Recently, Induction motor are extensively used in many application and are present in almost all production processes. Trouble in induction motor results in reducing the machine speed, large amount of intake of current and operational disaster which causes economic and human losses. To have a better efficiency in induction motor, this proposed work focuses with the efficient control technique. The objective of this proposed work is to find effective technique to sustain at a steady state and dynamic analysis and to determine the parameters and performance of the machine. Quasi Z-source network is employed to boost up the source voltage and transformation from AC to DC is performed. To drive the induction motor at a standard speed, some controllers were analogized and the well performing fractional PI controller was chosen to perform at a top notch level. Analogizing fractional PI controller with other controllers like PI controller, and fuzzy logic controller, Fractional PI controller performs well in solving the problem faced by other controllers. The experimental result shows the torque, rise time, settling time, and peak time are measured and obtains the better result as compared with the PI, Fuzzy and FO-PID approach. The torque results to 1.1Nm on proposed method; steady state error is reduced from 2.4 to 1.1 and the peak time settling time and rise time is reduced near 1.93 to 0.85 ranges of settling time; 1.66 to 0.79 of peak time; 1.55 to 1.62 of rise time. The entire system is manipulated using DSPIC and the simulation results are performed using MATLAB.

近来，感应电动机在许多应用中被广泛使用，并且存在于几乎所有生产过程中。感应电动机的故障会导致机器速度降低，大量电流消耗和操作灾难，从而造成经济和人员损失。为了在感应电动机中具有更好的效率，这项建议的工作着重于有效的控制技术。这项拟议工作的目的是找到一种有效的技术来维持稳态和动态分析，并确定机器的参数和性能。准Z源网络用于提高源电压，并执行从AC到DC的转换。为了以标准速度驱动感应电动机，对某些控制器进行了模拟，并选择了性能良好的分数PI控制器以达到最高水平。分数PI控制器与PI控制器和模糊逻辑控制器等其他控制器类似，分数PI控制器在解决其他控制器面临的问题方面表现出色。实验结果表明，与PI，Fuzzy和FO-PID方法相比，测量了扭矩，上升时间，稳定时间和峰值时间，并获得了更好的结果。所提出的方法扭矩达到1.1Nm；稳态误差从2.4降低到1.1，峰值时间稳定时间和上升时间在稳定时间范围的1.93附近降低到0.85；高峰时间1.66至0.79；上升时间为1.55至1.62。整个系统使用DSPIC进行操作，仿真结果使用MATLAB进行。分数PI控制器与PI控制器和模糊逻辑控制器等其他控制器类似，分数PI控制器在解决其他控制器面临的问题方面表现出色。实验结果表明，与PI，Fuzzy和FO-PID方法相比，测量了扭矩，上升时间，稳定时间和峰值时间，并获得了更好的结果。所提出的方法扭矩达到1.1Nm；稳态误差从2.4降低到1.1，峰值时间稳定时间和上升时间在稳定时间范围的1.93附近降低到0.85；高峰时间1.66至0.79；上升时间为1.55至1.62。整个系统使用DSPIC进行操作，仿真结果使用MATLAB进行。分数PI控制器与PI控制器和模糊逻辑控制器等其他控制器类似，分数PI控制器在解决其他控制器面临的问题方面表现出色。实验结果表明，与PI，Fuzzy和FO-PID方法相比，测量了扭矩，上升时间，稳定时间和峰值时间，并获得了更好的结果。所提出的方法扭矩达到1.1Nm；稳态误差从2.4降低到1.1，峰值时间稳定时间和上升时间在稳定时间范围的1.93附近降低到0.85；高峰时间1.66至0.79；上升时间为1.55至1.62。整个系统使用DSPIC进行操作，仿真结果使用MATLAB进行。小数PI控制器在解决其他控制器面临的问题方面表现出色。实验结果表明，与PI，Fuzzy和FO-PID方法相比，测量了扭矩，上升时间，稳定时间和峰值时间，并获得了更好的结果。所提出的方法扭矩达到1.1Nm；稳态误差从2.4降低到1.1，峰值时间稳定时间和上升时间在稳定时间范围的1.93附近降低到0.85；高峰时间1.66至0.79；上升时间为1.55至1.62。整个系统使用DSPIC进行操作，仿真结果使用MATLAB进行。小数PI控制器在解决其他控制器面临的问题方面表现出色。实验结果表明，与PI，Fuzzy和FO-PID方法相比，测量了扭矩，上升时间，稳定时间和峰值时间，并获得了更好的结果。所提出的方法扭矩达到1.1Nm；稳态误差从2.4降低到1.1，峰值时间稳定时间和上升时间在稳定时间范围的1.93附近降低到0.85；高峰时间1.66至0.79；上升时间为1.55至1.62。整个系统使用DSPIC进行操作，仿真结果使用MATLAB进行。所提出的方法扭矩达到1.1Nm；稳态误差从2.4降低到1.1，峰值时间稳定时间和上升时间在稳定时间范围的1.93附近降低到0.85；高峰时间1.66至0.79；上升时间为1.55至1.62。整个系统使用DSPIC进行操作，仿真结果使用MATLAB进行。所提出的方法扭矩达到1.1Nm；稳态误差从2.4降低到1.1，峰值时间稳定时间和上升时间在稳定时间范围的1.93附近降低到0.85；高峰时间1.66至0.79；上升时间为1.55至1.62。整个系统使用DSPIC进行操作，仿真结果使用MATLAB进行。