(1)Збірка наукових праць 6-ї міжнародної науково-технічної конференції аспирантів і студентів "Автоматизація технологічних об'єктів і процесів. Пошук молодих", Донецьк, 2006 р.
Ідентифікатор потоку ротора на основі штучної нейронної мережі
Божко В.В., студент; Коротков А.В.,асистент (ДонНТУ, м.Донецьк, Україна)
Мета роботи – дослідити можливість застосування штучних нейронних мереж (ШНМ) при ідентифікації координат в системі векторного керування (СВК). Об'єкт дослідження – СВК електроприводом змінного струму на базі АД з короткозамкненим ротором. Предмет дослідження – ШНМ в якості ідентифікаторів змінних в СВК.
Для реалізації СВК з орієнтацією за потокозчепленням ротора (ПР) необхідно мати інформацію про величину й положення цього вектора в будь-який момент часу. Потокозчеплення ротора виміряється за допомогою датчиків Холу або вимірювальних обмоток, але недоліки, пов'язані з такими вимірами, приводять до того, що частіше для визначення потокозчеплення ротора використовують математичні моделі або спостерігачі стану. Одним з варіантів ідентифікатора ПР може бути пристрій, отриманий за наступними рівняннями:
(1)
де 
, 
, 
- потокозчеплення ротора, напруги й струми статора в системі координат 
; 
- власні індуктивності обмоток статора й ротора; RS - активний опір обмотки статора; Kr - коефіцієнт, що визначає відношення взаємної індуктивності до індуктивності обмотки ротора.
Можна запропонувати визначати ПР за допомогою ШНМ. ШНМ складаються з безлічі штучних нейронів, які являють собою моделі живих нейронів, але тільки за змістом вироблених ними операцій, а не за способом функціонування.
Для ідентифікатора ПР була обрана рекурентна ШНМ, наведена на рис. 1. Активаційними функціями нейронів схованого шару є радіально-базисні, вихідного - лінійні.
Вхідними сигналами були прийняті сигнали струмів статора , швидкість ротора 
й зворотні зв'язки з виходу ШНМ, затримані на один крок тренування (блок TDL). На виході були отримані сигнали потокозчеплення ротора .
Вектори тренувальних та цільових даних отримані в результаті роботи моделі СВК з орієнтацією за ПР (з датчиком ПР на основі рівнянь (1)) в наступних режимах: збудження, розгін, робота на холостому ході, реверс та гальмування двигуна при номінальному завданню на швидкість, при половинному завданні на швидкість, та при завданні низької швидкості 
.
Рисунок 1 - Структурна схема ШНМ
Тренування ШНМ проводилося за допомогою алгоритму зворотного розповсюдження за методом Левенберга-Марквадта. Для тренування було використано 1050 тренувальних пар.
Кількість тренувальних пар обиралась з урахуванням міри Вапніка-Червоненкіса (2):
(2)
де VC dim - міра Вапніка-Червоненкіса, N – розмірність вхідного вектора, К – кількість нейронів прихованого шару, Nw – загальна кількість ваг мережі, Nn – загальна кількість нейронів.
Для даної структури нейромережі, використовуючи (2), можна отримати, що 
. Так як високі показники узагальнення ШНМ досягаються при кількості тренувальних пар в декілька раз більшим ніж міра Вапніка-Червоненкіса, то для тренування було використано 1050 тренувальних пар.
Такий ідентифікатор ПР дозволяє повністю замінити традиційний датчик, а також має низьку чутливість до зміни активного опору й асиметрії опорів обмоток статора.
На рис.2,3 показана робота СВК з орієнтацією за потокозчепленням ротора з традиційним ідентифікатором ПР, отриманим за (1), і ідентифікатором на основі ШНМ при збільшенні активного опору статора на 25% і асиметрії опорів обмоток статора (1,25RS RS 0.75RS) відповідно.
Рисунок 2 - Перехідні процеси у СВК при збільшенні опору статора на 25%: а) із традиційним ідентифікатором ПР; б) з нейроідентифікатором ПР
Рисунок 3 - Перехідні процеси у СВК з використанням нейроідетифікатора ПР при асиметрії опорів обмоток статора (1,25RS RS 0.75RS)
Висновки:
) СВК з нейроідентифікатором ПР не забезпечує стабільної роботи системи.
Перелік посилань