Секция 4 - Нейросетевые технологии (1250001), страница 5
Текст из файла (страница 5)
Полученная максимальнаясреднеквадратичная ошибка в соответствии с (1) составила δмакс = 2.5В.Поэтому в соответствии с критерием (13) принято допустимое значениеδдоп = 3 В. Если в текущем анализируемом переходном процессе δтек ≥ δдоп,то оборудование определяется как неисправное. Другие NARX-модели подобным образом были настроены в соответствии с критерием (13). Экспериментальные исследования на оборудовании бесщеточной диодной системы возбуждения турбогенераторов ТВВ-1000 Южноукраинской АЭСпоказали высокую эффективность предложенной методики: время оценкитехнического состояния в переходных режимах работы составляет 10–20 спри точности моделей, определяемых в соответствии с критерием (13).Полученные модели исправного технического состояния оборудования являются одним из возможных решений поставленной задачи.
Они могут быть положены в основу экспертной системы оценки технического состояния электрооборудования и поддержки принятия технических решений для использования в составе автоматизированной системы управлениятехнологическими процессами энергоблока.На рис. 7, 8 для сравнения, показаны изменения реального напряжения ротора и NARX–модели 5 в одном из зарегистрированных переходныхпроцессов.Файлы экспертной системы оценки технического состояния оборудования системы возбуждения и инструкции по их использованию приведены на сайте http://www.MATLAB.ru/fuzzylogic/book1/index.asp в разделе 4.1252Секция 4. Нейро-сетевые технологииРис. 7 График изменения напряжения ротора в одном из переходных процессов.Рис. 8. График изменения выхода NARX–модели 5 Ud(k) =F{Ud(k–1), IE(k–1), if(k-1)}в одном из переходных процессов.Вывод1.
Предложена эффективная методика оценки технического состояния электрооборудования в реальном масштабе времени, основанная напоследовательности NARX-моделей, реализуемых в виде адаптивных ней1253Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»ро-нечетких сетей, обучаемых на выборках реальных переходных процессов исправного электрооборудования.2. С использованием пакета MATLAB разработан прототип экспертной системы поддержки принятия решений при оценке технического состояния электрооборудования систем возбуждения мощных синхронныхтурбогенераторов типа ТВВ-1000 в реальном масштабе времени.3. Внедрение методики повышает надежность работы оборудованияэлектростанций, коэффициент использования установленной мощности ибезопасность эксплуатации.Литература1. Коллакот Р.
Диагностика повреждений. Пер. с англ.— М.: Мир, 1989.—512 с.2. Алтунин А. Е., Семухин М. В. Модели и алгоритмы принятия решений внечетких условиях. Монография.— Тюмень: Изд-во Тюменского гос.университета, 2000.— 352 с.3. Агамалов О. Н., Костерев Н. В., Лукаш Н. П. Оценка технического состояния систем возбуждения синхронных генераторов в реальном времени с использованием нечеткой логики // Технічна електродинаміка.Тематичний випуск.— 2002.— Ч.8.— С.24–29.4. Агамалов О. Н. Оценка технического состояния электрооборудования вреальном времени методом нейро-нечеткой идентификации // Электричество.— 2003.— №7.— С.10–19.5.
Дьяконов В, Круглов В. Математические пакеты расширения MATLAB.Специальный справочник.— СПб: Питер, 2001.— 480 с.6. Jang J. S. R. ANFIS: Adaptive network based fuzzy inference systems //IEEE Trans. on Systems, Man, and Cybernetics.— 23(03).— May 1993.—P.665–685.7. Abonji J., Babuska R., Verbruggen H. B., Szeifert F.. Incorporating PriorKnowledge in Fuzzy Model Identification // International Journal of SystemsScience.— 31.— 2000.— P.657–667.8.
Fuzzy Logic Toolbox. User’s Guide, Version 2.— The MathWorks, Inc.,1999.9. Микропроцессорный комплекс для измерений параметров режима синхронной машины / Маторный А.Ю., Нестерова Л.М., Трактовенко В.А. //Автоматизация исследований электрических машин и управлениеими.— Л.: Всесоюзный научно-исследовательский институт электромашиностроения, 1987.— С.90–99.1254Секция 4. Нейро-сетевые технологииУДК 502.5:621.431ПРИМЕНЕНИЕ MATLAB ПРИ РАЗРАБОТКЕ СИСТЕМУПРАВЛЕНИЯ БЕНЗИНОВЫМИ ДВИГАТЕЛЯМИВНУТРЕННЕГО СГОРАНИЯАманов К. А., Вощанкин С. В., Смирнов А.
Б., Черняк Б. Я.Московский автомобильно-дорожный институт (ГТУ), Москва,e-mail: alexy@server4you.ruНа протяжении ряда лет на кафедре двигателей МАДИ (ГТУ) ведутся работы по совершенствованию алгоритмов микропроцессорных системуправления (МСУ) двигателей с искровым зажиганием (ДВС), и отработкетехнологии их калибровки.Методически наши работы строились следующим образом. Разрабатывались модели процессов и работы контуров управления. На базе этихмоделей велась отработка алгоритмов управления процессами или разработка технологии настройки системы управления.
Найденные решения(при возможности) проверялись экспериментально на натурных объектах.Трудность решения последней задачи заключалась в том, что далеконе для всех решений удавалось реализовать натурные объекты и системы.При настройке систем управления ДВС, оснащенных МСУ, чащевсего приходится сталкиваться с задачами моделирования процессов двигателя, идентификации моделей процессов, оптимизацией значений управляющих воздействий в системах двигателя и с аппроксимацией поверхностей параметров управления в зависимости от режима работы двигателя ивыходных показателей.
Наряду с этими задачами, исследователь сталкивается с проблемами синхронизации и фильтрации сигналов, полученных изразличных измерительных систем испытательного стенда и из МСУ самого двигателя.Исходя из специфики решаемых задач, можно сформулировать требования к интегрированной среде для моделирования процессов:• сбор и обработка информации;• возможность математических вычислений;• разработка и исследование динамических моделей, как объектауправления, так и управляющих контуров;• возможность исследования работы управляющей системы с динамическим функциональным аналогом объекта управления;• наглядный вывод результатов моделирования;• наличие оптимизационных процедур;• открытость архитектуры;• интеграция с офисными приложениями;1255Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB»• возможность использования программных модулей, написанных надругих языках программирования.Всем указанным требованиям отвечает интегрированная среда математического моделирования MATLAB.
Именно с этим связан наш переходот разработки программного обеспечения на языке Си++ к работе в средеMATLAB.Рассмотрим несколько задач, которые были решены с использованием программных средств MATLAB.1. Идентификация модели с помощью обычной математикиДля автомобильных двигателей требуется с очень высокой точностью поддерживать стехиометрический состав смеси (α=1.0) в переходныхпроцессах для обеспечения эффективной работы нейтрализатора. Поэтомуодним из этапов калибровки современной МСУ является подбор параметров динамического корректора подачи топлива, основанного на моделяхпроцессов образования смеси во впускном трубопроводе.Пока в нашей стране подбор параметров корректора производитсяинженером-калибровщиком вручную, т.
е. без использования автоматизированных поисковых процедур. Данный подход приемлем при подборе небольшого числа связанных параметров модели (2-4). При большом числепараметров (5 и более) такой подход приводит к значительным затратамвремени. А подчас, человек уже не может справиться с решением задачиподбора оптимальных значений управляющих воздействий. В связи с этимбыла поставлена задача разработки автоматизированных процедур настройки корректора.Первоначальным этапом было использование экспериментальныхпошаговых оптимизационных процедур.
Использовались эффективные оптимизационные процедуры типа МНСО, разработанные под руководствомпроф. д. т. н. Егорова И. Н. Решение находилось в результате ряда последовательных экспериментальных обращений к объекту управления с промежуточной расчетной оптимизацией.
При числе параметров управлениядо 3, количество обращений к двигателю ограничивалось 15–20, что является приемлемым [1]. Но при 5–6 параметрах управления количество обращений к двигателю возрастало до 50–60, что является неудовлетворительным.В связи с этим была поставлена задача исследования возможностинастройки 6-ти параметрического динамического корректора подачи топлива по одной записи переходного процесса по составу смеси на основеидентификации модели переходного процесса.
Эта задача решалась в рамках Межотраслевой программы сотрудничества Министерства образования Российской Федерации и АО «АВТОВАЗ». Для этого в SIMULINKбыла построена модель корректора, являющаяся копией реального коррек1256Секция 4. Нейро-сетевые технологиитора, заложенного в МСУ двигателя. На языке MATLAB была реализованаоптимизационная процедура с использованием МНК для максимальногоприближения модели переходного процесса к реальной кривой.
Управление моделью, процессом оптимизации и обработкой данных осуществлялось с помощью специального графического интерфейса.Общая структурная схема программного оптимизационного комплекса представлена на рис. 1.ЗначениекритерияУправляющий интерфейсФайлданныхGBCЗначениекритерияПрограммаоптимизацияПространствопеременныхMATLABЗначениекоэфф.моделиALFUЗначениекоэфф.моделиБлокобработкисигналовдатчиковБлокзаданиязначенийкоэффициентовмоделиМодельплёнкиРис. 1. Структура оптимизационного программного комплекса: GBC — цикловоенаполнение двигателя, ALFU — реальный состав смеси в цилиндре.На рис.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
