автореферат диссертации по электротехнике, 05.09.03, диссертация на тему:Регулирование скорости и вращающего момента асинхронного электропривода с применением искусственных нейронных сетей

На правах рукописи

005055738

АЛИ САЛАМА АБОЗЕАД АБОАЛЕЛА

РЕГУЛИРОВАНИЕ СКОРОСТИ И ВРАЩАЮЩЕГО МОМЕНТА АСИНХРОННОГО ЭЛЕКТРОПРИВОДА С ПРИМЕНЕНИЕМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

Специальность 05.09.03 - Электротехнические комплексы и системы

Автореферат

диссертации на соискание ученой степени кандидата технических наук

2 9 НОЯ 2012

Казань 2012

005055738

Работа выполнена в ФГБОУ ВПО «Казанский государственный энергетический университет», на кафедре «Электропривод и автоматизация промышленных установок и технологических комплексов»

Научный руководитель: Андреев Николай Кузьмич

доктор технических наук, профессор, зав. кафедрой «Электропривод и автоматизация промышленных установок и технологических комплексов» ФГБОУ ВПО «Казанский государственный энергетический университет»

Официальные оппоненты: Маликов Александр Иванович

доктор физико-математических наук, профессор кафедры «Автоматики и управления» ФГБОУ ВПО " Казанский национальный исследовательский технический университет им. А.Н. Туполева - КАИ ",

Ваньков Юрий Витальевич

доктор технических наук, профессор, зав. кафедрой «Промышленные теплоэнергетические установки и системы теплоснабжения» ФГБОУ ВПО «Казанский государственный энергетический университет»

Ведущая организация:

Магнитогорский государственный технический университет им. Г.И. Носова

Защита диссертации состоится «11» декабря 2012 года в 15 часов 00 минут на заседании диссертационного совета Д212.079.06 при Казанском национальном исследовательском техническом университете им. А.Н. Туполева - КАИ по адресу: 420015, г. Казань, ул. Толстого, 15 (учебный корпус № 3, ауд. 216).

С диссертацией можно ознакомиться в библиотеке КНИТУ-КАИ.

Электронный вариант автореферата размещен на сайте Министерства образования и науки РФ (référât vak@mon.gov.rut и на сайте КНИТУ-КАИ (www.kai.ru).

Отзывы на автореферат в двух экземплярах, заверенных печатью организации, просим присылать по адресу: 420111, г. Казань, ул. К.Маркса, 10, КНИТУ-КАИ, на имя ученого секретаря диссертационного совета.

Автореферат разослан «10» ноября 2012г.

Ученый секретарь диссертационного совета

Бердников А.В.

Общая характеристика работы

Актуальность темы исследования. Использование асинхронных двигателей с короткозамкнутым ротором (АД с КЗР) растет из-за возможных технических приложений, в которых требуется доступный и эффективный привод. Эти преимущества, однако, упираются в решение задач управления асинхронными двигателями с регулируемой скоростью в промышленных приводах. Это связано, прежде всего, следующими причинами:

- асинхронный двигатель является нелинейной динамической системой,

- некоторые переменные состояния, такие как ток и потокосцепление ротора, напрямую не могут быть измерены,

- сопротивление ротора (при нагревании) и индуктивность намагничивания (в связи с насыщением) изменяются в больших пределах и оказывают существенное влияние на динамику системы.

Эти вариации параметров АД снижают эффективность управления электроприводом. В настоящее время исследования в этой области, в основном, сосредоточены на методах бездатчикового и устойчивого к изменениям параметров системы управления скоростью асинхронного двигателя.

Искусственные нейронные сети (ИНС) успешно применяются в области обработки изображений и регулирования, где надежность функционирования является одним из главных требований качества. Тем не менее, искусственные нейронные сети находятся на начальной стадии применения в области управления асинхронными электроприводами.

Технические системы работают в условиях постоянно изменяющихся климатических, нагрузочных и электромагнитных воздействий. В этих условиях возникает необходимость в регулировании не только скорости, но и электромагнитного момента, т.е. в постоянной подстройке параметров регуляторов. Следовательно, электроприводы таких систем нуждаются в наблюдателях для оценки текущего значений параметров двигателя, его скорости и регуляторах скорости и момента для поддержания их на заданном уровне.

В связи со сказанным выше, целью настоящей работы является исследование способов и результативности применения ИНС в системах управления асинхронного электропривода, которое сводится к решению целого ряда задач. Среди них можно назвать задачи синтеза нейронных сетей, способных решать поставленные задачи, задачи их обучения, задачи использования НС в качестве наблюдателей поведения системы в будущем, задачи чувствительности к возмущениям и использования ИНС в качестве регуляторов скорости и момента.

Значение результатов исследования состоит в разработке алгоритмов и программ для систем векторного управления АД, разработке рекомендаций для

проектировщиков электроприводов. В конечном итоге, результаты проведенных исследований при внедрении в практику должны дать повышение качества регулирования электроприводов. Последнее, в свою очередь, повышает надежность работы электроприводов и приводит к экономии электроэнергии и ресурсов.

Объектом исследования в настоящей работе являются процессы управления скоростью и электромагнитным моментом АД с КЗР.

Предметом исследования являются ИНС регуляторы скорости и момента в системах векторного управления асинхронного электропривода.

Цель работы:

исследование возможностей применения искусственных нейронных сетей в регуляторах скорости и момента асинхронного электропривода для повышения качества регулирования и экономии энергии и ресурсов

Задачи исследования. В данной диссертационной работе ставятся и решаются следующие задачи:

1. Исследование погрешности работы ИНС в качестве наблюдателя тока

ротора в системе управления частотой АД.

2. Исследование эффективности пропорционально-интегральных (ПИ) и нейросетевых регуляторов тока статора, скорости и момента при векторном управлении АД.

3. Применение ИНС наблюдателя в системе косвенного векторного управления скоростью АД для учета изменения сопротивления взаимоиндукции на низких частотах вращения.

4. Сравнительное исследование погрешностей оценки скорости двигателя с помощью систем адаптивного управления с эталонной моделью (АУЭМ):

а) по АУЭМ, б) АУЭМ с использованием ИНС без компенсации и

в) АУЭМ с ИНС с компенсацией сопротивления статора.

Научная новизна диссертационной работы состоит в следующем:

1. Разработан нейросетевой наблюдатель с повышенной точностью измерения тока ротора косвенно через ток статора и исследована зависимость точности измерения тока и времени обучения от количества нейронов в скрытом слое в системе управления частотой АД с КЗР;

2. Синтезирован и исследован в статических и динамических режимах нейросетевой прогнозирующий с 20 нейронами в скрытом слое регулятор

скорости АД, обладающий повышенным качеством регулирования скорости по сравнению с ПИ регулятором, с отработкой возмущения по нагрузке при меньших значениях тока статора и вращающего момента;

3. Разработана и исследована четырехслойная со структурой (8-9-7-1) ИНС наблюдателя скорости с повышенной точностью на основе алгоритма обратного распространения ошибки, обладающая чувствительностью к вариации взаимной индуктивности на низких частотах;

4. Проведено сравнительное исследование оценок скорости двигателя в системе адаптивного управления по эталонной модели с использованием нейронной сети с компенсацией и без компенсации изменения сопротивления статора. Установлено, что система управления с компенсацией сопротивления статора улучшает точность оценок скорости и повышает устойчивость системы к изменению параметров даже на очень низких частотах вращения двигателя.

Методы исследования: В работе использованы методы теории

электропривода и теории автоматического управления, теории

чувствительности, теории векторного и адаптивного управления, теории нейронных сетей.

Основные научные положения, выносимые на защиту

1. Результаты моделирования ИНС в качестве наблюдателя тока ротора в системе управления частотой АД, согласно которым при введении ограничений на время преобразования и значение погрешности оценки значения тока, можно найти приемлемое количество нейронов в скрытом слое.

2. Результаты исследования качества векторного регулирования скорости асинхронного двигателя, согласно которым установлена более высокая устойчивость к возмущениям по нагрузке системы регулирования с помощью ИНС по сравнению с ПИ регулятором, которая приводит к отработке возмущения по нагрузке при меньших значения тока статора и вращающего момента чем с ПИ регулятором.

3. Способ повышения точности оценки значения взаимной индуктивности в системе векторного управления скоростью на низких частотах вращения АД с помощью ИНС, работающей параллельно основной системе регулирования скорости.

4. Результаты сравнительного исследования оценок скорости двигателя, согласно которым система адаптивного управления по эталонной модели с использованием НС с компенсацией сопротивления статора улучшает точность оценок скорости и снижает чувствительность электропривода к изменению

параметров даже на очень низких частотах вращения АД по сравнению с простой системой АУЭМ.

Практическая ценность

Разработанные структурные схемы и алгоритмы косвенного векторного управления скоростью и усовершенствованные три методики оценки параметров электропривода на базе ИНС могут быть рекомендованы для использования проектировщикам электроприводов.

Реализация результатов исследования. Результаты выполненных в диссертации исследований используются в учебном процессе кафедры ЭПА КГЭУ при преподавании специальных дисциплин. Разработанные алгоритмы, программы и способы регулирования внедрены на предприятии ООО «Энергосервисная компания «Стэк Мастер», г. Казань при проектировании электроприводов.

Достоверность и обоснованность полученных результатов основана на корректном использовании современных методов научного исследования, таких как методы теории чувствительности, теории адаптивного управления, теории цифровых систем управления, на сходимости результатов диссертации с результатами других авторов. Полученные модели адекватно описывают процессы в электроприводе с цифровыми регуляторами.

Личный вклад автора. Автор принимал участие в разработке математических моделей, алгоритмов, компьютерных программ и моделировании на компьютере с целью проведения вычислительных экспериментов для проверки адекватности и работоспособности предложенных систем управления и регулирования электроприводов.

Апробация работы

Основные положения и результаты диссертационной работы докладывались на семи Международных и Всероссийских конференциях: II Международной научной конференции «Технические и технологические системы», Краснодар 2010; VI и VII Международных молодежных научных конференциях студентов и аспирантов «Тинчуринские чтения» (г. Казань, КГЭУ, 2011 и 2012 гг.); XXIII Всероссийской межвузовской научно-технической конференции

«Электромеханические и внутрикамерные процессы в энергетических установках, струйная акустика и диагностика, приборы и методы контроля природной среды, веществ, материалов и изделий» (г. Казань, КВАКУ им. М.Н. Чистякова, 2011); Межрегиональной научно-практической конференции студентов, аспирантов и молодых ученых «Четвертые Камские чтения», Набережные Челны: ИНЭКА, 2012; XIV всероссийском студенческом научно-техническом семинаре, Томск, ТПУ, 2012; VII Международной (8 Всероссийская)

б

научно-технической конференции по автоматизированному электроприводу: ФГБОУ ВПО ИГЭУ, Иваново, 2012.

Публикации. Основное содержание работы отражено в 10 печатных работах: 4 статьях, из них 3 опубликованы в журналах из списка ВАК, 6 тезисах докладов и трудах международных и региональных конференций.

Структура и объем диссертации. Диссертация состоит из введения, четырёх глав, заключения, списка использованной литературы.

Соответствие диссертации паспорту специальности. Диссертация соответствует паспорту специальности 05.09.03 по пунктам: 1 - математическое, имитационное и компьютерное моделирование компонентов электротехнических комплексов и систем, и 3 - разработка, структурный и параметрический синтез электротехнических комплексов и систем, их оптимизация, а также разработка алгоритмов эффективного управления.

Основное содержание работы

Во введении обоснована актуальность темы, сформулированы цели и задачи диссертации, научная новизна и защищаемые положения, практическая ценность и освещен личный вклад автора.

В первой главе диссертации приведен краткий обзор нейросетевых методов управления асинхронными двигателями. Приведены основные положения теории искусственных нейронных сетей. Рассмотрены модели нейрона, приведена классификация искусственных нейронных сетей, анализируются важнейшие свойства многослойных нейронных сетей и проблема синтеза их структуры, а также уделено внимание основным направлениям применения нейронных сетей в автоматизированном электроприводе.

Вторая глава диссертации посвящена более подробному обсуждению различных аспектов векторного управления асинхронным двигателем с короткозамкнутым ротором. Основное внимание уделено методам управления с использованием системы координат, ориентированной по потокосцеплению ротора. Рассмотрены методы построения наблюдателей в системе векторного управления. В конце главы анализируются методы настройки регулятора скорости.

Третья глава диссертации состоит из двух частей. В первой части главы диссертации исследуется работа нейронных сетей в системах управления асинхронным двигателем в качестве наблюдателя.

Решена задача синтеза НС наблюдателя с заданными свойствами. Проведено исследование погрешности работы НС наблюдателя в системе управления частотой асинхронного двигателя с помощью инвертора с широтно-

7

импульсной модуляцией (ШИМ). В качестве источника питания АД используется инвертор. К фазе а выхода инвертора с ШИМ, подключена обучаемая нейронная сеть, которая на базе ряда значений тока фазы предсказывает, каким будет ток на роторе двигателя.

Показано, что НС, обученная на зашумленных сигналах инвертора с ШИМ, может служить надежным наблюдателем. Время обучения Г0вуч и уровень погрешности зависят от количества нейронов к в скрытом слое.

Установлено, что при введении ограничения на время обучения Г0буч, можно найти оптимальное количество нейронов к = 10, задав необходимый уровень погрешности предсказания.

Произведена оценка влияния количества нейронов в среднем скрытом слое на величину погрешности предсказания. В работе используется трехслойная модель нейронной сети (1-7-1). В скрытом слое находится семь нейронов, а в выходном слое используется один нейрон.

Результаты изучения влияния количества нейронов в среднем слое к на ошибку воспроизведения сигнала приведены в таблице 1 для к = 4, 5, 10 и 100, и на рис. 1 для к = 10.

Таблица 1. Зависимость погрешности и времени обучения ИНС от

к 4 5 10 100

Е,„т 0.3232 0.1644 0.0818 0.0702

Ещ'т 2.014*ЕХР(-4) 1.7207*ЕХР(-4) 8.3707*ЕХР(-5) 1.3707*ЕХР(-5)

Е,„ 0.0360 0.0275 0.0169 0.0142

'обущС 58 67 93 435

В таблице 1 использованы следующие обозначения: Етах - максимальное значение амплитуды ошибки, Етт - минимальное значение, Ет - среднее значение ошибки, гобуч - время обучения нейронной сети, в секундах.

Анализ результатов таблицы показывает, что погрешность быстро уменьшается до 1,7% только при увеличении к до 10, а затем ее рост резко замедляется. Вместе с тем, время обучения при увеличении к растет экспоненциально. Следовательно, существует некий оптимум, при котором погрешность мала, а время расчета не превышает заданной величины. Из таблицы 1 вытекает, что этим оптимумом является значение к = 10 нейронов в среднем слое, при котором время расчета составляет 93 с, что только в 1,6 раза больше времени обучения 58 с при к - 4, но в 4,7 раз меньше времени при к = 100.

Рис. 1. Приведенный сигнал тока обмотки АД ¡2 и на выходе ИНС, обученной в схеме с ШИМ, 12нс и разность между ними (¡2 - 12нс)

Это модель чувствительна к параметрам АД, потому что измерение тока ротора зависит от тока статора.

Необходимо заметить, что исследуемая ИНС была обучена на пассивной цепи, к которой не прикладывалось действие противо ЭДС. В полной схеме асинхронного двигателя эта ЭДС, складываясь с прикладываемым к обмотке напряжением, порождает переменное во времени воздействие, которое вызывает значительное изменение частоты коммутации силовых ключей на периоде токового сигнала. Все это приводит к тому, что ИНС, обученная на пассивной цепи с незначительным изменением частоты коммутации, не в состоянии адекватно справиться с сигналами в системе релейный ШИМ - АД.

Таким образом, можно констатировать, что обучение ИНС необходимо производить на сигналах той системы (среды или объекта), в которой предполагается ее использование.

Во второй части третьей главы диссертации разработаны и проанализированы реализации контроллера для векторного управления скоростью АД. Построена в программе МАТЬАВ полная математическая модель АД с КЗР мощностью 37 кВт. Выполнено сравнение качества регулирования ПИ и ИНС регуляторов скорости. Применена ИНС с 20 нейронами в скрытом слое, основанная на алгоритме «обратного распространения ошибки». Установлена более высокая эффективность предлагаемого ИНС контроллера по сравнению с эффективностью ПИ регулятора.

В программе МаОаЬ БшиНпк было выполнено имитационное моделирование векторного управления (ВУАД) с использованием ПИ регулятора с помощью модели, изображенной на рис. 2. Сигналы заданной скорости и обратной связи суммируются, с выхода сумматора сигнал ошибки подается в ПИ-регулятор, который влияет на выходной сигнал.

На рис. 2 показана структурно-динамическая схема ВУАД. АД работает под управлением токового регулятора. Двигатель приводит в движение механическую нагрузку с моментом инерции J, коэффициентом трения В и моментом нагрузки Ть. В замкнутом контуре управления скоростью вместо ПИ регулятора используется нейросетевой регулятор, который вырабатывает квадратурный опорный ток по оси ц для регулирования величины крутящего момента двигателя. Поток двигателя контролируется по другой, продольной, оси опорным током . Для преобразования опорных токов Сй и ;* в опорные токи г*, ¡1 и /* для регулятора тока используется преобразователь координат с!(]-аЬс.

Рис. 2. Структурно-динамическая схема векторного управления скоростью двигателя

400

? 200

1.5

time(set')

Рис. 3. Отклик ВУАД с ПИ регулятором на нагрузку 60Н м, в момент времени

Г = 2,2 с

На рис. 3. показаны временные диаграммы характеристик ВУАД, для внезапного изменения нагрузки от 0 до 60 Н м при I = 2.2с. Видно, что частота вращения двигателя снижается до заданной скорости 120 рад/с, крутящий момент двигателя медленно растет от 32 до 107 Нм, а ток нарастает от 33 до 55 А.

Моделирование в среде МАТЬАВ ВУАД с нейросетевым прогнозирующим регулятором

В данной модели ИНС регулятор отличается от ПИ регулятора. ИНС контроллер имеет два входных сигнала: один сигнал задания, а другой сигнал нагрузки или скорости выходного вала АД (рис.4).

Рис. 4. Структурная схема системы косвенного векторного управления с использованием нейросетевого контроллера (NN Predictive Controller) в программе Matlab Simulink

Первая идентификация устройства была проведена с использованием панели инструментов НС. После идентификации были сгенерированы данные,

путем сравнения входных и выходных сигналов. Сеть обучалась с этими данными для получения оптимальных значений веса и постоянной составляющей с помощью функции шЫт (Левенберга-Маркарта обратного распространения ошибки). Веса и постоянные составляющие (пороговые величины) были применены к НС прогнозирующему контроллеру. Использовали 20 нейронов в скрытом слое, 8000 обучающих выборок и 200 периодов. Сеть сходилась после 12 периодов обучения, когда была получена среднеквадратичная ошибка 3,2368МО"5 при скорости обучения 0,05. Затем производилось моделирование ВУАД с использованием ИНС регулятора, задавались значения тока двигателя, скорости и крутящего момента.

После наложения нагрузки в 60 Н-м в момент времени Х=2,2с крутящий момент двигателя растет от 30 до 95 Н-м, а ток нарастает от 31до 49 А (Рис. 5).

400Г 1

_ 200Шл тг ашШШШШ

—-200

-400 ...........1........ ............,...... ...... [....... ..............|........... -

. дг„<> «.5 1 1.5 2 2.5 3

■

-р- 50 °< -

0.5 1 1.5 2 2.5 3

1000 0.5 1 1 5 2 2.5 3

(¡шеСчге)

Рис. 5. Производительность ВУАД с нейросетевым регулятором с нагрузкой 60 Н-м. в момент времени Г = 2,2 с

По величинам тока двигателя, крутящего момента и скорости на холостом ходу и, с нагрузкой 60 Н-м, эффективность ИНС регулятора оказалась лучше, чем у ПИ регулятора скорости. На основании проверки результатов моделирования (табл. 2) сделаны следующие выводы.

Таблица 2. Значения тока и крутящего момента электропривода с ПИ и НС

регуляторами

Переходный процесс Стационарное состояние С нагрузкой 60Н .м

т,Н ■ м ^аЬс'Л т,Н ■ м ^аЬс'Л 7п,Н ■ м

ПИ 467 322 33 32 55 107

НС 405 235 31 30 49 95

Как видно из табл. 2, ИНС контроллер является более устойчивым к возмущениям по нагрузке, чем ПИ регулятор.

Эффективность ИНС регулятора по определенным характеристикам двигателя (например, 1аЬс, 0) и М) значительно лучше, чем у ПИ регулятора при тех же условиях. В целом, качество регулирования ИНС регулятора значительно лучше, чем у ПИ регулятора.

Четвертая глава диссертации состоит из двух частей. В первой части главы диссертации представлен способ повышения точности оценки значения взаимной индуктивности в системе векторного управления скоростью на низких частотах вращения АД с помощью ИНС, работающей параллельно основной системе регулирования скорости

Рассматривается система бездатчикового векторного управления работой АД. В векторном управлении важно знать значение постоянной времени АД, которое используется в модели наблюдателя. Эта постоянная времени зависит от значения коэффициента взаимной индуктивности Lm статора и ротора. На предельно низких частотах источника питания магнитопровод АД насыщается, что приводит к изменению значения взаимной индуктивности Lm, которая в модели предполагается постоянной.

В данной работе разработана четырехслойная искусственная нейронная сеть наблюдателя скорости с повышенной точностью и с алгоритмом обратного распространения ошибки со структурой 8-9-7-1 (рис. 6).

В качестве функции активации в скрытых слоях использованы функции tansigmoid, а в выходном слое - линейная функция. К восьми первым скрытым нейронам подсоединены восемь входных сигналов. Причем, все компоненты токов и напряжений статора представлены в стационарной системе координат а,

(J на k'h и (k-i),h шагах моделирования isa(k), ^(к-ОЛрОО. isp<k-D,

usa(k), uso(k-l), usn(k), usp(k-u Выходной величиной ИНС является скорость вращения ротора на k'h шаге моделирования ft)(k).

а) б)

Рис. 6. а) Топология ИНС со структурой 8-9-7-1 для оценки скорости ротора,

б) ИНС при обучении

ИНС на каждом шаге моделирования функционирует параллельно и независимо от системы векторного управления электроприводом. Применимость ИНС для указанной цели проверялась в режиме работы АД с накладыванием нагрузки в виде ступеньки. Моделирование производилось для случаев:

а) при сохранении значения Ьт (см. результаты табл. 3),

б) при изменении Ь„, в результате насыщения.

Далее были вычислены реальные и оценочные значения скорости ротора

для трех значений относительной скорости ротора: со*= 0,02; со = 0,08; со = 0,12 (Табл. 3). Знак над символом £ указывает на значения индуктивности в условиях насыщения.

Таблица 3. Оценки нормированных значений скорости при ьт

Погрешность ...............— 0,02 0,08 0,12

С Средняя ошибка, % 1 1.35 1.6

с 0.0019 0.0067 0.0078

Новые результаты в установившемся режиме после изменения Ьт на 5,2% (случай б): Оцененное с помощью ИНС значение скорости ротора со*= 0,02 с погрешностью 9,8% на интервале времени 0,056 - 0,1 с. Следовательно, а = 0,027.

О 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.1 time [sj

Рис. 7. Реальные значения скорости ротора (rotor speed, actual) по оценке наблюдателя и по оценке ИНС (ANN): ш*= 0,02, Мп =0 до М /2 = 0,65 ,

паспортное значение взаимной индуктивности Lm = 1,2963, измененное

£,„ =1,3635

Отсюда можно заключить, что ИНС более чувствительна к определению значений индуктивности Lm , чем анализируемый наблюдатель.

Во второй части 4 главы. В работе проведено сравнительное исследование оценок скорости двигателя с помощью модели АУЭМ и модели АУЭМ с использованием нейронной сети (НС) с компенсацией сопротивления статора. АУЭМ НС система с компенсацией сопротивления статора улучшает точность оценок скорости и повышает робастность (нечувствительность) системы к изменению параметров даже на очень низких частотах вращения двигателя.

АУЭМ с НС может дать более точные оценки и быть более робастной по отношению к изменению параметров электропривода. Двухслойная НС в данном случае заменяет настраиваемую модель и механизм адаптации в обычной системе АУЭМ, но эталонная модель продолжает оставаться нужной для оценки потокосцепления ротора, которая в дальнейшем используется в качестве источника сигнала подстройки скорости. Оценщик на основе ИНС чувствителен к вариациям параметров, особенно на низких частотах.

Для решения этой проблемы и для того, чтобы сделать систему менее чувствительной к вариациям параметров, строится оценщик значения сопротивления статора в новой эталонной модели, в которой сопротивление статора могло бы быть оценено в реальном времени.

На рис. 8 изображена полная схема системы адаптивного управления по эталонной модели с использованием двухслойной НС и АУЭМ с динамической эталонной моделью.

Рис. 8 Система адаптивного управления по эталонной модели с использованием двухслойной НС и динамической эталонной модели.

Было выполнено имитационное моделирование с помощью программы МаЙаЬ-БипиНпк на базе стандартной хорошо изученной двухосевой модели АД. Предполагалось, что параметры АД измерены точно и не изменялись в течение работы. Были выполнены поочередно следующие расчеты:

1) Оценка скорости со по обычной модели адаптивного управления по эталонной модели;

2) Оценка скорости со с системой адаптивного управления с использованием ИНС с динамической эталонной моделью;

3) Оценка скорости о) по обычной модели для изменения Яв на 2% как реакции на увеличение Мс в два раза (с 5 до 10 Н-м) при г = 4 с (рис.9);

4) Оценка скорости со по модели с двухслойной НС для изменения Ыв на 2% как реакции на увеличение Мс в два раза (с 5 до 10 Н-м) при г = 4 с (рис.10);

5) Оценка скорости ротора со с помощью системы адаптивного управления по эталонной модели с использованием двухслойной НС и динамической эталонной модели (рис.11).

Рис. 9 Оценка скорости по обычной модели для изменения сопротивления статора на 2% как реакции на увеличение нагрузки в два раза (с 5 до ЮН-м) при г = 4 с

1,с

Рис. 10 Оценка скорости по модели с двухслойной нейронной сетью для изменения сопротивления статора на 2% как реакции на увеличение нагрузки в два раза (с 5 до 10 Н-м) при г = 4 с

Ясно видно, что обе модели являются чувствительными к изменениям параметров машины.

Окончательно, результаты имитационного моделирования для системы адаптивного управления по эталонной модели с использованием двухслойной НС и динамической эталонной модели показаны на рис. 11.

17

Рис. 11 Оценка скорости ротора с помощью системе адаптивного управления по эталонной модели с использованием двухслойной НС и эталонной модели с

компенсацией Яв

По результатам, приведенным на рис. 11, видно, что эффект, вызванный вариацией сопротивления статора, проявился сильнее. Первая схема давала ошибку порядка 10 рад/с. Вторая схема с ошибкой 0,5 рад/с. Третья схема - с ошибкой 0,1 рад/с.

Сравнение всех результатов имитационного моделирования показывает, что обычная система АУЭМ работает эффективно, когда значения параметров электропривода точно известны и не изменяются во время работы. Система адаптивного управления, замененная двухслойной НС, может немного улучшить эффективность системы, но в условиях постоянства ее параметров. Эти обе системы подвержены воздействию небольших изменений параметров, которые возникают в процессе реальной работы. После внесения в структуру системы оценщика (устройство для оценки) Я, эффективность системы значительно улучшается, что делает ее пригодной для практического применения.

Выводы и заключение

1. Разработаны и исследованы структурные схемы НС наблюдателя с разным количеством нейронов в среднем слое в системе частотного регулирования асинхронного двигателя для измерения поведения тока ротора, основанного на задании тока статора. Показано, что при заданном высоком уровне погрешности (менее 1 • 10"3) существует оптимум на количество нейронов по времени обучения.

2. Синтезирован и исследован в статических и динамических режимах нейросетевой прогнозирующий с 20 нейронами в скрытом слое регулятор скорости АД, обладающий повышенным качеством регулирования скорости по сравнению с ПИ регулятором, с отработкой возмущения по нагрузке при меньших значениях тока статора и вращающего момента;

3. Разработана и исследована четырехслойная со структурой (8-9-7-1) ИНС наблюдателя скорости с повышенной точностью на основе алгоритма обратного распространения ошибки, обладающая чувствительностью к вариации взаимной индуктивности на низких частотах;

4. Проведено сравнительное исследование оценок скорости двигателя в системе адаптивного управления по эталонной модели с использованием нейронной сети с компенсацией и без компенсации изменения сопротивления статора. Установлено, что система управления с компенсацией изменения сопротивления статора улучшает точность оценок скорости в пять раз и повышает устойчивость этой системы к изменению параметров двигателя даже на очень низких частотах вращения двигателя.

5. Системы регулирования скоростью АД с КЗР, использующие ИНС, показывают лучшие характеристики по сравнению с обычными системами регулирования по потребляемому току и энергии, уменьшается нагрузка на оборудование, повышается срок службы оборудования. Поэтому дальнейшее внедрение ИНС в регуляторах скорости асинхронных электроприводов может быть рекомендовано для проектировщиков электроприводов.

Научные публикации по теме диссертации в изданиях, рекомендованных ВАК РФ

1. Али Салама A.A., Андреев Н.К. Кубарев Ю.Г.Учет Изменения сопротивления взаимоиндукции на низких частотах вращения асинхронного электропривода при косвенном векторном управлении. Известия вузов. Проблемы энергетики.2011, №9-10. С.145-153.

2. Али Салама A.A., Андреев HJC Исследование эффективности работы пропорционально-интегрального и нейросетевого регуляторов при косвенном векторном управлении асинхронным двигателем по модели потока статора. Известия вузов. Проблемы энергетики, 2012, №3-4. С.107-114.

3. Али Салама A.A., Диаб Ахмед А.З., Андреев Н.К. Оценка скорости асинхронного двигателя в системах адаптивного управления по эталонной модели и с нейронной сетью. Энергетика Татарстана, 2012, №2-26.С57-61.

Другие научные публикации по теме диссертации:

4. Али Салама A.A., Андреев Н.К. Исследование работы нейросетевого

j

предиктора в системе управления частотой асинхронного двигателя с помощью широтно-импульсной модуляции. Вестник Казан, гос. энерг. унта, 2011, №1(8), С.35-38.

5. Али Салама A.A., Андреев Н.К. Управление асинхронным электроприводом с использованием самонастраивающейся нейросети // II Международной научной конференции ТТС-10. Сборник материалов. Краснодар: КВВАУЛ, 2010 г. С.61-63.

6. Али Салама A.A., Андреев Н.К. Косвенное векторное управление скоростью асинхронного электропривод с использованием искусственной нейронной сети // XXIII Всерос. межвуз. н-т конф. Часть 1. Казань: Издательство « Отечество», 2011. С.64-65.

7. Али Салама A.A., Андреев Н.К. Сравнение производительности пропорционально-интегрального и нейросетевого регуляторов при векторном управлении асинхронным двигателем по модели потока статора // VII Международной молодежной научной конференции «Тинчуринские чтения» / Под общ. ред. канд. тех. наук Э.Ю. Абдуллазянова. В4 т.; Т. З.Казань: Казан, гос. Энерг. Ун-т, 2012. С.117-118.

8. Али Салама A.A., Андреев Н.К. Оценка скорости асинхронного двигателя в системах адаптивного управления по эталонной модели и с нейронной сетью // IV Межрегиональная научно-практическая конференция студентов, аспирантов и молодых ученых «Четвертые Камские чтения» Набережные челны: ИНЭКА. 2012. С.З.

9. Али Салама A.A., Андреев Н.К. Система адаптивного управления скорости асинхронного двигателя по эталонной модели и с нейронной сетью // XIV всероссийский студенческий научно-технический семинар. Томск. ТПУ.

Ю.Али Салама А.А., Андреев Н.К. Применение нейронных сетей в системах управления электроприводом // VII Международная (8 Всероссийская) научно-техническая конференция по автоматизированному электроприводу: ФГБОУ ВПО ИГЭУ. -Иваново, 2012. С. 126-130.

2012.

Подписано к печати Гарнитура «Times» Физ. печ. л. 1.0

9 ноября 2012 г. Вид печати РОМ

Усл. печ. л. 0,94 Заказ №

Формат 60x84/16 Бумага офсетная Уч.-изд. л. 1.0

Тираж 100 экз.

Типография КГЭУ, 420066, Казань, Красносельская, 51

ВВЕДЕНИЕ.

ОСНОВНЫЕ ОБОЗНАЧЕННИЯ И СОКРАЩЕНИЯ.

Глава 1 НЕЙРОСЕТЕВЫЕ методы управления Асинхронными двигателями.

1.1.Основные положения теории искусственных нейронных сетей.

1.1.1 .Модель нейрона.

1.1 ^.Классификация искусственных нейронных сетей.

1.1.3.Однослойные и многослойные статические искусственные нейронные сети.

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

1.2.Основные направления исследований применения нейронных сетей в автоматизированном электроприводе.

1.3. ВЫВОДЫ ПО ГЛАВЕ 1.

ГЛАВА 2 ВЕКТОРНОЕ УПРАВЛЕНИЕ АСИНХРОННЫМ

КОРОТКОЗАМКНУТЫМ ДВИГАТЕЛЕМ.

2.1 .Математическое описание электропривода с асинхронным двигателем.

2.1.1.Математическое описание асинхронного двигателя.

2.1.2. Основные соотношения между токами и потокосцеплениями АД

2.1.3. Уравнения статора и ротора в векторной форме.

2.1.4. Обобщенная электрическая машина.

2.1.5. Модель короткозамкнутого АД при частотном управлении.

2.2. Основные положения построения систем векторного управления

2.2.1. Векторная модель асинхронного двигателя.

2.2.2. Общие принципы векторного управления.

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

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

2.3. Выводы по главе.

ГЛАВА 3 Исследование работы нейронных сетей в системах управления асинхронным двигателем в качестве наблюдателя.

3.1. Методика синтеза нейронных сетей.

3.2. Исследование работы нейросетевого наблюдателя в системе управления частотой асинхронного двигателя с помощью инвертора с широтно-импульсной модуляцией. ф 3.3. Исследование эффективности работы пропорционально-интегрального и нейросетевого регуляторов при косвенном векторном управлении асинхронным двигателем по модели потока статора.

3.3.1. Векторное управление скорости асинхронного двигателя.

3.3.2. Моделирование в программе МАТЬАВ косвенного векторного управления асинхронного двигателя на основе ПИ-регулятора.

3.3.3. Эффективность косвенного векторного управления АД с использованием ПИ регулятора.

3.3.4. Моделирование в среде МАТЬАВ ВУАД с нейросетевым щ прогнозирующим контроллером.

3.3.5. Эффективность косвенного векторного управления с использованием нейросетевого контроллера.

3.4. Выводы по главе.

Глава 4 ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ В СИСТЕМАХ КОСВЕННОГО ВЕКТОРНОГО УПРАВЛЕНИЯ СКОРОСТИ АСИНХРОННОГО ДВИГАТЕЛЯ ДЛЯ ОЦЕНКИ ВЛИЯНИЯ ВНЕШНИХ ВОЗМУЩЕНИЙ НА ПАРАМЕТРЫ ДВИГАТЕЛЯ И АДАПТАЦИИ.

4.1. Учет изменения сопротивления взаимоиндукции на низких частотах вращения асинхронного электропривода при косвенном векторном управлении.

4.1.1. Оценка скорости ротора в системе векторного управления, основанной на модельной адаптации.

4.1.2. Обучение и тестирование искусственной нейронной сети.

4.1.3. Проверка точности оценки взаимной индуктивности ротора и статора.

4.2. Оценка скорости асинхронного двигателя в системах адаптивного управления по эталонной модели и с нейронной сетью.

4.2.1 .Оценка скорости асинхронного двигателя в обычных системах адаптивного управления по эталонной модели.

4.2.2. Система адаптивного управления по эталонной модели с использованием двухслойной НС и динамической эталонной модели.

4.2.3.Результаты имитационного моделирования и обсуждение двухслойной НС и динамической эталонной модели.

4.3.Выводы по главе.

Общая характеристика работы

Актуальность темы исследования. Использование асинхронных двигателей с короткозамкнутым ротором (АД с КЗР) растет из-за возможных технических приложений, в которых требуется доступный и эффективный привод. Эти преимущества, однако, упираются в решение задач управления асинхронными двигателями с регулируемой скоростью в промышленных приводах. Это связано, прежде всего, следующими причинами: асинхронный двигатель является нелинейной динамической системой, некоторые переменные состояния, такие как ток и потокосцепление ротора, напрямую не могут быть измерены, сопротивление ротора (при нагревании) и индуктивность намагничивания (в связи с насыщением) изменяются в больших пределах и оказывают существенное влияние на динамику системы.

Эти вариации параметров АД снижают эффективность управления электроприводом. В настоящее время исследования в этой области, в основном, сосредоточены на методах бездатчикового и устойчивого к изменениям параметров системы управления скоростью асинхронного двигателя.

Искусственные нейронные сети (ИНС) успешно применяются в области обработки изображений и регулирования, где надежность функционирования является одним из главных требований качества. Тем не менее, искусственные нейронные сети находятся на начальной стадии применения в области управления асинхронными электроприводами.

Технические системы работают в условиях постоянно изменяющихся климатических, нагрузочных и электромагнитных воздействий. В этих условиях возникает необходимость в регулировании не только скорости, но и электромагнитного момента, т.е. в постоянной подстройке параметров регуляторов. Следовательно, электроприводы таких систем нуждаются в наблюдателях для оценки текущего значений параметров двигателя, его скорости и регуляторах скорости и момента для поддержания их на заданном уровне.

В связи со сказанным выше, целью настоящей работы является исследование способов и результативности применения ИНС в системах управления асинхронного электропривода, которое сводится к решению целого ряда задач. Среди них можно назвать задачи синтеза нейронных сетей, способных решать поставленные задачи, задачи их обучения, задачи использования НС в качестве наблюдателей поведения системы в будущем, задачи чувствительности к возмущениям и использования ИНС в качестве регуляторов скорости и момента.

Значение результатов исследования состоит в разработке алгоритмов и программ для систем векторного управления АД, разработке рекомендаций для проектировщиков электроприводов. В конечном итоге, результаты проведенных исследований при внедрении в практику должны дать повышение качества регулирования электроприводов. Последнее, в свою очередь, повышает надежность работы электроприводов и приводит к экономии электроэнергии и ресурсов.

Объектом исследования в настоящей работе являются процессы управления скоростью и электромагнитным моментом АД с КЗР.

Предметом исследования являются ИНС регуляторы скорости и момента в системах векторного управления асинхронного электропривода.

Цель работы: исследование возможностей применения искусственных нейронных сетей в регуляторах скорости и момента асинхронного электропривода для повышения качества регулирования и экономии энергии и ресурсов

Задачи исследования. В данной диссертационной работе ставятся и решаются следующие задачи:

1 .Исследование погрешности работы ИНС в качестве наблюдателя тока ротора в системе управления частотой АД.

2.Исследование эффективности пропорционально-интегральных (ПИ) и нейросетевых регуляторов тока статора, скорости и момента при векторном управлении АД.

3.Применение ИНС наблюдателя в системе косвенного векторного управления скоростью АД для учета изменения сопротивления взаимоиндукции на низких частотах вращения.

4.Сравнительное исследование погрешностей оценки скорости двигателя с помощью систем адаптивного управления с эталонной моделью (АУЭМ): а) по АУЭМ, б) АУЭМ с использованием ИНС без компенсации и в) АУЭМ с ИНС с компенсацией сопротивления статора.

Научная новизна диссертационной работы состоит в следующем:

1) Разработан нейросетевой наблюдатель с повышенной точностью измерения тока ротора косвенно через ток статора и исследована зависимость точности измерения тока и времени обучения от количества нейронов в скрытом слое в системе управления частотой АД с КЗР;

2) Синтезирован и исследован в статических и динамических режимах нейросетевой прогнозирующий с 20 нейронами в скрытом слое регулятор скорости АД, обладающий повышенным качеством регулирования скорости по сравнению с ПИ регулятором, с отработкой возмущения по нагрузке при меньших значениях тока статора и вращающего момента;

3) Разработана и исследована четырехслойная со структурой (8-9-7-1) ИНС наблюдателя скорости с повышенной точностью на основе алгоритма обратного распространения ошибки, обладающая чувствительностью к вариации взаимной индуктивности на низких частотах;

4) Проведено сравнительное исследование оценок скорости двигателя в системе адаптивного управления по эталонной модели с использованием нейронной сети с компенсацией и без компенсации изменения сопротивления статора. Установлено, что система управления с компенсацией сопротивления статора улучшает точность оценок скорости и повышает устойчивость системы к изменению параметров даже на очень низких частотах вращения двигателя.

Методы исследования: В работе использованы методы теории электропривода и теории автоматического управления, теории чувствительности, теории векторного и адаптивного управления, теории нейронных сетей.

Основные научные положения, выносимые на защиту

1. Результаты моделирования ИНС в качестве наблюдателя тока ротора в системе управления частотой АД, согласно которым при введении ограничений на время преобразования и значение погрешности оценки значения тока, можно найти приемлемое количество нейронов в скрытом слое.

2. Результаты исследования качества векторного регулирования скорости асинхронного двигателя, согласно которым установлена более высокая устойчивость к возмущениям по нагрузке системы регулирования с помощью ИНС по сравнению с ПИ регулятором, которая приводит к отработке возмущения по нагрузке при меньших значения тока статора и вращающего момента чем с ПИ регулятором.

3. Способ повышения точности оценки значения взаимной индуктивности в системе векторного управления скоростью на низких частотах вращения АД с помощью ИНС, работающей параллельно основной системе регулирования скорости.

4. Результаты сравнительного исследования оценок скорости двигателя, согласно которым система адаптивного управления по эталонной модели с использованием НС с компенсацией сопротивления статора улучшает точность оценок скорости и снижает чувствительность электропривода к изменению параметров даже на очень низких частотах вращения АД по сравнению с простой системой АУЭМ.

Практическая ценность

Разработанные структурные схемы и алгоритмы косвенного векторного управления скоростью и усовершенствованные три методики оценки параметров электропривода на базе ИНС могут быть рекомендованы для использования проектировщикам электроприводов.

Реализация результатов исследования. Результаты выполненных в диссертации исследований используются в учебном процессе кафедры ЭПА КГЭУ при преподавании специальных дисциплин. Разработанные алгоритмы, программы и способы регулирования внедрены на предприятии ООО «Энергосервисная компания «Стэк Мастер», г. Казань при проектировании электроприводов.

Достоверность и обоснованность полученных результатов основана на корректном использовании современных методов научного исследования, таких как методы теории чувствительности, теории адаптивного управления, теории цифровых систем управления, на сходимости результатов диссертации с результатами других авторов. Полученные модели адекватно описывают процессы в электроприводе с цифровыми регуляторами.

Личный вклад автора. Автор принимал участие в разработке математических моделей, алгоритмов, компьютерных программ и моделировании на компьютере с целью проведения вычислительных экспериментов для проверки адекватности и работоспособности предложенных систем управления и регулирования электроприводов.

Апробация работы

Основные положения и результаты диссертационной работы докладывались на семи Международных и Всероссийских конференциях: II Международной научной конференции «Технические и технологические системы», Краснодар 2010; VI и VII Международных молодежных научных конференциях студентов и аспирантов «Тинчуринские чтения» (г. Казань, КГЭУ, 2011 и 2012 гг.); ХХШ Всероссийской межвузовской научно-технической конференции «Электромеханические и внутрикамерные процессы в энергетических установках, струйная акустика и диагностика, приборы и методы контроля природной среды, веществ, материалов и изделий» (г. Казань, КВАКУ им. М.Н. Чистякова, 2011); Межрегиональной научно-практической конференции студентов, аспирантов и молодых ученых «Четвертые Камские чтения», Набережные Челны: ИЫЭКА, 2012; XIV всероссийском студенческом научно-техническом семинаре, Томск, ТПУ, 2012; VII Международной (8 Всероссийская) научно-технической конференции по автоматизированному электроприводу: ФГБОУ ВПО ИГЭУ, Иваново, 2012.

Публикации. Основное содержание работы отражено в 10 печатных работах: 4 статьях, из них 3 опубликованы в журналах из списка ВАК, 6 тезисах докладов и трудах международных и региональных конференций.

Структура и объем диссертации. Диссертация состоит из введения,

4.3.Выводы по главе 4

1. Разработана и исследована четырехслойная со структурой (8-9-7-1) искусственная нейронная сеть наблюдателя скорости с повышенной точностью и с алгоритмом обратного распространения ошибки, обладающая чувствительностью к вариации взаимной индуктивности на низких частотах;

2. Проведено сравнительное исследование оценок скорости двигателя в системе адаптивного управления по эталонной модели с использованием нейронной сети с компенсацией сопротивления статора и без компенсации. Установлено, что система управления с компенсацией сопротивления статора уменьшает погрешность оценок скорости в пять раз и повышает устойчивость системы к изменению параметров двигателя даже на очень низких частотах его вращения.

ЗАКЛЮЧЕНИЕ

В диссертации представлены результаты исследования моделей искусственных нейронных сетей, предназначенных для выполнения функций наблюдателя и регуляторов в системах управления скоростью асинхронного двигателя с короткозамкнутым ротором, в том числе и косвенного векторного управления скоростью. Эти результаты касаются решения следующих задач: модель нейросетевого наблюдателя для предсказания (прогноза) поведения тока ротора, основанного на задании тока статора через инвертор с широтно-импульсной модуляцией; разработанный наблюдатель показал высокую эффективность с погрешностью по амплитуде тока, меньшей чем 1*10'5 А, с периодом выдачи заданий порядка 1*10"3 с; он может быть использован во многих системах управления скоростью АД, которые нуждаются в измерениях тока ротора;

2.модель нейросетевого регулятора скорости в системах косвенного векторного управления АД; в этой части НС контроллер сравнивается по эффективности с обычным ПИ регулятором по таким характеристикам как время выхода на заданную скорость и динамический отклик на ступенчатое заданное изменение нагрузки;

3.нейросетевой контроллер, исследованный в этом разделе, был смоделирован как наблюдатель, который показал высокую эффективность в оценке скорости, тока ротора и крутящего момента; все характеристики для НС регулятора по сравнению с такими же характеристиками для ПИ регулятора оказались лучше; они приведены ниже: пусковой ток ротора с НС предсказывающим контроллером был на 13% меньше, а пусковой момент был на 27% меньше чем с ПИ регулятором; при пуске на холостом ходу пусковой ток ротора с НС предсказывающим контроллером был на 18% меньше, а пусковой момент был на 15% меньше чем с ПИ регулятором; при подаче полной номинальной нагрузки пусковой ток ротора с НС предсказывающим контроллером был на 11% меньше, а пусковой момент был на 11% меньше чем с ПИ регулятором;

4.в диссертации разработана модель НС наблюдателя скорости в системе векторного косвенного управления скоростью АД в условиях насыщения магнитопровода сердечника, которое приводит к изменению значения взаимной индуктивности на низких частотах; на первом этапе исследования был использован НС наблюдатель в условиях постоянства значения взаимной индуктивности, но изменения скорости момента в диапазоне от 0 до 0,65 номинальных значений; сравнение реальных и измеренных значений скорости показало значение погрешности в пределах 1%; такое значение погрешности ранее не наблюдалось ни в одной из работ, приведенных в обзоре; на втором этапе исследовалась модель НС наблюдателя для условий, когда взаимная индуктивность варьировалась; сравнение значений реальной и оцененной скорости показало согласие результатов в пределах расхождения в 9%, что можно считать приемлемым согласием для заданного режима работы электропривода.

5.Сравнение всех результатов имитационного моделирования показывает, что обычная система АУЭМ работает эффективно, когда значения параметров электропривода точно известны и не изменяются во время работы. Система адаптивного управления, замененная двухслойной НС, может немного улучшить эффективность системы, но в условиях постоянства ее параметров. Эти обе системы подвержены воздействию небольших изменений параметров, которые возникают в процессе реальной работы. После внесения в структуру системы оценщика (устройство для оценки) сопротивления статора эффективность системы значительно улучшается, что делает ее пригодной для практического применения.

Значение результатов исследования состоит в разработке алгоритмов и программ для систем векторного управления, разработке рекомендаций для проектировщиков электроприводов. В конечном итоге, результаты проведенных исследований при внедрении в практику должны дать повышение качества регулирования электроприводов. Последнее, в свою очередь, повышает надежность работы электроприводов и приводит к экономии электроэнергии и ресурсов.

1. Toshinori М, Fundamentals of the New Artificial Intelligence: Neural, Evolutionary, Fuzzy and more/ Second edition, Springer Press, 2008. 255 P.

2. Astrom K. J., Wittenmark В. Adaptive control /Reading MA: Addison Wesley,1994-574 P.

3. Дьяконов В. П.МАТЬАВ 7.*/R2006/R2007: Самоучитель. M.: ДМК Пресс, 2008. - 768 е.:

4. Зунг Ч. А. Разработка и исследование адаптивных систем управления нелинейными электромеханическими объектами супругимидеформациями / Дис. кан. техн. наук / СПб.: СПбГЭТУ, 2008. 174 с.

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

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

7. Сигеру Омату « Нейроуправление и его приложения »Кн 2 /Сигеру

8. Омату, МарзукиХалид, РубияЮсоф, Пер. с англ. Н В Батина. Под ред.

9. А И Галушкина. В А Птичкина М.: ИПРЖР, 2000 - 272 с.

10. Розенблатг Ф. Принципы нейродинамики: Перцептрон и теориямеханизмов мозга / Ф.Розенблатг. М.: Мир, 1965- 480 с.122

11. РоберртКаллан « Основные концепции нейронных сетей».: Пер с англ. —М.: Издательский дом " Вильяме 2001. —291 с.

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

13. Комашинский В. И., Смирнов Д. А. Нейронные сети и их применение в системах управления и связи.— М.: Горячая линия-Телеком, 2003. — 94 с.

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

15. Агеев, А. Д. Нейрокомпьютеры и их применение. Кн. 6. Нейроматематика / А.Д. Агеев, А.Н.Балухто, А.В.Бычков и др.; под общ.ред. А.И. Галушкина. М.:ИПРЖР,2002.~ 448с.

16. 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.

17. L. Nascimento Jr., B.Sc., M.Sc. Thesis of "Artificial Neural Networks in Control and Optimization"University of Manchester Faculty of Technology ,Manchester by Cairo . 1994

18. Mustafa Mohamadian. Thesis of "Indirect field oriented control of an induction motor implemented with an Artificial Neural Network" University of CALGARY, CALGARY, ALBERTA. 1998

19. M.Sc. Dariusz L. Sobczuk . Thesis of "Application of ANN for Control of PWM Inverter Fed Induction Motor Drives", Warsaw University of Technology, Faculty of Electrical Engineering Institute of Control and Industrial Electronics, Poland, 1999.

20. Ke Li Shi. Thesis of "Intelligent control for an induction motor", The Hong Kong polytechnic university, department of Electrical Engineering . 2001.

21. Hao Wen. Thesis of "Development and analysis of a self-tuned Neuro-Fuzzy controller for induction motor drives", Lakehead University Thunder Bay, Ontario,Canada, 2005.

22. ZhiRui Huang. Thesis of "Self-tuned Nero-fuzzy controller based induction motor drive" Lakehead University Thunder Bay, Ontario, 2007.

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

24. Madani, K. Neural Networks Based intelligent adaptive control: from theoretical aspects to hardware implementation I K.Madani //Нейрокомпьютеры: разработка, применение, 2002. —№ 5-6. —С. 5879.

25. Shi, K.L. Direct Self Control of Induction Motor Based on Neural Network / K.L.Shi, T.F.Chan, Y.K.Wong II IEEE Trans. Ind. Applicat, 2001. —vol. 37 —P. 1250-1258.

26. Соколовский Г.Г. Электроприводы переменного тока с частотным регулированием: учебник для студ. высш. учеб. заведений / Г. Г. Соколовский. -М.: Издательский «Академия», 2006. -272с.

27. Виноградов А.Б. Векторное управление электроприводами переменного тока / ГОУВПО «Ивановский государственный энергетический университет имени В.И. Ленина». Иваново, 2008. -298 с.

28. Бесекерский, В.А. Теория систем автоматического регулирования /В.А.Бесекерский, Е.П.Попов-Наука М.: 1972. - 768 с.

29. Сарваров A.C., Петушков М.Ю., Купцов В.В. Современные методы диагностирования асинхронных двигателей и их развитие: монография. Магнитогорск: ГОУ ВПО «МГТУ», 2010,247 с.

30. Афанасьев А.Ю. Основы автоматизированного электропривода: Учеб. пособие / А.Ю. Афанасьев. -Казань: Изд-во Казан.гос. техн. унта,2005.

31. Башарин, A.B. Управление электроприводами: учеб. пособие для вузов/А.В.Башарин, В.А.Новиков, Г.Г.Соколовский.-Л.: Энергоиздат, 1982.

32. Хайкин, Саймон. Нейронные сети: полный курс, 2-е издание. : Пер. с англ.—М. Издательский дом"Вильямс", 2006. —1104 с.

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

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

35. Герман-Галкин, С.Г. Компьютерное моделирование полупроводниковых систем в MATLAB 6.0: учебное пособие СПб: Корона принт, 2001. - 320с.

36. Лазарев Ю.Ф.Моделирование процессов и систем в MATLAB: учебное курс. -СПб.: Питер; Киев: Издательская группа BHV, 2005. -512с.

37. Лазарев Ю. Ф. Начала программирования в среде MATLAB: Учебное пособие. К.:НТУУ "КПИ", 2003. - 424 с.

38. JaanKiusalaas" Numerical methods in engineering with MATLAB", second edition: Pennsylvania State University, USA. 2009. — 431 P.

39. Steven T. Karris "Introduction to Simulink with Engineering Applications", second edition, Orchard Publications: USA. 2008. —716 P.

40. Черных И.В. Моделирование электротехнических устройств в MATLAB, SiraPowerSystems и Simulink. —M.: ДМК Пресс; СПб.: Питер, 2008. —288 с.

41. Новгородцев А.Б. Расчет электрических цепей в MATLAB: Учебный курс. —СПб.: Питер, 2004. —250 с.

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

43. Алявдин, H.A. 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.

44. Ильинский Н.Ф., Москаленко В.В. Электропривод: энерго- и ресурсосбережение: Учебное пособие для студентов высших учебных заведений. —М.: Издательский центр "Академия", 2008. - 208 с

45. Проектирование электронных преобразователей для регулируемых электроприводов: учебное пособие / В.Н. Остриров. М.: Издательский дом МЭИ, 2008.-72с.

46. Терехов В.М., Элементы автоматизированного электропривода,—М., Энергоатомиздат, 1987,224 с.

47. Водовозов A.M. Цифровые элементы систем автоматики, учебное пособие, Вологда, ВоГТУ, 2001 г., 108с.

48. Али Салама A.A., Андреев Н.К. КубаревЮ.Г.Учет Изменения сопротивления взаимоиндукции на низких частотах вращения асинхронного электропривода при косвенном векторном управлении. Известия вузов. Проблемы энергетики.2011, №9-10. С.145-153.

49. Али Салама A.A., Диаб Ахмед А.З., Андреев Н.К. Оценка скорости асинхронного двигателя в системах адаптивного управления по эталонной модели и с нейронной сетью. Энергетика Татарстана, 2012, №2-26.С57-61.

50. Али Салама A.A., Андреев Н.К. Исследование работы нейросетевогопредиктора в системе управления частотой асинхронного двигателя с помощью широтно-импульсной модуляции. Вестник Казан.гос. энерг. ун-та, 2011, №1(8), С.35-38.

51. Али Салама A.A., Андреев Н.К. Управление асинхронным электроприводом с использованием самонастраивающейся нейросети // II Международной научной конференции ТТС-10. Сборник материалов. Краснодар: КВВАУЛ, 2010 г. С.61-63.

52. Али Салама A.A., Андреев Н.К. Косвенное векторное управление скоростью асинхронного электропривод с использованием искусственной нейронной сети // ХХШ Всерос. межвуз. н-т конф. Часть 1. Казань: Издательство « Отечество», 2011. С.64-65.

53. Али Салама A.A., Андреев Н.К. Оценка скорости асинхронного двигателя в системах адаптивного управления по эталонной модели и с нейронной сетью // IV Межрегиональная научно-практическая конференция студентов, аспирантов и молодых ученых «Четвертые

54. Камские чтения» Набережные челны: ИНЭКА. 2012. С.З.127

55. Али Салама А.А., Андреев Н.К. Система адаптивного управления скорости асинхронного двигателя по эталонной модели и с нейронной сетью // XIV всероссийский студенческий научно-технический семинар. Томск. ТПУ. 2012.

56. Али Салама А.А., Андреев Н.К. Применение нейронных сетей в системах управления электроприводом // VII Международная (8 Всероссийская) научно-техническая конференция по автоматизированному электроприводу: ФГБОУ ВПО ИГЭУ. -Иваново, 2012. С.126-130.

57. P. Vas: Electrical Machines and Drives, Application of Fuzzy, Neural, Fuzzy-Neural and Genetic-Algorithm-Based Techniques, Oxford University Press, Inc. New York, 1999.

58. D. Vukadinovic, M. Smajo: A Sensorless Vector Control System -Saturation in Iron Analysis (accepted paper), Melecon 2004, Dubrovnik, Croatia.

59. M. Smajo, D. Vukadinovic: Impact of Saturation Effect in Iron on Asynchronous Motor Characteristics, Proceedings of 9th International DAAAM Symposium, P. 449-450, Cluj Napoca, Romania, 1998.

60. Internet: Matlab The Language of Technical Computing, Version 5, January 1999.

61. H. A. Toliyat, E. Levi and M. Raina: A Reviw of RFO Induction Motor Parameter Estimation Techniques // IEEE Trans, on Energy Conversion, Vol. 18, No.2, June 2003.

62. DirecktTorkue Control of AC motor drives. M. Aaltontn, P. Tiitinen, J. Laku. S.Heikkilla //ABB Review 1995. - №3. - pp. 19-24.

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

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

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

66. Махотило, К.В. Анализ параметрической чувствительности нейросетевой системы управления / К.В.Махотило //Труды Международной научно-технической конференции «MicroCAD'97». Часть 3. — Харьков, 1997. —С. 137-141.t

67. 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.

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

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

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

71. Браславский, И.Я. Синтез нейронного наблюдателя дляавтоматизированного привода с прямым управлением моментом / И.Я. Браславский и др. . // Электротехника. — 2001. —№12.

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

73. Engineering Applications of Neural Networks /Palmer-Drown D., Draganova C., Pimenidis E., Mouratidis E. Editors. Proceeding of the 11th International Conference. EANN, London, UK, August 27-29,2009.

74. Vinod Kumar and R. R. Joshi. Hybrid Controller based Intelligent Speed Control of Induction Motor / J. Theor. and Appl. Information Technology, pp. 71-75,2005.

75. F. Blaschke. The principle of field orientation as applied to new transvector closed loop control system for rotating field machine / Siemens Rev, vol. 34, P. 217-220. May 1972

76. R. Krishna and A.S. Bharadwaj. A Review of Parameter Sensitivity and Adaptation in Indirect Vector Controlled Induction Motor Drive Systems / IEFE Transactions On Power Electronics, Vol. 6, No -1, P. 695-703, Oct 1991.

77. Adel Merabet, MohandOuhrouche and Rung-Tien Bui. Neural Generalized Predictive Controller for Induction Motor / Volume 1, Number 1, P. 83-100, University of Quebec at Chicoutimi. 2006

78. K. S. Narendra and K. Parthasarathy. Identification and control of dynamic systems using neural networks / IEEE Trans. Neural Networks, vol.1, P.4-27, Jan.1990.

79. Miloudi, Y. Miloudand A. Draou. A Neural Network Based Speed Control Design Strategy of an Indirect Vector Controlled Induction Machine Drive / University Centre of Saida. 2003.

80. M. G. Simoes and В. K. Bose. Neural Network based Estimation of Feedback Signals for a Vector Controlled Induction Motor Drive / IEEE Trans. On Industry Applications, Vol. 31, No. 3, pp. 620-629, May/June 1995.

81. Афанасьев А.Ю., Макаров В.Г. Математическая модель трехфазного асинхронного двигателя с учетом нелинейности магнитопровода // Проблемы энергетики, 2011, № 1-2. С.93-100.

82. Сарваров А.С. Расширение диапазона частотного регулирования двигателей переменного тока на базе непосредственных преобразователей частоты / А.С. Сарваров // Приводная техника.-2000,-№3.- С. 22-27.

83. Сарваров А.С. Расширение диапазона регулирования в системе 12-пульсный НПЧ-АД для вентиляторных электроприводов / А.С. Сарваров // Труды IV Междунар. конф. Электромеханика и электротехнология МКЭЭ, 2000.- Клязьма, 2000.-С. 210-211.

84. Finch, J. W. and Giaouris, D., Controlled AC Electrical Drives, IEEE Transactions on Industrial Electronics, Feb. 2008,55, 1, pp. 1-11.

85. Shauder, C., Adaptive Speed Identification for Vector Control of Induction Motors without Rotational Transducers // IEEE Transactions on Industry Applications, 1992,28.

86. Yang, G. and T. Chin, Adaptive-Speed Identification Scheme for a Vector-Controlled Speed Sensorless Inverter-Induction Motors // IEEE Transactions on Industry Applications, 1993,29.

87. Fitzgerald, A.E., C. Kingsley, and S.D. Umans, Electric Machinery. 6th ed., 2003: McGraw-Hill International Edition.

88. Kumara, I.N.S., Speed Sensorless Field Oriented Control for Induction Motor Drive. PhD Thesis, 2006, University of Newcastle upon Tyne.

89. Маликов А.И. Метод векторных функций Ляпунова в теории устойчивости. М. Наука, 1987 (соавторы В.М. Матросов и др.).

90. Афанасьев А.Ю., Собх М.И. Преобразование постоянного напряжения в переменное с минимумом мощности потерь в трехфазной обмотке двигателя с изолированной нейтралью // Проблемы энергетики, 2010, №3-4. С.102-112.

91. Ильинский Н.Ф., М.Г. Юньков. Итоги развития и проблемы электропривода // Автоматизированный электропривод / Под общ.ред. Н.Ф.Ильинского, М.Г. Юнькова. М.: Энергоатомиздат, 1990.- С. 4 -14.

92. Браславский И.Я. Возможности энергосбережения при использовании регулируемых асинхронных электроприводов // Электроприводы переменного тока: Тр. XI-ой научно-технич. конф. (24 26 февраля 1998г.). - Екатеринбург: УГТУ, 1998,- С. 102 - 107.

93. Онищенко Г.Б., Юньков М.Г. Электропривод турбомеханизмов.- М.: Энергия, 1972.- 240 с.

94. Никифоров Г.В., Заславец Б.И. Энергосбережение на промышленных предприятиях.- Магнитогорск: МГТУ, 2000.- 283 с.

95. Белов М.П., Новиков В.А., Рассудов JI.H. Автоматизированный электропривод типовых производственных механизмов и технологических комплексов - М.: Издательский центр «Академия», 2004. - 576 с.

96. Андреев Н.К., Абдул-СадахА.М., Вагапов P.A. Оптимальные электроприводы постоянного тока / Н.К. Андреев, A.M. Абдул-Садах, P.A. Вагапов.-Казань: Казан.гос. энерг. ун-т, 2009. -163с.

97. Андреев Н.К., Цветков А.Н., Чайкин A.A. Проектирование Электроприводов: Учеб. пособие. -Казань: Казан.гос. энерг. ун-т, 2003. -108с.

98. Маликов А.И. Об устойчивости логико-динамических систем управления со структурными изменениями //Изв. РАН. Теория и системы управления. 1996.No 2;

99. Маликов А.И. Абсолютная устойчивость нелинейных регулируемых систем со случайными изменениями структуры //Изв. РАН. Теория и системы управления. 1996. N 3.

100. Маликов А.И.,Али З.М.М. Локальное управление для улучшения устойчивости многомашинной энергетической системы // Проблемы энергетики, 2010, № 1-2. С.75-83.

101. Ваньков Ю.В, Казаков Р.Б. Применение метода собственных частот к контролю протяженных тонкостенных изделий // Проблемы энергетики, 2003, №9-10. С.97-107.

102. Ваньков Ю.В, Казаков Р.Б. Численный анализ взаимодействия оснастки дефектоскопа с контролируемой конструкцией II // Проблемы энергетики, 2003, № 5-6. С. 108-114.

103. Ваньков Ю.В., Голованов А.И., Яковлева Э.Р. Математическое моделирование «эталонов дефектов» // Сб. трудов ХП1 НТК. Казань:, КФВАУ, 2002. С. 155.

104. Сарваров A.C., Шинянский A.B. Синхронизация асинхронного двигателя в схеме ABK.- Тр. /Таллиск. политехи, ин-та, 1981, № 520.- С.

105. Сарваров A.C. Синхронизация асинхронного двигателя в схеме АВК с целью повышения энергетических показателей.- Тр.Моск. энерг. ин-та, 1982, вып. 520.-С. 93-95.

106. Сарваров A.C., Шинянский A.B. Улучшение энергетических показателей электропривода подъемника по системе ABK.- Тр. Моск. энерг. ин-та, 1988, вып. 165.- С.88-94.33.41.