Estimación de la resistencia del rotor de un motor asincrónico utilizando FPGA

En este trabajo se presenta la implementación de Redes Neuronales Artificiales en un dispositivo lógico programable como es una FPGA, la finalidad es desarrollar un modelo en Sysgen capaz de estimar la resistencia rotórica en motores de inducción. Para crear una neurona en Sysgen se debe partir del...

Descripción completa

Autor Principal: J., Juan Carlos Jaimes
Otros Autores: G., Oscar Eduardo Gualdrón, R., Jorge Luis Díaz
Formato: info:eu-repo/semantics/article
Idioma: spa
Publicado: Universidad Santo Tomás Seccional Tunja 2013
Materias:
Acceso en línea: http://revistas.ustatunja.edu.co/index.php/ingeniomagno/article/view/59
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
Sumario: En este trabajo se presenta la implementación de Redes Neuronales Artificiales en un dispositivo lógico programable como es una FPGA, la finalidad es desarrollar un modelo en Sysgen capaz de estimar la resistencia rotórica en motores de inducción. Para crear una neurona en Sysgen se debe partir del modelo estándar de una neurona artificial, la cual es, la sumatoria de los pesos menos el umbral, todo multiplicado por una función de activación, en este caso la función de activación utilizada fue Tansig para la capa oculta y Purelin para la capa de salida. La red neuronal utiliza datos decimales de entrada-salida, y la FPGA es digital, por lo tanto se diseñó en Sysgen un acondicionamiento capaz de manejar datos binarios en la tarjeta, para esto se utilizó un conversor Digital- Análogo, y se creó la manera de suprimir el número de pines utilizados en la FPGA, diseñando una etapa de registros que sirve para guardar el dato deseado y por ende enviarlo a una de las entradas de la red neuronal. La trama de datos se hace progresivamente cada registro sirve para guardar el valor decimal presente a la salida del conversor Digital-Análogo y cada vez que se cambie el dato se activa el registro correspondiente a la entrada de la red neuronal.