Оптимізація процесів керування реверсивним перетворювачем із застосуванням вбудованого нейроконтролера
DSpace at NTB NTUU KPI
Переглянути архів Інформація| Поле | Співвідношення | |
| Title |
Оптимізація процесів керування реверсивним перетворювачем із застосуванням вбудованого нейроконтролера
|
|
| Creator |
Хоменко, Максим Анатолійович
|
|
| Description |
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.09.12 – " Напівпровідникові перетворювачі електроенергії ". – Національний технічний університет України «Київський політехнічний інститут», Київ, 2011. Дисертація присвячена розробці теоретичних і практичних засад нейромережевого керування реверсивним перетворювачем позиційного електроприводу постійного струму. Порівняльний аналіз частотних і регресійних методів ідентифікації свідчить про доцільність застосування регресійних методів при розробці вбудованих систем керування реверсивним перетворювачем. Обґрунтовано застосування штучної нейронної мережі прямого поширення спільно з методами простору станів для отримання перехідного процесу кінцевої тривалості без перерегулювання. Розроблено спосіб формування навчальної множини, алгоритм вибору структури нейроконтролера та запропоновано в якості еталонного при навчанні нейронної мережі використовувати цифровий регулятор з різною тривалістю кроків квантування, що дозволяє отримати оптимальний за швидкодією перехідний процес для будь-якого кута завдання. Розроблено стенд системи керування реверсивним перетворювачем, за допомогою якого експериментально підтверджені результати теоретичних розрахунків та комп’ютерного моделювання. Диссертация на соискание ученой степени кандидата технических наук по специальности 05.09.12 – "Полупроводниковые преобразователи электроэнергии". – Национальный технический университет Украины «Киевский политехнический институт», Киев, 2011. Диссертация посвящена разработке теоретических и практических основ нейросетевого управления реверсивным преобразователем позиционного электропривода постоянного тока. Основное внимание уделено оптимизации переходного процесса по быстродействию в условиях ограничений, существующих в реальной системе. Рассмотрены вопросы синтеза структуры нейроконтроллера и формирования обучающего множества, способствующего качественному обучению искусственной нейронной сети прямого распространения. В работе средствами математического моделирования произведён сравнительный анализ частотных и регрессионных методов идентификации. Данные моделирования свидетельствуют о целесообразности применения регрессионных методов при разработке встраиваемых систем управления реверсивным преобразователем электропривода постоянного тока, как на стадии разработки для определения неизвестных параметров объекта управления, так и в процессе функционирования системы в качестве составной части алгоритма самонастройки или адаптации. Обосновано применение искусственной нейронной сети прямого распространения совместно с методами пространства состояний для получения в системе: реверсивный преобразователь – позиционный электропривод переходного процесса конечной длительности без перерегулирования. По результатам моделирования установлено, что применение нейроконтроллера в контуре управления позволяет снизить чувствительность системы к изменению параметров объекта управления, а также к возмущающим воздействиям по питанию. Важной особенностью искусственных нейронных сетей прямого распространения является их способность к аппроксимации сложных функциональных зависимостей. Определяющее влияние на качество аппроксимации оказывает не только структура сети и вид активационных функций отдельных нейронов, но и множество примеров, по которому производится настройка весовых коэффициентов. В работе предложен способ формирования обучающего множества, позволяющий обеспечить равномерное распределение примеров по всему диапазону функционирования системы, и тем самым обеспечить высокое качество настройки нейроконтроллера. Размер нейронной сети, а, следовательно, – и вычислительная сложность алгоритма является ключевым фактором при разработке встраиваемой системы управления с ограниченным быстродействием и объёмом памяти. Для определения такой структуры искусственной нейронной сети, которая позволяет обеспечить желаемое качество функционирования и при этом не требует чрезмерных вычислительных затрат разработан алгоритм выбора структуры нейроконтроллера. Данный алгоритм позволяет визуализировать зависимость ошибки обобщения от количества слоёв и нейронов в слое, тем самым обеспечивая выбор наиболее приемлемой для реализации структуры нейронной сети. Для улучшения динамических характеристик системы управления реверсивным преобразователем позиционного электропривода при обучении нейроконтроллера предложено использовать цифровой регулятор с различной длительностью шагов квантования, позволяющий получить оптимальный по быстродействию переходный процесс для любого угла задания. Применение данного подхода при синтезе нейроконтроллера, а также упомянутого алгоритма выбора структуры сети, позволило в 1,5 раза сократить требуемые вычислительные ресурсы по сравнению с использованием регулятора с фиксированным шагом квантования в качестве эталонного. В рамках данной работы для проверки результатов компьютерного моделирования и теоретических выкладок разработан стенд микропроцессорной системы управления двигателем постоянного тока, с помощью которого поставлены эксперименты по позиционированию на различные углы задания. В результате установлено, что максимальная ошибка позиционирования не превышает 0,54о (3 единицы младшего разряда дискретного датчика положения) в установившемся режиме, что соответствует уровню предъявляемых по точности требований. Результаты диссертационной работы рекомендованы для применения в новых разработках ООО «Пьезосенсор» (г. Чернигов), а также внедрены в учебный процесс кафедры промышленной электроники Черниговского государственного технологического университета в курсах дисциплин «Теория автоматического управления», «Системы преобразовательной техники» и «Микропроцессорная техника». The dissertation for a candidate’s degree on speciality 05.09.12 – "Semiconductor Power Converters ". – National Technical University of Ukraine "Kiev Polytechnic Institute", Kiev, 2011. The dissertation is devoted to the development of theoretical and practical principles of reversible DC drive control based on artificial neural networks. Comparative analysis of the frequency and regression identification methods shows that regression methods are more preferred for embedded systems development. The application of artificial neural network together with state space methods were justified for finite transient duration without overshoot obtaining. The method of training set forming, the algorithm of neural controller structure choice were developed and digital controller with different duration of quantization steps were proposed as a reference for neural network learning, that allowed us to obtain optimum performance for the transition process for any angle task. Reversible converter control system stand was developed. A series of experiments, whose results confirmed the computer simulations and theoretical calculations, was held. |
|
| Publisher |
НТУУ "КПІ"
|
|
| Date |
2011-05-26T09:05:28Z
2011-05-26T09:05:28Z 2011 |
|
| Type |
Thesis
|
|
| Identifier |
http://library.kpi.ua:8080/handle/123456789/873
|
|
| Language |
uk
|
|