Секция 4 - Нейросетевые технологии (1250001), страница 3
Текст из файла (страница 3)
2. NARX-модель объекта.На рис. 2: ⊗ — обозначение нечеткого декартового произведения,определяемого на функциях принадлежности векторов входа u(k–i),i = kd, …, ku и выхода y(k–j), j = 1, …, ky в предыдущие моменты времени ввиде:U = µu( k −k )×...×u( k −k )× y( k −1)×...× y( k −k ) ( u , y ) ={duy}= ⊗ µu( k −kd ) ( u ) ,..., µu( k −ku ) ( u ) , µ y( k −1) ( y ) ,..., µ y( k −k ) ( y ) =y(8)= µu( k −kd ) ( u ) × ... × µu( k −ku ) ( u ) × µ y( k −1) ( y ) × ... × µ y( k −k ) ( y ) ,yR — обозначение композиции, определяющей нечеткое значение выхода{Y = R µu( k −kd)×...×u( k −ku )× y( k −1)×...× y( k −k y )}.( u, y )(9)Для определения выхода объекта используется алгоритм нечеткоговывода Сугено в векторной форме: u ( k − kd ) естьАik И...И u ( k − ku ) естьАik И du ТОЕСЛИ ( y ( k − 1) естьB ) И...И y ( k − k ) естьBi1yik y()(())()yk = ai1 ( u ( k − kd ) ) + ...
+ aiku ( u ( k − ku ) ) + bi1 ( y ( k − 1) ) + ... + biky y ( k − ky ) + ci , (10)i = 1...L,где (Аikd…Аiku) и (Bi1...Biku) — обозначение нечетких множеств и соответствующих им функций принадлежности для посылок i-го правила, в котором1242Секция 4. Нейро-сетевые технологииучитываются предыдущие (ku–kd) значений вектора входов и (ky–1) значений вектора выходов, L — рассматриваемое множество режимов работыобъекта, определяющее количество правил, (aikd…aiku), (bi1… biky), ci — параметры вывода нечеткой модели.Значения вектора входа u(k–kd), …, u(k–ku) и выхода y(k-1), …, y(k-ky)образуют вектор прогнозированияZ=[u(k–kd)…u(k–ku)]∪[y(k–1)…y(k–ky)],для которого вычисляется последующее значение выхода модели ym(k) каквзвешенная сумма выводов правил:Lym ( k ) = ∑ βi ym i ( k ) ,(11)i =1где 0 ≤ βi ≤ 1 — весовой коэффициент i-го правила, определяющий степеньсоответствия реальных изменений вектора Z изменениям, отраженным вi-ом правиле, и определяемый какZβi ( z ) =∏ A (z )j =1ZLi, jj∑∏ A ( z )i =1 j =1i, j(12)jТаким образом, текущее значение выхода исправного объекта находится как скорректированное в соответствии с законом его функционирования предыдущее значение.
Для неисправного объекта на анализируемой выборке переходного процесса будет происходить процесс накопления отклонений его выхода относительно выхода NARX-модели, построенной для исправного технического состояния объекта. Максимальноезначение ошибки δмакс, определенное в соответствии с (1), зависит от точности настройки модели на выборках переходных режимов работы при исправномтехническомсостоянииобъекта.Превышениесреднеквадратичного отклонения выхода реального объекта в текущем переходном процессе δтек относительно максимально значения δмакс должноформировать сообщение о возникновении неисправности объекта.
Критерий определения неисправного технического состояния объекта можетбыть сформулирован в видеδ тек ≥ К Д ∗ δмакс = δдоп ,(13)где Кд — коэффициент достоверности модели, 1≤ Кд ≤ 2, δдоп. — допустимая ошибка моделирования.База правил NARX–модели (10) показывает, что параметры посылокразделяют все множество возможных предыдущих значений векторов входа u(k–i), i = kd, …, ku и выхода y(k–j), j = 1, …, ky на нечеткие области рассматриваемых режимов работы объекта. Параметры вывода описываютповедение выхода модели ym(k) объекта в этих режимах.1243Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»При оценке технического состояния электрооборудования необходимо оценить изменение не только выхода, но и промежуточных переменных состояния xi, отражающих техническое состояние его внутренних узлов и элементов.
Это позволяет определить конкретный неисправный элемент электрооборудования, ускорить ремонт и последующий ввод в работу. Объект может быть рассмотрен как последовательное соединение нечетких моделей, рис. 3, где оператор преобразования Fj, j = 1, …, m, пояснен на рис. 2.u(k)Объектxjx1xmy(k)F1FjFmxm1(k)xmj(k)xmm(k)= ym(k)Рис.
3. Оценка технического состояния объекта на основе последовательностиNARX–моделей.Настройка NARX–модели заключается в определении параметровпосылок, т. е. отклонений σu и σy гауссовых функций принадлежности,диапазонов изменения (umin÷umax), (ymin÷ymax) Z и S функций принадлежности и параметров вывода (аi1…ajku), (bi1…bjky), ci, i = 1, …, L. Значенияпараметров входов и выходов в выборках переходных процессов используются для создания обучающих и проверочных данных при настройкеадаптивной нейро-нечеткой сети ANFIS, реализующей NARX–модель дляоценки технического состояния объекта. ANFIS представляет собой нейронную сеть прямого распространения, содержащую адаптивные узлы, выход которых зависит от их параметров.
Правила обучения настраивают этипараметры так, чтобы минимизировать ошибку (1). Применяется гибридный обучающий алгоритм, каждая эпоха которого состоит из прямого иобратного оптимизационного расчетов. При прямом расчете исходная информация о значениях векторов входа u(k–i), i = kd, …, ku и выхода y(k–j),j = 1, …, ky используется для определения методом наименьших квадратов(МНК) параметров вывода (аi1,…,ajku), (bi1,…,bjky), ci, i = 1…L, после чегорассчитывается ошибка ANFIS-сети. При обратном расчете методом градиентного спуска определяются параметры посылок, минимизирующиесреднеквадратичное отклонение модели.Ниже рассматриваются созданные NARX–модели АРВ и силовогооборудования системы возбуждения.1244Секция 4. Нейро-сетевые технологииNARX–модель АРВ для оценки его технического состояния, основана на структурной схеме рис.
4., где v-случайные воздействия, вызывающие переходные режимы работы синхронного генератора, w-возможныепомехи, возникающих при измерении его параметров u и влияющие на выход АРВ y(UA).uwwОбъект идентификации(АРВ)u(Us, Is, Ud, Id, f)y(UA)синхронный генераторх(Eq, Θ)vyvРис. 4 Структурная схема АРВ для создания NARX–модели.Анализ изменения выхода АРВ в переходном процессе для оценкиего технического состояния требует последовательной обработки искаженного выхода АРВ yv и вектора входов uw = u + w.
Выход АРВ для(n+k)–ой точки зарегистрированной выборки переходного процесса yv(n+k)определяется как скорректированное в соответствие с законом регулирования значение текущего выхода АРВ в n-ой точке переходного процессаyv(n). Реализация последовательной обработки измерений выборки приоценивании выхода АРВ может быть интерпретирована как нелинейнаяавторегрессионная модель с внешним входом (NARX–модель).
База нечетких правил модели АРВ представлена в табл. 2.Rate_UIsknot Hnot Hnot LLLNHNHnot Lnot LHNUskRate_fUdkRate_IdUA(k)Таблица 2UAm(k+n)not Lnot Lnot Lnot HZ1HHHHLZ2NLNLNLNLNHZ3Z4not Hnot Hnot Hnot LZ5NVHNLZ6not HLПримечание: RATE_U = Us(k+1)–Us(k), RATE_f = f(k+1)–f(k), RATE_Id = Id(k+1) — Id(k)Выводы каждого правила Z1-Z6 являются линейной комбинациейвходных параметров (в соответствии с законом регулирования АРВ и егозначением в предыдущий момент времени) и свободной составляющей иопределяют соответственно действие АРВ при: Z1 — форсировке системывозбуждения; Z2 — установившемся режиме форсировки; Z3 — начальномустановившемся режиме; Z4 — установившемся режиме расфорсировки;Z5 — расфорсировке системы возбуждения; Z6 — ограничении форсиров1245Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»ки при превышении напряжением ротора двукратного номинальногозначения и определяются как:Z1 = k11Us + k12(RATE _ Us ) + k13 I s + k14(RATE _ f ) + k15Ud + k16 Id + k17UA + m1,Z2 = k 21Us + k 22(RATE _ Us ) + k 23 I s + k 24(RATE _ f ) + k 25Ud + k 26 Id + k 27UA + m2,Z3 = k 31Us + k 32(RATE _ Us ) + k 33 I s + k 34(RATE _ f ) + k 35Ud + k 36 Id + k 37UA + m3,Z4 = k 41Us + k 42(RATE _ Us ) + k 43 I s + k 44(RATE _ f ) + k 45Ud + k 46 Id + k 47UA + m4,(14)Z5 = k 51Us + k 52(RATE _ Us ) + k 53 I s + k 54(RATE _ f ) + k 55Ud + k 56 Id + k 57UA + m5,Z6 = k 61Us + k 62(RATE _ Us ) + k 63 I s + k 64(RATE _ f ) + k 65Ud + k 66 Id + k 67UA + m6,,Для создания последовательности NARX–моделей силового оборудования системы возбуждения использован граф причинно-следственныхсвязей, рис.
5, на котором обозначены: UA — выход АРВ, I1c — переменныйток тиристорного преобразователя, uf — напряжение тиристорного преобразователя, приложенное к обмотке возбуждения возбудителя, if — ток обмотки возбуждения возбудителя, IE — ток якоря обращенного синхронногогенератора, Ud — напряжение обмотки возбуждения, Id — ток обмотки возбуждения, ВТ — выпрямительный трансформатор, ТП — тиристорныйпреобразователь, СУТ — система управления тиристорами, ОВВ — обмотка возбуждения возбудителя, ОСГ — обращенный синхронный генератор, ВВ — вращающийся выпрямитель, ЩКА — щеточно-контактный аппарат, ОВ — обмотка возбуждения турбогенератора.UAI1CufifIEUdIdОценка состоянияВТ и ТПОценка состояния ТП и СУТОценка состояния СУТ и ОВВОценка состояния ОВВ и ОСГОценка состояния ОСГ, ВВ и ЩКАОценка состояния ВВ и ОВРис.
5. Граф причинно-следственных связей оборудования системы возбуждения.Создана следующая последовательность NARX–моделей:1. I1c ( k ) = F {I1c ( k − 1) , U A ( k − 1)} — оценка технического состоянияцепей выпрямительного трансформатора и тиристорного преобразователя;1246Секция 4.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
