| Title |
IMPLEMENTAÇÃO EM FPGA DE ALGORITMOS PARA O CONTROLE DE MOTORES TRIFÁSICOS BASEADOS EM REDES NEURAIS ARTIFICIAIS COM FUNÇÃO DE ATIVAÇÃO PROJETADA USANDO ALGORITMOS GENÉTICOS |
| Author |
André D’Estefani Müller Ribeiro |
| Advisor |
Raymundo Cordero García |
| Abstract |
Este trabalho de Dissertação de Mestrado visa a implementação em FPGA (Field Programmable Gate Array, em inglês) dos seguintes algoritmos usados no controle de motores trifásicos: A técnica de modulação por vetores espaciais SVPWM (Space Vector Pulse Widht Modulation, em inglês) e o algoritmo de leitura do sensor de posição resolver. Estes algoritmos serão implementados utilizando Redes Neurais Artificiais (RNA). A aplicação de RNAs executados em FPGA permite um processamento rápido, paralelo e não linear dos dados. Desta maneira, podem-se desenvolver sistemas de controle e estimação com um maior desempenho e robustez em relação ao uso de técnicas lineares. Um dos problemas mais destacáveis da implementação de RNAs em um FPGA é o cálculo da função de ativação não linear, usada geralmente nos neurônios da camada oculta de um perceptron multicamada (Multi-Layer Perceptron, MLP, em inglês). Entre as diferentes funções de ativação existentes, a função sigmoide é uma das mais utilizadas e estudadas. Na dissertação proposta, a função de ativação sigmoide será aproximada usando a técnica SPLINE, a qual apresenta compromisso entre a exatidão da aproximação e o custo computacional. Nesta técnica, a função a aproximar é dividida em segmentos, e cada segmento é aproximado através de um polinômio. A exatidão da aproximação depende desta segmentação. Um Algoritmo Genético (AG) foi aplicado para procurar uma segmentação ótima da função sigmoide que permita reduzir o erro de aproximação. Resultados de simulação e experimentais mostram que o uso de AG e SPLINEs permite uma eficiente implementação de RNAs aplicado à modulação SVPWM e para a estimação da posição angular usando o sensor resolver. |
| This master’s thesis work aims to implement in FPGA (Field Programmable Gate Array) the following algorithms used to control three-phase motors: The SVPWM (Space Vector Pulse Widht Modulation) modulation technique and the resolver position sensor reading algorithm. These algorithms will be implemented using Artificial Neural Networks (ANN). The application of ANNs executed in FPGA allows a fast, parallel and non-linear processing of the data. In this way, control and estimation systems can be developed with greater performance and robustness in relation to the use of linear techniques. One of the most notable problems of implementing ANNs in FPGA is the calculation of the nonlinear activation function, generally used in neurons in the hidden layer of a Multi-Layer Perceptron (MLP). Among the different activation functions, the sigmoid function is one of the most used and studied. In the proposed dissertation, the sigmoid activation function will be approximated using the SPLINE technique, which presents a compromise between the accuracy of the approximation and the computational cost. In this technique, the function to be approximated is divided into segments, and each segment is approximated through a polynomial. The accuracy of the approximation depends on the segmentation. A Genetic Algorithm (GA) was applied to obtain a segmentation of the sigmoid function that reduces the approximation error. Simulation and experimental results show that the use of GA and SPLINEs allows an efficient implementation of ANNs applied to SVPWM modulation and to estimate the angular position using the resolver sensor. |
| Description |
Dissertação (mestrado) – Universidade Federal de Mato Grosso do Sul, FAENG, Programa de Pós-Graduação em Engenharia Elétrica, Campo Grande, 2020. |
| URI |
https://ppgee.ufms.br/dissertacoes-2020/implementacao-em-fpga-de-algoritmos-para-o-controle-de-motores-trifasicos-baseados-em-redes-neurais-artificiais-com-funcao-de-ativacao-projetada-usando-algoritmos-geneticos/ |
| Date |
2020 |
