полный текст (PDF, ~374 КБ)
реклама
30 МОДЕЛИРОВАНИЕ ПРОЦЕССОВ И СИСТЕМ УДК 621.316.726, 681.5.01 МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ИСКУСCТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В СТРУКТУРЕ ТРАНСВЕКТОРНОГО УПРАВЛЕНИЯ СИСТЕМОЙ ПЧ – АД В.Н. Крысанов Доцент кафедры электропривода, автоматики и управления в технических системах Воронежского государственного технического университета, кандидат технических наук, старший научный сотрудник, e-mail: sovteh2000@mail.ru А.Л. Руцков Студент Воронежского государственного технического университета, e-mail: alex_8_90@mail.ru Рассматриваются вопросы математического моделирования искусственных нейронных сетей в структуре трансвекторного управления системой преобразователь частоты – асинхронный двигатель. Ключевые слова: математическое моделирование, система трансвекторного управления, искусственные нейронные сети. В настоящее время частотное управление является для асинхронного электропривода (ЭП) своего рода техническим стандартом, на базе которого проектируется большинство современных электромеханических систем [1]. Данное обстоятельство связано, прежде всего, с достижениями в области силовой электроники и микропроцессорной техники, на основе которых были разработаны преобразователи частоты (ПЧ), обеспечивающие управление асинхронным двигателем (АД) с энергетическими и динамическими показателями, соизмеримыми или превосходящими показатели других ЭП. В зависимости от принципов управления, различают два класса ПЧ: модульные (скалярные) и векторные. Диапазон регулирования, точностные и энергетические характеристики в случае векторного управления значительно выше чем у ПЧ с модульным управлением. Но стоимость векторных ПЧ обычно превышает стоимость модульных ПЧ, рассчитанных на ту же мощность. Вопрос о применении того или иного типа ПЧ решается исходя из технических требований к процессу управления. В то же время с учётом снижения цен на микроконтроллерную и силовую электронику, с одной стороны, и увеличением цены на энергоресурсы – с другой, всё большее применение находят векторные ПЧ. Именно это обстоятельство побудило авторов рассмотреть возможность получения при использовании новых алгоритмов управления векторными ПЧ их дополнительной энергоэффективности. electrotech@v-itc.ru Развитие технологии изготовления силовой и микропроцессорной техники является одним из путей повышения эффективности систем ПЧ – АД. Не менее важным аспектом в решении последней задачи является разработка соответствующих алгоритмов управления, которые позволяют расширить функциональные возможности рассматриваемой системы. Ведущая роль в этом плане в последние десятилетия отводится адаптивным системам управления (СУ) [2], с помощью которых осуществляется наиболее полное регулирование и оптимизация наиболее важных параметров. Перспективным направлением адаптивных СУ, находящим широкое применение в теоретических и прикладных задачах (распознавание видеопотоков, биомедицина, космическая промышленность, теория управления сложными системами) [3, 4], можно назвать искусственные нейронные сети (ИНС). Являясь прообразом математической модели мышления, ИНС реализуют две наиболее существенные для них особенности: способность свободного самостоятельного программирования (обучения) в условиях различной степени недетерминированных данных и тесно связанная с данным обстоятельством параллельная обработка информационных потоков [5, 6]. Применительно к системе ПЧ – АД ИНС могут быть использованы для решения задач как совместно с модульным, так совместно и с векторными системами. В первом случае особого рассмотрения заслуживают вопросы IR, IZ компенсации, где оправдано применение ИНС для оценки параметров обобщённой электрической www.v-itc.ru/electrotech МОДЕЛИРОВАНИЕ ПРОЦЕССОВ И СИСТЕМ машины. Применительно к системам векторных ПЧ, помимо оценки параметров машины, существенен вопрос настройки регуляторов положения и скорости, плохо решаемый методами настройки их на технический оптимум и имеющий значительные трудности при использовании ПИ – регулятора [2]. Кроме того, посредством ИНС возможно расширение функциональных свойств систем ПЧ – АД за счёт возможности учёта слабо формализуемых информационных потоков: метеоданные, человеческий фактор, возникновение аварийных ситуаций, формирование оптимума многих переменных. Для оценки возможностей ИНС, проведем анализ математических моделей ПЧ–АД. В качестве базовой системы, выбираемой для оценки характеристик ПЧ–АД и ИНС–ПЧ–АД, рассмотрим одну из наиболее известных вариаций системы трансвекторного частотного управления – FOC (field–oriented control), т.е. «управление с ориентацией по полю» [2]. Этот выбор связан с широким практическим применение подобного класса устройств. Простейший для практической реализации вид имеют уравнения электромагнитных процессов в АД в случае представления их через вектор потокосцепления ротора – 2 . Именно по этой причине в качестве базовых величин для управления системой FOC применяют ток статора – i1 и потокосцепление ротора – 2 . В качестве базовой математической модели для анализа характеристик ПЧ – АД и ИНС – ПЧ – АД рассмотрим модель FOC Induction Motor Drivers библиотеки SPS Matlab 2011b (рис.1). Параметры АД: типоразмер – АИР180М4УЗ, 91,5 %, cos 0,87 , P 30 кВт, n 1470 об/мин, J 0,19 [7]. При этом в модели произведён учёт многофакторности параметров нагрузки и задания, за 31 счёт введения блоков с переменными свойствами выходного сигнала. Данное обстоятельство позволяет, в первом приближении, учесть процессы в реальных объектах: изменение графика нагрузки тепловых и электрических сетях, системах ГВС и ХВС. В этих условиях видится достаточно перспективным применение ИНС, способной идентифицировать вектор входных данных, обладающих некоторой степенью неопределённости, и поставить ему в соответствие векторы управления одним или несколькими параметрами системы с целью достижения оптимума некоторого функционала. Более высокий уровень модели, на котором производится сопряжение системы FOC с источником питания и блоками вывода данных, представлен на рис. 2 (Параметры трёхфазного источника питания: V = 400 В, f = 50 Гц; 1 – блок реализации интегральной оценки токов статора). Верхний уровень СУ ПЧ–АД и ИНС–ПЧ–АД представлен на рис. 3. В качестве задания скорости выходного вала ЭП используем блоки Constant и Random Number. С помощью последнего реализуется учёт слабо формализуемых воздействий на информационный канал задания скорости выходного вала ЭП. Параметры Rand V – от 151,4 рад/с до 158,4 рад/с. Для реализации основных режимов работы ЭП: – с момента времени t0 = 0 c. до t1 = 15с. – в системе осуществляется выход на скорость блока задания Rand V.; – с t1 = 15 c. до t2 = 21 с. – в системе осуществляется торможение блоком задания wref1 = 0 рад/с.; – с t2 = 21 c. до t3 = 27 с. – выход на скорость блока задания wref2 = 60 рад/с.; – с t3 = 27 c. до t4 = 31 с. – торможение блоком задания wref1 = 0 рад/с. ; – с t4 = 31 c. до t5 = 40 с. – выход на скорость блока задания wref3 = 30 рад/с. Рис. 1. Модель FOC в Matlab 2011b Электротехнические комплексы и системы управления № 1/2013 МОДЕЛИРОВАНИЕ ПРОЦЕССОВ И СИСТЕМ 32 Рис. 2. Субмодель блока FOC Рис. 3. Верхний уровень СУ ПЧ–АД (блок FOC) и ИНС–ПЧ–АД (Model Reference Controller совместно с блоком FOC) В качестве задания статической нагрузки используются блоки Step и Random Number, последний из которых реализует слабо формализуемые воздействия как внутри некоторой подсистемы нагрузки (её собственная неопределённость), так и на информационный канал идентификации параметров нагрузки. Значение Step = 0,7 кг м 2 , Random Number – от -0,35 до 0,35 кг м 2 с величиной вариации – 0,1 кг м 2 . Время приложения составляющей нагрузки Random Number – t = 0 c., составляющей Step – t = 4 с. В данной модели производится сравнение СУ ИНС – ПЧ – АД(FOC) на базе нейроконтроллера с эталонной моделью и отдельно системы ПЧ – АД (FOC). За эталонную модель для идентификации нейроконтроллера принята модель ПЧ – АД (FOC) – блок Subsystem рис. 3, в которой, в качестве статического момента приложена лишь слабо формализуемая составляющая (её настройки аналогичны блоку FOC, за исключением величины нагрузки). Блоки FOC и FOC-Plant (рис. 3) имеют одинаковые настройки, за исключением дополнительных портов сопряжения / регулирования в случае системы FOC-Plant в структуре ИНС-ПЧ – АД. electrotech@v-itc.ru Ниже приведены настройки блоков ИНС. 1. Блок идентификации параметров эталонной модели: структура – многослойный персептрон; количество нейронов скрытого слоя – 150; выборка интервала – 0,2 с.; количество элементов задержки на входе и выходе – 2; тренировочная выборка – 1000; количество эпох настройки – 200; алгоритм настройки – trainbr. 2. Блок управления и идентификации реального объекта: структура – многослойный персептрон; количество нейронов скрытого слоя – 100; тренировочная выборка – 1000; количество эпох настройки – 200; количество сегментов настройки – 500. Данные по степени идентификации составляющей тока iq эталонной модели представлены на рис. 4. Из них можно получить представление, с какой степенью точности блок идентификации ИНС распознаёт заданный сигнал для его дальнейшей обработки в блоке управления и идентификации реального объекта FOC-Plant. Конечной задачей ИНС является перенесение вектора управляющего воздействия – составляющей тока iq и вектора оптимального выходного параметра – минимизированного тока фазы статора с эталонной модели на модель FOC-Plant. www.v-itc.ru/electrotech МОДЕЛИРОВАНИЕ ПРОЦЕССОВ И СИСТЕМ На рис. 5 представлен результат обучения ИНС на выполнение поставленной задачи в части переноса вектора управления состав- 33 ляющей тока iq с эталонной на рабочую модель. Полученные в ходе моделирования результаты приведены на рис. 6 – 8. а б Рис. 4. Обучение нейросети идентификатора составляющей тока iq эталонной модели: а – набор возможных заданий в нормализированной форме; б – идентификация обучающего набора А Рис. 5. Обучение ИНС в целом: а – составляющая тока iq эталонной модели; б – составляющая тока iq на выходе ИНС Рис. 6. Скорость выходного вала [рад/с]; 1 – ПЧ – АД, 2 – ИНС – ПЧ – АД Электротехнические комплексы и системы управления № 1/2013 МОДЕЛИРОВАНИЕ ПРОЦЕССОВ И СИСТЕМ 34 а б Рис. 7. Токи статора [А]: а – ПЧ – АД, б – ИНС – ПЧ – АД Рис. 8. Интегральная оценка суммы токов статора: 1 – ПЧ – АД, 2 – ИНС – ПЧ – АД Выводы 1. Полученные результаты свидетельствуют о возможности получения положительного эффекта от применения, совместно с системой трансвекторного частотного управления, нейроконтроллера регулирующего управляющее воздействие (составляющую тока – i q ). Посредством этого осуществляется снижение потерь тока в обмотках статора (о чём свидетельствуют рис. 7 и 8). 2. При достижении вышеуказанного положи- тельного эффекта сохраняются удовлетворительные показатели качества (рис. 6) по иным параметрам исследуемого ЭП в сравнении с системой ПЧ – АД (FOC). 3. Применение данной системы управления (ИНС – ПЧ – АД) приводит к повышению требований уровня аппаратного и программного обеспечения в сравнении с системой ПЧ – АД (FOC). 4. Полученные результаты могут быть использованы для проектирования систем с различной степенью неопределённости параметров управления. Литература 1. Усольцев, А. А. Частотное управление асинхронными двигателями : учеб. пособие / А. А. Усольцев. – СПб. : СПбГУ ИТМО, 2006. – 94 с. electrotech@v-itc.ru www.v-itc.ru/electrotech МОДЕЛИРОВАНИЕ ПРОЦЕССОВ И СИСТЕМ 35 2. Шульце, К. П. Инженерный анализ адаптивных систем : пер. с нем. З. М. Бачманова / К. П. Шульце, К. Ю. Реберг ; ред. А. С. Бондаревский. – М. : Мир, 1992 . – 279 с. 3. Медведев, В. С. Нейронные сети. MATLAB 6 / В. С. Медведев, В. Г. Потёмкин ; под общ. ред. В. Г. Потёмкина. – М. : ДИАЛОГ–МИФИ, 2002. – 496 с. 4.Галушкин, А. И. Теория нейронных сетей / А. И. Галушкин. – М. : ИПРЖР, 2000. – 416 с. 5. Крысанов, В. Н. Разработка алгоритмов адаптивного управления и моделирование переходных процессов частотно–регулируемых приводов ЦТП с элементами нейросетевых структур / В. Н. Крысанов, А. Л. Руцков // Оптимизация и моделирование в автоматизированных системах : межвуз. сб. науч. тр. – Воронеж : ВГТУ, 2012. 6. Комарцова, Л. Г. Нейрокомпьютеры : учеб. пособие для вузов / Л. Г. Комарцова, А. В. Максимов. – 2-е изд., перераб. и доп. – М. : Изд–во МГТУ им. Н. Э. Баумана, 2004. – 400 с. : ил. 7. Кацман, М. М. Справочник по электрическим машинам : учеб. пособие для студ. / М. М. Кацман. – М. : Издательский центр «Академия», 2005. – 480 с. MATHEMATICAL MODELLING OF THE ARTIFICIAL NEURAL NETWORKS IN STRUCTURE OF TRANSVECTOR MANAGEMENT OF SYSTEM THE FREQUENCY CONVERTER – THE ASYNCHRONOUS ENGINE V.N. Krysanov, A.L. Rutskov In article questions of mathematical modeling of artificial neural networks to structure of transvector management by system the frequency converter – the asynchronous engine are considered. Key words: mathematical modeling, system of transvektorny management, artificial neural networks. Новости ВНИИГ им. Б.Е. Веденеева представил разработки в области 3D-технологий для ГЭС Опыт разработанных технологий трехмерного моделирования ГЭС уже применялся на таких крупных объектах, как Богучанская, НижнеБурейская, Эвенкийская, Зарамагская, Бурейская, Канкунская, Чебоксарская, Саратовская, Саяно-Шушенская ГЭС. Разработки ВНИИГ имени Б.Е. Веденеева в области 3D-моделирования для гидроэлектростанций были представлены на прошедшем в Москве международном специализированном форуме Autodesk University Russia 2012. В своем докладе представители ВНИИГ поделились опытом создания объектно-информационных систем ГЭС с использованием средств автоматизированного проектирования. Объектно-информационные системы (ОИС) могут служить для управления полным жизненным циклом ГЭС. Они объединяют в себе функции интеграции проектных решений, средств визуализации, хранения, обмена дан- Обзоры ными, многопользовательского доступа, компьютерных интерактивных и тренажерных комплексов. Задача ОИС – повышение эффективности управления жизненным циклом ГЭС. В состав ОИС входят: банк данных (база данных проектной документации, нормативная документация), интерактивная модель (трехмерная модель, средства перемещения по сооружениям и территории ГЭС), компьютерный интерактивный комплекс (визуализация технологических процессов), компьютерный тренажерный комплекс (обучение персонала, визуализация аварийных и чрезвычайных ситуаций). В настоящее время специалистами ВНИИГ ведутся работы по совершенствованию и внедрению средств автоматизации проектирования. При работе в единой системе с общей трехмерной моделью обеспечивается совместная работа над проектом, получение комплекта проектной документации, визуализация проектных решений и проверка его качества на всех этапах, контроль выполнения графика работ. Электротехнические комплексы и системы управления energyland.info № 1/2013
