and offers a good satisfactory perf

and offers a good satisfactory performance over a wide range
of ideal operation. But, the PISC scheme may not give
satisfactory performance under sudden change in speed and
load torque disturbances and also it requires precise
mathematical model, continuous tuning and accurate gain
values of proportional (Kp) and integral (KI) to achieve high
performance drive. It is quite difficult to gain high
performance of an IMD using PISC, because of the nonlinear
model of IMD. For example, if any sudden or unexpected
change in motor speed or load disturbance occurs, that results
to an undesired overshoot in rotor speed, long settling time,
high stator flux and torque ripples. In the literature survey, lots
of control strategies has been proposed to tune the gain values
of PISC, like Ziegler-Nichols, root locus, pole assignment
design and etc [4]. To overcome with the above mentioned
drawbacks and improve the system performance, adaptive
control based speed controllers are desirable, such as self
tuning PISC, sliding mode control, artificial intelligent based
controllers like T1FLSC, neural networks, neuro-fuzzy [5-12].

Kết quả (Việt) 1:

và cung cấp một hiệu suất tốt đạt yêu cầu trên một phạm vi rộnghoạt động lý tưởng. Tuy nhiên, đề án PISC có thể không chohiệu suất thỏa đáng theo các thay đổi đột ngột trong tốc độ vàtải mô-men xoắn rối loạn và cũng nó đòi hỏi chính xácMô hình toán học, hiệu chỉnh liên tục và chính xác tănggiá trị của tỷ lệ (Kp) và tích phân (KI) để đạt được caoổ đĩa hiệu suất. Nó là khá khó khăn để đạt được caohiệu suất của một IMD sử dụng PISC, vì các phi tuyếnMô hình của IMD. Ví dụ, nếu bất kỳ bất ngờ hoặc bất ngờsự thay đổi trong vận động xáo trộn tốc độ hoặc tải xảy ra, mà kết quảđể một vượt qua không mong muốn trong tốc độ cánh quạt, lâu dài giải quyết thời gian,gợn sóng thông lượng và mô-men xoắn cao stator. Trong cuộc khảo sát văn học, rất nhiềukiểm soát chiến lược đã được đề xuất để điều chỉnh các giá trị đạt đượcsố PISC, như Ziegler – Nichols, quỹ tích gốc, phân cựcthiết kế và vv [4]. Để vượt qua với các bên trên được đề cậpNhược điểm và cải thiện hiệu suất hệ thống thích nghiCác bộ điều khiển dựa trên tốc độ điều khiển được mong muốn, như tựđiều chỉnh các PISC, trượt điều khiển chế độ, nhân tạo thông minh dựa trênbộ điều khiển giống như T1FLSC, mạng nơ-ron, neuro-fuzzy [5-12].

Kết quả (Việt) 2:

và cung cấp một kết quả làm tốt trên một phạm vi rộng
các hoạt động lý tưởng. Tuy nhiên, các chương trình PISC có thể không cho
kết quả làm việc dưới sự thay đổi đột ngột về tốc độ và
mô-men xoắn tải rối loạn và cũng đòi hỏi phải chính xác
mô hình toán học, điều chỉnh liên tục và tăng độ chính xác
giá trị của (Kp) và tích phân (KI) để đạt được cao
ổ đĩa hiệu suất. Nó là khá khó khăn để đạt được cao
hiệu suất của một IMD sử dụng PISC, vì sự phi tuyến
mô hình của IMD. Ví dụ, nếu có đột ngột hoặc bất ngờ
thay đổi tốc độ động cơ hoặc rối loạn tải xảy ra, mà kết quả
đến một vượt qua không mong muốn ở tốc độ rotor, dài giải quyết thời gian,
stator cao thông lượng và mô-men xoắn gợn sóng. Trong cuộc khảo sát văn học, rất nhiều
các chiến lược kiểm soát đã được đề xuất để điều chỉnh giá trị độ lợi
của PISC, như Ziegler-Nichols, locus gốc, phân cực
kế và vv [4]. Để khắc phục với sự đề cập ở trên
mặt hạn chế và cải thiện hiệu năng hệ thống, thích nghi
điều khiển tốc độ kiểm soát dựa trên mong muốn, chẳng hạn như tự
điều chỉnh PISC, trượt điều khiển chế độ, nhân tạo dựa trên thông minh
điều khiển như T1FLSC, mạng nơron, neuro-fuzzy [5-12].