Оптимізація процесів керування реверсивним перетворювачем із застосуванням вбудованого нейроконтролера

Размещено на http://www.allbest.ru/

НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ УКРАЇНИ

“КИЇВСЬКИЙ ПОЛІТЕХНІЧНИЙ ІНСТИТУТ”

УДК 621.3.07

Спеціальність 05.09.12 - Напівпровідникові перетворювачі електроенергії

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня кандидата технічних наук

ОПТИМІЗАЦІЯ ПРОЦЕСІВ КЕРУВАННЯ РЕВЕРСИВНИМ ПЕРЕТВОРЮВАЧЕМ ІЗ ЗАСТОСУВАННЯМ ВБУДОВАНОГО НЕЙРОКОНТРОЛЕРА

Хоменко Максим Анатолійович

Київ - 2011

Дисертацією є рукопис

Робота виконана на кафедрі промислової електроніки Чернігівського державного технологічного університету Міністерства освіти і науки України, м. Чернігів.

Науковий керівник - кандидат технічних наук, доцент Войтенко Володимир Павлович, Чернігівський державний технологічний університет МОН України, доцент кафедри промислової електроніки.

Офіційні опоненти: - доктор технічних наук, доцент, Ямненко Юлія Сергіївна, Національний технічний університет України «Київський політехнічний інститут» (м. Київ), професор кафедри промислової електроніки.

кандидат технічних наук Нікітіна Олена Володимірівна, Національний університет кораблебудування ім. адмірала Макарова (м. Миколаїв), старший викладач кафедри комп'ютеризованих систем управління .

Захист дисертації відбудеться „ 12 ” травня 2011 р. о 14300 на засіданні спеціалізованої вченої ради Д 26.002.19 в Національному технічному університеті України «Київський політехнічний інститут» за адресою: 03056, м. Київ, проспект Перемоги, 37, корп. 12, ауд. 412.

З дисертацією можна ознайомитись у бібліотеці НТУУ «КПІ» за адресою:03056, м. Київ, проспект Перемоги, 37.

Автореферат розіслано квітня 2011 р.

Вчений секретар спеціалізованої вченої ради В. Б. Швайченко



ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Невід'ємним компонентом переважної більшості промислових установок є електропривід. Завдання, які вирішує електропривід, можна розділити на дві групи. До першої належить отримання обертального руху робочого органу з заданими параметрами (швидкість обертання, точність установки швидкості обертання, стабільність швидкості обертання). До другої групи слід віднести завдання, пов'язані із здійсненням повороту або переміщенням робочого органу на заданий кут або відстань - так зване позиціонування.

Позиційні електроприводи, що як електромеханічний перетворювача використовують двигун постійного струму (ДПС), входять до складу ряду верстатів і механізмів, таких, як промислові роботи, маніпулятори, координатні і поворотні столи, пакувальне обладнання, підйомно-транспортні механізми. Немає практично жодної галузі, в якій би не використовувався позиційний електропривід - від мікроелектроніки до харчової промисловості.

Важливим елементом сучасного електроприводу є напівпровідниковий перетворювач електроенергії, що забезпечує задані параметри напруги, яку прикладають до обмоток двигуна. Отже, саме перетворювач визначає динаміку і якість перехідних процесів в електроприводі. Реверсивний перетворювач дозволяє змінювати напрям струмів в обмотках двигуна, тим самим забезпечуючи більш високу динаміку електроприводу і можливість зміни напряму руху, що робить даний перетворювач незамінним елементом позиційного електроприводу.

Постійне вдосконалення технологій в різних галузях промисловості, спрямоване на поліпшення якості продукції і підвищення ефективності виробництва, призводить до посилення вимог, що пред'являються до всього обладнання. Відносно перетворювача позиційного електроприводу жорсткість вимог полягає у підвищенні точності відтворення заданої форми напруги, що прикладається до обмоток двигуна, збільшенні швидкодії, поліпшенні якості перехідних процесів, збільшенні ККД, а також у покращенні масогабаритних показників і зменшенні вартості. Дані вимоги часто носять суперечливий характер, а їх задоволення вимагає неординарних рішень та інноваційного підходу до проектування системи керування позиційним електроприводом. Зокрема широке застосування знаходять адаптивні алгоритми та алгоритми автоналаштування, що базуються на ідентифікації параметрів об'єкта керування.

З огляду на роль, яку відіграє реверсивний перетворювач в системі керування позиційним електроприводом, актуальною науково-технічною задачею є розробка і впровадження високоефективних алгоритмів керування перетворювачем задля підвищення основних техніко-економічних характеристик електроприводу, - таких, як швидкодія і точність позиціонування.

Зв'язок роботи з науковими програмами, планами, темами. Дисертаційна робота виконана за пріоритетним напрямком розвитку науки і техніки України - енергетика та енергоефективність в рамках науково-дослідної роботи "Дослідження шляхів підвищення енергоефективності систем силової електроніки" № 64/06 (№ ДР 0106U000425). В рамках цієї науково-дослідної роботи автор дисертації виконав комп'ютерне моделювання нейрорегулятора, що забезпечує якість перехідного процесу, наближену до оптимальної, а також підтвердив справедливість результатів моделювання фізичним експериментом.

Мета і задачі наукового дослідження. Метою дисертації є підвищення швидкодії і точності системи позиціонування двигуна постійного струму за рахунок застосування інтелектуальних алгоритмів керування реверсивним перетворювачем, що базуються на штучних нейронних мережах, а також їх реалізації у вигляді вбудованих систем.

Досягнення наукової мети, що поставлено у дисертації, потребує вирішення наступних наукових задач:

Визначення найбільш раціонального методу ідентифікації параметрів об'єкта керування, як відправної точки в побудові системи керування.

Розробка структури системи керування реверсивним перетворювачем позиційного електроприводу постійного струму на основі штучних нейронних мереж. двигун реверсивний перетворювач нейронний

Визначення способу складання навчальної множини, що сприяє швидкому і якісному навчанню штучної нейронної мережі прямого поширення.

Розробка алгоритму синтезу структури штучної нейронної мережі, що задовольняє заданим критеріям якості з мінімальною кількістю нейронів.

Синтез позиційного нейрорегулятора з поліпшеними динамічними властивостями, що дозволяє отримати перехідний процес без перерегулювання за мінімальний час.

Експериментальне дослідження та аналіз перехідних процесів у вбудованій системі керування реверсивним перетворювачем позиційного електроприводу постійного струму на основі синтезованого нейрорегулятора.

Об'єктом дослідження є процеси керування реверсивним перетворювачем позиційного електроприводу постійного струму.

Предметом дослідження є алгоритми керування реверсивним перетворювачем, що базуються на застосуванні штучних нейронних мереж, покликані підвищити якість перехідних процесів в позиційному електроприводі постійного струму.

Методи дослідження. При вирішенні поставлених у дисертації задач було застосовано теорію електричних кіл, метод найменших квадратів, операторний метод, метод простору станів, метод змінного коефіцієнта підсилення, теорію штучних нейронних мереж, математичне та фізичне моделювання.

Математичне моделювання і розрахунки процесів у досліджуваній системі проводилося з використанням програм Matlab та Maple. При написанні програм для сигнального процесора TMS320F243 було використане середовище розробки Code Composer 4.10. Для отримання даних з цифрового осцилографа Tektronics TDS320 застосовувалось комп'ютерне програмне забезпечення WaveStar for oscilloscope.

Наукова новизна отриманих результатів полягає в наступному:

отримала подальший розвиток теорія штучних нейронних мереж в напрямку їх застосування в системах керування реверсивними перетворювачами з метою покращення динамічних характеристик перетворювачів;

вперше для керування реверсивним перетворювачем запропоновано застосування нейроконтролера, який апроксимує динаміку оптимального регулятора з часово-імпульсною модуляцією, синтезованого за допомогою методу змінного коефіцієнта підсилення, що дозволило отримати швидкодію перехідного процесу, близьку до граничної за відсутності перерегулювання;

удосконалено метод формування навчальної множини для налаштування нейронного позиційного регулятора, що сприяє поліпшенню якості навчання при зниженні загальної кількості нейронів;

запропоновано структуру нейронної мережі позиційного регулятора, ефективну за співвідношенням «кількість нейронів / помилка узагальнення».

Практичне значення отриманих результатів полягає в наступному:

На базі сигнального процесора TMS320F243 розроблено стенд, що дозволяє в реальному часі досліджувати високоефективні алгоритми керування реверсивним перетворювачем у системі позиціонування з двигуном постійного струму.

Експериментально підтверджено можливість реалізації вбудовуваної нейромережевої системи керування реверсивним перетворювачем позиційного електроприводу постійного струму з високою швидкістю перехідного процесу.

Розроблено систему керування реверсивним перетворювачем електроприводу постійного струму, яку рекомендовано для застосування в нових розробках ТОВ «П'єзосенсор», м. Чернігів.

Отримані алгоритми синтезу структури позиційного нейрорегулятора, моделі систем позиціонування з нейроконтролером, експериментальний зразок стенду системи керування реверсивним перетворювачем позиційного електроприводу постійного струму на базі сигнального процесора TMS320F243 використовуються в лекційних, практичних та лабораторних заняттях з дисциплін «Теорія автоматичного керування», «Системи перетворювальної техніки», «Мікропроцесорна техніка», а також у курсовому та дипломному проектуванні на кафедрі промислової електроніки Чернігівського державного технологічного університету.

Особистий внесок автора. Наукові положення і результати, викладені в дисертації, отримані автором особисто.

Робота [4] написана автором самостійно. У друкованих виданнях, опублікованих у співавторстві, особисто здобувачу належить: у [1] - розробка програми для сигнального мікропроцесора, що дозволяє здійснювати стабілізацію струму обмоток лінійного двигуна в реальному часі процесу позиціонування; у [2] - Matlab-модель системи збору даних для ідентифікації параметрів двигуна постійного струму; у [3] - модель системи навчання нейроконтролера; у [5] - розрахунок параметрів еталонного регулятора і синтез структури нейроконтролера з поліпшеною динамікою; у [6] - розробка структурної схеми та програмного забезпечення експериментального стенду системи керування реверсивним перетворювачем позиційного електроприводу постійного струму на базі сигнального процесора TMS320F243; у [7] - розробка структури нейроемулятора на основі мережі прямого поширення з елементами затримки.

Апробація результатів дисертації. Основні положення дисертаційної роботи доповідались та обговорювались на міжнародній науково-технічній конференції "Силова електроніка та енергоефективність" (м. Алушта, 2006 р., 2007р., 2008р.), на міжнародній науково-технічній конференції "Проблеми сучасної електротехніки" (м. Київ, 2004р., 2008 р.), на наукових семінарах під егідою Національної академії наук України „Методи та засоби керування якістю енергетичних і динамічних характеристик напівпровідникових перетворювачів” (м. Чернігів, 2005 - 2010 рр.).

Публікація результатів наукових досліджень. За темою дисертації опубліковано 7 статей в фахових наукових виданнях.

Структура та обсяг дисертаційної роботи. Дисертація складається із вступу, п'яти розділів, загальних висновків, списку використаної літератури і додатків. Загальний обсяг роботи становить 169 сторінок, у тому числі 116 сторінок основного тексту, 46 рисунків, 5 таблиць, список використаної літератури з 107 найменуваннь та 5 додатків.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність та доцільність проведення досліджень, наведено зв'язок роботи з науковими програмами, планами, темами, сформульовано мету і задачі досліджень, викладено наукову новизну, практичне значення і реалізацію результатів дисертаційних досліджень, зазначено особистий внесок здобувача в друкованих працях з співавторами та апробацію отриманих результатів і публікації.

В першому розділі наведено аналіз схем реверсивних перетворювачів, які використовують в електроприводі постійного струму. Розглянуто різні підходи і методи синтезу систем керування і регуляторів, що у них застосовано.

Рис. 1

У сучасному електроприводі найбільшого поширення набула мостова схема реверсивного перетворювача (рис. 1). У мостовому перетворювачі можна реалізувати різні способи керування - симетричне і несиметричне, а також застосовувати різні види модуляції, серед яких найбільше застосування знаходить широтно-імпульсна модуляція (ШІМ).

Серед регуляторів, що застосовують для керування різними промисловими об'єктами, у тому числі й реверсивними перетворювачами, широке поширення отримав пропорційно-інтегрально-диференціний (ПІД) алгоритм керування. Недоліками ПІД регулятора є чутливість до зміни параметрів об'єкта керування, а також відсутність добре алгоритмізуємого методу налаштування регулятора на задані критерії перехідного процесу.

Для цифрових систем керування зручним є опис як об'єкта керування, так і системи в цілому за допомогою змінних простору станів. Якщо взяти за вихідну змінну кут повороту ротора, ДПС у просторі станів можна описати моделлю, зображеною на рис. 2, де: k, a, b - параметри передатної функції ДПС; x1-x3 та --змінні стану та їх похідні; y - вихідна змінна (кут повороту ротора).

Рис. 2

На рис. 3 зображено цифрову систему керування з періодом дискретизації T і зворотнім зв'язком, на вхід якої подається вплив r виду ступінчастої функції.



Рис. 3

Скориставшись методом змінного коефіцієнта підсилення, за умови, що вхідний сигнал - m і вихідний сигнал - m1 цифрового регулятора пов'язані лінійним співвідношенням з коефіцієнтом Kj, який є постійний протягом періоду дискретизації, можна отримати передатну функцію регулятора, яка гарантує максимальну швидкодію та відсутність пере регулювання:

де n+1 - порядок диференційного рівняння об'єкта керування.

Розглянуті також основні структури адаптивних систем керування, до яких належать системи з регулюванням коефіцієнта підсилення, з еталонною моделлю та з регулятором, що сам налаштовується. Дані алгоритми, хоч і дозволяють усунути чутливість системи керування до змін параметрів об'єкта, однак мають високу обчислювальну складність, що заважає їх реалізації засобами вбудованих систем.

Обґрунтовано застосування штучних нейронних мереж (ШНМ) прямого поширення для побудови систем керування реверсивним перетворювачем електроприводу постійного струму. Завдяки високій апроксимаційній здатності ШНМ прямого поширення, їх використання при проектування систем керування відкриває можливості для реалізації складних алгоритмів за допомогою простих арифметичних операцій та відносно простих активаційних функцій, таких як сигмоідальна функція або гіперболічний тангенс.

У другому розділі проведена ідентифікація параметрів ДПС як об'єкта системи керування частотним та регресійним методами. За результатами ідентифікації були отримані параметри, які використовувались в розрахунках і моделюванні, а також сформульовані рекомендації щодо раціонального застосування того чи іншого методу ідентифікації.

При ідентифікації частотним методом було зроблено припущення, що об'єкт керування можна представити передатною функцією загального вигляду:

де K - коефіцієнт передачі; int - порядок інтегратора (int=0,1,2); n - порядок системи (з практичних міркувань розглянуто випадок ).

Діаграми експерименту ідентифікації наведено на рис. 4, де 1 - тестова напруга, яку прикладають до обмоток двигуна, 2 - кутова швидкість обертання ротора двигуна, 3 - реакція об'єкта керування з параметрами, отриманими в результаті ідентифікації, на тестовий вплив.

Рис. 4



У результаті ідентифікації встановлено, що об'єкт керування можна описати передатною функцією другого порядку з параметрами K= 12,371; a1= 0,001403; a2= 1,8138*10-7. При цьому середня помилка ідентифікації склала 0,8%. Також встановлено, що частотний метод ідентифікації вимагає спеціальної форми тестової напруги і великої кількості обчислювальних ресурсів, оскільки для його реалізації необхідно виконати два комплексних перетворення Фур'є.

На відміну від частотних методів, які виконують параметричне оцінювання системи в частотній області, регресійні методи дозволяють виконати пошук параметрів об'єкта у часовій області. При цьому об'єкт керування описується різницевим рівняннями, на підставі яких складається вектор невідомих параметрів та регресійний вектор. Пошук невідомих параметрів зведено до пошуку мінімуму функції помилки, зазвичай, квадратичної.

Рис. 5

На рис. 5 наведені діаграми ідентифікації, де 1 - тестова напруга, яку прикладають до обмоток двигуна, 2 - кутова швидкість обертання ротора двигуна, 3 - реакція об'єкта керування з параметрами, отриманими в результаті ідентифікації на тестовий вплив.

За результатами ідентифікації встановлено, що об'єкт керування можна описати передатною функцією другого порядку з параметрами K= 12,306, a1= 0,001393, a2= 1,7481*10-7. При цьому середня помилка ідентифікації склала 0,2%. У порівнянні з частотним методом регресійний метод не потребує спеціальної форми вхідного впливу і має меншу обчислювальну складність, що дозволяє зробити висновок про доцільність застосування регресійного методу при розробці вбудованих систем керування реверсивним перетворювачем електроприводу постійного струму, як на стадії розробки для визначення невідомих параметрів об'єкта керування, так і в процесі функціонування системи як складової частини алгоритму самоналаштування або адаптації.

У третьому розділі виконано синтез нейроконтролера, що апроксимує динаміку еталонного регулятора, розрахованого за методом змінного коефіцієнта підсилення з фіксованим кроком дискретизації. Запропоновано спосіб формування навчальної множини і алгоритм вибору структури ШНМ, що дозволило отримати нейроконтролер з меншою кількістю нейронів при збереженні бажаної якості апроксимації.

Спираючись на результати моделювання та данні інформаційних джерел, була обрана структура мережі 2-9-6-6-1 (2 вхідних нейрона, 9-6-6 у трьох прихованих шарах, 1 нейрон у вихідному шарі). Кількість вхідних нейронів відповідає кількості вхідних змінних, а кількість вихідних - кількості вихідних змінних. В якості вхідних змінних обрані помилка по куту повороту та швидкість ротора. Вихідна змінна це - масштабована амплітуда керуючого впливу, або коефіцієнт заповнення ШІМ сигналу.

Навчання нейроконтролера проводилося у відповідності зі схемою, зображеною на рис. 6, де як еталонний застосовано регулятор, розрахований методом змінного коефіцієнта підсилення з передатною функцією:

де ; ; ; ; ;

- електрична стала ДПС;

- електромеханічна стала ДПС;

- коефіцієнт проти-ЕРС; - статичний коефіцієнт сили ().

Рис. 6

На вхід схеми (рис. 6) подають різні сигнали завдання Uз(k), а еталонний регулятор відповідно до сигналу помилки e(k) виробляє керуючий вплив Uу(k), який подають на вхід моделі ДПС, прагнучи привести вихід моделі (Щm(k) - кут повороту ротора) до заданого значення. Вхідними змінними для нейроконтролера є сигнал помилки і швидкість обертання ротора щm(k). Нейроконтролер у відповідності до вхідних змінних виробляє керуючий вплив UуНК(k), що порівнюється з вихідним сигналом еталонного регулятора. Результатом порівняння є сигнал неузгодженості eНК(k), який використовує алгоритм зворотнього поширення помилки для налаштування вагових коефіцієнтів нейроконтролера.

Результати роботи системи з нейроконтролером наведені на рис. 7, де 1 - кут завдання, 2 - кут повороту ротора. Як видно з діаграм, система з нейроконтролером дозволяє здійснити перехідний процес за кінцевий час і без перерегулювання.

Недоліком даного нейроконтролера є великий обсяг обчислень, який необхідно виконувати в реальному часі (136 операцій додавання і множення і 21 операція обчислення активаційної функції виду гіперболічний тангенс).

Рис. 7

З метою зменшення розмірів ШНМ, що утворює нейроконтролер, було запропоновано скористатися сигналом завдання рис. 8, який дозволяє отримати навчальну множину, рівномірно розподілену по всьому діапазону функціонування системи. Був розроблений алгоритм, що дозволяє автоматизувати процес вибору структури нейроконтролера, суть якого зводиться до візуалізації помилок узагальнення ШНМ з різною кількістю шарів і нейронів у шарі. Це дозволяє обґрунтувати вибір конкретної структури нейроконтролера для керування реверсивним перетворювачем системи позиціонування.

Рис. 8

Застосування запропонованого підходу до синтезу структури нейроконтролера дало можливість скоротити обсяг обчислень, необхідних для його реалізації, до 37 операцій множення і додавання та 9 обчислень активаційної функції, що відповідає ШНМ зі структурою 2-5-3-1.

Результати моделювання системи з нейроконтролером структури 2-5-3-1. наведені на рис. 9,а, свідчать про те, що в системі забезпечується перехідний процес без перерегулювання, його тривалість не залежить від кута завдання і становить 35 мс, а помилка в усталеному режимі не перевищує 0,0002 радіан (±0,011о). Діаграми, наведені на рис. 9,б, ілюструють перехідний процес в умовах збурень з боку мережі живлення ± 30% від номінальної напруги. При цьому тривалість перехідного процесу не змінилася, а помилка в усталеному режимі не перевищує 0,009 радіан (0,52о).



а) б)

Рис. 9

Як видно з діаграм (рис. 9), недоліком даного нейроконтролера є те, що тривалість перехідного процесу однакова як для великих, так і для малих кутів завдання. Отже, таку систему не можна назвати оптимальною за швидкодією у всьому робочому діапазоні. Тому необхідно виконати оптимізацію отриманої системи за швидкодією.

У четвертому розділі для навчання нейроконтролера запропоновано застосування еталонного регулятора з часово-імпульсною модуляцією, що дозволило отримати систему, близьку до оптимальної за швидкодією у всьому діапазоні кутів завдання. Досліджено вплив відхилення параметрів ДПС (опору й індуктивності обмотки) і напруги живлення на роботу нейромережевої системи керування реверсивним перетворювачем позиційного електропривода.

Спираючись на диференційні рівняння та рівняння перехідних станів системи без урахування регулятора: ; ; ; ; ; ; ; ; ; ; та припустивши, що тривалість кроків квантування h різна, а керуючі впливи U рівні за модулем, скористаємося методом змінного коефіцієнта підсилення і отримаємо систему трансцендентних відносно змінних h1, h2, h3 рівнянь:



З системи (4) чисельними методами для різних кутів завдання Щ визначена тривалість кроків квантування - h1, h2, h3 та реалізований еталонний регулятор з часово-імпульсною модуляцією.

Скориставшись сигналом завдання рис. 8 та запропонованим алгоритмом вибору структури нейронної мережі, був синтезований нейроконтролер зі структурою шарів 2-3-3-1. Для функціонування даного нейроконтролера необхідно 25 операцій додавання і множення, 6 операцій обчислення активаційної функції виду гіперболічний тангенс, що в 1,5 рази менше, ніж для ШНМ, навченої по еталонному регулятору з фіксованою тривалістю кроків квантування.

Для з'ясування впливу відхилення таких параметрів двигуна, як опір і індуктивність обмотки якоря на якість перехідного процесу в системі було виконано серію експериментів моделювання, результати яких наведені на рис. 10. Встановлено, що при зміні опору обмотки якоря в 2 рази (рис. 10,а) максимальна помилка в усталеному режимі не перевищує 0,0023 радіан, максимальний час позиціонування складає 20,1 мс, а при Rя=2*Rном можлива поява незначного (0,55%) перерегулювання. У той же час, зміна індуктивності в 2 рази (рис. 10,б) не призводить до будь-яких суттєвих змін в якості перехідного процесу.



а) б)

Рис. 10

З метою з'ясування впливу збурень з боку напруги живлення на функціонування системи було проведено моделювання, результати якого представлені на рис. 11. За результатами моделювання встановлено, що зміна напруги в широких межах (+20% -40%) не призводить до істотного погіршення якості перехідного процесу, про що свідчить значення помилки в усталеному режимі (0,0007 радіан або 0,04о).

Рис. 11

У п'ятому розділі для експериментальної перевірки результатів моделювання та теоретичних досліджень розроблено стенд мікропроцесорної системи керування двигуном постійного струму, за допомогою якого проведена серія фізичних експериментів з позиціонування на різні кути завдання. На рис. 12 наведена структурна схема стенду.

Рис. 12

На схемі позначено: ПК - персональний комп'ютер; БЖ - блок живлення; ДВК - драйвер верхніх ключів; ДНК - драйвер нижніх ключів; РШІП - реверсивний широтно-імпульсний перетворювач; ДС - датчик струму; КДП - квадратурний датчик положення; ІДС - інтерфейс датчика струму; ДН - датчик напруги; ІДН - інтерфейс датчика напруги; ІКДП - інтерфейс квадратурного датчика положення; XDS510PP - внутрішньосхемний емулятор. Основу стенду складає відлагоджувальний модуль TMS320F243 Evaluation Module, що реалізує нейромережевий алгоритм керування у відповідності з завантаженою в сигнальний процесор TMS320F243 програмою. Персональний комп'ютер призначений для моделювання роботи системи керування, навчання ШНМ, написання, завантаження та налагодження програми в реальному часі з використанням засобів внутрішньосхемного емулятора, а також для збору даних про стан системи.

Рис. 13

За допомогою даного стенду була проведена серія експериментів з позиціонування на різні кути завдання. На рис. 13 наведені діаграми, які ілюструють перехідний процес в реальній системі зі збуреннями з боку напруги живлення. Параметри отриманого перехідного процесу такі: перерегулювання відсутнє, час перехідного процесу - 25 мс, помилка позиціонування в усталеному режимі - 0,54о або 0,3% від кута завдання. При дискретності датчика положення 0,18о (всього 2000 імпульсів на оборот) це становить 3 одиниці молодшого розряду. Таким чином, отримана похибка відповідає рівню вимог по точності і наближається до мінімально можливої для даної цифрової системи (± 1 молодшого розряду датчика).

Діаграма, що наведена на рис. 14, дозволяє наочно порівняти результати розрахунків та моделювання з фізичним експериментом.

Рис. 14

Як видно з діаграми, характер результатів експерименту та моделювання практично повністю збігаються, що свідчить на користь правильності теоретичних викладок. Невелика розбіжність графіків на ділянці розгону пояснюється тим, що при моделюванні не враховувалася сила тертя, яка присутня в реальній системі. На користь цього факту свідчать затримка на початковому етапі розгону в реальній системі і більш швидке гальмування, ніж у моделі.



ВИСНОВКИ

Комплекс проведених в рамках дисертаційної роботи досліджень дозволив вирішити актуальну науково-технічну проблему розробки високоефективного алгоритму керування перетворювачем для системи електроприводу. При цьому:

На основі аналізу інтелектуальних методів сучасної теорії автоматичного керування, до яких належать штучні нейронні мережі, встановлено, що їх застосування при проектуванні систем керування, самостійне або в комплексі з класичними методами, дозволяє підвищити якість процесу регулювання, в тому числі - в системах зі змінними параметрами. Таким чином, застосування штучних нейронних мереж є перспективним методом для проектування вбудованих систем керування реверсивними перетворювачами.

Порівняльний аналіз частотних і регресійних методів ідентифікації дозволяє зробити висновок про доцільність застосування регресійних методів при розробці вбудованих систем керування реверсивним перетворювачем електроприводу постійного струму, як на стадії розробки для визначення невідомих параметрів об'єкта керування, так і в процесі функціонування системи в якості складової частини алгоритму самоналаштування або адаптації.

При навчанні нейроконтролера вперше запропоновано як еталонний використовувати розрахований за методом змінного коефіцієнта підсилення цифровий регулятор, що дозволяє здійснити перехідний процес за кінцевий час і без перерегулювання.

При формуванні навчальної множини запропоновано використовувати сигнал завдання кута повороту ротора, рівномірно розподілений по всьому діапазону допустимих сигналів завдання, що дозволяє істотно скоротити розмір нейронної мережі при збереженні високої якості функціонування системи.

Розроблено алгоритм, що дозволяє автоматизувати процедуру вибору структури нейроконтролера, оптимізовану за співвідношенням розміру нейронної мережі і якість апроксимації сигналів керування еталонного регулятора.

Вперше як еталонний при навчанні нейроконтролера запропоновано використовувати цифровий регулятор з різною тривалістю кроків квантування, що дозволяє отримати оптимальний за швидкодією перехідний процес для будь-якого кута завдання.

Застосування запропонованого алгоритму вибору структури мережі, а також еталонного регулятора із змінною тривалістю кроків квантування, дозволило при побудові нейроконтролера в 1,5 рази скоротити необхідні обчислювальні ресурси в порівнянні з використанням регулятора з фіксованим кроком квантування в якості еталонного.

За результатами серії експериментів встановлено, що максимальна помилка позиціонування не перевищує 0,54о (3 одиниці молодшого розряду дискретного датчика положення) в усталеному режимі, що відповідає рівню вимог по точності.

Порівняння результатів фізичного експерименту з позиціонування на різні кути завдання і комп'ютерного моделювання дозволяє зробити висновок про справедливість теоретичних викладок і комп'ютерного моделювання, а також вказує на ефективність застосування нейромережевих алгоритмів при проектуванні вбудованих систем керування реверсивним перетворювачем позиційного електроприводу постійного струму.

Отримані науково-технічні результати можуть бути використані в наукових і проектних організаціях, виробничих підприємствах, а також у навчальних закладах, що займаються дослідженнями, розробками і впровадженням систем ефективного управління процесами.



СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Войтенко В.П. Оптимальное управление квазирезонансным преобразователем с помощью сигнального процесора / Войтенко В.П., Хоменко М.А., Павлов Г.В. // Технічна електродинаміка, тем. вип. "Проблеми сучасної електротехніки". - 2004. - Ч. 2. - С. 93 - 96.

2. Здобувачем виконано розробку програми для сигнального мікропроцесора, що дозволяють здійснювати стабілізацію струму обмоток лінійного двигуна в реальному часі процесу позиціонування.

3. Войтенко В.П. Методи ідентифікації параметрів двигуна постійного струму / Войтенко В.П., Хоменко М.А. // Вісник Чернігівського державного технологічного університету, серія «Технічні науки». - 2006. - №26. - С. 137 - 143.

4. Здобувачем виконано моделювання системи збору даних для ідентифікації параметрів двигуна постійного струму.

5. Войтенко В.П. Принципы построения нейрорегулятора для управления промышленным объектом / Войтенко В.П., Хоменко М.А. // Технічна електродинаміка, тем. вип. “Силова електроніка та енергоефективність”. - 2006. - Ч. 3. - С. 80 - 83.

6. Здобувачем виконано моделювання системи навчання нейроконтролера.

7. Хоменко М.А. Оптимізація розмірів нейронної мережі системи керування двигуном постійного струму / Хоменко М.А. // Вісник Чернігівського державного технологічного університету, серія «Технічні науки». - 2007. - №30. - С. 140 - 145.

8. Здобувачем написана особисто.

9. Войтенко В.П. Синтез промышленного нейрорегулятора с улучшенной динамикой / Войтенко В.П., Хоменко М.А. // Технічна електродинаміка, тем. вип. “Силова електроніка та енергоефективність”.- 2007. - Ч. 3. - С. 50 - 55.

10. Здобувачем виконано розрахунок параметрів еталонного регулятора і синтез структури нейроконтролера з поліпшеною динамікою.

11. Войтенко В.П. Встраиваемая система позиционирования с нейрорегулятором / Войтенко В.П., Хоменко М.А. // Технічна електродинаміка, тем. вип. «Проблеми сучасної електротехніки». - 2008. - Ч. 1. - С. 71 - 74.

12. Здобувачем виконана розробка структурної схеми та програмного забезпечення експериментального стенду системи керування реверсивним перетворювачем позиційного електроприводу постійного струму на базі сигнального процесора TMS320F243.

13. Войтенко В.П. Нейроидентификация в промышленных регуляторах / Войтенко В.П., Хоменко М.А. // Технічна електродинаміка, тем. випуск “Силова електроніка та енергоефективність”. - 2008. Ч. 2. - С. 60 - 61.

14. Здобувачем виконано синтез структури нейроемулятора на основі мережі прямого поширення з елементами затримки.



АНОТАЦІЇ

Хоменко М.А. Оптимізація процесів керування реверсивним перетворювачем із застосуванням вбудованого нейроконтролера. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.09.12 - " Напівпровідникові перетворювачі електроенергії ". - Національний технічний університет України «Київський політехнічний інститут», Київ, 2011.

Дисертація присвячена розробці теоретичних і практичних засад нейромережевого керування реверсивним перетворювачем позиційного електроприводу постійного струму.

Порівняльний аналіз частотних і регресійних методів ідентифікації свідчить про доцільність застосування регресійних методів при розробці вбудованих систем керування реверсивним перетворювачем.

Обґрунтовано застосування штучної нейронної мережі прямого поширення спільно з методами простору станів для отримання перехідного процесу кінцевої тривалості без перерегулювання.

Розроблено спосіб формування навчальної множини, алгоритм вибору структури нейроконтролера та запропоновано в якості еталонного при навчанні нейронної мережі використовувати цифровий регулятор з різною тривалістю кроків квантування, що дозволяє отримати оптимальний за швидкодією перехідний процес для будь-якого кута завдання.

Розроблено стенд системи керування реверсивним перетворювачем, за допомогою якого експериментально підтверджені результати теоретичних розрахунків та комп'ютерного моделювання

Ключові слова: система позиціонування, штучна нейронна мережа, двигун постійного струму, оптимізація швидкодії, реверсивний перетворювач.



Хоменко М.А. Оптимизация процессов управления реверсивным преобразователем с помощью встраиваемого нейроконтроллера. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.09.12 - "Полупроводниковые преобразователи электроэнергии". - Национальный технический университет Украины «Киевский политехнический институт», Киев, 2011.

Диссертация посвящена разработке теоретических и практических основ нейросетевого управления реверсивным преобразователем позиционного электропривода постоянного тока. Основное внимание уделено оптимизации переходного процесса по быстродействию в условиях ограничений, существующих в реальной системе. Рассмотрены вопросы синтеза структуры нейроконтроллера и формирования обучающего множества, способствующего качественному обучению искусственной нейронной сети прямого распространения.

В работе средствами математического моделирования произведён сравнительный анализ частотных и регрессионных методов идентификации. Данные моделирования свидетельствуют о целесообразности применения регрессионных методов при разработке встраиваемых систем управления реверсивным преобразователем электропривода постоянного тока, как на стадии разработки для определения неизвестных параметров объекта управления, так и в процессе функционирования системы в качестве составной части алгоритма самонастройки или адаптации.

Обосновано применение искусственной нейронной сети прямого распространения совместно с методами пространства состояний для получения в системе: реверсивный преобразователь - позиционный электропривод переходного процесса конечной длительности без перерегулирования. По результатам моделирования установлено, что применение нейроконтроллера в контуре управления позволяет снизить чувствительность системы к изменению параметров объекта управления, а также к возмущающим воздействиям по питанию.

Важной особенностью искусственных нейронных сетей прямого распространения является их способность к аппроксимации сложных функциональных зависимостей. Определяющее влияние на качество аппроксимации оказывает не только структура сети и вид активационных функций отдельных нейронов, но и множество примеров, по которому производится настройка весовых коэффициентов. В работе предложен способ формирования обучающего множества, позволяющий обеспечить равномерное распределение примеров по всему диапазону функционирования системы, и тем самым обеспечить высокое качество настройки нейроконтроллера.

Размер нейронной сети, а, следовательно, - и вычислительная сложность алгоритма является ключевым фактором при разработке встраиваемой системы управления с ограниченным быстродействием и объёмом памяти. Для определения такой структуры искусственной нейронной сети, которая позволяет обеспечить желаемое качество функционирования и при этом не требует чрезмерных вычислительных затрат разработан алгоритм выбора структуры нейроконтроллера. Данный алгоритм позволяет визуализировать зависимость ошибки обобщения от количества слоёв и нейронов в слое, тем самым обеспечивая выбор наиболее приемлемой для реализации структуры нейронной сети.

Для улучшения динамических характеристик системы управления реверсивным преобразователем позиционного электропривода при обучении нейроконтроллера предложено использовать цифровой регулятор с различной длительностью шагов квантования, позволяющий получить оптимальный по быстродействию переходный процесс для любого угла задания. Применение данного подхода при синтезе нейроконтроллера, а также упомянутого алгоритма выбора структуры сети, позволило в 1,5 раза сократить требуемые вычислительные ресурсы по сравнению с использованием регулятора с фиксированным шагом квантования в качестве эталонного.

В рамках данной работы для проверки результатов компьютерного моделирования и теоретических выкладок разработан стенд микропроцессорной системы управления двигателем постоянного тока, с помощью которого поставлены эксперименты по позиционированию на различные углы задания. В результате установлено, что максимальная ошибка позиционирования не превышает 0,54о (3 единицы младшего разряда дискретного датчика положения) в установившемся режиме, что соответствует уровню предъявляемых по точности требований.

Результаты диссертационной работы рекомендованы для применения в новых разработках ООО «Пьезосенсор» (г. Чернигов), а также внедрены в учебный процесс кафедры промышленной электроники Черниговского государственного технологического университета в курсах дисциплин «Теория автоматического управления», «Системы преобразовательной техники» и «Микропроцессорная техника».

Ключевые слова: система позиционирования, искусственная нейронная сеть, двигатель постоянного тока, оптимизация быстродействия, реверсивный преобразователь.



Homenko M.A. Optimization of control processes reversible converter with embedded neural controller. - Manuscript.

The dissertation for a candidate's degree on speciality 05.09.12 - "Semiconductor Power Converters ". - National Technical University of Ukraine "Kiev Polytechnic Institute", Kiev, 2011.

The dissertation is devoted to the development of theoretical and practical principles of reversible DC drive control based on artificial neural networks.

Comparative analysis of the frequency and regression identification methods shows that regression methods are more preferred for embedded systems development.

The application of artificial neural network together with state space methods were justified for finite transient duration without overshoot obtaining.

The method of training set forming, the algorithm of neural controller structure choice were developed and digital controller with different duration of quantization steps were proposed as a reference for neural network learning, that allowed us to obtain optimum performance for the transition process for any angle task.

Reversible converter control system stand was developed. A series of experiments, whose results confirmed the computer simulations and theoretical calculations, was held.

Keywords: positioning system, an artificial neural network, direct current motor, performance optimization, reversible converter.

Размещено на Allbest.ru

...