fa کنترل سرعت و کاهش ریپل گشتاور موتور سویچ‌رلوکتانس مبتنی بر کنترل‌کننده بهینه مد لغزشی و ساختار آبشاری تخصصي Special پژوهشي Research paper گسترش روزافزون اتوماسیون، سبب ورود موتورهای الکتریکی به صنایع شده استبه‌گونه‌ای که نیروی محرکه بسیاری از ابزارها از موتورهای الکتریکی دریافت می‌شود. موتور سویچ‌رلوکتانس، به&shy;عنوان نوعی از موتورهای سنکرون، با مزیت‌های فراوان خود، توانایی جایگزین شدن با موتورهای قدیمی را دارد و مشکلات آن‌ها را برطرف می‌کند. کنترل این موتور به&shy;دلیل ذات غیرخطی و متغیر با زمانش، و همچنین وجود عدم قطعیت‌های آن، امری بسیار دشوار است. در این مقاله با استفاده از کنترل‌کننده مد لغزشی بهینه، کنترل سرعت این موتور انجام&shy;گرفته است. با استفاده از ساختار آبشاری، بزرگترین عیب این موتور یعنی ریپل گشتاور کاهش پیداکرده است. کنترل‌کننده پیشنهادی، با تبدیل مساله کنترل مد لغزشی مرتبه اول به مساله بهینه سازی و با حل بی&shy;درنگ آن با شبکه عصبی بازگشتی تصویر، سیگنال کنترلی بهینه ای تولیدکرده که چترینگ نداشته و در عین حال شرط لغزش را برآورده می‌کند. عملکرد کنترل&shy;کننده پیشنهادی درمقایسه با سایر کنترل‌کننده&shy;ها در قالب شبیه‌سازی صورت&shy;گرفته و اثربخشی آن نشان داده شده است. <div style="text-align: justify;">The ever-increasing expansion of automation has led to increasing the use of electric motors that makes the main horse power of many instruments. The Switched Reluctance Motor (SRM), as a kind of synchronous motors, has many advantages and can be used instead of other motors to eliminate their problems. However, speed control of this motor is very difficult due to nonlinearities, time variant, and uncertainties. In this article, the speed control of SRM is considered by using an optimal sliding-mode controller. Using the cascade structure, the biggest defect in the SRM (i.e., the torque ripple) is reduced. By converting the first-order sliding-mode control problem to an optimization problem, and solving it in real time using projection recurrent neural network, the proposed controller produces an optimal control signal that does not have chattering, but satisfies the sliding condition.Evaluation of The proposed controller with other controller is carried out by simulation and its effectiveness is shown.</div> موتور سویچ‌رلوکتانس, شبکه عصبی بازگشتی تصویر, کنترل کننده بهینه لغزشی Switched Reluctance Motor, Projection Recurrent Neural Network, Optimal Sliding Mode Controlle 143 154 http://joc.kntu.ac.ir/browse.php?a_code=A-10-1031-1&slc_lang=fa&sid=1 Mohammad Javad Shekari محمد جواد شکاری m_shekari@elec.iust.ac.ir 10031947532846008227 10031947532846008227 No Iran University Science & Technology گروه کنترل،دانشکده مهندسی برق،دانشگاه علم‌ و صنعت ایران،تهران، ایران Mohammad Farrokhi محمد فرخی farrokhi@iust.ac.ir 10031947532846008228 10031947532846008228 Yes Iran University Science & Technology گروه کنترل و قطب علمی مدلسازی و کنترل سیستم‌های پیچیده،دانشکده مهندسی برق،دانشگاه علم‌ و صنعت ایران،تهران، ایران Davood Arad Khaburi داوود عرب خابوری khaburi@iust.ac.ir 10031947532846008229 10031947532846008229 No Iran University Science & Technology گروه قدرت،دانشکده مهندسی برق،دانشگاه علم‌ و صنعت ایران،تهران، ایران