Божко Владислав Владимирович

Реферат

Тема магистерской работы:
«Исследование систем управления асинхронным двигателем с использованием нейросетей»

• Шелудько Дмитрий Иванович
  Факультет: Электротехнический (ЭТФ)
  Специальность: Электромеханические системы автоматизации и электропривод (ЭАПУ)
  Тема магистерской работы: «Нейросистемы и их использование для управления электроприводом»
  Научный руководитель: д.т.н., проф. Толочко Ольга Ивановна
  
• Улахович Владимир Владимирович
  Факультет: Электротехнический (ЭТФ)
  Специальность: Электромеханические системы автоматизации и электропривод (ЭАПУ)
  Тема магистерской работы: «Применение нейросетей к решению задачи идентификации нагрузки в электромеханических системах»
  Научный руководитель: д.т.н., проф. Коцегуб Павел Харитонович
  
• Поляков Виктор Анатольевич
  Французский технический факультет(ФТФ)
  Специальность: Электромеханические системы автоматизации и электропривод (ЭАПУ)
  Научный руководитель: д.т.н., проф. Коцегуб Павел Харитонович
  

  Национальная ситуация

  В пределах Украины исследованием и разработкой современных электроприводов переменного тока занимаются следующие ученные. Много работ связано с определением параметров и диагностикой состояния асинхронных двигателей. Таким образом:

  1. Современные электропривода переменного тока с использованием нейросетевых и др. интеллектуальных технологий. [1,2]
  2. Построение и реализация систем электроприводов переменного тока малочувствительных к изменению параметров. [3,4]
  3. Анализ и синтез систем управления электроприводами переменного тока с использованием методов теории управления нелинейных систем. [5,6,7]
  4. Изучение общих вопросов управления АД от преобразователей частоты с ШИМ. [8]
  5. Исследование и разработка систем векторного управления оптимизированных по энергопотреблению. [9]

  Мировая ситуация

  За пределами Украины можно выделить следующие изучаемые вопросы по теме магистерской работы:

  1. Всестороннее изучение вопросов систем управления электроприводами переменного тока с использованием традиционных и современных подходов в теории электропривода и теории управления.
     Математическое моделирование преобразовательной техники и приводов переменного тока.[10,11]
  2. Изучение и развитие систем управления приводом переменного тока с применением фаззи-нейро технологий и энергосбережения.[12]
  3. Развитие современной теории автоматического управления, в т.ч. нечеткого, нейросетевого, робастного и адаптивного управления.[13,16]

  3 ОСНОВНАЯ ЧАСТЬ

  Для реализации системы векторного управления (СВУ) с ориентацией по потокосцепленнию ротора (ПР) или системы прямого управления моментом (ПКМ) необходимо иметь информацию о величине и положении вектора ПР и вектора потокосцепления статора (ПС) соответственно. Потокосцепления измеряется с помощью датчиков Холла или измерительных обмоток, но недостатки, связанные с такими измерениями, приводят до того, что чаще для определения потокосцепления используют математические модели или наблюдатели состояния.
  Можно предложить определять потокосцепления с помощью искусственных нейронных сетей (ИНС). ИНС состоят из множества искусственных нейронов, которые представляют собой модели живых нейронов, но только по содержанию произведенных ими операций, а не по способу функционирования.
  В результате математического моделирования различных архитектур ИНС для идентификации ПР и ПС были выбраны рекуррентные ИНС, приведенные на рис. 1.
  
  

  Рисунок 1 – Структурные схемы ИНС для идентификации ПР и ПС

  
  Активационными функциями нейронов скрытого слоя нейроидентификатора ПР для СВУ взяты радиально-базисные, выходного – линейные.
  Входными сигналами были приняты сигналы токов статора isα, isβ , скорость ротора ω и обратные связи c выхода ИНС, задержанные на один шаг тренировки (блок TDL). На выходе были получены сигналы потокосцепления ротора Ψsα, Ψsβ .
  Активационной функцией скрытого слоя нейроидентификатора ПС для системы ПУМ взята функция Logsig, выходного – Purelin.
  Входными сигналами были избраны сигналы скорости (ω), тока статора в системе координат α-β (isα, isβ), соответствующие задержанные на один шаг тренировки и сигналы из выхода нейросети, задержанные на один шаг тренировки. Выходом данного идентификатора являются сигналы ПС в системе координат α-β.
  Тренировка осуществлялась за методом Левенберга–Макварта. Векторы тренировочных и целевых данных полученные в результате работы моделей СВУ и ПУМ с традиционными датчиками ПР и ПС соответственно. Результаты тренировки приведенные на рис.2.
  
  

  Рисунок 2 – Тренировка ИНС для идентификации ПР и ПС (данный рисунок анимирован, количество кадров – 11, количество повторений – 10 )

  
  Количество тренировочных пар выбиралось с учетом меры Вапника-Червоненкиса.
  Моделирование систем с нейроидентификаторами ПР и ПС осуществлялось в среде MatLab.
  Переходные процессы в СВУ приведенные на рис.3.
  
  

  Рисунок 3 – Переходные процессы в СВУ с нейроидентификатором ПР

  
  Переходные процессы в системе ПУМ приведенные на рис.4.
  
  

  Рисунок 4 – Переходные процессы в системе ПУМ с нейроидентификатором ПС

  
  

  4 ЗАКЛЮЧИТЕЛЬНАЯ ЧАСТЬ

  Полученные и планируемые результаты

  В результате работы были получены и планируется получить следующие результаты:

  1. Проведен анализ литературы по данной тематике;
  2. Получена математическая модель системы векторного управления;
  3. Получена математическая модель системы прямого управления моментом асинхронного двигателя;
  4. Выбрана оптимальная архитектура нейронной сети для идентификация потока ротора;
  5. Выбрана оптимальная архитектура нейронной сети для идентификация потока статора;
  6. В стадии разработке находится вопрос об идентификации параметров двигателя;
  7. В дальнейшем предполагается переход от задач идентификации к задачам управления, что включает в себя разработку искусственной нейронной сети для коррекции управляющего воздействия.

  Выводы

  На данной стадии исследования можно сделать следующие выводы:

  1. Использование искусственных нейронных сетей в качестве идентификаторов координат в приводах переменного тока;
  2. Оптимальные структуры искусственных нейронных сетей в качестве идентификаторов координат в приводах переменного тока определяются экспериментальным путем или при помощи математического моделирования;
  3. Использование нейроидентификаторов снижает чувствительность систем управления к изменению параметров двигателя;
  4. Решение поставленных задач управления с помощью искусственных нейронных сетей позволит дополнительно улучшить динамические и статические свойства электропривода переменного тока.

  5 ЛИТЕРАТУРА

  1. Сметана І.В., Лозинський А.О. Застосування штучних нейронних мереж для підвищення точності ідентифікації потокозчеплення в системах електроприводу з векторним керуванням // Міжв. наук.-техн. збірник “Електромашинобудування та електрообладнання”, вип. 63, – Київ: Техніки, 2004. – С. 7-16.
  2. Сметана І.В., Лозинський А.О., Паранчук Я.С. Ідентифікація потокозчеплення в системах керування електроприводом змінного струму // Матеріали 9-ої міжнародної конференції по автоматичному управлінню «Автоматика – 2002». – Донецьк, – 2002. – Т.1, – С. 176-177.
  3. Пересада С.М., Ковбаса С.Н. Простое бездатчиковое управление асинхронным двигателем с естественной ориентацией по полю машины // Вісник НТУ «ХПІ». Збірник наукових праць. Тематичний збірник наукових праць «Проблеми автоматизованого електроприводу. Теорія і практика». – Харків: НТУ «ХПІ», 2002, №12, т.1, – С. 64-68.
  4. Пересада С.М., Ковбаса С.Н., Середа А.Н. Аналитическое решение проблемы идентификации параметров асинхронного двигателя // Вісник НТУ «ХПІ». Збірник наукових праць. Тематичний збірник наукових праць «Проблеми автоматизованого електроприводу. Теорія і практика». – Харків: НТУ «ХПІ», 2005, №45, т.1, – С. 47-49.
  5. Потапенко Е.М., Потапенко Е.Е., Бичай В.Г. Согласование оптимальных режимов векторного управления асинхронным двигателем // Вісник НТУ «ХПІ». Збірник наукових праць. Тематичний збірник наукових праць «Проблеми автоматизованого електроприводу. Теорія і практика». – Харків: НТУ «ХПІ», 2002, №12, т.1, – С. 93-97.
  6. Потапенко Е.М., Потапенко Е.Е. Оценка векторов потокосцеплений и их скоростей в двигателях переменного тока // Вісник НТУ «ХПІ». Збірник наукових праць. Тематичний збірник наукових праць «Проблеми автоматизованого електроприводу. Теорія і практика». – Харків: НТУ «ХПІ», 2003, №10, т.1, – С. 105-107.
  7. Потапенко Е.М., Потапенко Е.Е., Соломаха А.В. Простая система векторного управления асинхронными двигателями с клеммными измерениями // Вісник НТУ «ХПІ». Збірник наукових праць. Тематичний збірник наукових праць «Проблеми автоматизованого електроприводу. Теорія і практика». – Харків: НТУ «ХПІ», 2005, №45, – С. 134-136.
  8. Півняк Г.Г., Бешта О.С., Балахонцев О.В., Худ олій С.С. Дискретна модель частотно-регульованого асинхронного електропривода для задач ідентифікації // Вісник НТУ «ХПІ». Збірник наукових праць. Тематичний збірник наукових праць «Проблеми автоматизованого електроприводу. Теорія і практика». – Харків: НТУ «ХПІ», 2003, №10, т.1 – С. 34-36.
  9. Андрющенко О.А., Шевченко С.Б. Улучшение энергетики асинхронного электропривода с векторным управлением // Вісник НТУ «ХПІ». Збірник наукових праць. Тематичний збірник наукових праць «Проблеми автоматизованого електроприводу. Теорія і практика». – Харків: НТУ «ХПІ», 2005, №45 – С. 394-395.
  10. Браславский И.Я., Ишматов З.Ш., Барац Е.И., Аверьянов М.А., Костылев А.В. Нейронный наблюдатель для асинхронного электропривода с прямым управлением моментом // Вісник НТУ «ХПІ». Збірник наукових праць. Тематичний збірник наукових праць «Проблеми автоматизованого електроприводу. Теорія і практика». – Харків: НТУ «ХПІ», 2002, №12, т.1 – С. 60-61.
  11. Браславский И.Я., Ишматов З.Ш. Опыт внедрения энергосберегающих технологий на основе частотно-управляемых асинхронных электроприводов // Вісник НТУ «ХПІ». Збірник наукових праць. Тематичний збірник наукових праць «Проблеми автоматизованого електроприводу. Теорія і практика». – Харків: НТУ «ХПІ», 2002, №12, т.1 – С. 169-170.
  12. Bimal K. Bose, Nitin R. Patel, and Kaushik Rajashekara. A Neuro-Fuzzy-Based On-Line Efficiency Optimization Control Of A Stator Flux-Oriented Direct Vector-Controlled Induction Motor Drive / Ieee Transactions On Industrial Electronics, Vol. 44, No. 2, April 1997
  13. Методы робастного, нейро-нечеткого и адаптивного управления / Под ред. Н.Д. Егупова. – М.: Изд-во МГТУ им. Н.Э.Баумана, 2002. – 744 с.
  14. Нейросетевые системы управления / Терехов В.А., Ефимов Д.В., Тюкин И.Ю. – Высш. шк. 2002. – 183 с.
  15. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика / Усков А.А., Кузьмин А.В. – М.: Горячая линия – Телеком, 2004. – 143 с.
  16. Методы современной теории автоматического управления / Под ред. К.А. Пупкова, Н.Д. Егупова. – М.: Из-во МГТУ им. Баумана, 2004. – 784 с.
  17. Системы управления электроприводов : учебник для студ. высш. учеб. заведений / В.М. Терехов, О.И. Осипов ; под ред. В.М. Терехов. – 2-е изд., стер. – М. : Издательский центр «Академия», 2006. – 304 с.
  18. Электроприводы переменного тока с частотным регулированием : учебник для студ. высш. учеб. заведений / Г.Г. Соколовский – М. : Издательский центр «Академия», 2006. – 272 с.
  19. Электрические машины : учеб. пособие для студ. высш. учеб. заведений / В.Я. Беспалов, Н.Ф. Котеленец – М. : Издательский центр «Академия», 2006. – 320 с.
  20. Автоматизированный электропривод типовых производственных механизмов и технологических комплексов: Учебник для вузов / М.П.Белов, В.А. Новиков, Л.Н.Рассудов – 2-е изд., стер – М. : Издательский центр «Академия», 2004. – 576 с.
  21. Инженеринг электроприводов и систем автоматизации : учеб. пособие для студ. высш. учеб. заведений / [М.П.Белов, О.И.Зементов, А.Е.Козярук и др.] ; под ред. В.А. Новикова, Л.М. Чернигова. – М. : Издательский центр «Академия», 2006. – 368 с.
  22. Сучасні частотно-регульовані асинхронні електроприводи з широтно-імпульсною модуляцією : Монографія. – Дніпропетровськ: Національний гірничий університет, 2006. – 470 с. – Рос.мовою.
  23. Нейронные сети в задачах роботехники / Скляренко Е.Г. – http://www.dgma.donetsk.ua/~ek/sc/neyro2002/2002/art16.htm
  24. Датчик момента асинхронного двигателя на основе искусственной нейронной сети / Меркушев Д. В. – http://nostalgia.ncstu.ru/content/_docs/pdf/conf/past/2003/4st/08/04.pdf