СИНТЕЗ НЕЙРОРЕГУЛЯТОРА NARMA-L2 ДЛЯ СИСТЕМИ ТЯГОВОГО АСИНХРОННОГО ЕЛЕКТРОПРИВОДА
DOI:
https://doi.org/10.18664/1994-7852.208.2024.308623Ключові слова:
тяговий асинхронний електродвигун, векторна система керування, нейрорегулятор, модель авторегресії з ковзним середнім, Deep Learning ToolboxАнотація
У сучасному світі, де технології швидко розвиваються, системи електропривода відіграють ключову роль у величезному спектрі застосувань – від промислових ліній виробництва до транспортних засобів і побутових пристроїв. Ці системи потребують високої ефективності, точності та надійності. Саме тут виникає необхідність удосконалення та оптимізації процесів керування електроприводами. У статті розглянуто застосування нейрорегулятора в системі тягового асинхронного електропривода. У середовищі Matlab/Simulink було розроблено імітаційну модель системи векторного керування тяговим асинхронним електродвигуном АД914-У і виконано синтез нейрорегулятора NARMA-L2 на основі моделі авторегресії з ковзним середнім і подано параметри навчання нейронної мережі. Для демонстрації можливостей нейрорегуляторів у системах керування тяговим електродвигуном було проведено порівняльне імітаційне моделювання нейрорегулятора NARMA-L2 і класичного пропорційно-інтегрального регулятора.
Результати імітаційного моделювання демонструють, що система з нейрорегулятором показує кращі показники регулювання заданих параметрів у перехідних режимах роботи електропривода і є перспективним інструментом при розробленні високопродуктивних та енергоефективних тягових електроприводів.
Посилання
Gundogdu A., Celikel R. (2021). NARMA-L2 controller for stepper motor used in single link manipulator with low-speed-resonance damping. Engineering Science and Technology, an International Journal. 24(2): 360–371. URL: https://doi.org/10.1016/j.jestch.2020.09.008.
Kanchev H., Hinov N., Gilev B. & Francois B. (2018). Modelling and Control by Neural Network of Electric Vehicle Traction System. Elektronika Ir Elektrotechnika. 24(3). 23-28. URL: https://doi.org/10.5755/j01.eie.24.3.20974.
Haddoun A., Benbouzid M. E. H., Diallo D., Abdessemed R., Ghouili J. and Srairi K. Modeling, Analysis, and Neural Network Control of an EV Electrical Differential. Transactions on Industrial Electronics. Vol. 55, no. 6. Р. 2286-2294. June 2008. DOI:10.1109/TIE.2008.918392.
Кузнецов Б., Василець Т., Варфоломієв О. Синтез нейрорегулятора Model Reference Controller для системи наведення та стабілізації. Електротехніка і електромеханіка. 2015. № 5. С. 47–54.
Обруч І. В. Синтез електромеханічних систем з нейронною мережею та фрикційним навантаженням: дис. ... канд. техн. наук : спец. 05.09.03. Харків: НТУ «ХПІ», 2019. 188 с.
Лозинський А., Бобечко Ю. Синтез нейрорегулятора для формування жорстких характеристик вентильного реактивного двигуна. Електротехнічні та комп'ютерні системи. 2011. № 4 (80). C. 51-55.
Choo K. M., Won C. Y. Design and Analysis of Electrical Braking Torque Limit Trajectory for Regenerative Braking in Electric Vehicles with PMSM Drive Systems. IEEE Transactions on Power Electronics. 35(12). 13308–13321.
El-bakkouri J., Ouadi H., Saad A. Adaptive Neuro Fuzzy Inference System Based controller for Electric Vehicle’s hybrid ABS braking. IFAC-PapersOnLine. 2022. 55. 371–376. URL: https://doi.org/10.1016/j.ifacol.2022.07.340.
MathWorks Help Center Deep Learning Documentation. URL: https://www.mathworks.com/help/deeplearning/ug/design-narma-l2-neural-controller-in-simulink.html?s_tid=srchtitle_site_search_1_narma.
Kutovoj Y., Kyrylenko Y., Obruch I., Kunchenko T. Application of intelligent control systems in electric drives of rail vehicles. 2021 IEEE 2nd KhPI Week on Advanced Technology (KhPIWeek) – Conference Proceedings. 2021. Р. 709–713. DOI: 10.1109/KhPIWeek53812.2021.9570026.
Kyrylenko Y., Kutovyi Yu., Obruch I., Kunchenko T. Neural Network Control of a Frequency-Regulated Electric Drive of a Main Electric Locomotive. IEEE Problems of Automated Electrodrive. Theory and Practice (PAEP). 2020. DOI: 10.1109/PAEP49887.2020.9240880.
Воробйов Б., Сенченко С., Пшеничников Д., Ліхно Я., Хань Л. Система запобігання буксування електромобіля на основі контролера нейронної мережі. Вісник Національного технічного університету «ХПІ». Серія: Нові рішення у сучасних технологіях. 2023. 1(15). 3–11. URL: https://doi.org/10.20998/2413-4295.2023.01.01.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
