলধারায় পরিণত হয়েছে। বুদ্ধিমান উত্পাদন অগ্রগতির সাথে, টনঘাং সার্ভো ড্রাইভগুলি উচ্চ নির্ভুলতা, উচ্চ কার্যকারিতা এবং সংহতকরণের দিকেও এগিয়ে চলেছে।

ড্রাইভ সিস্টেমগুলির জন্য উচ্চ বাজারের চাহিদার মুখোমুখি, টনঘাংয়ের ইঞ্জিনিয়ারিং টিম একটি উচ্চ -} পারফরম্যান্স বাস - ভিত্তিক সার্ভো ড্রাইভটি দুর্দান্ত গতিশীল প্রতিক্রিয়া, উচ্চ অবিচলিত - রাষ্ট্রীয় নির্ভুলতা এবং সাধারণ অপারেশন ডিজাইন করেছে। এটি শিল্প উত্পাদন ডিজিটাল রূপান্তর এবং আপগ্রেডকে ত্বরান্বিত করে, উত্পাদন শিল্পকে নেটওয়ার্কিং, বুদ্ধি এবং ডেটা - চালিত বিকাশের দিকে চালিত করে।

সার্ভো ড্রাইভ নিয়ন্ত্রণ কৌশল বিকাশ

সার্ভো ড্রাইভ নিয়ন্ত্রণ কৌশলগুলির বিকাশ 20 ম শতাব্দীর মাঝামাঝি - এ ফিরে পাওয়া যায়। পাওয়ার ইলেকট্রনিক্স প্রযুক্তি এবং আধুনিক নিয়ন্ত্রণ তত্ত্বের দ্রুত বিকাশের সাথে, সার্ভো ড্রাইভ নিয়ন্ত্রণ কৌশলগুলি প্রাথমিক ধ্রুবক ভোল্টেজ-ফ্রিকোয়েন্সি অনুপাত নিয়ন্ত্রণ থেকে বর্তমানে বহুল ব্যবহৃত ভেক্টর নিয়ন্ত্রণ এবং সরাসরি টর্ক নিয়ন্ত্রণ এবং তারপরে বুদ্ধিমান নিয়ন্ত্রণ অ্যালগরিদম দ্বারা প্রস্তাবিত বুদ্ধিমান নিয়ন্ত্রণে অগ্রসর হতে থাকে।

ধ্রুবক ভোল্টেজ - ফ্রিকোয়েন্সি অনুপাত নিয়ন্ত্রণ

কনস্ট্যান্ট ভোল্টেজ - ফ্রিকোয়েন্সি অনুপাত নিয়ন্ত্রণ, যা ফ্রিকোয়েন্সি কন্ট্রোল (সিভিএফ) প্রতি ধ্রুবক ভোল্টেজ নামেও পরিচিত, এসি মোটর ড্রাইভ সিস্টেমগুলির জন্য প্রাথমিক নিয়ন্ত্রণ কৌশল। এর মূল নীতিটি মোটরটিতে ধ্রুবক চৌম্বকীয় প্রবাহ বজায় রাখতে একটি ধ্রুবক ভোল্টেজ - ফ্রিকোয়েন্সি অনুপাত বজায় রাখা। অতএব, সিভিএফ নিয়ন্ত্রণকে ধ্রুবক ফ্লাক্স নিয়ন্ত্রণও বলা হয়।

নিয়ন্ত্রণের সময় ধ্রুবক ভি/এফে, মোটরটির অপারেটিং ভোল্টেজ ইনপুট ফ্রিকোয়েন্সিটির সাথে সমানুপাতিক। এর অর্থ হ'ল ফ্রিকোয়েন্সি বাড়ার সাথে সাথে মোটরটিতে ইনপুট ভোল্টেজও বৃদ্ধি পায়, একটি আনুপাতিক ভোল্টেজ/ফ্রিকোয়েন্সি অনুপাত বজায় রাখে, মোটর নিশ্চিত করে যে সমস্ত ফ্রিকোয়েন্সিগুলিতে উপযুক্ত বৈদ্যুতিন চৌম্বকীয় টর্ক অর্জন করে। ভোল্টেজ এবং ফ্রিকোয়েন্সি মধ্যে এই আনুপাতিক সম্পর্ক বজায় রেখে, ধ্রুবক ভি/এফ নিয়ন্ত্রণ বিভিন্ন ফ্রিকোয়েন্সিগুলিতে একটি স্থিতিশীল মোটর প্রবাহ বজায় রাখে। এটি স্থিতিশীল অপারেটিং বৈশিষ্ট্যগুলি বজায় রেখে সমস্ত মোটর গতিতে পর্যাপ্ত চৌম্বকীয় ক্ষেত্র উত্পন্ন হয়েছে তা নিশ্চিত করতে সহায়তা করে।

অন্যান্য উন্নত নিয়ন্ত্রণ কৌশলগুলির সাথে তুলনা করে, ধ্রুবক ভি/এফ নিয়ন্ত্রণ তুলনামূলকভাবে সহজ, কম - ব্যয় এবং অত্যন্ত নির্ভরযোগ্য। এটি এটিকে অনেক ক্ষেত্রে ব্যাপকভাবে ব্যবহৃত করে তোলে, বিশেষত যেখানে কম - ব্যয় এবং তুলনামূলকভাবে সহজ নিয়ন্ত্রণ প্রয়োজন। ইন্ডাকশন মোটর এবং স্থায়ী চৌম্বক সিঙ্ক্রোনাস মোটর সহ বিভিন্ন ধরণের এসি মোটরগুলির জন্য ধ্রুবক ভি/এফ নিয়ন্ত্রণ প্রযোজ্য। ধ্রুবক ভোল্টেজ/ফ্রিকোয়েন্সি অনুপাত নিয়ন্ত্রণ খোলা - লুপ নিয়ন্ত্রণ এবং ভোল্টেজ, কারেন্ট, গতি এবং অবস্থানের মতো প্রতিক্রিয়া সংকেতগুলির প্রয়োজন হয় না। তবে এটি মোটর টর্ককেও নিয়ন্ত্রণ করতে পারে না। প্রতিক্রিয়া সার্কিটরির অভাবের কারণে, এতে প্রকৃত - সময়ের নির্ভুলতার অভাব রয়েছে এবং এর নিয়ন্ত্রণের নির্ভুলতা, দুর্বল গতিশীল কর্মক্ষমতা এবং অসন্তুষ্ট নিয়ন্ত্রণের ফলাফল রয়েছে।

ধ্রুবক ভি/এফ নিয়ন্ত্রণ নিয়ন্ত্রণ নিশ্চিত করে যে মোটর ভোল্টেজ এবং ফ্রিকোয়েন্সিগুলির মধ্যে আনুপাতিক সম্পর্ক বজায় রেখে বিভিন্ন গতিতে স্থিতিশীল অপারেটিং বৈশিষ্ট্যগুলি বজায় রাখতে পারে। এটি একটি সহজ এবং কার্যকর এসি মোটর ড্রাইভ নিয়ন্ত্রণ কৌশল।

সরাসরি টর্ক নিয়ন্ত্রণ

ডাইরেক্ট টর্ক কন্ট্রোল (ডিটিসি) হ'ল ১৯৮০ এর দশকে জার্মান এবং জাপানি গবেষকরা প্রস্তাবিত একটি সার্ভো কন্ট্রোল প্রযুক্তি। এটির লক্ষ্য মোটরগুলির সুনির্দিষ্ট টর্ক এবং গতি নিয়ন্ত্রণ অর্জন করা। ভেক্টর নিয়ন্ত্রণের বিপরীতে, যা বর্তমানকে ডিকপল করে, ডিটিসি সরাসরি টর্ককে নিয়ন্ত্রণ করে, মোটর পরামিতিগুলির উপর নির্ভরতা হ্রাস করে এবং এইভাবে সিস্টেমের গতিশীল কর্মক্ষমতা এবং স্থিতিশীলতা উন্নত করে। ডিটিসি স্টেটর ক্ষেত্রে স্টেটর ফ্লাক্স লিঙ্কেজ এবং বৈদ্যুতিন চৌম্বকীয় টর্ককে সরাসরি নিয়ন্ত্রণ করতে স্পেস ভেক্টর বিশ্লেষণ ব্যবহার করে - ওরিয়েন্টেড পদ্ধতিতে।

একটি ডিটিসি সিস্টেম সাধারণত দুটি প্রধান উপাদান নিয়ে গঠিত: একটি টর্ক নিয়ামক এবং একটি ফ্লাক্স নিয়ামক। টর্ক কন্ট্রোলার মোটরের টর্ক এবং গতি পর্যবেক্ষণ করে এবং প্রিসেট টর্ক এবং গতির প্রয়োজনীয়তার উপর ভিত্তি করে উপযুক্ত ভোল্টেজ ভেক্টর গণনা করে। প্রয়োজনীয় টর্ককে প্রকৃত টর্কের সাথে তুলনা করে, টর্ক কন্ট্রোলার মোটরটির আউটপুট টর্ককে নিয়ন্ত্রণ করতে উপযুক্ত ভোল্টেজ ভেক্টর তৈরি করে। এই সরাসরি টর্ক নিয়ন্ত্রণ পদ্ধতি সিস্টেমটিকে টর্কের চাহিদাগুলিতে আরও দ্রুত প্রতিক্রিয়া জানাতে সক্ষম করে। ফ্লাক্স কন্ট্রোলাররা মোটরের চৌম্বকীয় প্রবাহ পর্যবেক্ষণ করে এবং প্রয়োজন অনুসারে এর দৈর্ঘ্য সামঞ্জস্য করে। মোটরের চৌম্বকীয় প্রবাহকে নিয়ন্ত্রণ করে গতি নিয়ন্ত্রণ অর্জন করা যায়। ফ্লাক্স কন্ট্রোলাররা সাধারণত কাঙ্ক্ষিত গতি অর্জনের জন্য মোটরের চৌম্বকীয় ফ্লাক্স সামঞ্জস্য করতে স্পেস ভেক্টর মড্যুলেশন (এসভিএম) ব্যবহার করে। ডাইরেক্ট টর্ক কন্ট্রোল (ডিটিসি) জটিল সমন্বয় গণনাগুলি সরিয়ে দেয় এবং দ্রুত টর্ক নিয়ন্ত্রণের প্রতিক্রিয়া সময় এবং দৃ ust ়তার মতো সুবিধা দেয়। যেহেতু ডিটিসি সিস্টেমগুলিতে মোটর বর্তমান পরিমাপ এবং গণনার প্রয়োজন হয় না, তাই তারা নিয়ন্ত্রণ সিস্টেমের জটিলতা এবং ব্যয় হ্রাস করতে পারে। যাইহোক, তারা কম গতিতে, টর্ক রিপল এবং অস্থির স্যুইচিং ফ্রিকোয়েন্সিতে দুর্বল পারফরম্যান্সে ভুগছে।

ডাইরেক্ট টর্ক কন্ট্রোল (ডিটিসি) একটি উন্নত মোটর নিয়ন্ত্রণ প্রযুক্তি যা মোটরটির টর্ক এবং চৌম্বকীয় প্রবাহকে সরাসরি নিয়ন্ত্রণ করে সুনির্দিষ্ট টর্ক এবং গতি নিয়ন্ত্রণ অর্জন করে। এর দ্রুত গতিশীল প্রতিক্রিয়া এবং দক্ষ কর্মক্ষমতা শিল্প অ্যাপ্লিকেশনগুলিতে এর ব্যাপক গ্রহণের দিকে পরিচালিত করেছে।

ভেক্টর নিয়ন্ত্রণ

ক্ষেত্র - ওরিয়েন্টেড কন্ট্রোল (ফোক), যা ক্ষেত্র হিসাবে পরিচিত - ওরিয়েন্টেড কন্ট্রোল, এটি একটি সার্ভো নিয়ন্ত্রণ তত্ত্ব যা 1970 এর দশকে প্রস্তাবিত। এটি পার্ক এবং ক্লার্ককে তিনটি -}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}}} তারপরে ফেজ স্রোতগুলি উত্তেজনা কারেন্ট আই এবং ঘোরানো বর্তমান আইডি অর্জনের জন্য ডিকিউপ করা হয়, একটি ডিসি মোটরের মতো নিয়ন্ত্রণ কর্মক্ষমতা অর্জন করে। প্রয়োজনীয় নিয়ন্ত্রণ ভেরিয়েবল পাওয়ার পরে, বিপরীত পার্ক ট্রান্সফর্ম এবং এসভিপিডাব্লুএম অ্যালগরিদম এটিকে তিনটি -} ফেজ এসি ভেরিয়েবলে রূপান্তর করতে ব্যবহৃত হয়।

ভেক্টর নিয়ন্ত্রণের প্রধান প্রকারগুলি হ'ল খোলা - লুপ ভেক্টর নিয়ন্ত্রণ (সেন্সরলেস ভেক্টর নিয়ন্ত্রণ) এবং বন্ধ - লুপ ভেক্টর নিয়ন্ত্রণ (সেন্সরযুক্ত ভেক্টর নিয়ন্ত্রণ)। খুলুন - লুপ ভেক্টর নিয়ন্ত্রণের মোটর গতি বা অবস্থানের বিষয়ে প্রতিক্রিয়া প্রয়োজন হয় না। এই পদ্ধতিটি সহজ এবং কম - ব্যয়, তবে এর নিয়ন্ত্রণের নির্ভুলতা এবং গতিশীল কর্মক্ষমতা বন্ধ - লুপ নিয়ন্ত্রণের চেয়ে নিকৃষ্ট। বন্ধ - লুপ ভেক্টর নিয়ন্ত্রণের জন্য ফ্লাক্স এবং টর্ককে সঠিকভাবে নিয়ন্ত্রণ করতে মোটর গতি বা অবস্থানের প্রতিক্রিয়া প্রয়োজন। এটি অত্যন্ত সুনির্দিষ্ট নিয়ন্ত্রণ কর্মক্ষমতা সরবরাহ করে এবং উচ্চ গতিশীল পারফরম্যান্সের জন্য প্রয়োজনীয় অ্যাপ্লিকেশনগুলির জন্য উপযুক্ত। ভেক্টর নিয়ন্ত্রণ কৌশলগুলি প্রাথমিকভাবে আইডি =0 নিয়ন্ত্রণ, পাওয়ার ফ্যাক্টর unity ক্য নিয়ন্ত্রণ, সর্বাধিক টর্ক - থেকে - বর্তমান অনুপাত নিয়ন্ত্রণ এবং ক্ষেত্র - দুর্বল নিয়ন্ত্রণ অন্তর্ভুক্ত করে। আইডি =0 নিয়ন্ত্রণ, এর সরলতার কারণে, ন্যূনতম গণনার প্রচেষ্টা, দুর্দান্ত টর্ক পারফরম্যান্স এবং প্রশস্ত গতি নিয়ন্ত্রণের পরিসীমা, উচ্চ - পারফরম্যান্স নিয়ন্ত্রণ অ্যাপ্লিকেশনগুলিতে ব্যাপকভাবে ব্যবহৃত হয়। যাইহোক, ভেক্টর নিয়ন্ত্রণের ত্রুটি রয়েছে: এটিতে রটার ফ্লাক্স এবং জটিল সমন্বয় রূপান্তরগুলি নির্ধারণ করা জড়িত, দুটি - অক্ষের বর্তমান কাপলিংয়ের মতো অরৈখিক কারণগুলির সাথে পরিচয় করিয়ে দেয় এবং মোটর প্যারামিটার দ্বারা সরাসরি প্রভাবিত হয়, অপারেশন চলাকালীন সিস্টেমটিকে প্যারামিটারের বিভিন্নতা এবং বাহ্যিক হস্তক্ষেপের জন্য সংবেদনশীল করে তোলে, নিয়ন্ত্রণে হ্রাসের দিকে এগিয়ে যায়।

ভেক্টর নিয়ন্ত্রণ প্রযুক্তি আধুনিক এসি মোটর নিয়ন্ত্রণের একটি প্রয়োজনীয় উপাদান হয়ে উঠেছে এবং বৈদ্যুতিক যানবাহন, শিল্প রোবট, লিফট এবং বিভিন্ন গতি নিয়ন্ত্রণ ব্যবস্থা সহ বিভিন্ন শিল্প ও বাণিজ্যিক অ্যাপ্লিকেশনগুলিতে ব্যাপকভাবে ব্যবহৃত হয়। উচ্চ - নির্ভুলতা এবং উচ্চ - দক্ষতা নিয়ন্ত্রণ সরবরাহ করে, ভেক্টর নিয়ন্ত্রণ প্রযুক্তি মোটর ড্রাইভ সিস্টেমগুলির কার্যকারিতা উল্লেখযোগ্যভাবে উন্নত করে।

বুদ্ধিমান নিয়ন্ত্রণ

বুদ্ধিমান নিয়ন্ত্রণ পূর্ববর্তী নিয়ন্ত্রণ কৌশল থেকে পৃথক। এটি সম্পূর্ণরূপে নিয়ন্ত্রণ বস্তুর গাণিতিক মডেলের উপর নির্ভর করে না, তবে পারফরম্যান্স প্রতিক্রিয়া পেয়ে নিয়ন্ত্রণকে অনুকূল করে তোলে। অরৈখিক, মাল্টিভেরিয়েবল এসি সার্ভো মোটরগুলির জন্য, বুদ্ধিমান নিয়ন্ত্রণ একটি উপযুক্ত পছন্দ। বুদ্ধিমান নিয়ন্ত্রণ একটি একক নিয়ন্ত্রণ কৌশল নয়, তবে মূলত ফাজি নিয়ন্ত্রণ, স্লাইডিং মোড কন্ট্রোল, নিউরাল নেটওয়ার্ক নিয়ন্ত্রণ এবং জেনেটিক অ্যালগরিদম সহ এক শ্রেণির কৌশলগুলির জন্য একটি সাধারণ শব্দ।

(1) ফাজি নিয়ন্ত্রণ, যা ফাজি লজিক কন্ট্রোল নামেও পরিচিত, ফাজি গণিত থেকে উদ্ভূত এবং এটি একটি কম্পিউটার নিয়ন্ত্রণ প্রযুক্তি যা ফাজি সেট তত্ত্ব, ফাজি ভাষা এবং ফাজি যুক্তি সমন্বিত। অস্পষ্ট নিয়ন্ত্রণটি अस्पष्ट যুক্তি এবং সিদ্ধান্তকে অনুকরণ করে {{2} the মানুষের প্রক্রিয়া তৈরি এবং বুদ্ধিমান নিয়ন্ত্রণ পদ্ধতির অন্তর্গত। এই পদ্ধতিটি অপারেটর বা বিশেষজ্ঞদের অভিজ্ঞতাকে অস্পষ্ট নিয়মগুলিতে রূপান্তরিত করে, সেন্সরগুলির আসল - সময় সংকেতগুলিকে ফুজিফ করে এবং তারপরে অস্পষ্ট যুক্তি সম্পাদন করে এবং অবশেষে ফলাফলগুলি অ্যাকুয়েটারে সংহত করে। অস্পষ্ট নিয়ন্ত্রণের জন্য নিয়ন্ত্রিত বস্তুর একটি সঠিক গাণিতিক মডেল প্রতিষ্ঠার প্রয়োজন হয় না। এই পদ্ধতিটি নিয়ন্ত্রণ প্রক্রিয়া এবং কৌশল গ্রহণ এবং বুঝতে সহজ করে তোলে, নকশায় সহজ এবং প্রয়োগ করা সহজ করে তোলে। অস্পষ্ট নিয়ন্ত্রণ সিস্টেমে দুর্দান্ত দৃ ust ়তা রয়েছে এবং নিয়ন্ত্রণ প্রভাবের উপর হস্তক্ষেপ এবং প্যারামিটার পরিবর্তনের প্রভাব কার্যকরভাবে হ্রাস করতে পারে। এটি ননলাইনার, সময় - বিভিন্ন এবং খাঁটি ল্যাগ সিস্টেমগুলির নিয়ন্ত্রণের জন্য বিশেষভাবে উপযুক্ত এবং বাস্তব - সময় পারফরম্যান্সে শক্তিশালী সুবিধা রয়েছে। যাইহোক, অস্পষ্ট নিয়ন্ত্রণের নকশাটি এখনও পদ্ধতিগতকরণের ক্ষেত্রে, বিশেষত জটিল সিস্টেমগুলির নিয়ন্ত্রণে চ্যালেঞ্জের মুখোমুখি। বর্তমানে, অস্পষ্ট নিয়ন্ত্রণ ব্যবস্থা, স্থিতিশীলতা বিশ্লেষণ, পদ্ধতিগত নকশা ইত্যাদির সমস্যাগুলি সমাধান করার জন্য একটি সম্পূর্ণ ফাজি নিয়ন্ত্রণ তাত্ত্বিক ব্যবস্থা প্রতিষ্ঠিত হয়নি, সুতরাং, একটি নির্ভরযোগ্য ফাজি নিয়ম এবং সদস্যপদ ফাংশন ডিজাইন পদ্ধতি অর্জন করা সম্পূর্ণরূপে অভিজ্ঞতাবাদী নকশার উপর নির্ভর করা এড়াতে যা ফাজি নিয়ন্ত্রণের গবেষণায় মনোযোগ দেওয়া উচিত।

(২) স্লাইডিং মোড কন্ট্রোল এসএমসি, যা পরিবর্তনশীল কাঠামো নিয়ন্ত্রণ হিসাবেও পরিচিত, এটি আধুনিক নিয়ন্ত্রণ তত্ত্বের উপর ভিত্তি করে একটি নিয়ন্ত্রণ প্রকল্প। এর গাণিতিক ভিত্তি মূলত ল্যাপুনভ ফাংশনের উপর ভিত্তি করে। স্লাইডিং মোড নিয়ন্ত্রণের মূল ধারণাটি হ'ল একটি স্লাইডিং মোড পৃষ্ঠ স্থাপন করা, নিয়ন্ত্রিত সিস্টেমটিকে পৃষ্ঠের দিকে গাইড করা এবং স্লাইডিং পৃষ্ঠের সাথে সিস্টেমটি সরানো। এই নিয়ন্ত্রণ পদ্ধতিটি মূলত একটি অরৈখিক নিয়ন্ত্রণ কৌশল। এর অরৈখিক বৈশিষ্ট্যগুলি নিয়ন্ত্রণের বিচ্ছিন্নতায় প্রতিফলিত হয়, যা স্যুইচিং ফাংশনগুলির মাধ্যমে অর্জন করা হয়। স্লাইডিং মোড থেকে সিস্টেমের রাজ্যটি যে ডিগ্রি থেকে বিচ্যুত হয় সে অনুযায়ী, কন্ট্রোলারের কাঠামো (নিয়ন্ত্রণ আইন বা নিয়ামক পরামিতি) স্লাইডিং মোড দ্বারা নির্দিষ্ট অপারেশন মোড অনুসরণ করতে সিস্টেমটি সামঞ্জস্য করা হয়। স্লাইডিং মোড কন্ট্রোল সিস্টেমের অনিশ্চয়তা কাটিয়ে উঠতে পারে এবং হস্তক্ষেপ এবং আনমোডেলড গতিশীলতার প্রতি দৃ strong ় দৃ ust ়তা প্রদর্শন করতে পারে, বিশেষত ননলাইনার সিস্টেম নিয়ন্ত্রণের ক্ষেত্রে [12]। স্লাইডিং মোড নিয়ন্ত্রণ সহজ এবং দক্ষ, দ্রুত প্রতিক্রিয়া গতি এবং বাহ্যিক শব্দের হস্তক্ষেপ এবং প্যারামিটার পরিবর্তনের জন্য ভাল দৃ ust ়তা সহ। যাইহোক, একবার সিস্টেমের রাষ্ট্রের ট্র্যাজেক্টোরি স্লাইডিং মোড পৃষ্ঠে পৌঁছে গেলে, অ্যালগরিদমের পক্ষে সিস্টেমের ভারসাম্য বিন্দুতে কঠোরভাবে পৃষ্ঠটি অনুসরণ করা কঠিন। পরিবর্তে, এটি স্লাইডিং পৃষ্ঠের উভয় পাশে পিছনে পিছনে শাটল করে এবং ধীরে ধীরে ভারসাম্য বিন্দুতে পৌঁছায়, যার ফলে বকবক হওয়ার ঘটনা ঘটে। বর্তমানে, বকবক করার প্রভাব হ্রাস করার প্রধান পদ্ধতিগুলি হ'ল স্লাইডিং মোড অ্যাপ্রোচ আইনের উন্নতি করা বা ফিল্টারিং, ফাজি নিয়ন্ত্রণ, নিউরাল নেটওয়ার্ক এবং অন্যান্য পদ্ধতি ব্যবহার করা।

(3) নিউরাল নেটওয়ার্ক নিয়ন্ত্রণ এমন একটি পদ্ধতি যা জটিল ননলাইনার অবজেক্টগুলিকে প্রক্রিয়া করতে নিউরাল নেটওয়ার্কগুলি ব্যবহার করে যা সঠিকভাবে বর্ণনা করা কঠিন। এই নিয়ন্ত্রণ ব্যবস্থায়, নিউরাল নেটওয়ার্কগুলি একাধিক ভূমিকা যেমন নিয়ন্ত্রক, অপ্টিমাইজেশন গণনা, যুক্তি বা ত্রুটি নির্ণয়ের মতো খেলতে পারে। এই নিউরাল নেটওয়ার্ক কন্ট্রোল সিস্টেম যা বিভিন্ন ফাংশনগুলিকে সংহত করে আরও কার্যকরভাবে সিস্টেমের জটিলতা এবং অনিশ্চয়তার সাথে মোকাবিলা করতে পারে। নিউরাল নেটওয়ার্ক নিয়ন্ত্রণের মাধ্যমে, সিস্টেমটি আরও নমনীয় এবং অভিযোজিতভাবে পরিচালনা করতে পারে, সিস্টেমের কার্যকারিতা এবং দৃ ust ়তা উন্নত করতে পারে। কৃত্রিম নিউরাল নেটওয়ার্কগুলি (এএনএন) সংক্ষেপে নিউরাল নেটওয়ার্ক (এনএন) হিসাবে রয়েছে। এএনএনএস হ'ল একটি মডেল যা মানব মস্তিষ্কের স্নায়ুতন্ত্রের শেখার প্রক্রিয়াটি অনুকরণ করে নির্মিত এবং এটি মাল্টি - স্তর এবং একক - স্তরে বিভক্ত। প্রতিটি স্তরে একাধিক নিউরন থাকে এবং নিউরনগুলি পরিবর্তনশীল ওজনের সাথে নির্দেশিত সংযোগ দ্বারা সংযুক্ত থাকে। বারবার পরিচিত তথ্যগুলি শিখতে এবং প্রশিক্ষণ দিয়ে এবং ধীরে ধীরে নিউরন সংযোগগুলির ওজন সামঞ্জস্য করে, কৃত্রিম নিউরাল নেটওয়ার্কগুলি তথ্য প্রক্রিয়া করতে পারে এবং ইনপুট - আউটপুট সম্পর্কের অনুকরণ করতে পারে। নিউরাল নেটওয়ার্ক প্রযুক্তির ফাজি, এলোমেলো এবং ননলাইনার ডেটা প্রক্রিয়াকরণে traditional তিহ্যবাহী ডেটা প্রসেসিং পদ্ধতির তুলনায় সুস্পষ্ট সুবিধা রয়েছে এবং এটি বৃহত আকারের, জটিল কাঠামো এবং অনিশ্চিত তথ্য সহ সিস্টেমগুলির জন্য বিশেষভাবে উপযুক্ত। নিউরাল নেটওয়ার্কগুলিকে ইনপুট এবং আউটপুটের মধ্যে সঠিক সম্পর্কটি বোঝার দরকার নেই, তবে কেবল আউটপুট পরিবর্তনের কারণ হিসাবে অ -13}} ধ্রুবক কারণগুলি বিবেচনা করা দরকার, অর্থাৎ, নন - ধ্রুবক পরামিতি। এটি নিউরাল নেটওয়ার্কগুলি অনিশ্চিত ডেটা প্রক্রিয়াকরণে ভাল সম্পাদন করে।

(৪) জেনেটিক অ্যালগরিদম (জিএ) একটি সমান্তরাল এলোমেলো অনুসন্ধান অপ্টিমাইজেশন কৌশল যা প্রকৃতির জীবের জিনগত এবং বিবর্তনীয় প্রক্রিয়াগুলিকে অনুকরণ করে। এই অ্যালগরিদমটি এনকোডিং কৌশলগুলির মাধ্যমে বাইনারি স্ট্রিংগুলিতে কাজ করে, সর্বোত্তম সমাধানের সন্ধানের জন্য জনসংখ্যার বিবর্তনকে অনুকরণ করে। জেনেটিক অ্যালগরিদমগুলি অত্যন্ত অভিযোজিত স্ট্রিংগুলি পুনরায় সংযুক্ত করতে এবং একটি নির্দিষ্ট সম্ভাবনার সাথে কিছু স্ট্রিংয়ের অংশগুলি প্রতিস্থাপনের জন্য একটি সুশৃঙ্খল এলোমেলো তথ্য বিনিময় প্রক্রিয়া ব্যবহার করে। প্রাকৃতিক নির্বাচনের অনুরূপ, অত্যন্ত অভিযোজ্য স্ট্রিংগুলি ধরে রাখা হয় এবং সন্তোষজনক অপ্টিমাইজেশনের ফলাফল অর্জন না হওয়া পর্যন্ত পুনরুত্পাদন করা চালিয়ে যায়। জেনেটিক অ্যালগরিদমের সমস্যার জন্য নিজেই কোনও নির্দিষ্ট প্রয়োজনীয়তা নেই এবং কঠোর গাণিতিক অনুমানের প্রয়োজন হয় না। এগুলিতে সমান্তরাল কম্পিউটিং ক্ষমতাও রয়েছে, বড় - স্কেল সমান্তরাল কম্পিউটিংয়ের মাধ্যমে গণনার গতি বাড়ানো, এগুলি বড় -} স্কেল, জটিল সমস্যাগুলি অনুকূলকরণের জন্য উপযুক্ত করে তোলে। অ্যালগরিদম অনুসন্ধানের দিকনির্দেশকে গাইড করার জন্য সম্ভাব্য রূপান্তর বিধিগুলি ব্যবহার করে এবং স্ব -{9}} সংগঠিত, অভিযোজিত এবং স্ব - শেখার বৈশিষ্ট্যগুলি প্রদর্শন করে। এর সুবিধার কারণে, গ্যাসটি নিয়ামক ডিজাইনে প্যারামিটার অপ্টিমাইজেশনের জন্য বিশেষত অপ্টিমাইজেশনের জন্য ব্যাপকভাবে ব্যবহৃত হয়। এগুলি পাথ অপ্টিমাইজেশন, পাওয়ার সিস্টেম এবং স্বয়ংচালিত শিল্পের মতো ক্ষেত্রেও প্রয়োগ করা হয়।

এটি আরও ভাল নিয়ন্ত্রণের প্রভাবগুলি অর্জনের জন্য সাধারণত বেশ কয়েকটি বুদ্ধিমান নিয়ন্ত্রণ কৌশলকে একত্রিত করে। উদাহরণস্বরূপ, একটি পরিবর্তনশীল পাওয়ার অ্যাপ্রোচ রেট স্লাইডিং ফিল্ম কন্ট্রোল কৌশল প্রস্তাব করা হয়, এবং অভিযোজিত স্লাইডিং ফিল্ম লাভ ভেরিয়েবল এক্সফোনেনশিয়াল শব্দটি পাওয়ার অ্যাপ্রোচ হারে যুক্ত করা হয়, যা পর্যবেক্ষণের নির্ভুলতা উন্নত করে এবং কার্যকরভাবে ত্রুটি প্রশস্ততা নিয়ন্ত্রণ করে। ইউ জিয়াওলিং এট আল। [১ 16] একটি অস্পষ্ট অভিযোজিত ভগ্নাংশ - অর্ডার পিআইডি নিয়ামককে প্রস্তাবিত, ভগ্নাংশের সাথে ফাজি নিয়ন্ত্রণের সমন্বয় করে - অর্ডার পিআইডি নিয়ামক, যা একটি নির্দিষ্ট পরিমাণে মোটর নিয়ন্ত্রণ সিস্টেমের প্রতিক্রিয়া গতি উন্নত করে এবং স্থায়িত্বকে উন্নত করে। অস্পষ্ট নিয়ন্ত্রণ জেনেটিক অ্যালগরিদমের সাথে একত্রিত করা হয় একটি জেনেটিক -} ফাজি সংমিশ্রণ নিয়ন্ত্রণ কৌশল তৈরি করে, এবং জেনেটিক অ্যালগরিদম ফাজি পিআই কন্ট্রোলার পরামিতিগুলিকে অনুকূল করতে ব্যবহৃত হয় যা ম্লানতার সাথে টিউনিংয়ে আনুপাতিক ফ্যাক্টর টিউনিংয়ের ক্ষেত্রে বৃহত ত্রুটিগুলি সমাধান করে এবং সময়কে টুনের মাধ্যমে টিউনিংকে হ্রাস করে এবং ত্রৈমাসিকের উন্নতি করে। পিআইডি কন্ট্রোলারের সাথে রেডিয়াল বেস ফাংশন (আরবিএফ) নিউরাল নেটওয়ার্ককে একত্রিত করে এমন নিয়ন্ত্রণ কৌশলটি পিআইডি প্যারামিটারগুলি টিউন করতে সনাক্তকরণের মাধ্যমে প্রাপ্ত সংবেদনশীলতা সংকেত ব্যবহার করে, যার ফলে অ্যান্টি - হস্তক্ষেপের ক্ষমতা উন্নত করে। আরবিএফ নিউরাল নেটওয়ার্কগুলি হ'ল ফিডফোর্ড নিউরাল নেটওয়ার্ক যা স্বেচ্ছাসেবী নির্ভুলতার সাথে আনুমানিক ফাংশনগুলি আনুমানিক করতে পারে। তারা স্থানীয় আনুমানিক, শক্তিশালী ইনপুট - আউটপুট ম্যাপিং এবং দ্রুত রূপান্তরগুলির সুবিধাগুলি সরবরাহ করে। একটি পিআইডি নিয়ামকের সাথে একটি ওয়েভলেট নিউরাল নেটওয়ার্ক (ডাব্লুএনএন) সংমিশ্রণ এবং একটি ওয়েভলেট নিউরাল নেটওয়ার্ক পিআইডি নিয়োগ করা (ডাব্লুএনএন-} পিআইডি) নিয়ন্ত্রণ কৌশল কার্যকরভাবে স্থায়ী চৌম্বক সিঙ্ক্রোনাস মোটরগুলির গতি নিয়ন্ত্রণের যথার্থতা উন্নত করে। ওয়েভলেট নিউরাল নেটওয়ার্কগুলি মাল্টি - রেজোলিউশন এবং মাল্টি - স্কেল সংকেত বিশ্লেষণের সাথে নিউরাল নেটওয়ার্ক স্ট্রাকচারাল মডেলগুলির সংমিশ্রণের জন্য একটি কার্যকর পদ্ধতি। নেটওয়ার্ক ওজন সহগের লিনিয়ার বিতরণ এবং শিখে নেওয়া উদ্দেশ্যমূলক ফাংশনের উত্তলতার মাধ্যমে নেটওয়ার্ক প্রশিক্ষণ প্রক্রিয়াটি স্থানীয়ভাবে স্থানীয় অনুকূলতা এবং ননলাইনার অপ্টিমাইজেশন সমস্যাগুলি এড়িয়ে চলে।