以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：63

、訪客IP：3.133.155.163

姓名	蔡佳宏(Chia-hung Tsai)  查詢紙本館藏	畢業系所	電機工程學系
論文名稱	利用智慧型控制之併網型鼠籠式感應風力發電系統 (Intelligent Control for SCIG Based Grid-connected Wind Power Generator System)
相關論文	★ 機場地面燈光更新工程 -以桃園國際機場南邊跑滑道為例 ★ 多功能太陽能微型逆變器之研製 ★ 應用於儲能系統之智慧型太陽光電功率平滑化控制 ★ 利用智慧型控制之三相主動式電力濾波器的研製 ★ 應用於內藏式永磁同步馬達之智慧型速度控制及最佳伺服控制頻寬研製 ★ 新型每安培最大轉矩控制同步磁阻馬達驅動系統之開發 ★ 同步磁阻馬達驅動系統之智慧型每安培最大轉矩追蹤控制 ★ 利用適應性互補式滑動模態控制於同步磁阻馬達之寬速度控制 ★ 具智慧型太陽光電功率平滑化控制之微電網電能管理系統 ★ 高性能同步磁阻馬達驅動系統之 寬速度範圍控制器發展 ★ 智慧型互補式滑動模態控制系統實現於X-Y-θ三軸線性超音波馬達運動平台 ★ 智慧型同動控制之龍門式定位平台及應用 ★ 利用智慧型滑動模式控制之五軸主動式磁浮軸承控制系統 ★ 智慧型控制雙饋式感應風力發電系統之研製 ★ 無感測器直流變頻壓縮機驅動系統之研製 ★ 應用於模組化輕型電動車之類神經網路控制六相永磁同步馬達驅動系統
檔案	[Endnote RIS 格式]    [Bibtex 格式]    [相關文章]   [文章引用]   [完整記錄]   [館藏目錄]   [檢視]  [下載] 本電子論文使用權限為同意立即開放。 已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。 請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。
摘要(中)	本論文 本論文 本論文 建構 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 一併網型鼠籠式感應風力發電系統，此由永磁同步伺 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 服馬達操作在定轉矩模式，擬風機 和齒輪箱的 和齒輪箱的 和齒輪箱的 和齒輪箱的 和齒輪箱的 轉矩 ，帶動 三相 鼠籠式感 應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及應發電機，並經由交流 轉直換器以及變流器 變流器 變流器 將能量饋 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 入市電。其中交流轉直換器配合間接磁場導向控制鼠籠式感應發機 轉速，直流 交轉速，直流 交轉速，直流 交轉速，直流 交轉速，直流 交轉速，直流 交轉速，直流 交轉速，直流 交變流器 變流器 變流器 控制 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 直流鏈電壓和系統輸出的虛功率。 由於發電 機輸出功率的 機輸出功率的 機輸出功率的 機輸出功率的 機輸出功率的 機輸出功率的 變化會對直流鏈電壓 變化會對直流鏈電壓 變化會對直流鏈電壓 變化會對直流鏈電壓 變化會對直流鏈電壓 變化會對直流鏈電壓 變化會對直流鏈電壓 變化會對直流鏈電壓 變化會對直流鏈電壓 追隨響應 追隨響應 追隨響應 追隨響應 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 造成影響，本論文發展出一小 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 波派翠模糊類神經網路控制器，取代傳統的比例積分改善直流鏈 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 電壓的暫態響應。另一方面，本論文亦提出 控制直流鏈電壓平方的 控制直流鏈電壓平方的 控制直流鏈電壓平方的 控制直流鏈電壓平方的 控制直流鏈電壓平方的 控制直流鏈電壓平方的 控制直流鏈電壓平方的 控制直流鏈電壓平方的 控制直流鏈電壓平方的 控制直流鏈電壓平方的 系統 動 態模型以及 態模型以及 基於改良型差分演化算法之 基於改良型差分演化算法之 基於改良型差分演化算法之 基於改良型差分演化算法之 基於改良型差分演化算法之 基於改良型差分演化算法之 ElmanElmanElmanElman 類神經網路控制器，利用 類神經網路控制器，利用 類神經網路控制器，利用 改良型差分演化算法找出最佳的 改良型差分演化算法找出最佳的 改良型差分演化算法找出最佳的 改良型差分演化算法找出最佳的 改良型差分演化算法找出最佳的 改良型差分演化算法找出最佳的 ElmanElmanElmanElman 類神經網路學習速率，以保證 類神經網路學習速率，以保證 類神經網路學習速率，以保證 類神經網路學習速率，以保證 ElmanElmanElmanElman 類神經網路不會 類神經網路不會 因為過大的 因為過大的 學習速率 學習速率 而發散。 發散。 有鑑於 有鑑於 改良型差分演化 改良型差分演化 改良型差分演化 演算法 演算法 演算法 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 所需的程式運算量太大，無法使用 Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Matlab & Simulink Real Time Control ControlControlControlControlControl在線上使用 在線上使用 改良型差分演化算法 改良型差分演化算法 改良型差分演化算法 改良型差分演化算法 調整 ElmanElmanElmanElman 類神經網路 的學習速 學習速 率，因此 本論文使用模擬的方式 本論文使用模擬的方式 本論文使用模擬的方式 本論文使用模擬的方式 本論文使用模擬的方式 本論文使用模擬的方式 本論文使用模擬的方式 本論文使用模擬的方式 本論文使用模擬的方式 本論文使用模擬的方式 離線建表 ，並提出兩種建表方式 ，並提出兩種建表方式 線上 更新 學習速率。 學習速率。 最後，本論文採用 最後，本論文採用 最後，本論文採用 最後，本論文採用 PSIM PSIM模擬以及實作來驗證併網型鼠籠式感應 模擬以及實作來驗證併網型鼠籠式感應 模擬以及實作來驗證併網型鼠籠式感應 模擬以及實作來驗證併網型鼠籠式感應 模擬以及實作來驗證併網型鼠籠式感應 模擬以及實作來驗證併網型鼠籠式感應 風力發電系統以及上述兩種智慧型控制器之可行性 風力發電系統以及上述兩種智慧型控制器之可行性 風力發電系統以及上述兩種智慧型控制器之可行性 風力發電系統以及上述兩種智慧型控制器之可行性 風力發電系統以及上述兩種智慧型控制器之可行性 風力發電系統以及上述兩種智慧型控制器之可行性 風力發電系統以及上述兩種智慧型控制器之可行性 風力發電系統以及上述兩種智慧型控制器之可行性 和有效性 和有效性 和有效性 。
摘要(英)	A grid-connected squirrel-cage induction generator (SCIG) system is proposed in this study. First, the prime mover, which adopted the permanent-magnet synchronous motor (PMSM), is coupled to the SCIG system and emulates the gear box and the operation of the wind turbine. Moreover, the AC/DC power converter and the DC/AC power inverter are mainly designed to control the mechanical rotor speed, DC-link voltage and reactive power output of the SCIG system, respectively. Since the varying active power output seriously affects the tracking control of the DC-link voltage, an intelligent wavelet Petri fuzzy neural network (WPFNN) controller is first proposed to replace the traditional proportional-integral (PI) controller for the tracking control of the DC-link voltage in this study. Furthermore, a dynamic model of the SCIG system using the principle of power balance and an improved differential evolution (IDE) algorithm based Elman neural network (ENN) controller are proposed in this study for the control of the square of DC-link voltage. Therefore, the stability of the Elman neural network is guaranteed. Owing to the heavy computation of IDE, it is difficult to update learning rates of ENN with IDE via PC-based Matlab & Simulink Real Time Control. Hence, in this study, two designed methods for building learning rate lookup tables offline via the PSIM simulation software are proposed. Finally, to verify the control performance, some experimental results are provided to verify the feasibility and the effectiveness of the proposed SCIG system for grid-connected wind power applications.
關鍵字(中)	★ 鼠籠式感應發電機 ★ 小波派翠模糊類神經網路 ★ Elman類神經網路 ★ 差分演化演算法 ★ 功率平衡 ★ 間接磁場導向	關鍵字(英)	★ squirrel-cage induction generator ★ wavelet Petri fuzzy neural network ★ Elman neural network ★ differential evolution ★ power balance ★ indirect field-oriented mechanism
論文目次	第一章 緒論 1 1-1 研究背景 1 1-2 研究動機與目的 3 1-3 文獻回顧 6 1-4 本文貢獻 9 1-5 論文大綱 9 第二章 鼠籠式感應發電系統理論與分析 11 2-1 簡介 11 2-2 三相座標軸轉換之分析 11 2-2-1 靜止座標軸 13 2-2-2 同步旋轉座標軸 14 2-3 磁場導向控制之感應發電機原理 15 2-4 感應發電機之磁場導向控制 18 2-5 利用智慧型控制之併網型鼠籠式感應風力發電系統架構 20 2-6 市電角度偵測策略 22 2-6-1 三相線電壓軸轉換方程式 22 2-6-2 三相電壓濾波法 23 2-6-3 三相鎖相迴路 23 第三章 鼠籠式感應發電系統風機特性模擬分析 26 3-1 簡介 26 3-2 風機特性介紹 26 3-3 風機模擬 29 3-4 風機模型帶動鼠籠式感應發電機併網模擬 34 第四章 小波派翠模糊類神經網路 39 4-1 前言 39 4-2 派翠網路簡介 40 4-3 小波派翠模糊類神經網路架構 42 4-4 小波派翠模糊類神經網路線上學習法則 46 4-5 小波派翠模糊類神經網路收斂性分析 48 4-6 小波派翠模糊類神經網路應用於鼠籠式感應風力發電系統之模擬 51 第五章 基於改良型差分演化演算法之Elman類神經網路應用於鼠籠式感應風力發電系統 54 5-1 前言 54 5-2 Elman類神經網路架構 54 5-3 Elman類神經網路線上學習法則 57 5-4 改良型差分演化演算法對學習速率之調整 58 5-5 利用智慧型控制之併網型鼠籠式感應風力發電系統動態模型 61 5-6 系統模擬與建表 64 第六章 併網型鼠籠式感應風力發電系統之實作 72 6-1 前言 72 6-2 硬體電路 73 6-2-1 高分辨率多功能資料擷取卡PCI-1716 73 6-2-2 高分辨率類比輸出卡PCI-1723 74 6-2-3 多功能伺服馬達控制卡PCI-1220 75 6-2-4 電壓感測電路 76 6-2-5 電流感測電路 77 6-2-6 輔助電源電路 78 6-2-7 三相電流控制硬體電路 79 6-3 軟體架構 80 6-4 小波派翠模糊類神經網路實作結果 81 6-5 基於改良型差分演化演算法之Elamn類神經網路實作結果 95 第七章 結論與未來研究方向 106 參考文獻 107 作者簡歷 114
參考文獻	[1] Global Wind Energy Council, “Global Wind Report 2014,” http://www. gwec.net. [2] 經濟部能源局，2012年能源產業技術白皮書。 [3] 經濟部能源局，2014年能源產業技術白皮書。 [4] G. Abad, J. López, M. Rodríguez, Marroyo, L., and G. Iwanski, “New trends on wind energy generation,” 1nd ed., Wiley-IEEE Press, pp. 579-602, 2011. [5] L. Qu and Q. Wei, “Constant power control of DFIG wind turbines with supercapacitor energy storage,” IEEE Trans. Ind. Appl., vol. 47, no. 1, pp. 359-367, Jan. 2011. [6] H. Chen and D. C. Aliprantis, “Analysis of squirrel-cage induction generator with vienna rectifier for wind energy conversion system,” IEEE Trans. Energy Convers., vol. 26, no. 3, pp. 967-975, Sept. 2011. [7] M. Mohseni and S. M. Islam, “Transient control of DFIG-based wind power plants in compliance with the Australian grid code,” IEEE Trans. Power Electron., vol. 27, no. 6, pp. 2813-2824, Jun. 2012. [8] A. Di Gerlando, G. Foglia, M. F. Iacchett, and R. Perini, “Analysis and test of diode rectifier solutions in grid-connected wind energy conversion systems employing modular permanent-magnet synchronous generators,” IEEE Trans. Ind. Electron., vol. 59, no. 5, pp. 2135-2146, May 2012. [9] L. Trilla, F. D. Bianchi, and O. Gomis-Bellmunt, “Linear parameter-varying control of permanent magnet synchronous generators for wind power systems,” IET Trans. Power Electron., vol. 7, no. 3, pp. 692-704, Mar. 2014. [10] 方敦義，以小波模糊類神經網路控制之鼠籠式感應風力發電系統研製，碩士論文，國立中央大學電機工程學系，2012年六月。 [11] H. Polinder, J. A. Ferreira, B. B. Jensen, A. B. Abrahamsen, K. Atallah, and R.A. McMahon, “Trends in wind turbine generator systems,” IEEE Trans. Ind. Appl., vol. 1, no. 3, pp. 174-185, Sept. 2013. [12] J. G. Trapp, F. A. Farret, F. T. Fernandes, L. C. Corrêa, and C. M. Wechenfelder, “Variable speed wind turbine using the squirrel cage induction generator with reduced converter power rating for stand-alone energy systems,” IEEE Conf. Ind. Appl., pp. 1-8, Nov. 2012. [13] M. Rezkallah, A. Chandra, B. Singh, and M. El Kahel, “Vector control of squirrel-cage induction generator for stand-alone wind power generation” IEEE Conf. Ind. Electron., pp. 1166-1171, Oct. 2012. [14] L. A. C. Lopes and R. G. Almeida, “Wind-driven self-excited induction generator with voltage and frequency regulated by a reduced-rating voltage source inverter,” IEEE Trans. Energy Conv., vol. 21, pp. 297-304, Jun. 2006. [15] B. Singh and G. K. Kasal, “Solid state voltage and frequency controller for a stand alone wind power generating System,” IEEE Trans. Power Electron., vol. 23, pp. 1170-1177, May 2008. [16] F. J. Lin, Y. S. Huang, K. H. Tan, J. H. Chiu, and Y. R. Chang, “Active islanding detection method using d-axis disturbance signal injection with intelligent control,” IET Generation, Transmission and Distribution, vol. 7, no. 5, pp. 537-550, May 2013. [17] H. Pan and L. Z. Xia, “Efficient object recognition using boundary representation and wavelet neural network,” IEEE Trans. Neural Netw., vol. 19, no. 12, pp. 2132-2149, Dec. 2008. [18] S. Yilmaz and Y. Oysal, “Fuzzy wavelet neural network models for prediction and identification of dynamical Systems,” IEEE Trans. Neural Netw., vol. 21, no. 10, pp. 1599-1609, Oct. 2010. [19] F. J. Lin, Y. C. Hung, and K. C. Ruan, “An intelligent second-order sliding-mode control for an electric power steering system using a wavelet fuzzy neural network,” IEEE Trans. Fuzzy Syst., vol. 22, no. 6, pp. 1598-1611, Dec. 2014. [20] C. H. Lu, “Wavelet fuzzy neural networks for identification and predictive control of dynamic systems,” IEEE Trans. Ind. Electron., vol. 58, no. 7, pp. 3046-3058, Jul. 2011. [21] H. Huang and H. Kirchner, “Formal specification and verification of modular security policy based on colored Petri nets,” IEEE Trans. Dependable and Secure Computing, vol. 8, no. 6, pp. 852-865, Nov.-Dec. 2011. [22] Y. Y. Du, L. Qi, and M. C. Zhou, “Analysis and application of logical Petri nets to e-commerce systems,” IEEE Trans. Syst., Man, Cybern.,Syst., vol. 44, no. 4, pp. 468-481, Apr. 2014. [23] T. Nishi Y. Tanaka, “Petri net decomposition approach for dispatching and conflict-free routing of bidirectional automated guided vehicle systems,” IEEE Trans. Syst., Man, Cybern., Part A: Systems and Humans, vol. 42, no. 2, pp. 1230-1243, Sep. 2012. [24] Y. Y. Du, C. J. Jiang, and M. C. Zhou, “A Petri-net-based correctness analysis of internet stock trading systems,” IEEE Trans. Syst., Man, Cybern., Syst., Part C: Appl. and Reviews, vol. 38, no. 1, pp. 93-99, January 2008. [25] Y. S. Huang, Y. S. Weng, and M. C. Zhou, “Modular design of urban traffic-light control systems based on synchronized timed Petri nets,” IEEE Trans. Intell. Transp. Syst., vol. 15, no. 2, pp. 93-99, Apr. 2014. [26] J. L. Elman, “Finding structure in time,” Cognitive Sci., vol. 14, pp. 179-211, 1990. [27] W. Chen, Q. Gong, C. Yin, T. Wang, “An Elman neural network application on dynamic equivalents of power system,” Conf. on Electrical and Control Engineering (ICECE), pp. 376-379, Jun. 2010. [28] Y. C. Liang, “Application of Elman neural network in short-term load forecasting,” Conf. on Artificial Intelligence and Computational Intelligence (AICI), pp. 141-144, Oct. 2010. [29] V. S. Vakula,, K. R. Sudha, “Design of differential evolution algorithm-based robust fuzzy logic power system stabiliser using minimum rule base,” IET Gener. Transm. Distrib., vol. 6, no. 2, pp. 121-132, Feb. 2012. [30] A. Slowik, “Application of an adaptive differential evolution algorithm with multiple trial vectors to artificial neural network training,” IEEE Trans. Ind. Electron., vol. 58, no. 8, pp. 3160-3167, Aug. 2011. [31] C. H. Chen, C. J. Lin, C. T. Lin, “Nonlinear system control using adaptive neural fuzzy networks based on a modified differential evolution,” IEEE Trans. Syst. Man Cybern. Part C-Appl. Rev., vol. 39, no. 4, pp. 459-473, Jul. 2009. [32] J. H. Zhong, M. Shen, J. Zhang, H. S. H. Chung, Y. H. Shi, Y. Lin, “A Differential evolution algorithm with dual populations for solving periodic railway timetable scheduling problem,” IEEE Trans. Evol. Comput., vol.17, no. 4, pp. 512-527, Aug. 2013. [33] M. Fatih Tasgetiren, P. N. Suganthan, Q. K. Pan, “An ensemble of discrete differential evolution algorithms for solving the generalized traveling salesman problem,” Appl. Math. Comput., vol. 215, no.9, pp. 3356-3368, 2010. [34] J. F. Yan, C. F. Guo, W. Y. Gong, “Hybrid differential evolution with convex mutation,” J. Softw., vol. 6, no. 11, pp. 2321-2328, 2011. [35] N. Baatar, D. Zhang, C. S. Koh, “An improved differential evolution algorithm adopting-best mutation strategy for global” IEEE Trans. Magn., vol. 49, no. 5, pp. 2097-2100, May 2013. [36] 黃仲欽，交流電動機控制，交流電動機課程講義，民國97年。 [37] 劉昌煥，交流電機控制，東華書局，民國97年。 [38] F. Blaabjerg, R. Teodorescu, M. Liserre, and A. V. Timbus, “Overview of control and grid synchronization for distributed power generation systems,” IEEE Trans. Indust. Electron., vol. 53, no. 5, pp. 1398-1409, Oct. 2006. [39] G. Quinonez-Varela and A. Cruden, “Modelling and validation of a squirrel cage induction generator wind turbine during connection to the local grid,” IET Trans. Gener., vol. 2, no. 2, pp. 301-309, Mar. 2008. [40] 黃士權，應用於風力發電之向量控制雙饋式感應發電機之穩態性能分析，碩士論文，國立清華大學電機工程研究所，1996年七月。 [41] H. Yokoyama, F. Tatsuta, and S. Nishikata, “Tip speed ratio control of wind turbine generating system connected in series,” IEEE Conf. in Proc. Electrical Machines and Systems (ICEMS), pp. 2157-2169, 2011. [42] Murata, T., “Petri Nets: Properties, Analysis and Applications,” Proceeding of the IEEE, vol. 77, No. 4, pp. 541-580, 1989. [43] http://www.informatik.uni-hamburg.de/TGI/PetriNets/ [44] Zurawski, R. and Zhou, M. C., “Petri Nets and Industrial Applications: A Tutorial,” IEEE Tran. Ind. Electron., vol. 41, no. 6, pp. 567 -583, 1994. [45] R. David and H. Alla, “Petri nets for modeling of dynamic systems: A survey,” Automatica, vol. 30, no. 2, pp. 175–202, Feb. 1994. [46] V. R. L. Shen, “Reinforcement learning for high-level fuzzy petri nets,” IEEE Trans. Syst., Man, Cybern. B, Cybern., vol. 33, no. 2, pp. 351–362, Apr. 2003. [47] R. J. Wai and C. C. Chu, “Motion control of linear induction motor via petri fuzzy-neural-network,” IEEE Trans. Ind. Electron., vol. 54, no. 1, pp. 281–295, Feb. 2007. [48] 張進榮，應用模糊理論與彩色派翠網路於配電系統負載預測之研究，碩士論文，國立高雄應用科技大學電能與控制工程研究所，2005年六月。 [49] R. J. Wai and C. C. Chu, “Motion Control of Linear Induction Motor via Petri Fuzzy Neural Network,” IEEE Trans. Ind. Electron., vol. 54, no. 1, pp. 281-295, Feb. 2007. [50] R. J. Wai and Y. W. Lin, “Adaptive moving-target tracking control of a vision-based mobile robot via a dynamic Petri recurrent fuzzy neural network,” IEEE Trans. Fuzzy Syst., vol. 21, no. 4, pp. 688-701, Aug. 2013. [51] F. J. Lin, Y. S. Huang, K. H. Tan, J. H. Chiu, and Y. R. Chang, “Active islanding detection method using d-axis disturbance signal injection with intelligent control,” IET Generation, Transmission and Distribution, vol. 7, no. 5, pp. 537-550, May 2013. [52] 阮開俊，應用於電動轉向系統之智慧型控制六相永磁同步馬達驅動系統，碩士論文，國立中央大學電機工程學系，2013年六月。 [53] C. H. Chen, C. J. Lin, and C. T. Lin, “Nonlinear system control using adaptive neural fuzzy networks based on a modified differential evolution,” IEEE Trans. Syst., Man, and Cybernet. -Part C: Applicat. and Revie., vol. 39, no. 4, pp. 459-473, Jul. 2009. [54] PCI-1716 Datasheet, Advantech Co. [55] http://www.dianliwenmi.com/postimg_845539.html [56] PCI-1723 Datasheet, Advantech Co. [57] http://www.fairchildengineering.co.uk [58] http://www2.advantech.tw/eautomation/data-acquisition-control/news.aspx?doc_id=%7B6C735912-4BD3-4796-B53D-9F925667C66 [59] AD210 Application Note, Analog Devices Co. [60] AD202 Application Note, Analog Devices Co. [61] HY-25P Application Note, LEM Co. [62] LA-55P Application Note, LEM Co. [63] 1M0365R Application Note, Fairchild Semiconductor Co. [64] The MathWorks, Inc., “Real-Time Windows Target –User’s Guide; Version 2”, Natick, 2002.
指導教授	林法正	審核日期	2015-8-25
推文	facebook   plurk   twitter   funp   google   live   udn   HD   myshare   reddit   netvibes   friend   youpush   delicious   baidu
網路書籤	Google bookmarks   del.icio.us   hemidemi   myshare