полный текст (PDF, ~374 КБ)

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