Design and Implementation of the DSP-Based V/f Speed Control of an Induction Motor Using Intelligent Controllers

Document Type : Research Article

Authors

Department of electrical engineering, Faculty of Engineering, University of Isfahan, Isfahan, Iran

Abstract

  This paper presents experimental results of the V/f speed control for an induction motor under different operating conditions such as step changes in reference speed and the load torque . Genetic PI-based and Fuzzy-Logic-based controllers are considered. Then, the performances of these controllers are experimentally compared with each other under these different operating conditions.  

Keywords


استفاده از موتورهای القایی به علت ساختار ساده و مقاوم آن و همچنین، هزینه تعمیر و نگهداری پایین، در مصارف صنعتی بسیار رایج است[1]. از روش V/f ثابت، به علت طراحی ساده و قیمت مناسب در رنج سرعت­های متوسط و بالا در صنایع، به طور وسیع استفاده می­شود [2]. استفاده از کنترل کننده PI به منظور کنترل سرعـت موتور القایی در سـرعـت­های مختلف بسـیار رایـج است[3]. برای دستیابی به پاسخ دینامیکی سریع و عملکرد مطلوب،ضرایب کنترل کننده توسط روش­های بهینه­سازی تعیین می­شوند. در درایوهای با عملکرد کیفیت بالا، سرعت موتور باید یک سرعت مرجع را در حضور اغتشاشات بار، تغییر پارامترها و عدم قطعیت در مدل ماشین، به خوبی دنبال کند[4]. در این شرایط، کنترل­کننده­ای با ضرایب ثابت، نمی­تواند عملکرد مطلوبی داشته­ باشد، بنابراین، ضرایب کنترل­کننده باید همواره تطبیق داده شوند، که این مشکل با استفاده از تکنیک‌های کنترل تطبیقی قابل حل است، اما عملکرد تمامی این کنترل­کننده­ها به داشتن مدل دقیقی از ماشین وابسته است، که به علت برخی شرایط ناشناخته و اغتشاشات و تغییر پارامترها، بدست آوردن مدل دقیق سیستم دشوار است. برای غلبه بر این مشکل، از کنترل­کننده فازی برای کنترل­ موتور القایی استفاده می­شود.مزیت اصلی کنترل­کننده فازی در مقایسه با کنترل­کننده­های مرسوم، این است که کنترل­کننده فازی به داشتن مدل دقیق سیستم نیازی ندارد و از طرفی، می­تواند به خوبی در کنار سیستم­های غیرخطی و پیچیده کار کند [5]. بعلاوه، کنترل­کننده فازی از قواعد زبانی، که با استفاده از شرایط سیستم و دانش خبره سـاخته شده­اند، سـود می­بــــرد [9-6]. تعدادی نتایج عملی در زمینه پیاده­سازی کنترل کننده فازی در [12-10] ارائه شده است، که در آنها فرآیند استنتاج فازی توسط رایانه انجام می­شود. در[13]، روشی برای پیاده­سازی کنترل­کننده­ی فازی، پیشنهاد شده که حجم محاسبات و حافظه مورد نیاز کاهش یافته است. در این مقاله طراحی وساخت کنترل سرعت موتور القایی سه فاز با روش V/f توسط کنترل کننده PI تنظیم شده با الگوریتم ژنتیک وکنترل کننده فازی در شرایط مختلف کاری مطرح می گردد و عملکرد این دو کنترل کننده در شرایط مختلف کاری با هم مقایسه می­شود. همچنین، روشی برای پیاده­سازی کنترل­کننده فازی  که تابع ساده­ای برحسب خطا و تغییرات خطاست، بر روی پردازنده سیگنال دیجیتال با شماره (TMS320F2812) ارائه شده‌است. از تکنیک SVPWM برای سوئیچ­زنی استفاده می‌شود، زیرا با داشتن ولتاژ باس DC یکسان، حداکثر ولتاژ قابل حصول در ناحیه مدولاسیون خطی، 70.7% باس DC است، در حالی­که در SPWM این مقدار 61.2% است، که 9.5% کمتر از حالتی است که از تکنیک SVPWM برای سوئیچ­زنی استفاده می­شود.

شکل (1): بلوک دیاگرام کنترل سرعت به روش V/f ثابت

 

2- ساختار کنترل­کننده سرعت به­روش V/f ثابت

در شکل (1) با استفاده از یک اینکدر افزایشی، سرعت رتور سنجیده می­شود . این سرعت با سرعت مرجع موتور مقایسه می­شود و از خطای به دست آمده به عنوان ورودی کنترل­کننده- که می­تواند PI یا فازی باشد- استفاده می­شود. همان طوری­که در شکل (1) مشخص است، از خروجی کنترل­کننده برای به دست آوردن دامنه و زاویه ولتاژ مرجع استفاده می­شود. خروجی کنترل­کننده در این شکل با (  مشخص شده­است. با استفاده از جدول جستجو، از  دامنه ولتاژ مرجع (m) به دست می­آید و از انتگرال  برای به دست آوردن زاویه ولتاژ مرجع(θ) استفاده می گردد. این دامنه و زاویه ولتاژ مرجع، ورودی‌های بلوک SVPWM هستند و خروجی این بلوک سیگنال­های کلید ­زنی را تولید می­کند.

 

3- طراحی کنترل کننده سرعت

در بخش 3-1 ضرایب کنترل کننده PI توسط الگوریتم ژنتیک GA)  (برای رسیدن به پاسخ دینامیکی مناسب تعیین می­شوند و در بخش 3-2 کنترل کننده فازی جایگزین کنترل کننده PI شده، عملکرد آنها با هم مقایسه و بررسی می‌شود.

 

3-1- بهینه کردن ضرایب کنترل کننده PI توسط GA

الگوریتم ژنتیک بر پایه مشابهت با کد­های ژنتیک در ساختار DNA که از تعدادی کروموزم تشکیل می­شود استوار است [14]. این الگوریتم ضرایب PI را برای بهینه کردن تابع برازندگی؛ یعنی رسیدن به کمترین مقادیر بالازدگی، زمان صعود، زمان استقرار، و خطای حالت ماندگار تنظیم می­کند. برای پیاده­سازی این الگوریتم مراحل زیر در نظر گرفته می شوند:

1-تعداد جمعیت، ماکزیمم تعداد تولید نسل، نرخ جابجایی، نرخ جهش؛

2-انتخاب یک جمعیت اولیه؛

3-تعریف تابع برازندگی؛

4-ارزیابی مقدار برازندگی برای هر کروموزم از جمعیت؛

5-انتخاب کروموزم­ها از نسل قدیم برای تولید نسل جدید براساس مکانیزم چرخ رولت،(چرخ رولت به کروموزم­هایی که مقدار برازندگی بزرگتری دارند، شانس انتخاب بیشتری می­دهد)؛

6-اعمال عملگرهای جابه‌جایی و جهش بر روی کروموزم­های انتخاب شده از نسل قدیم برای تولید نسل جدید و انتقال بدون تغییر بهترین کروموزم از نسل قبلی به نسل جدید؛

7-تکرار مرحله 4 و5 به منظور رسیدن به جواب نهایی یا یکی از شرایط توقف الگوریتم.

روند نمای اجرای الگوریتم ژنتیک در شکل (2) ارایه شده است. تابع برازندگی برای کمینه کردن به صورت زیر در نظر گرفته شده است:

(1)

 

 

در رابطه (1) ، ،  و ، به ترتیب حداکثر فراجهش، خطای حالت ماندگار، زمان صعود و زمان نشست هستند. در اجرای GA پارامترها صورت زیر تعیین می­شوند:

تعداد جمعیت: 50

تعداد تکرار: 10

ضریب جابه‌جایی: 0.7

ضریب جهش: 0.001

ضرایب کنترل کننده PI تعیین شده توسط GA در زیر آمده­اند:

Kp=0.72    

Ki=1.6

پیکربندی این کنترل­کننده در شکل (3) نشان داده ­شده است:

 

 

شکل (2): روند نمای اجرای الگوریتم ژنتیک

 

 

شکل (3): بلوک دیاگرام کنترل­کننده PI

 

3-2- کنترل کننده فازی

شکل (4) بلوک دیاگرام یک کنترل کننده فازی را نشان می­دهد، که در آن خطا e و تغییرات خطا Δe ورودی­های سیستم، و u خروجی سیستم و Ke، eΔK، Ku ضرایب وزنی ورودی و خروجی هستند. کنترل­کننده فازی شامل فازی­ساز، قوانین فازی، مکانیزم استنتاج و غیر فازی­ساز هستند. تمامی متغیر­های زبانی کنترل­کننده فازی (خطا و تغییرات خطا و خروجی) توسط ضرایب وزنی به بازه [3 3-] منتقل می­شوند. مؤلفه­های زبانی به این صورت تعریف می­شوند:NB  : منفی بزرگ، NM : منفی متوسط،NS  : منفی کوچک، Z : صفر، PB : مثبت بزرگ، PM : مثبت متوسط ،PS  : مثبت کوچک. مرحله بعدی انتخاب ضرایب وزنی است. برای داشتن پاسخ دینامیکی سریعتر، اگر خطای سرعت بزرگتر از rpm 200 یا کوچکتر ازrpm  200- بود، متغیر e را 200 یا 200- در­نظر گرفته می شوند و ضریب وزنی Ke برابر 200/3 انتخاب شده است. برای انتخاب ضرایب Ku، KΔe باید توجه کرد که تاخیر­های استفاده شده در شکل (4) هر یک 02. ثانیه هستند. پس باید بیشترین مقدار افزایش سرعت مجاز در 02. ثانیه را حساب کنیم. برای این منظور یک پله در سرعت مرجع از صفر به rpm 1000 در حالتی که حلقه سرعت بسته نشده است (حلقه باز)،اعمال می شود. مشاهده می­شود که سرعت در یک ثانیه به rpm 900 رسیده­است، و این یعنی سرعت موتور در هر 02. ثانیه می­تواند rpm 20 زیاد شود. بنابراین، متغیر زبانی تغییرات خطا در بازه [20 20-]قرار می­گیرد، و برای اینکه تغییرات خطا به بازه [3 3-] وارد شود، KΔe برابر 3/20 انتخاب می­شود. بر همین اساس، متغیر زبانی خروجی که در بازه [3 3-]  قرار دارد، با انتخاب Ku برابر 3/20 به بازه [20 20-] منتقل می­شود.

 

 

شکل (4): بلوک دیاگرام کنترل کننده فازی

3-2-1- روش پیشنهادی برای پیاده‌سازی عملی کنترل کننده فازی

 

در این مقاله از سیستم فازی با موتور استنتاج ضرب، فازی­ساز یگانه، غیرفازی­ساز میانگین مراکز و توابع عضویت مثلثی استفاده شده­است. با فازی­ساز یگانه، موتور استنتاج ضرب به صورت زیر ساده می­شود:

 

(2)

 

که M تعداد قوانین و n تعداد ورودی­هاست. خروجی غیرفازی­ساز میانگین مراکز نیز به صورت زیر است:

(3)

 

(4)

 

 مرکز قسمت موخر قانون l ام است. در اینجا برای پیاده­سازی کنترل­کننده فازی با دو ورودی و یک خروجی، نخست درجه عضویت ورودی­ها در توابع عضویت مشخص می­شود، سپس اگر این مقدار کوچکتر از صفر شد، آن را صفر در­نظر می­گیریم، و در نهایت، با استفاده از غیرفازی­ساز میانگین مراکز، خروجی به دست می­آید. در این روش از توابع عضویت مثلثی استفاده شده­است و به صورت رابطه (5) تعریف می­شوند:

(5)

 

 

که x می­تواند e یا Δe باشد و i برای مقادیر NB,…,PM,PB به ترتیب مقادیر 3 و2 و...و3- را اختیار می­کنند. ضمنا همان طور که در شکل (5) نشان داده­ شده است، x برای مقادیر NB,…,PM,PB به ترتیب در بــازه‌های [3 2] و [3 1] و ... و [2- 3-] تعریف شده است. در این مقاله از قوانینی که در جدول (1) مشخص شده­است به عنوان پایگاه قوانین استفاده شده ­است.با این قوانین خروجی کنترل­کننده­ی فازی به عنوان تابعی از ورودی­ها در رابطه (6) نشان داده شده است، که f تنها تابعی است که اگر آرگومان ورودی آن کوچکتر از صفر بود، خروجی آن صفر و در غیر این صورت خروجی آن همان آرگومان ورودی آن است. برای مثال، اگر e برابر 5. باشد،  برابر 5. و اگر e برابر 1.5 باشد،  برابر صفر می­شود، و این یعنی درجه عضویت 5. در Z برابر 5. و درجه عضویت 1.5 در Z برابر صفر است. اگر  دو قانون به صورت زیر در نظر گرفته شود:

1.اگر e، PB باشد و Δe، Z باشد، آنگاه خروجی PB است.

2.اگر e، Z باشد و Δe، PB باشد، آنگاه خروجی PB است.

و نیز دو رابطه (6) و (7) در نظر گرفته شوند:

(6)

 

(7)

 

به­دلیل اینکه مرکز قسمت موخر هر دو قانون 3 است، بنــابرایـــن، مقدار رابطه(8) برابر 3 می­شود:

(8)

 

 

همان طور که در بالا دیده می­شود، نیازی نیست تا ابتدا مشخص کنیم که ورودی­ها متعلق به کدامیک از توابع عضویت هستند، همچنین، دیگر به انجام برخی محاسبات زمان بر نیاز نیست. بنابراین، حجم محاسبات کاهش و سرعت انجام آنها افزایش می­یابد. شایان ذکر است که داشتن حجم محاسبات پائین برای پیاده­سازی آن بر روی پردازنده سیگنال دیجیتال بسیار حایز اهمیت است.

 

 

شکل (5): توابع عضویت مثلثی

 

جدول (1): پایگاه قوانین فازی

e

Δe

PB

PM

PS

Z

NS

NM

NB

PB

 

 

 

PB

PM

 

 

PM

 

 

 

PM

 

 

 

PS

 

 

 

PS

 

 

NM

Z

PB

PM

PS

Z

NS

NM

NB

NS

PM

 

 

NS

 

 

 

NM

 

 

 

NM

 

 

 

NB

 

 

NM

NB

 

 

 

 

 

4- نتایج تست عملی

در شکل (6) تصویری از میز کار آزمایشگاهی نشان داده شده و نتایج به صورت عملی بر روی یک موتور القایی سه فاز با اتصال مثلث آزمایش شده است. پارامتر­های موتور در جدول (2) آورده شده ­است. برای درایو موتور القایی از یک ماژول اینورتر سه فاز هوشمند استفاده شده­است. کلید‌های این اینورتر با روشSVPWM  با فرکانس kHz 18 کلیدزنی می­شوند. برای اعمال بار مکانیکی روی محور موتور مورد نظر از یک ژنراتور جریان مستقیم تحریک مستقل که با موتور القایی کوپل شده است، استفاده می­شود وتغییرات پله­ای بار  با تغییر پله­ای تحریک ژنراتور اعمال می­گردند. یک انکدر نوری افزایشی با دقت 1024 پالس در هر چرخش محور، برای محاسبه سرعت موتور استفاده شده است. الگوریتم کنترل توسط پردازنده سیگنال دیجیتال DSP با شماره (TMS320F2812) پیاده سازی شده است. از ویژگی­های اصلی این پردازنده، سـرعـت پالـس ســــاعـت بـــالا ( MHz 150 )، داشتن دو ورودی برای پالس­های انکدر ( QEP )، 16 مبدل 12 بیتی آنالوگ به دیجیتال، و 16 ورودی- خروجی دیجیتال است. باس DC، 260 ولتی که توسط یک پل دیودی ساخته شده است. الگوریتم کنترلی به کمک Matlab/Simulink پیاده­سازی شده است. و همچنین پالس­های تولیدی توسط انکدر با استفاده از ورودی دیجیتال انکدر، QEP وارد پردازنده سیگنال دیجیتال می­شود و سپس با استفاده از پالس­های موجود سرعت موتور به دست می­آید و توسط RTDX خوانده می­شود. برای تست اولیه الگوریتم کنترلی، سرعت مرجع rpm 1000 را در حالت حلقه باز به ورودی جدول جستجو و انتگرال گیر (جایی که در شکل (1) با   مشخص شده­است) اعمال می­کنیم. مشاهده می­شود که سرعت در حالت دائمی به rpm 900 می­رسد. هنگامی که حلقه کنترلی با کنترل کننده PI (با ضرایب مناسب) بسته می‌شود، سرعت موتور در حالت دائمی به rpm 1000 می‌رسد. در این حالت خروجی کنترل­کننده PI بزرگتر از rpm 1000 است واین مقدار هنگامی که بار موتور القایی افزایش می‌یابد، بزرگتر هم می‌شود. توجه به این نکته لازم است که خروجی جدول جستجو که همان اندیس مدولاسیون است، باید در بار نامی و سرعت نامی کمتر از یک باشد که به عبور از ناحیه خطی مدولاسیون منجر نشود. در این قسمت عملکرد کنترل کننده فازی در دو حالت به صورت عملی ارزیابی می‌شود.

 

الف) تغییرات پله در سرعت

در این آزمایش سرعت مرجع موتور ابتدا از سرعت اولیه rpm 1000 به rpm1200 افزایش می یابد و پس از پنج ثانیه سرعت مرجع را روی rpm 800 تنظیم می­کنیم و پس از پنج ثانیه دوباره سرعت مرجع را روی rpm 1000 بر می­گردانیم. تغییرات سرعت موتور در طی این آزمایش در شکل­های (7) و (8) نشان داده شده­است.

 

ب)تغییرات پله در گشتاور بار

در این آزمایش، ابتدا موتور بدون بار در سرعت مرجع rpm 1000 راه اندازی می­شود، سپس در طی دو مرحله گشتاور موتور به صورت ناگهانی از صفر به-m N6. و پس از چند ثانیه به صورت ناگهانی از N-m 6. به-m N1 می رسد که این تغییر گشتاور بار توسط تغییر ناگهانی ولتاژ تحریک ژنراتور از صفر به 60% و از 60% به 100% صورت گرفته است. تغییرات سرعت موتور براثر اعمال گشتاور بار در دو مرحله در شکل (9) و (10) نمایش داده ­شده است. همان طور که دیده می­شود، سرعت موتور با افزایش بار کاهش می­یابد، ولی این کاهش سرعت توسط هر دو کنترل کننده فازی و PI جبران می­شود. در شکل (11) جریان خط استاتور در طی افزایش­های پله­ای بار نمایش داده شده است.

 

 

 

شکل (6): میز کار آزمایشگاهی

 

جدول (2): پارامترهای موتور القایی سه فاز

Rated voltage (line-line) [V]

220

Rated output power [hp]

.5

Rated frequency [Hz]

50

Rated speed [rpm]

2990

Number of pole pairs

1

Stator resistance [Ω]

35

Rotor resistance [Ω]

34

Stator Leakage Inductance [mH]

91.8

Rotor Leakage Inductance [mH]

91.8

Magnetizing reactance [mH]

1541.9

 

 

 

 

 

 

 

 

 

 

 

 

5- مقایسه نتایج عملی کنترل کننده PI و کنترل کننده فازی

در تغییرات پله­ای سرعت (همان­طور که در شکل (7) و (8) دیده می­شود) کنترل­کننده PI در نخستین تغییر سرعت دارای بالازدگی rpm 80 است و در تمامی تغییرات پله‌ای سرعت مرجع در حدود 4 ثانیه به سرعت مرجع می‌رسد، ولی کنترل­کننده فازی در همه تغییرات پله‌ای سرعت مرجع تقریبا بدون بالازدگی و در زمان یک ثانیه به سرعت مرجع می­رسد. در تغییرات پله­ای گشتاور (همان طور که در شکل (9) و (10) دیده می­شود)، با کنترل کننده PI در تغییر پله اول سرعت موتور به rpm 930 کاهـش می­یابد، پس از 4 ثـانیه این افـت سرعت جبران می­شود، اما در کنترل کننده فازی سرعت موتور به rpm 935 کاهش یافته، پس از 1.5 ثانیه این افت سرعت جبران می­شود. در تغییر پله دوم، با کنترل­کننده PI سرعت موتور به rpm 895 کاهش یافته، پس از 6 ثانیه این افت سرعت جبران می­شود، درحالی که در کنترل­کننده فازی سرعت موتور به rpm 904 کاهش یافته، در 2.5 ثانیه این افت سرعت جبران می­شود، ضمنا دارای rpm 10 بالازگی نیز هست.در شکل‌های (12) و (13) تغییرات فرکانس مولفه اصلی ولتاژ به ازای تغییرات پله­ای سرعت و تغییرات پله­ای بار نشان داده شده است. این فرکانس از تقسیم خروجی کنترل کننده PI بر عدد π2 به دست می­آید. توجه به این نکته مهم ضروری است که در شکل (13) وقتی سرعت مرجع روی rpm 1000 تنظیم شده است، فرکانس از Hz 16.66 ( که فرکانس متناظر با سرعت مرجع rpm 1000 است) بیشتر شده است و این مقدار با افزایش بار نیز بیشتر هم می­شود.

 

 

 

شکل (7): پاسخ کنترل کننده PI به تغییرات پله‌ای سرعت

 

شکل (8): پاسخ کنترل کننده Fuzzy به تغییرات پله‌ای سرعت

 

شکل (9): پاسخ کنترل کننده PI به تغییرات پله‌ای در گشتاور بار

 

شکل (10): پاسخ کنترل کننده Fuzzy به تغِِِییرات پله‌ای در گشتاور بار

 

شکل (11): جریان استاتور موتور در تغییرات پله‌ای بار

 

شکل (12): فرکانس مرجع تولیدی توسط کنترل کننده PI در پاسخ به تغییرات پله‌ای سرعت

 

شکل (13): فرکانس مرجع تولیدی توسط کنترل کننده PI در پاسخ به تغییرات پله‌ای گشتاور بار

 

6- نتیجه گیری

در این مقاله روش کنترل سرعت موتور القایی به روش V/f با دو کنترل کننده PI تنظیم شده با الگوریتم ژنتیک و فازی ارایه شده است. نتایج عملی نشان دهنده عملکرد رضایت بخش کنترل­کننده­ فازی پیشنهادی است. عملکرد کنترل­کننده فازی در مقایسه با کنترل کننده PI که ضرایب آن توسط الگوریتم ژنتیک (برای رسیدن به پاسخ مطلوب) بهینه شده­است، در هر دو آزمایش تغییرات پله درسرعت و تغییرات پله در بار مناسبتر است.

 

تشکر و قدردانی

نویسندگان این مقاله، از زحمات بی دریغ جناب آقای مهندس محمد علی آزادی، مسؤول آزمایشگاه ماشین‌های الکتریکی در دانشکده فنی و مهندسی دانشگاه اصفهان، در راستای تحقق و انجام این پروژه صمیمانه تشکر می نمایند.

 

 
[1] A. Goedtel, I. N. da Silva, and P. J. A. Serni, “Load torque identification in induction motor using neural networks technique,” Elect. Power Syst. Res., Vol. 77, No. 1, pp. 35–45, Jan. 2007.
[2] J. I. Itoh, N. Nomura, and H. Ohsawa, “In A comparison between V/f control and position-sensorless vector control for the permanent magnet synchronous motor,” PCC-Osaka, Vol. 3, pp. 1310–1315.: 2002.
[3] S. Xiang-Dong, K. Kang-Hoon, Y. Byung-Gyu, and M. Matsui, “Fuzzy logic-based V/f control of an induction motor for a DC grid powerleveling system using flywheel energy storage equipment,” IEEE Trans. Ind. Electron., Vol. 56, No. 8, pp. 3161–3168, Aug. 2009.
[4] M. Nasir Uddin, Tawfik S. Radwan, and M. Azizur Rahman, “Performances of Fuzzy-Logic- Based Indirect Vector Control of Induction Motor Drive,” IEEE Trans. Industry Application, Vol.38, No.5, pp.1219-1225, September/October, 2002.
[5] B. Sahu, K. B. Mohanty, S. Pati, “A Comparative study on fuzzy and PI speed controllers for field-oriented induction motor drive,” International Conference on Industrial Electronics, Control and Robotics, pp. 191-196, 2010.
[6] N. Islam, M. Haider, and M. B. Uddin, “Fuzzy logic enhanced speed control system of a VSI-fed three phase induction motor,” in Proc. 2nd Int. Conf. Elect. Electron. Eng., pp. 296–301, 2005.
[7] S. V. Ustun and M. Demirtas, “Optimal tuning of PI coefficients by using fuzzy- genetic for V/f controlled induction motor,” Expert Syst. Appl., Vol. 34, No. 4, pp. 2714–2720, May 2008.
[8] C. C. Lee, “Fuzzy logic in control systems: Fuzzy logic controller—Part I,” IEEE Trans. Syst., Man, Cybern., Vol. 20, No. 2, pp. 404–418,Mar./Apr. 1990.
[9] C. C. Lee, “Fuzzy logic in control systems: Fuzzy logic controller—Part II,” IEEE Trans. Syst., Man, Cybern., Vol. 20, No. 2, pp. 419–435,Mar./Apr. 1990.
[10] G. El-Saady, A. M. Sharaf, A. Makky, M. K. Sherbiny, and G. Mohamed, “A high performance induction motor drive system using fuzzy logic controller,” in Proc. 7th Mediterranean Electrotech. Conf., Vol. 3, pp. 1058–1061, 1994.
[11] S. V. Ustun and M. Demirtas, “Optimal tuning of PI coefficients by using fuzzy-genetic for V/f controlled induction motor,” Expert Syst. Appl., Vol. 34, No. 4, pp. 2714–2720, May 2008.
[12] C. Chun-Jung and C. Tien-Chi, “Speed sensorless of an induction motor using self-tuning fuzzy identification,” in Proc. 2nd ICICIC, pp. 398, Sept. 2007.
[13] M. Suetake, I. N. da Silva, and A. Goedtel, “Embedded DSP-based compact fuzzy system and its application for induction-motor V/f Speed Control,” IEEE Trans on industrial electronics, Vol. 58, No. 3, March 2011.
[14] Goldberg, D E., Genetic algorithms in search, optimization, and machine learning, Addison Wesley Publishing Company, January1989.