автореферат диссертации по электротехнике, 05.09.03, диссертация на тему:Исследование и разработка нейросетевого наблюдения потокосцепления ротора в системе векторного управления асинхронным короткозамкнутым двигателем

На правах рукописи

Лукичев Дмитрий Вячеславович

ИССЛЕДОВАНИЕ И РАЗРАБОТКА НЕЙРОСЕТЕВОГО НАБЛЮДАТЕЛЯ ПОТОКОСЦЕПЛЕНИЯ РОТОРА В СИСТЕМЕ ВЕКТОРНОГО УПРАВЛЕНИЯ АСИНХРОННЫМ КОРОТКОЗАМКНУТЫМ ДВИГАТЕЛЕМ

Специальность: 05.09.03 - Электротехнические комплексы и системы

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург - 2005

Работа выполнена в Санкт-Петербургском государственном университете информационных технологий, механики и оптики

Научный руководитель —

кандидат технических наук, доцент Усольцев А. А.

Официальные оппоненты:

доктор технических наук, профессор Поляхов Н.Д. кандидат технических наук, доцент Вершинин В,И.

Ведущая организация — Федеральный научно-производственный центр ФГУП "НИИ прецизионного приборостроения" (г. Москва).

Защита диссертации состоится «

¿а » 2005 г. в У* часов на

заседании диссертационного совета Д 212.238.05 Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им, В.И.Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, 5.

С диссертационной работой можно ознакомиться в библиотеке университета.

Автореферат разослан

«

2005 г.

Учёный секретарь диссертационного совета

¿¿С,;

Дзлиев С.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы Развитие силовой электроники и вычислительной техники в последние десятилетия привело к изменению представлений о роли и возможностях автоматизированного электропривода • с асинхронным короткозамкнутым двигателем (АД).

Современный асинхронный электропривод высокого и среднего качества строится почти исключительно на основе представления АД векторной математической моделью. В частности, на практике векторное управление чаще всего реализуется путём формирования токов в обмотках статора, что соответствует питанию АД от источника тока. Однако классическая теория электропривода строится в предположении о питании двигателя от источника ЭДС, поэтому даже статические характеристики режима токового управления встречаются в литературе только в виде сложных математических выражений, в которых невозможно в общем виде проследить влияние отдельных параметров на электромагнитные и электромеханические процессы, что особенно важно при изучении их в различных дисциплинах электромеханических специальностей ВУЗов.

Во многих случаях, в том числе и в наиболее распространённых устройствах частотно-токового векторного управления с ориентацией системы координат по вектору потокосцепления ротора и достаточно быстродействующим токовым контуром, передаточная функция по управляющему воздействию соответствует последовательному соединению безынерционного и интегрирующего звеньев, что исключает возможность стандартной настройки регулятора скорости (РС). Поэтому для практики представляет интерес исследование возможности настройки регулятора в таких системах на качество переходного процесса, сходное со стандартной настройкой.

В последние два десятилетия бурно развивается новая отрасль прикладной математики - нейроматематика, в основе которой лежит идея воспроизведения техническим устройством принципов обработки информации нервной системой. Искусственные нейронные сети (ИНС) в значительной степени обладают свойствами живых аналогов. В частности, способностью к обобщению информации и, как следствие, нечувствительностью к вариациям исходных данных, а также высоким быстродействием за счёт параллельной обработки информации, надежностью и т.д. Всё это делает чрезвычайно привлекательным использование таких устройств для построения одного из основных блоков систем векторного управления - наблюдателя потокосцепления ротора АД. Однако в настоящее время не существует методики синтеза ИНС с заданными параметрами и опыта применения их для решения этой задачи.

Цель работы. Разработка и исследование эффективности применения нейросетевого наблюдателя потокосцепления ротора в системе векторного

управления асинхронным короткозам

ш&щтшшк^ также анализ

БИБЛИОТЕКА СЛстерву ОЭ

. *

некоторых особенностей электромагнитных и электромеханических процессов в асинхронном электроприводе с токовым управлением.

Основные задачи, поставленные и решенные в диссертационной работе:

• выполнен анализ статических электромагнитных, электромеханических и рабочих характеристик АД с токовым управлением с помощью системы относительных единиц, где в качестве базисных величин используются ток статора и сопротивление взаимоиндукции;

• построены и проанализированы круговые диаграммы АД с токовым управлением;

• разработана методика и выполнено моделирование статических механических характеристик АД в среде МАТЬАВ/БтиИпк)

• разработана методика оптимизации контура скорости в системе векторного управления АД;

• разработан нейросетевой фильтр нижних частот;

• разработан нейросетевой наблюдатель потокосцепления ротора для системы векторного управления АД;

• исследована чувствительность нейросетевого наблюдателя потокосцепления ротора АД к вариации активного сопротивления ротора.

Методы и средства исследования. При решении диссертационных задач были использованы методы теории автоматического управления, электрических цепей, электрических машин, нейроматематики. Исследования динамики процессов электромеханического преобразования энергии в АД при токовом управлении в разомкнутой системе, а также в системе векторного регулирования с ориентацией по вектору потокосцепления ротора выполнены методом численного моделирования в универсальной интегрированной системе компьютерной математики (СКМ) МАТ1АВ. С помощью программных средств данной системы проведен и синтез нейросетевого наблюдателя магнитного потока ротора АД. При решении частных вопросов использовался также пакет Ма(Исас1.

Защищаемые научные положения:

1. Получение и анализ статических электромагнитных, электромеханических и рабочих характеристик АД с токовым управлением в системе относительных единиц, где в качестве базисных величин используются ток статора и сопротивление взаимоиндукции.

2. Методика настройки регулятора скорости в системе векторного управления АД.

3. Методика синтеза и оптимизации нейросетевого наблюдателя магнитного потока ротора АД в системе векторного управления.

Научная новизна. В диссертационной работе можно отметить следующие результаты, характеризующиеся научной новизной:

1. Для анализа электромагнитных, электромеханических и рабочих характеристик АД с токовым управлением предложена система относительных единиц с током статора и сопротивлением взаимоиндукции в качестве базисных величин, что'позволяет гГолучить удобные выражения для описания и

анализа соответствующих процессов.

2. Предложена новая методика настройки регулятора скорости в системе векторного управления АД, где специфика объекта управления не позволяет использовать стандартные методы оптимизации.

3. Разработан нейросетевой наблюдатель потокосцепления ротора АД, обладающий нечувствительностью к вариации активного сопротивления ротора в условиях эксплуатации.

4. Исследованы вопросы структурной и алгоритмической оптимизации нейросетевого наблюдателя потокосцепления ротора.

Практическая ценность работы:

1. Использование системы относительных единиц с током статора и сопротивлением взаимоиндукции в качестве базисных величин позволяет получить простые аналитические выражения для электромагнитных, электромеханических и рабочих характеристик АД с токовым управлением и с их помощью исследовать влияние различных параметров машины на электромагнитные и электромеханические процессы.

2. Предлагаемая методика настройки регулятора скорости позволяет получить' переходные характеристики с перерегулированием 20,8% для объектов управления в виде безынерционного и интегрирующего, а также для апериодического и интегрирующего звеньев, если постоянная времени апериодического звена существенно меньше, чем интегрирующего. Кроме того, предлагаемая настройка позволяет в значительной степени компенсировать постоянную времени интегрирующего звена и существенно увеличить быстродействие контура скорости.

3. Разработанный как часть нейросетевого наблюдателя потокосцепления ротора АД нейросетевой фильтр нижних частот обладает практически нулевой фазочастотной характеристикой и может использоваться во всех устройствах критичных к фазовой ошибке.

4. Разработанный нейросетевой наблюдатель потокосцепления ротора обладает значительной нечувствительностью к вариации параметров АД, что позволяет рассматривать систему управления с таким наблюдателем в качестве альтернативы адаптивным системам управления.

5. Результаты, выводы и рекомендации, полученные при исследовании вопросов структурной и алгоритмической оптимизации нейросетевого наблюдателя потокосцепления ротора АД, могут быть использованы при разработке подобных устройств, а также для их априорной оценки.

Связь темы диссертации с научно-техническими программами. В ходе выполнения работ по фанту Министерства образования Российской Федерации "Использование нейросетевых технологий в современных системах асинхронного электропривода" (№ ГР 0120.0 502066), 2004 г. диссертантом получены результаты, изложенные в диссертационной работе.

Реализация и внедрение результатов работы.

1. Результаты диссертационной работы использованы при разработке информационной подсистемы комплекса наведения многопараметрической

квантово-оптической системы "Сажень -ТМ".

2. Разработанные в ходе выполнения диссертационной работы математические модели и методики использованы при создании лабораторного стенда в рамках НИР № 2.1.1.(00.0) 190.151 "Разработка учебного лабораторного комплекса: «Системы приборного электропривода с полупроводниковыми преобразователями и компьютерным управлением» и изготовление головного стенда", выполненной по программе Министерства образования Российской Федерации "Научное, научно-методическое, материально-техническое и информационное обеспечение системы образования" на кафедре ЭТиПЭМС, а также в учебном процессе в СПбГУ ИТМО при подготовке студентов, обучающихся по направлению 654500 "Электротехника, электромеханика и электротехнологии" в дисциплинах "Элементы систем автоматики", "Электрические машины" и "Системы управления асинхронными электрическими машинами".

Достоверность результатов работы. Достоверность научных положений и выводов, сформулированных в работе, подтверждается корректностью выбора и применения математических методов анализа, в том числе моделированием в современных интегрированных пакетах Ма!Исас{, МАТЬЯВ/БтиИпк, а также проверкой полученных результатов на сходимость к известным данным.

Апробация результатов работы. Основные положения диссертационной работы докладывались на международной конференции "Электромеханика, электротехнологии и электроматериаловедение" (г. Алушта, 2003г.), международной конференции "Автоматизированный электропривод в XXI веке: пути развития" (г. Магнитогорск, 2004г.), на научном семинаре секции "Электромеханические системы и средства управления ими" Международной энергетической академии и Российского научно - технического общества электротехники и электроэнергетики, СПбГУ ИТМО,

Санкт-Петербург, 17 февраля 2005 г, на ежегодных научных конференциях и семинарах СПбГУ ИТМО 2003, 2004, 2005 гг.

Публикации. По теме диссертационной работы опубликовано 11 научных работ, из них - 8 статей, одна аннотированная рукопись работы и тезисы к 2-м докладам на международных научно-технических конференциях.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 88 наименований, и 5-ти приложений. Основная часть работы изложена на 154 страницах машинописного текста. Работа содержит 88 рисунков и 7 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель и вытекающие из нее задачи исследований, отражены научные результаты и положения, выносимые на защиту, отмечена их практическая значимость.

В первой главе проводится обзор известных публикаций, относящихся к рассматриваемым вопросам.

Отличительной особенностью обширного класса электроприводов, начиная от приводов с частотно-токовым управлением, и заканчивая приводами с векторным управлением, является питание АД от источника тока. Известные выражения, характеризующие работу АД при токовом управлении, часто представляют собой сложные зависимости, не позволяющие анализировать в общем виде происходящие в матине явления

При имитационном моделировании электромеханических процессов в СКМ МАТЬАВ возникают определенные трудности, связанные с участками статической неустойчивости механической характеристики АД, которые не позволяют исследовать работу двигателя во всем диапазоне его регулирования и, как следствие, получать полные статические электромеханические и рабочие характеристики машины.

Построение замкнутых систем векторного регулирования АД с поддержанием постоянства потокосцепления ротора связано с вопросом настройки регулятора скорости, который в силу специфики объекта управления не может быть реализован стандартными методами.

При реализации частотно-регулируемых электроприводов с векторным управлением и наблюдателями потока на основе математических моделей возникают определенные сложности, обусловленные тем, что параметры машины меняются в довольно широких пределах. Отказаться от применения контуров адаптации предположительно можно при использовании аппарата ИНС. Обзор публикаций по достаточно новому разделу современной науки -нейроматематике позволил обосновать возможные преимущества применения ИНС для идентификации магнитного потока машины, а также выявил необходимость разработки алгоритма синтеза ИНС для данной задачи.

Вторая глава посвящена вопросам анализа электромагнитных и электромеханических процессов в асинхронном короткозамкнутом двигателе при питании его от источника тока.

Основой для анализа работы АД с токовым управлением служит Т-образная схема замещения без учета магнитных потерь (рис. 1)

Построим на комплексной плоскости векторную диаграмму, соответствующую схеме замещения АД (рис. 2). Так как в АД с токовым управлением (АДУТ) амплитуда тока статора /, остаётся неизменной во всех

режимах, то геометрическим местом точек конца вектора /, при всех режимах работы АД будет полуокружность с радиусом |/)|. В то же время вектор /2 при изменении скольжения ж описывает окружность

диаметром с центром в точке

Хге

1т + . Изменение режима работы АД

Рис. 1. Схема замещения АД без учёта потерь в магнитопроводе.

.....>,. s=1,0

Рис. 2. Векторная диаграмма токов АДУТ при различных режимах работы двигателя.

будет приводить к изменению полного сопротивления участка а-Ь схемы замещения, что при |/,| = const вызовет

изменение напряжения Uah и токов 1т и /2, W поэтому при изменении

скольжения круговая диаграмма /2 будет изменять диаметр и положение центра,

оставаясь внутри

касательных, образующих с вещественной осью угол

а = ±arcsinf—— U + 2<T,

где

о=-Х2а/Хт

коэффициент рассеяния ротора АД. Предельными положениями диаграммы будут касания окружностью тока ротора дуги юка статора снаружи (режим холостого хода) и внутри (режим бесконечно большого скольжения).

Анализ процессов в цепи рис. 1 удобно проводить пользуясь системой относительных единиц, где в качестве базиса выбрано индуктивное сопротивление цепи намагничивания Хт и модуль тока статора |/,|. Тогда токи

X

намагничивания и ротора можно выразить через коэффициент % = —- = 1 + ст, а

Х„

о s R2

также переменную 9 = —, где р = ——, в следующем виде: Р

J,

I« _ —"

1,=^ = -

(1)

А 2 Л л/ГТб^'

Использование 8 в качестве переменной позволяет получить обобщённые функции относительных токов, независимые от конкретных значений параметров АД (рис. 3).

Для того, чтобы АД работал с постоянным потоком, необходимо

изменять ток статора АД обратно пропорционально 1т(9), т.е. = —'—,

где /ш - ток холостого хода Для машин средней и большой мощности а~0 и

выражение для /,($) упрощается »+ Э2 . Для машин мощностью

А о

1.0

0,707

более 1 кВт приведённая погрешность от исключения потока рассеяния ротора не превышает 10%, что позволяет использовать упрощённое выражение при построении функциональных преобразователей систем токового управления.

На рис. 4 показаны кривые изменения тока статора, построенные с учётом и без учета (штриховая линия) потока рассеяния ротора. Для оценки диапазона скольжений

[-Этах;Этах], в пределах которого можно стабилизировать поток АД, не превышая номинального

-0,707 -1,0

_!2—

-10 1

Л &

Рис. 3. Обобщённые токи АДУТ при отсутствии потока рассеяния ротора.

значения тока статора, воспользуемся коэффициентом кратности

т,

'/ном = = —, который ДЛЯ

МО 1тном

двигателей серии 4А изменяется в пределах 1,2 <т1И0М< 5,0. Тогда, выразив с учетом (1) максимально допустимое скольжение 9шах и сопоставив его с критическим

1

1

А

-Ао 1 "р

1,0

скольжением АДУТ

9 =+-

"кр —

О

9

(см. ниже), можно сделать вывод, что стабилизация магнитного потока АДУТ возможна на всём участке устойчивой работы, что полностью исключает проблему насыщения магнитной цепи.

Из уравнения электромагнитного

0

а 1

"тах —

1 -Ч

----1:7ШЯХ " " шал

Р Р

Рис. 4. Изменение тока статора АД необходимое для стабилизации основного магнитного потока.

момента электрической машины

после последовательных преобразований можно получить

электромагнитный момент АДУТ в виде формулы Клосса -

т 1 2

и'(8) =

М„

9 К;

где А/тах =—г ¿2а/|2, 9 = —= ±—. Проведенный сравнительный анализ

2 Р X

механических характеристик АД при питании от источника тока и источника напряжения (АДУН) показал, что жесткость механической характеристики АДУТ превосходит аналогичное значение АДУН за счет намного меньшей величины критического скольжения и примерно равной перегрузочной способности в режиме номинального тока.

Анализ уравнений токов позволяет также определить важнейшие рабочие характеристики АДУТ. Коэффициент мощности и коэффициент полезного действия (КПД) не зависят от режима питания и определяются только параметрами схемы замещения. Функцию совф, можно найти как

р\ п1

Р\ 12р2

где л, =—^— = р, + — - относительная мощность на входе,

'эвх —

У[Р1(1 + э]2 + [ст1+(1 + 92а2Х2

1 + Э2Х2

- относительное полное входное

И /2 X X

сопротивление, р, = —Ц р2 = —С) = —= —_ относительные

Хт Хт

активные и индуктивные сопротивления статора и ротора.

Близость характеристик функции сояф,(й) у машин различной мощности (рис. 5, а) позволяет использовать некоторую усредненную кривую для всех двигателей серии. Экстремум функции совф, для всего ряда машин серии 4А находится вне рабочего участка механической характеристики АДУТ, и поэтому максимальное значение соэф, АДУТ составляет величину 0,68, в то время как у АДУН это значение находится на уровне 0,9. Линиями 1, 3 и 2 на рис. 5 показаны соответственно точки критического скольжения АДУТ, АДУН и номинальный режим АДУН.

КПД в функции приведённого скольжения изменяется следующим образом

9(1 -Эр2) 9 + р,(1+х2Э2)

и имеет максимум в пределах рабочего участка АДУТ (рис. 5, б). Кроме того, в работе показано, что максимальное значение КПД АДУТ, как правило, больше, чем АДУН.

С помощью относительных параметров в работе исследовано влияние насыщения на характеристики АД, а также характер изменения механических и рабочих характеристик при частотном управлении.

(а) (б)

Рис. 5. Коэффициент мощности (а) и КПД (б) машин серии 4А (0,5 - 90кВт).

Далее в главе рассматриваются вопросы моделирования АД в пакете МАТЬАВ/БтиИпк. Разработанная методика построения полной механической характеристики, круговой диаграммы и других статических характеристик машины основана на обеспечении устойчивой работы двигателя в точке статического равновесия из условия Р<РС, где р, рс - соответственно жесткость механической характеристики двигателя и нагрузочного механизма.

В третьей главе исследуются процессы в замкнутом электроприводе с частотно-токовым векторным управлением и ориентацией системы координат по вектору потокосцепления ротора (частный случай системы "ТЯАМЗУЕКТОЯ"), функциональная схема которого приведена на рис. 6. РК - разделитель координат; Р - ротатор; ПФ2-3/(3-2) - преобразователи числа фаз; НП - наблюдатель потока; ВА - векторный анализатор.

У2з

=<8>

РП

чц

<8Н

РС

РК

Ш

У У СО<»1)

¡Ч<2

'Ж

ПФ 2-3

В.

УМ

8111(8])

а

Н*2«

ВА нп ПФ

3-2

¡'ь

К

АД

и

Рис. 6. Функциональная схема системы векторного управления АД.

Между выходом устройства управления (УУ) и статором АД включен усилитель мощности (УМ) релейного типа. У современных устройств ключевого типа частота коммутации составляет 2-г 16 кГц и на несколько порядков превосходит частоту основной гармоники, поэтому можно считать УМ безынерционным звеном.

Так как передаточные функции УУ являются обратными по отношению к передаточным функциям АД, то электромагнитный момент можно выразить через входные сигналы управления потокосцеплением и частоту ротора а>2 .2

З^Ум J

в виде т = —--со, =—со,, где г„

2Я, 2 Т„ 2 '

число пар полюсов,

Т = 2М*

О,

РС СОЦ п\(

« 2Я2

I

п

УУ-АД

механическая постоянная времени, 3 - момент инерции АД и нагрузки, приведенный к валу двигателя.

Тогда, с учетом основного уравнения движения, эквивалентная структурная схема векторного управления АД при постоянном потокосцеплении будет иметь вид рис. 7, т.е. в замкнутой по скорости системе

/иг управления осуществить

стандартную настройку регулятора без введения дополнительного апериодического звена невозможно, т.к. объект управления представляет собой соединение

безынерционного и

интегрирующего звеньев. Если в этой системе использовать ПИ регулятор с передаточной

функцией = то передаточная функция замкнутой системы по

н /п

управлению и соответствующая частотная характеристика будут иметь вид

Рис. 7. Эквивалентная структурная схема асинхронного привода "ТНА№УЕКТОЛ".

р<р + рг + 1

оЖу(ую)

Л

4 2 2 СО ф + С0

(т2 - ф)]-уа"фт (т -2ф)+) !

где ф = 7мт/А:.

Для приближения значения модуля частотной характеристики к единице в возможно более широком диапазоне частот исключим в знаменателе составляющую со2, т.е. выберем значения коэффициента К и постоянной времени т регулятора скорости так, чтобы выполнялось условие

т2 -2ф = 0 => Кх = 2ТК.

Тогда выражения для передаточных функций по управлению и возмущению примут вид

У р т. + р2х + 2

ШрУ-

рх"

з(рЧ + р21 + 2)'

Корни характеристических уравнений равны

т

что соответствует асимптотически устойчивой системе.

Реакция системы на скачки управляющего Дю, и возмущающего Дтс

воздействий (рис. 8) может быть получена соответственно в виде

+ и ИШ

со.

■ = 1

Ю,

т . [ t

--е sin -

®т 1т

п/оз15

1 1 1 1 1 1 1 1 1 1 1 1 ---- '/1 NJ

[±j VI -f 1 J^ 1 ii 1 iii 1

III 1 III 1 III 1 1 1 1 1 1 1 1 1 1

tlx

О л/4 я/2 3,07

10

где к)т=М3/А /яс. В этих выражениях время приведено к постоянной времени регулятора скорости т. Это означает возможность регулирования быстродействия системы

выбором т.

При моделировании

переходных процессов с предлагаемой настройкой

регулятора в системе рис. 6 при минимальной частоте

Рис. 8. Переходные функции системы с _

настройкой регулятора при условии /Гт=2Ги. коммутации 2000 Гц отклонение

переходных характеристик от расчетных не превышало 1 %, что позволяет сделать вывод о возможности ее применения в реальных устройствах.

В четвертой главе рассматриваются основные положения теории искусственных нейронных сетей, проводится синтез нейросетевого наблюдателя потокосцепления ротора (ННП), анализируется эффективность его применения в системе "TRANSVEKTOR".

В качестве базовой архитектуры сети была выбрана полносвязная ИНС прямого распространения, обладающая наибольшей информационной емкостью и требуемой обобщающей способностью. Функционирование ИНС определяется взаимодействием составляющих ее нейронов, каждый из которых выполняет взвешенное суммирование и нелинейное преобразование: net, = £ w,jXj ; у, = f(net, + b,),

где i— номер нейрона в сети, Xj - входные сигналы, у, - выходной сигнал нейрона, w - весовые коэффициенты, net, - суммарное входное воздействие на нейрон, Ь,- порог нейрона, /() - активационная функция нейрона.

Необходимо отметить, что главной трудностью построения нейросетевого устройства является алгоритмический и структурный синтез его

модели с целью получения оптимального решения конкретной задачи. Алгоритмический синтез включает в себя обоснованный выбор содержательной информации, необходимой для обучения ИНС, а также выбор алгоритма настройки весовых коэффициентов. Структурный синтез состоит в правильном подборе таких главных параметров ИНС как: число слоев v ИНС, число нейронов к в каждом слое, а также вид их активационных функций.

В отличии от традиционных наблюдателей ИНС выступает в роли универсального аппроксиматора, выполняя нелинейное преобразование у=Дх), где х - это вектор входных переменных, а у - реализация векторной функции нескольких переменных. Сложность конкретной задачи увеличивает размерность ИНС и даже приводит к невозможности данного преобразования.

Магнитный поток является функцией многих переменных, каждая из которых имеет широкий диапазон изменения, что требует обучения ИНС во всем интервале вариаций соответствующих сигналов. Отказ от использования сглаживающих фильтров на входе нейросетевого идентификатора определяет дополнительные функции ИНС, которая для осуществления правильного преобразования самостоятельно должна выделять из реальных сигналов значения их гладких составляющих, поскольку именно они определяют характер изменения магнитного потока. При управлении АД частота коммутации ключей УМ, которая определяет шум, наложенный на сигналы тока, изменяется в широких пределах, следовательно, после настройки ИНС должна обладать большой гибкостью, адекватно реагируя на это изменение.

Все эти факторы приводят к тому, что для построения наблюдателя потокосцепления ротора необходима неоправданно большая сеть, требующая предварительно обрабатываемой информации большой размерности, что приводит к значительным объемам вычислений при моделировании и обучении Поэтому поставленная задача была разделена на две части, каждая из которых решалась с помощью отдельной сети:

V. Синтез нейросетевого фильтра, обеспечивающего сглаживание сигнала

тока релейного УМ. 2. Синтез нейросетевого наблюдателя, на вход которого поступают предварительно отфильтрованные сигналы.

При создании нейросетевого фильтра ставилась задача по некоторому количеству отсчетов /(7^),г'(Г4_,),...,И,Тк_пА) реального токового сигнала в системе, получать на выходе текущее значение его основной гармоники /0(Тк) с заданной точностью и во всем диапазоне рабочих частот. Предварительные исследования проводились на токовых сигналах релейного УМ, использующего в качестве нагрузки упрощенную модель АД в виде апериодического звена первого порядка. Настройка числа скрытых слоев, а также количества нейронов в них, осуществляемая с использованием метода наращивания переменной структуры ИНС, позволила сделать вывод о целесообразности применения в данной задаче двухслойных ИНС, содержащих логистические и линейные функции активации соответственно в скрытом и выходном слоях. Были определены характерные частоты и амплитуды токовых сигналов, обучившись

на которых, сеть демонстрировала хорошие обобщающие свойства и работала с заданной средней ошибкой 0,1% во всем диапазоне сигналов.

Проведенный в Ма11кас1, МАТЬ А В сравнительный анализ нейросетевого фильтра и фильтра с конечной импульсной характеристикой (КИХ) показал, что спектр выходного сигнала ИНС лучше чем у КИХ фильтра, к тому же нейросетевой фильтр обладает нулевой фазочастотной характеристикой.

Полученные при исследованиях на упрощенной схеме АД результаты позволили построить и обучить нейросетевой фильтр для сглаживания сигнала тока в полной модели системы рис 6. Окончательно ИНС- фильтр с заданной ошибкой фильтрации был построен на двухслойной сети, имеющей 18 входов, 12 нейронов с логистическими (сигмоидальными) функциями преобразования в скрытом слое и одним выходным нейроном с линейной функцией активации.

После того, как была получена модель ИНС- фильтра, проводился синтез модели нейросетевого наблюдателя потокосцепления ротора. В качестве входных сигналов использовались токи фаз /а, , а также частота токов ротора со2; выходными сигналами были проекции потокосцепления ротора в неподвижной системе координат ц/^, , позволяющие в каждый момент времени вычислить значение модуля у2 и его пространственный угол 9.

Обучающая выборка составлялась в схеме, представляющей собой систему "ТЯАN5УЕКТО!?' (рис. 6) с разомкнутыми обратными связями в канале скорости и потокосцепления. При этом входным сигналом канала потокосцепления являлось номинальное значение у2иоч, а на вход канала частоты подавалось линейно изменяющееся задание со2, соответствующее изменению электромагнитного момента т от -1,5 ■ тиои до 1,5 • тиои. Скорость нарастания сигнала <о2 выбиралась такой, чтобы скорость вращения вала П возрастала до скорости холостого хода Ои за половину периода изменения момента. Таким образом, в системе создавались режимы, которые соответствуют всему диапазону работы двигателя, а, следовательно, и всему

диапазону изменения сигналов

•С 2а <Сгр

Система управления АД

ГТ

{'» 1а к)

Модель АД

{/„ 1а (<)

Наблюдатель

Наблюлатепь ИНС

Рис. 9. Структура исследовательской программы.

___ системы.

Анализ сетей с различным числом слоев, различным числом нейронов в скрытых слоях, а также различными функциями активации ууу'гр нейронов показал, что требуемая ошибка обучения достигается с помощью ИНС, которая имеет два скрытых слоя с логистическими Юа (сигмоидальными) функциями преобразования и линейными функциями активации нейронов выходного слоя, имеющая в

первом и втором скрытых слоях соответственно 7 и 8 нейронов. Наилучшим методом обучения ИНС, как и в случае нейросетевого фильтра, признан алгоритм Левенберга-Марквардта Для оценки эффективности использования нейросетевого наблюдателя было выполнено сравнительное моделирование по схеме рис. 9. В качестве аналога использовалась модель О^Р-устройства (<И^аШ%па1-ргосеззог), построенного по соответствующим уравнениям АД.

Учет ошибок производился по обеим вычисляемым координатам ц/2а и

\\г2р в условиях двукратной вариации активного сопротивления ротора при

различных значениях скорости вращения и моменте сопротивления на валу АД (рис. 10).

Ошибка dsp- наблюдателя при Q-var Ошибка ИНС- наблюдателя при ft-var

Рис. 10. Зависимость ошибки наблюдателей от изменения активного сопротивления ротора.

Было установлено, что искусственная нейронная сеть, обученная для задачи наблюдения за потокосцеплением ротора, адекватно работает во всем диапазоне скоростей и моментов, а также проявляет свойство нечувствительности к вариациям активного сопротивления ротора.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Для анализа электромагнитных, электромеханических и рабочих характеристик АД при токовом управлении в работе предложена система относительных единиц, в которой базисными величинами являются ток статора и сопротивление взаимной индуктивности. Это позволяет получить характеристики в удобной аналитической форме и с их помощью выполнить построение круговой диаграммы, а также показать что:

• максимум коэффициента мощности всегда находится вне рабочего участка механической характеристики АДУТ, а КПД - в пределах этого участка и его значение на 3+5% выше, чем АДУН; в то же время, costp, АДУТ существенно ниже и не превышает 0,68;

• сходство характеристик cosfp,(9) всех двигателей серии 4А позволяет использовать для анализа и оценок некоторую усредненную типовую кривую.

2. Предложен подход к построению статических характеристик АД, который позволяет создавать в стандартных пакетах компьютерной математики, например, в МАТ1АВ 6.5 достаточно простые и доступные для дальнейшего расширения модели по исследованию электромагнитных, электромеханических и рабочих характеристик асинхронного двигателя.

3. Предложена новая методика настройки ПИ- регулятора скорости вращения в системе векторного управления АД, в которой параметры изодрома К ит выбираются из условия Кх = 2Тм> где Тм - механическая постоянная времени системы. Такая настройка обеспечивает следующие свойства системы:

• асимптотическую устойчивость;

• астатизм второго порядка;

• перерегулирование при скачке управляющего воздействия 20,8%;

• хорошее демпфирование с коэффициентом колебательности 1,272;

• малую длительность переходного процесса (3,07т), определяемую выбором постоянной времени изодрома т.

Предлагаемая настройка может использоваться для всех объектов управления, передаточная функция которых сводится к безынерционному и интегрирующему звеньям, а также апериодическому и интегрирующему звеньям, если постоянные времени интегратора и апериодического звена соотносятся как Ти/Та»1.

4. Разработан нейросетевой фильтр нижних частот, который обладает:

• восстановлением гладкой составляющей токов статора с заданной погрешностью в пределах рабочей полосы частот с нулевым фазовым сдвигом;

• приблизительно в четыре раза меньшим количеством данных, необходимых для восстановления сигнала по сравнению с КИХ- фильтром при равных значениях заданной точности.

5. Разработан нейросетевой наблюдатель потокосцепления ротора АД, обладающий нечувствительностью к двукратной вариации активного сопротивления ротора в пределах заданной ошибки, что позволяет использовать его в качестве альтернативы адаптивным системам управления.

6. Исследованы вопросы структурной и алгоритмической оптимизации нейросетевых устройств и показано что:

• оптимальными структурами фильтра и наблюдателя являются соответственно двух и трёхслойная полносвязные сети с логистическими (сигмоидальными) функциями активации в скрытых и линейными функциями активации в выходных слоях;

• оптимальная выборка данных для обучения, в зависимости от характера задачи, выполняемой сетью, может формироваться либо в виде массива значений сигнала в характерных точках рабочего диапазона, либо при равномерном линейном сканировании области возможной вариации всех параметров входных сигналов;

• оптимальным алгоритмом обучения для поставленных в работе задач является алгоритм Левенберга-Марквардта.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Усольцев, A.A. Настройка регулятора скорости в системе векторного управления асинхронными двигателями / A.A. Усольцев, Д.В. Лукичев // Научно-технический вестник СПб ГИТМО (ТУ) / СПб ГИТМО (ТУ). - 2001. -Вып. 3: Физические процессы, системы и технологии механики. - С. 108-112.

2. Усольцев, A.A. Опрокидывание асинхронного двигателя с векторным управлением / A.A. Усольцев, Д.В. Лукичев // Изв. вуз. Приборостроение. -2002. - Т. 45, № 8. - С. 18-25.

3. Лукичев, Д.В. Исследование эффективности применения искусственных нейронных сетей для выделения гладкой составляющей сигнала тока в электроприводе / Д.В. Лукичев, A.A. Усольцев // Научно-технический вестник СПб ГИТМО (ТУ) / СПб ГИТМО (ТУ). - 2003. - Вып. 10: Информация и управление в технических системах. - С. 200-205.

4. Лукичев, Д.В. Применение методов нейронных сетей для сглаживания сигнала тока в электроприводе / Д.В. Лукичев // Электромеханика, электротехнологии и электроматериаловедение: гез. докл. V Междунар. конференции, г. Алушта, 2003. - Ч. 1. - С. 719-720.

5. Усольцев, A.A. Усилитель мощности релейного типа в электроприводе переменного тока / A.A. Усольцев, Д.В. Лукичев // Автоматизированный электропривод в XXI веке: пути развития: тез. докл. IV Междунар. конференции, г. Магнитогорск, 2004. - Ч. 2 - С. 311 -313.

6. Усольцев, A.A. Особенности работы асинхронного короткозамкнутого двигателя при питании от источника тока / A.A. Усольцев, ДВ. Лукичев // Электротехника. - 2004. - № 1. - С. 10-15.

7. Лукичев, Д.В. Виртуальная установка для исследования характеристик асинхронного двигателя / Д.В. Лукичев // Вестник конференции молодых ученых СПбГУ ИТМО / СПбГУ ИТМО. - 2004. - Т. 2. - С. 131 -138.

8. Усольцев, A.A. Статические характеристики асинхронного короткозамкнутого двигателя при питании от источника тока и источника напряжения / A.A. Усольцев, Д.В. Лукичев // Научно-технический вестник СПбГУ ИТМО / СПбГУ ИТМО. - 2004. - Вып. 15: Теория и практика современных технологий. - С. 340-344.

9. Лукичев, Д.В Выбор оптимальной структуры нейросетевого предсказывающего фильтра / Д.В. Лукичев // Изв. вузов. Приборостроение. -2004.-Т. 47, №11.-С. 38-42.

10. Лукичев, Д.В. Использование нейросетевых технологий в современных системах асинхронного электропривода / Д.В. Лукичев // IX Санкт-Петербургская Ассамблея молодых ученых и специалистов: аннотация работ по грантам Санкт-Петербургского конкурса 2004 года для молодых ученых и специалистов. СПб.: СПбГУ, 2004. - 72 с.

11. Лукичев, Д.В. Моделирование статических характеристик асинхронного двигателя в пакете MATLAB / Д.В. Лукичев // Exponenta PRO: Математика в приложениях. - 2004. - № 3-4. - С.86-92.

Тиражирование и брошюровка выполнены на ризографе в учреждении «Университетские телекоммуникации». Санкт-Петербург, Саблинская ул.,14.Тел. (812)233-46-69 Подписано к печати 24.05.2005 г. Тираж 100 экз. Заказ № 76

И24

РНБ Русский фонд

2006-4 8762

ВВЕДЕНИЕ.

ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ.

ГЛАВА 1. НЕКОТОРЫЕ ВОПРОСЫ ТЕОРИИ И ПРАКТИКИ АСИНХРОННОГО ЧАСТОТНО- РЕГУЛИРУЕМОГО ЭЛЕКТРОПРИВОДА.

1.1. Современное состояние асинхронного частотно-регулируемого электропривода.

1.2. Применение искусственных нейронных сетей в системах управления сложными динамическими объектами.

1.3. Выводы по главе.

ГЛАВА 2. СТАТИЧЕСКИЕ ЭЛЕКТРОМЕХАНИЧЕСКИЕ ХАРАКТЕРИСТИКИ АСИНХРОННОГО КОРОТКОЗАМКНУТОГО ДВИГАТЕЛЯ ПРИ ТОКОВОМ УПРАВЛЕНИЮ!.

2.1. Особенности работы асинхронного короткозамкнутого двигателя при питании от источника тока.

2.1.1. Схема замещения и векторная диаграмма.

2.1.2. Токи намагничивания и ротора.

2.1.3. Электромагнитный момент.

2.1.4. Рабочие характеристики.

2.1.5. Статические характеристики при частотном управлении.

2.1.6. Выводы по разделу.

2.2. Методика моделирования статических электромеханических характеристик АД в пакете MATLAB/Simulink.

2.2.1. Механическая характеристика и устойчивость работы асинхронного двигателя.

2.2.2. Метод, основанный на изменении жесткости нагрузки.

2.2.3. Метод, основанный на изменении коэффициента смещения нагрузки.

2.2.4. Выводы по разделу.

2.3. Выводы по главе.

ГЛАВА 3. ВЕКТОРНОЕ УПРАВЛЕНИЕ АСИНХРОННЫМ КОРОТКОЗАМКНУТЫМ ДВИГАТЕЛЕМ.

3.1. Основные положения построения систем векторного управления АД.

3.1.1. Векторная модель асинхронного двигателя.

3.1.2. Общий принцип векторного управления.

3.1.3. Модель АД, управляемого током статора, в системе координат, ориентированной по потокосцеплению ротора.

3.1.4. Модель АД, управляемого напряжением статора, в системе координат, ориентированной по потокосцеплению ротора.

3.1.5. Усилитель мощности релейного типа.

3.1.6. Выводы по разделу.

3.2. Система управления АД типа "TRANSVEKTOR".

3.2.1. Наблюдатель потокосцепления ротора.

3.2.2. Наблюдатель потокосцепления ротора, использующий измерение магнитного потока.

3.2.3. Наблюдатель потокосцепления ротора на основе математических моделей.

3.2.4. Настройка регулятора потокосцепления.

3.2.5. Методика настройки регулятора скорости.

3.2.6. Моделирование процессов в замкнутой системе.

3.2.7. Выводы по разделу.

3.3. Выводы по главе.

ГЛАВА 4. НЕЙРОСЕТЕВОЙ НАБЛЮДАТЕЛЬ ПОТОКОСЦЕПЛЕНИЯ РОТОРА В СИСТЕМЕ ВЕКТОРНОГО УПРАВЛЕНИЯ АСИНХРОННЫМ ЭЛЕКТРОПРИВОДОМ.

4.1. Основные положения теории искусственных нейронных сетей.

4.1.1. Модель нейрона.

4.1.2 Классификация искусственных нейронных сетей.

4.1.3. Однослойные и многослойные статические искусственные нейронные сети.

4.1.4. Важнейшие свойства многослойных нейронных сетей и проблема синтеза их структуры.

4.1.5. Выводы по разделу.

4.2. Постановка задачи синтеза нейросетевого устройства.

4.2.1. Задание рабочего амплитудного и частотного диапазона, а также требуемой точности фильтрации тока.

4.2.2. Расчет параметров релейных элементов УМ.

4.2.3. Влияние числа входов ИНС на качество фильтрации.

4.2.4. Влияние обучающей выборки ИНС на качество фильтрации.

4.2.5. Влияние частоты и амплитуды зашумленного токового сигнала на свойство обобщения ИНС.

4.2.6. Выводы по разделу.

4.3. Синтез нейросетевого фильтра.

4.3.1. Выбор числа слоев и функций активации ИНС.

4.3.2. Работа нейросетевого фильтра в условиях изменения параметров обрабатываемого сигнала.

4.3.3. Сравнение эффективности различных алгоритмов обучения при настройке коэффициентов нейросетевого фильтра.

4.3.4. Сравнение нейросетевого фильтра с КИХ- фильтром нижних частот.

4.3.5. Работа нейросетевого фильтра в системе управления АД.

4.3.6. Выводы по разделу.

4.4. Синтез нейросетевого наблюдателя магнитного потока.

4.4.1. Формирование обучающей выборки.

4.4.2. Структурный синтез модели нейросетевого вычислителя потокосцепления ротора.

4.4.3. Алгоритмический синтез модели нейросетевого вычислителя потокосцепления ротора.

4.4.4. Выбор функций активации нейронов скрытых слоев ИНС.

4.4.5. Тестирование обученной ИНС на модели системы векторного управления типа "TRANSVEKTOK".

4.4.6. Выводы по разделу.

4.5. Методика синтеза оптимальной структуры нейросетевого наблюдателя потокосцепления ротора.

4.6. Выводы по главе.

Актуальность проблемы. Развитие силовой электроники и вычислительной техники в последние десятилетия привело к пересмотру основ многих областей техники, в том числе и автоматизированного электропривода, существенную роль в котором стал играть асинхронный короткозамкнутый двигатель (АД). Это объясняется существующими возможностями силовых электронных регуляторов, позволяющих практически безынерционно и с достаточной для практических целей точностью формировать токи и напряжения статора АД, а также микропроцессорных систем управления, реализующих любые требуемые алгоритмы. Современный асинхронный электропривод строится исключительно на основе различных векторных моделей АД, что позволяет получать статические и динамические характеристики, сопоставимые с системами привода постоянного тока [20, 85].

Системы автоматического регулирования (САР) электроприводов с векторным управлением реализуют вычислительные алгоритмы в системе координат, которая ориентируется по конкретному вектору потокосцепления (статора, ротора или основного потока) машины. Обычно используют структуры с поддержанием постоянства потокосцепления ротора. Они наиболее просты в реализации и обладают наилучшими характеристиками [62, 63, 75, 84].

САР электроприводов с векторным управлением формирует управляющее воздействие в виде сигнала напряжения статора (управление по напряжению) или тока статора (токовое управление). Частотно-токовое векторное управление позволяет получить более простую структуру САР [47, 67, 69, 85] и связано с использованием инвертора преобразователя частоты в режиме источника тока. Несмотря на это, общие вопросы анализа электромагнитных и электромеханических процессов в АД при питании его от источника тока недостаточно освещены в литературе [3, 27], что определяет актуальность данного исследования.

При анализе работы конкретного устройства используют его математическую модель. В настоящее время появились пакеты имитационного моделирования, которые позволяют наиболее полно и удобно проводить данные исследования. В частности одной из наиболее удобных современных компьютерных систем является MATLAB и его пакет визуального имитационного моделирования Simulink. Однако, анализ работы АД в данных пакетах встречает некоторые трудности, связанные с невозможностью функционирования АД на неустойчивых участках его механической характеристики. Данное обстоятельство делает актуальным разработку алгоритмов, позволяющих исследовать работу АД во всем диапазоне его регулирования, получая полные статические характеристики машины.

При построении замкнутых систем векторного регулирования АД с поддержанием постоянства потокосцепления ротора встает вопрос методики настройки регулятора скорости (PC), который в силу специфики объекта управления [27] не может быть реализован стандартными методами.

Работа систем векторного управления невозможна без информации о пространственном положении вектора потокосцепления. Поскольку прямое измерение потокосцепления в машине труднодоступно, а его реализация в массовом приводе экономически невыгодна, то обычно на практике используют наблюдатели магнитного потока АД, которые должны обеспечивать асимптотическую оценку этой переменной. Следует отметить, что достоверность работы таких наблюдателей зависит от точности определения параметров асинхронного двигателя. Вследствие нагрева машины изменяются активные сопротивления статора и ротора, что приводит к возникновению ошибок оценивания магнитного потока, а это, в свою очередь, сказывается на снижении энергетической эффективности процесса преобразования энергии и может приводить даже к потере устойчивости [20].

В последнее время активно развивается теория искусственных нейронных сетей (ИНС), которые, благодаря присущим им универсальным свойствам аппроксимации, адаптивности и обучаемости, позволяют не только устойчиво работать в условиях изменения параметров машины, но также значительно повысить быстродействие выполняемых вычислений за счет способности нейросетей к параллельной обработке сигналов [1, 13, 78, 86].

В связи с этим представляет интерес исследование эффективности использования ИНС для решения одной из основных задач при реализации векторного управления - получения информации о векторе потокосцепления. Построение наблюдателя магнитного потока в нейросетевом логическом базисе предполагает синтез и оптимизацию его структуры: выбор числа слоев, количества нейронов, функций активации и т.д., которые сообща определяют свойства, приобретаемые нейронной сетью в процессе обучения. Таким образом, возникает необходимость в разработке вопросов настройки вышеозначимых параметров при решении данной задачи.

Отсюда можно определить цель диссертационной работы: разработка и исследование эффективности применения нейросетевого наблюдателя потокосцепления ротора в системе векторного управления асинхронным короткозамкнутым двигателем, а также анализ некоторых особенностей электромагнитных и электромеханических процессов в асинхронном электроприводе с токовым управлением.

Таким образом, могут быть сформулированы научные положения, выносимые на защиту:

1. Получение и анализ статических электромагнитных, электромеханических и рабочих характеристик АД с токовым управлением в системе относительных единиц, где в качестве базисных величин используются ток статора и сопротивление взаимоиндукции.

2. Методика настройки регулятора скорости в системе векторного управления АД.

3. Методика синтеза и оптимизации нейросетевого наблюдателя магнитного потока ротора АД в системе векторного управления.

Новизна результатов диссертационной работы заключается в том, что:

1. Для анализа электромагнитных, электромеханических и рабочих характеристик АД с токовым управлением предложена система относительных единиц с током статора и сопротивлением взаимоиндукции в качестве базисных величин, что позволяет получать удобные выражения для описания и исследования соответствующих процессов.

2. Предложена новая методика настройки регулятора скорости в системе векторного управления АД, где специфика объекта управления не позволяет использовать стандартные методы оптимизации.

3. Разработан нейросетевой наблюдатель потокосцепления ротора АД, обладающий нечувствительностью к вариации активного сопротивления ротора в условиях эксплуатации.

4. Исследованы вопросы структурной и алгоритмической оптимизации нейросетевого наблюдателя потокосцепления ротора.

Практическая ценность диссертационной работы:

1. Использование системы относительных единиц с током статора и сопротивлением взаимоиндукции в качестве базисных величин позволяет получить простые аналитические выражения для электромагнитных, электромеханических и рабочих характеристик АД с токовым управлением и с их помощью исследовать влияние различных параметров машины на электромагнитные и электромеханические процессы.

2. Предлагаемая методика настройки регулятора скорости позволяет получить переходные характеристики с перерегулированием 20,8% для объектов управления в виде безынерционного и интегрирующего, а также для апериодического и интегрирующего звеньев, если постоянная времени апериодического звена существенно меньше, чем интегрирующего. Кроме того, предлагаемая настройка позволяет в значительной степени компенсировать постоянную времени интегрирующего звена и существенно увеличить быстродействие контура скорости.

3. Разработанный как часть нейросетевого наблюдателя потокосцепления ротора АД нейросетевой фильтр нижних частот обладает практически нулевой фазочастотной характеристикой и может использоваться во всех устройствах критичных к фазовой ошибке.

4. Разработанный нейросетевой наблюдатель потокосцепления ротора обладает высокой нечувствительностью к вариации параметров АД, что позволяет рассматривать систему управления с таким наблюдателем в качестве альтернативы адаптивным системам управления.

5. Результаты, выводы и рекомендации, полученные при исследовании вопросов структурной и алгоритмической оптимизации нейросетевого наблюдателя потокосцепления ротора АД, могут быть использованы при разработке подобных устройств, а также для их априорной оценки.

Реализация и внедрение результатов диссертационной работы:

1. Результаты диссертационной работы использованы при разработке информационной подсистемы комплекса наведения многопараметрической квантово-оптической системы "Сажень -ТМ".

2. Разработанные в ходе выполнения диссертационной работы математические модели и методики использованы при создании лабораторного стенда в рамках НИР № 2.1.1.(00.0) 190.151 "Разработка учебного лабораторного комплекса: «Системы приборного электропривода с полупроводниковыми преобразователями и компьютерным управлением» и изготовление головного стенда", выполненной по программе Министерства образования Российской Федерации "Научное, научно-методическое, материально-техническое и информационное обеспечение системы образования" на кафедре ЭТиПЭМС, а также в учебном процессе в СПбГУ ИТМО при подготовке студентов, обучающихся по направлению 654500 "Электротехника, электромеханика и электротехнологии" в дисциплинах

Элементы систем автоматики", "Электрические машины" и "Системы управления асинхронными электрическими машинами".

Достоверность научных положений и выводов, сформулированных в работе, подтверждается корректностью выбора и применения математических методов анализа, в том числе моделированием в современных интегрированных пакетах Mathcad, MATLAB/Simulink, а также проверкой полученных результатов на сходимость к известным данным.

Основные положения диссертационной работы были доложены:

1. На международной конференции "Электромеханика, электротехнологии и электроматериаловедение" (г. Алушта, 2003г.).

2. На международной конференции "Автоматизированный электропривод в XXI веке: пути развития" (г. Магнитогорск, 2004г.).

3. На научном семинаре секции "Электромеханические системы ц средствауправления ими" Международной энергетической академии и Российского научно-технического общества электротехники и электроэнергетики, СПбГУ ИТМО, Санкт-Петербург, 17 февраля 2005 г.

4. На ежегодных научных конференциях и семинарах СПбГУ ИТМО 2003, 2004, 2005 гг.

Результаты диссертационной работы нашли отражение в гранте Минобразования РФ: "Использование нейросетевых технологий в современных системах асинхронного электропривода" (№ ГР 0120.0 502066), 2004 г.

По результатам различных разделов диссертационной работы опубликовано 11 научных работ, из них - 8 статей, одна аннотированная рукопись работы и тезисы к 2-м докладам на международных научно-технических конференциях.

Диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 88 наименований, и 5-ти приложений. Основная часть работы изложена на 154 страницах машинописного текста. Работа содержит 88 рисунков и 7 таблиц.

4.6. ВЫВОДЫ ПО ГЛАВЕ

1. Заданной погрешности фильтрации можно добиться только при обучении ИНС на всем периоде зашумленного сигнала.

2. Оптимальной структурой для реализации функции фильтра нижних частот обладает двухслойная ИНС, имеющая логистические и линейные функции активации соответственно в скрытом и выходных слоях.

3. Сравнение работы КИХ- и ИНС- фильтров показывает, что нейросетевой фильтр обладает существенно лучшими характеристиками, в частности он обрабатывает токовый сигнал с нулевой фазовой ошибкой.

4. Для фильтрации токовых сигналов с заданной точностью (0,1%) в системе асинхронного электропривода с УМ релейного типа, необходимо использовать ИНС с 18 входами и 12 нейронами в скрытом слое.

5. Оптимальной структурой для нейросетевого наблюдателя потока (ННП), определяющего потокосцепление ротора по сигналам тока двух фаз и частоте токов ротора, является трехслойная ИНС с логистическими и линейными функциями активации соответственно скрытых и выходных слоев.

6. Для обеспечения средней ошибки 1% при работе ННП, требуется 7 и 8 нейронов соответственно в первом и втором скрытых слоях сети.

7. Наилучшей сходимостью при настройке весов ИНС для рассматриваемых задач обладает алгоритм Левенберга-Марквардта.

8. Ошибка оценки нейросетевого наблюдателя магнитного потока при двукратной вариации активного сопротивления ротора АД в несколько раз ниже ошибки DSP-наблюдателя.

9. Для предварительного анализа основных закономерностей в обучении и поведении ИНС полезно рассмотреть упрощенную модель объекта или упрощенные сигналы, однако обучать ИНС необходимо на сигналах именно той системы, где предполагается ее использование.

10. Поскольку частота записи данных в обучающую последовательность определяется характером процессов, которые должны быть распознаны ИНС, в задаче фильтрации, где частота выборки должна быть равна частоте дискретизации, целесообразно при обучении ИНС использовать массив значений сигнала в характерных точках рабочего диапазона, а в задаче определения потокосцепления, где для настройки ИНС не требуется такая высокая частота выборки, обучающий массив данных может быть получен при равномерном линейном сканировании области возможной вариации всех параметров входных сигналов, что исключает необходимость проведения трудоемких исследований.

184

ЗАКЛЮЧЕНИЕ

В процессе выполнения диссертационной работы были получены следующие научные и практические результаты:

1. Для анализа электромагнитных, электромеханических и рабочих характеристик АД при токовом управлении в работе предложена система относительных единиц, в которой базисными величинами являются ток статора и сопротивление взаимной индуктивности. Это позволяет получить характеристики в удобной аналитической форме и с их помощью выполнить построение круговой диаграммы, а также показать что:

• стабилизация основного магнитного потока изменением тока статора возможна во всем диапазоне устойчивой работы и при этом ток статора не будет превышать номинальный;

• максимум коэффициента мощности всегда находится вне рабочего участка механической характеристики АДУТ, а КПД - в пределах этого участка и его значение на 3-г5% выше, чем АДУН; в то же время, coscpj АДУТ существенно ниже и не превышает 0,68;

• сходство характеристик coscp^O) всех двигателей серии 4А позволяет использовать для анализа и оценок некоторую усредненную типовую кривую;

2. Предложен подход к построению статических характеристик АД, который позволяет создавать в стандартных пакетах компьютерной математики, например в СКМ MATLAB 6.5, достаточно простые и доступные для дальнейшего расширения модели по исследованию электромагнитных, электромеханических и рабочих характеристик асинхронного двигателя.

3. Предложена новая методика настройки ПИ регулятора скорости вращения в системе векторного управления АД, в которой параметры изодрома К их выбираются из условия Кх = 2ГМ, где Тм - механическая постоянная времени системы. Такая настройка обеспечивает следующие свойства системы:

• асимптотическую устойчивость;

• астатизм второго порядка;

• перерегулирование при скачке управляющего воздействия 20,8%;

• хорошее демпфирование с коэффициентом колебательности 1,272;

• малую длительность переходного процесса (3,07т), определяемую выбором постоянной времени изодрома т.

Предлагаемая настройка может использоваться для всех объектов управления, передаточная функция которых сводится к безынерционному и интегрирующему звеньям, а также апериодическому и интегрирующему звеньям, если постоянные времени интегратора и апериодического звена соотносятся как Ги / Га »1.

4. Разработан нейросетевой фильтр нижних частот, обладающий следующими свойствами:

• восстановлением гладкой составляющей токов статора АД с заданной погрешностью в пределах рабочей полосы частот с нулевым фазовым сдвигом;

• приблизительно в четыре раза меньшим количеством данных, необходимых для восстановления сигнала по сравнению с КИХ фильтром при равных значениях заданной точности.

5. Разработан нейросетевой наблюдатель потокосцепления ротора АД, обладающий нечувствительностью к двукратной вариации активного сопротивления ротора в пределах заданной ошибки, что позволяет использовать его в качестве альтернативы адаптивным системам управления.

6. Исследованы вопросы структурной и алгоритмической оптимизации нейросетевых устройств и показано что:

• оптимальными структурами фильтра и наблюдателя являются соответственно двух и трёхслойная полносвязные сети с логистическими функциями активации в скрытых слоях и линейными функциями активации в выходном слое;

• оптимальная выборка данных для обучения, в зависимости от характера задачи, выполняемой сетью, может формироваться либо в виде массива значений сигнала в характерных точках рабочего диапазона, либо при равномерном линейном сканировании области возможной вариации всех параметров входных сигналов;

• оптимальным алгоритмом обучения ИНС для поставленных в работе задач является алгоритм Левенберга-Марквардта.

1. Агеев, А.Д. Нейрокомпьютеры и их применение. Кн. 6. Нейроматематика /

2. A.Д. Агеев, А.Н.Балухто, А.В.Бычков и др.; под общ. ред. А.И. Галушкина. -М.: ИПРЖР, 2002. -448 с.

3. Алявдин, Н.А. О статической обработке выборки с малым числом наблюдений / Н.А.Алявдин // научн. тр. Моск. технолог, ин-та легкой пром-ти / Моск. технологич. ин-т легкой про-ти. — 1957 Сб. 9. — М.: Гизлегпром, 1957.

4. Башарин, А.В. Управление электроприводами: учеб. пособие для вузов /А.В.Башарин, В.А.Новиков, Г.Г.Соколовский. JL: Энергоиздат, 1982.

5. Бесекерский, В.А. Теория систем автоматического регулирования /

6. B.А.Бесекерский, Е.П.Попов -Наука М.: 1972. - 768 с.

7. Борисов, B.JI. Как правильно выбрать нейроускоритель /В.Л.Борисов// Нейрокопьютеры: разработка и применение. 2002. - №3. С. 12-24.

8. Браславский, И.Я. Синтез нейронного наблюдателя для автоматизированного привода с прямым управлением моментом / И.Я. Браславский и др. . // Электротехника. 2001. - №12.

9. Бродовский, В.Н. Приводы с частотно-токовым управлением /В.Н.Бродовский, Е.С.Иванов.-М.: «Энергия», 1974.

10. Булгаков, А.А. Частотное управление асинхронным электроприводом / А.А.Булгаков М.: Наука, 1966. - 296 с.

11. Бурдун, Г.Д. Основы метрологии / Г.Д.Бурдун, Б.Н.Марков. М.: Изд-во стандартов, 1972.

12. Васильев, С.Н. Интеллектуальное управление динамическими системами / С.Н.Васильев, А.К.Жерлов, Е.А.Федосов, Б.Е.Федунов М.: Физматлит, 2000.

13. Волков, А.В. Идентификация потокосцепления ротора частотно-регулируемого асинхронного двигателя / А.В. Волков //Электротехника. — 2002.-№6.-С. 40-46.

14. Вороновский, Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К.Вороновский, К.В.Махотило, С.Н.Петрашев, С.А.Сергеев — Харьков: Основа, 1997. — 112 с.

15. Галушкин, А.И. О современных направлениях развития нейрокомпьютеров / А.И. Галушкин // Информационные технологии. 1997. -№5:-С. 2-5.

16. Герман-Галкин, С.Г. Цифровые электроприводы с транзисторными преобразователями / С.Г.Герман-Галкин и др. JL: Энергоатомиздат, 1986. — 248 с.

17. Герман-Галкин, С.Г. Компьютерное моделирование полупроводниковых систем в Matlab 6.0./ С.Г.Герман-Галкин. СПб.: КОРОНА принт, 2001. -320 с.

18. Герман-Галкин, С.Г. Электрические машины: лабораторные работы на ПК. /С.Г.Герман-Галкин, Г.А.Кардонов. СПб.: КОРОНА принт, 2003.

19. Глазенко, Т.А. Импульсные полупроводниковые усилители в электроприводах / Т.А.Глазенко.-JI.: Энергия, 1965. 188 с.

20. Глазенко, Т.А. Полупроводниковые преобразователи частоты в электроприводах / Т.А.Глазенко, Р.Б.Гончаренко. — Л.: Энергия, 1966. 183 с.

21. Горбань, А.Н. Обучение нейронных сетей /А.Н.Горбань М.: СП «Paragraph», 1990. - 160 с.

22. Дацковский, Л.Х. Современное состояние и тенденции в асинхронном частотно-регулируемом электроприводе /Л.Х. Дацковский, В.И.Роговой, Б.И.Абрамов и др. // Электротехника. 1996. -№10. - С. 18-28.

23. Денисов, К.М. Способы управления машинами переменного тока и их практическая реализация на базе компонентов фирмы Analog Devices / К.М.Денисов, А.С.Ермилов, Д.О. Карпенко // CHIP NEWS. -1997. -№7-8. -С. 5-10.

24. Интеллектуальные системы автоматического управления / под ред. И.М. Макарова, В.М. Лохина. М.: Физматлит, 2001.

25. Калашников, Б.Е. Системы управления автономными инверторами / Б.Е.Калашников, С.О.Кривицкий, И.И.Эпштейн. М.: Энергия, 1974. - 105 с.

26. Казовский, Е.Я. Переходные процессы в электрических машинах переменного тока / Е.Я. Казовский -Л.: Изд. Академии наук СССР, 1962. -624 с.

27. Ковач, К.П. Переходные процессы в машинах переменного тока / К.П.Ковач, И.Рац М.-Л.: Госэнергоиздат, 1963. -744 с.

28. Клепиков, В.Б. Применение методов нейронных сетей и генетических алгоритмов в решении задач управления электроприводами / В.Б.Клепиков, С.А.Сергеев, К.В.Махотило и др. // Электротехника. 1999. -№5- С. 2-6.

29. Ключев, В.И. Теория электропривода: учеб. для вузов / В.И.Ключев. — 2-е изд. перераб. и доп. М.: Энергоатомиздат, 2001. — 704 с.

30. Копылов, И.П. Математическое моделирование электрических машин: учеб. для вузов/ И.П.Копылов. 2-е изд.- М.: Высш. шк., 1994. - 318 с.

31. Костенко, М.П. Электрические машины. Ч.И. Машины переменного тока /М.П. Костенко, Л.М.Пиотровский. М.-Л.: Госэнергоиздат, 1958.

32. Кочетков, В.Д. Системы регулирования электроприводов переменного тока с микропроцессорным управлением / В.Д. Кочетков, Л.Х.Дацковский,

33. A.В.Бирюков и др.//Электротехн. пром-сть. Сер.08. Электропривод: Обзорн. информ., 1989. Вып. 26. с 1— 80.

34. Круглов, В.В. Искусственные нейронные сети. Теория и практика /

35. B.В.Круглов, В.В.Борисов. — 2-е изд.— М.: Горячая линия Телеком, 2002. — 382 с.

36. Лукичев, Д.В. Выбор оптимальной структуры нейросетевого предсказывающего фильтра /Д.В.Лукичев// Изв. Вузов. Приборостроение, 2004. Т. 47. - № 11. - С. 38-42

37. Лукичев, Д.В. Моделирование статических характеристик асинхронного двигателя в пакете MATLAB /Д.В.Лукичев// Exponenta PRO. 2004. — № 3-4. — С. 86-92

38. Лукичев, Д.В. Применение программируемой логики при разработке широтно-импульсного преобразователя. /Д.В.Лукичев, К.М.Денисов // XXXII Неделя науки СПбГПУ. 4.V: Материалы межвузовской научной конференции. СПб.: Изд-во СПбГТУ, 2004.

39. Маевский, О.А. Энергетические показатели вентильных преобразователей / О.А.Маевский М.: Энергия, 1978. - 320 с.

40. Мартинович, М.В. Использование системы MATLAB 6.0 для синтеза элементов систем управления на основе нейронных сетей / М.В.Мартинович,

41. A.С.Гредин, В.А.Емельянов // Материалы VI международной конференции актуальные проблемы электронного приборостроения АПЭП-2002. —Т.6. -С. 167-168.

42. Матвейкин, В.Г. Использование байесовского подхода в обучении нейронных сетей . Проблемы построения и обучения нейронных сетей /

43. B.Г.Матвейкин, С.В.Фролов. -М.: Машиностроение, 1999. С. 86-104

44. Махотило, К.В. Анализ параметрической чувствительности нейросетевой системы управления / К.В.Махотило //Труды Международной научно-технической конференции «microCAD'97». Часть 3. Харьков, 1997. —1. C. 137-141.

45. Медведев, B.C. Нейронные сети. MATLAB 6.0 / В.С.Медведев, В.Г.Потемкин ; под общ. ред. к.т.н. В.Г. Потемкина. М.: ДИАЛОГ-МИФИ, 2002.-496 с.

46. Назаров, А.В. Нейросетевые алгоритмы прогнозирования и оптимизации систем / А.В.Назаров, А.И.Лоскутов.- СПб.: Наука и Техника, 2003. 384 с.

47. Нейроинформатика и ее приложения / под ред. А.Н. Горбаня // Материалы 3-го Всерос. Семинара, 6-8 октября 1995 г. Ч. 1— Красноярск. Изд-во КГТУ, 1995. -230 с.

48. Омату, С. Нейроуправление и его приложения. Кн.2 / С.Омату, М.Халид, Р. Юсоф ; под ред. А.И. Галушкина. М.: ИРПЖР, 2000

49. Осовский, С. Нейронные сети для обработки информации / С.Осовский; пер. с польского И.Д. Рудинского. — М.: Финансы и статистика, 2002. — 344 с.

50. Рабинер, JI. Теория и применение цифровой обработки сигналов / Л.Рабинер, Б.Голд ; под ред. Ю.Н. Александрова. -М.: Мир, 1978.

51. Розенблатт, Ф. Принципы нейродинамики: Перцептрон и теория механизмов мозга / Ф.Розенблатт. М.: Мир, 1965- 480 с.

52. Рудаков, В.В. Асинхронные электроприводы с векторным управлением / В.В.Рудаков, И.М.Столяров, В.А.Дартау . Л.:Энергоатомиздат, 1987. -136 с.

53. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д.Рутковская, М.Пилиньский, Л. Рутковский. // Пер. с польск. И.Д. Рудинского. М.: Горячая линия — Телеком, 2004. — 452 с.

54. Сандлер, А.С. Автоматическое частотное управление асинхронными двигателями / А.С.Сандлер, Р.С.Сарбатов. М.: Энергия, 1974. 327 с.

55. Слежановский, О.В. Системы подчиненного регулирования электроприводов переменного тока с вентильными преобразователями / О.В.Слежановский, Л.Х.Дацковский, И.С.Кузнецов и др. — М.: Энергоатомиздат, 1983. -256с.

56. Современные микроконтроллеры: Архитектура, средства проектирования, примеры применения, ресурсы сети Интернет; под ред. И.В. Коршуна- М.: Издательство "Аким", 1998 -272 с.

57. Терехов, В.А. . Нейросетевые системы управления / В.А.Терехов, Д.В.Ефимов, И.Ю.Тюкин; под общ. ред. А.И. Галушкина. Кн. 8. -М.: ИПРЖР, 2002.

58. Усков, А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика / А.А.Усков, А.В.Кузьмин . М.: Горячая линия- Телеком, 2004. - 143 с.

59. Усольцев, А.А. Опрокидывание асинхронного двигателя с векторным управлением / А.А.Усольцев, Д.В.Лукичев // Изв. вузов. Приборостроение, 2002.-Т. 45,-№8.-С. 18-25.

60. Усольцев, А.А. Особенности работы асинхронного короткозамкнутого двигателя при питании от источника тока / А.А.Усольцев, Д.В.Лукичев // Электротехника.-2004.-№ 1.-С. 10-15.

61. Шахнов, В.А. Применение нейрокомпьютеров в технологии приборостроения / В.А.Шахнов, А.И.Власов // Наука-Производству. -1998. -№6. С. 30-33

62. Шрейнер, Р.Т. Математическое моделирование электроприводов переменного тока с полупроводниковыми преобразователями частоты / Р.Т.Шрейнер Екатеринбург: УРО РАН, 2000. - 654 с.

63. Шрейнер, Р.Т. Активный фильтр как новый элемент энергосберегающих систем электропривода / Р.Т.Шрейнер, А.А.Ефимов // Электричество. -2000. № 3. - С. 46-54.

64. Эпштейн, И.И. Автоматизированный электропривод переменного тока / И.И.Эпштейн М.: Энергоатомиздат, 1982. -192 с.

65. Abbondanti, A. Method of flux control in induction motors driven by variable frequency, variable voltage supplies / A. Abbondanti // Proc. IEEIAS Int. Semicond. Power Conv. Conf., 1997. P. 177.

66. Ba-Razzouk, A. Field-oriented control of induction motors using neural-network decouplers / A. Ba-Razzouk, A.Cheriti, G.Olivier, P.Sicard // IEEE Power Electron. 1997. -vol. 12. -№ 4. -P. 752 -763.

67. Barron, A.R. Universal approximation bounds for superposition of sigmoidal function / A.R. Barron // IEEE Trans. Inform. Theory. -1993. Vol. 39. -P.930-945.

68. Beres, Z. Sensorless IFOC of Induction Motor With Current Regulators in Current Reference Frame / Z. Beres, P.Vranka // IEEE Trans. Ind. Applicat., 2001. -vol. 37,-P. 1012-1018.

69. Blaschke, F. Das Prinzip der Feldorientierung, die Grundlage fur die Transvektor-Regelung von Drehfeldmaschinen / F. Blaschke//Siemens Zeitschrift. 1971. -№ 45. H. 10.

70. Durocher, David B. Predictive versus preventive maintenance / David B. Durocher, R.Gerry Feldmeier // IEEE Ind. Applicat. Mag., 2004. vol. 10, -P. 12-21.

71. Floter, W. Die Transvektor-Regelung fur den feldorien-tierten Betrieb einer Asynchron-maschine / W.Floter, H.Ripperger // Siemens Zeitschrift, 1971. -№ 45. H. 10.

72. Garces, L. Parameter Adaptation for the Speed-Controlled static AC Drive with Squrrel-Cage induction Motor / L.Garces // IEEE Trans, on Ind. Appl., 1980. -v. 16, №. 2.-P. 173-178.

73. Gelman, V.I. High perfomance current source inverter drive / V.I.Gelman // Int. Semicond. Power. Conv. Conf. 1982. -266 p.

74. Gybenco, G. Approximation by superpositions of a sigmoidal function / Gybenco // Math, of Control, Signals and Systems. 1989. №2 -P. 303-314.

75. Halpin, S.M. Applicability of neural networks to industrial and commercial power systems: a tutorial overview / S.M.Halpin, R.F. Burch // IEEE Trans. Ind. Applicat., 1997,-vol. 33, №5.-P. 1355 -1361.

76. Handbook of Intelligent Control: Neural, Fuzzy and Adaptive Approaches / Ed. By David A. White & Donald A. Sofge. N.-Y. Van Nostrand Reinhold, 1992568 p.

77. Hasse, K. Zur Dynamik drehzahlgeregelter Antriebe mit stromrichtergespeisten Asynchronkurzschlusslaufermaschinen, Diss. TH. -Darmstadt. 1969.

78. Hunt, K.J. Neural networks for control systems : A survey / K.J.Hunt, D.Sbarbaro, R. Zbikowski, P. J.Gawthrop // Automatica, 1992. -Vol. 28, № 6. -P. 1083 — 1112.

79. Irisa, T. A novel approach on parameter self-tuning method in AC servo systems / T.Irisa, S.Takata, R.Ueda. Mochizuki M // 3. IFAC Symp. Control in Power Electronics and Electrical Drives. Lausanne, 1983. -P. 41.

80. Pinto, Joao O.P. A Neural Network-Based Space-Vector PWM Controller for Voltage-Fed Inverter Induction Motor Drive / Joao O.P. Pinto, K. Bose Bimal, Luiz Eduardo Borges da Silva // IEEE Trans. Ind. Applicat., 2000, vol. 36, -P. 1628-1636.

81. Langweiler, F. Flusserfassung in Asynchronmaschinen / F.Langweiler, M. Richter // Siemens-Zeitschrift, №45, H.10, 1971, S. 768-771.

82. Leonhard, W. Field-Oriented Control of a Standard AC Motor using microprocessor / W.Leonhard, R.Gabriel, C.Nordly // IEEE Trans. Ind. Applicat. 1980.-Vol. 16, №2.

83. Lewis, F.L. Guest Editorial: Neural network feedback control with guaranteed stability / F.L.Lewis, T.Parisini //Int. J. of Control., 1998. Vol. 70,№ 3. -P. 337-339.

84. Madani, K. Neural Networks Based intelligent adaptive control: from theoretical aspects to hardware implementation / K.Madani //Нейрокомпьютеры: разработка, применение, 2002. -№ 5-6. С. 58-79.

85. Nabae, A. An approach to flux control of induction motors operated with variable-frequency power supply / A.Nobae, K.Otsuka, H.Uchino and R. Kurosawa // IEEE Trans. Ind. Appl., 1980. P. 342.

86. Schonfeld, R. Digitale Regelung elektrischer Antriebe / R.Schonfeld Berlin: Verlag Technik, 1987. - 240 s.

87. Shi, K.L. Direct Self Control of Induction Motor Based on Neural Network / K.L.Shi, T.F.Chan, Y.K.Wong // IEEE Trans. Ind. Applicat., 2001. -vol. 37 -P. 1290-1258.

88. Simoes, M.G. Neural network based estimation of feedback signals for a vector controlled induction motor drive / M.G.Simoes, B.K.Bose // IEEE Trans. Ind. Applicat., 1995. vol. 31, № 3, -P. 620-629.

89. Tsuje, T. One-Line Identification of Parameters in Rotor Circuits of Induction Motors / T.Tsuje, R.Oguro // Int. Conf. of Evalution and Modern Aspects of Induction Machines. Turino, 1986.— P. 17-20.