كنترل سرعت موتور القايي جهت بكارگيري در سيستم تست HIL واحد كنترل سوخت موتور جت با استفاده از كنترل‌كننده ANFIS و الگوريتم علف‌هاي هرز مهاجم

Induction motor control using ANFIS controller and IWO optimization algorithm for using in HIL testing of turbojet FCU

واحد كنترل سوخت موتور جت (FCU) در طي چند سال گذشته در آزمايشگاه شبيه‌سازي و كنترل سيستم‌هاي دانشگاه علم و صنعت ايران، طراحي و ساخته شده ‌است و در حال حاضر در مرحله تست سخت‌افزار در حلقه قرار گرفته ‌است. با توجه به اين كه در دستگاه تست FCU، موتور جت به صورت واقعي وجود ندارد، لذا از يك موتور القايي به‌عنوان عملگر واسطه‌ استفاده‌ شده ‌است تا از طريق آن بتوان ميزان دور بدست ‌آمده از نتايج شبيه‌سازي موتور جت را به پمپ دنده‌اي FCU منتقل كرد. در اين مقاله، كنترل سرعت اين موتور القايي مطابق با شرايط دستگاه تست ارايه شده‌ است. بدين منظور از روش‌ شناسايي سيستم براي مدل‌سازي اجزاي بكار رفته در سيستم كنترل سرعت موتور القايي استفاده گرديده و مدل ارايه شده با استفاده از نتايج بدست‌آمده از تست عملي مورد ارزيابي قرار گرفت. اين مدل جهت طراحي كنترلر فازي- عصبي- تطبيقي (ANFIS) استفاده شده‌ است و با بكارگيري الگوريتم علف‌هاي هرز مهاجم (IWO) به‌عنوان يك ابزار قدرتمند كاوش در فضاهاي جستجوي وسيع و نامنظم به تنظيم پارامترهاي اين كنترلر پرداخته شده‌ است. كنترلر طراحي شده بر روي سيستم واقعي پياده‌سازي شد. نتايج بدست‌آمده از شبيه‌سازي و پياده‌سازي كنترلر طراحي ‌شده نشان‌دهنده عملكرد مناسب كنترلر ANFIS طراحي ‌شده با الگوريتم IWO مي‌باشد.

Jet engine Fuel Control Unit (FCU) has been manufactured recently in the SSAC laboratory of Iran University of science and technology, and is being tested now using HIL testing. Regarding there is no possibility utilizing a jet engine in this test set; an induction motor was used as an actuator to transit rotation acquired using jet engine real time simulation to the FCU pump. In this paper, the induction motor’s velocity control is presented considering condition for the test set. To do so, system identification method is used to model the components employed in induction motor velocity control system. Then, the model is evaluated using experimental test results. Afterward, it is used to design ANFIS controller, and the controller parameters is adjusted employing IWO optimization algorithm as a strong tool for seeking in vast disorder spaces. Subsequently, the controller designed is implemented on a real system. Results gained using simulation and the designed controller implementation show that ANFIS controller designed using IWO algorithm works appropriately.