Anahtarlamalı Relüktans Motorlar (ARM) yapılarının basit olması sebebiyle endüstriyel uygulamalarda yoğun bir şekilde kullanılmaktadırlar. Güç elektroniği ve bilgisayar teknolojisindeki gelişmeler neticesinde ARM denetimi alanında başarılı çalışmalar yapılmaktadır. ARM’ ların dinamik karakteristikleri, çalışma şartlarına bağlı olarak değişmektedir. ARM’ ların manyetik devresi analitik olarak modellenmiş ancak doğrusal olmayan yapısından dolayı farklı çalışma şartlarında tam doğru sonuçlar elde edilememiştir.Bu çalışmada ARM’ ların endüktans değişimi sinirsel-bulanık modellenmiştir. Bulanık denetleyici üyelik fonksiyonları Yapay Sinir Ağı (YSA) kullanılarak en iyileştirilmiştir. YSA’ nın eğitim kümesi olarak deneysel olarak ölçülen değerler kullanılmıştır. Elde edilen sonuçlar, oluşturulan modelin doğrusal olmayan endüktans değişimini ifade etmek için uygulanabilir olduğunu göstermektedir.

Switched Reluctance Motors have been used in industrial applications increasingly, because of simple structure. ARMs have been controlled succesfully depend on development of power electronic and computer technology. Dynamic characteristics of ARMs has been changing with different working conditions. ARMs magnetic circuit has been modeled by analytical methods but good performance was not obtained in different conditions because of nonlinear structure. In this study, a neuro-fuzzy model have been developed for ARMs inductance variation. Fuzzy logic membership functions and rule base have been optimized using by artificial neural networks. Measurement values of inductance variation was used for training set of neural network. Experimental results have validated the applicability of the proposed method