Искусственная нейронная сеть как инструмент исследования переходных процессов в асинхронных двигателях

• Автор: Антоненков, Аркадий Валерьевич
• Шифр специальности: 05.09.01
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Москва
• Количество страниц: 132 с. : ил.

Содержание
Введение
ГЛАВА 1. СТОХАСТИЧЕСКАЯ НАГРУЗКА АСИНХРОННОГО
ДВИГАТЕЛЯ КАК ОДИН ИЗ ОБЪЕКТОВ НЕЙРОСЕТЕВОГО
ИССЛЕДОВАНИЯ
1.1. Способы задания стохастических нагрузок
электродвигателей
1.2. Классификация видов случайной нагрузки асинхронных двигателей
1.3. Способы учета влияния случайного момента нагрузки на характеристики электродвигателя
1.4. Основные положения теории искусственных нейронных сетей
1.4.1. Классификация нейронных сетей
1.4.2. Свойства искусственных нейронных сетей
1.4.3. Особенности использования аппарата нейронных сетей
1.5. Постановка задачи исследования
Выводы
ГЛАВА 2. НЕЙРОСЕТЕВАЯ МОДЕЛЬ ДЛЯ ИССЛЕДОВАНИЯ
ПЕРЕХОДНЫХ ПРОЦЕССОВ В АСИНХРОННОМ ДВИГАТЕЛЕ ПРИ
СЛУЧАЙНОМ СТАЦИОНАРНОМ НАГРУЖЕНИИ
2.1. Способы представления нагрузочного момента как случайной функции времени
2.2. Применение нейросетевых технологий в задачах электромеханики
2.3. Обоснование выбора пакета Matlab Neural Networks для исследования переходных процессов в АД
2.4. Разработка унифицированной модели для исследования переходных процессов в АД в режиме стохастического нагружения
2.5. Влияние параметров двигателя и случайной функции нагрузочного момента на работу асинхронного двигателя
Выводы

ГЛАВА 3. ЭКСПЕРИМЕНТАЛЬНАЯ ОЦЕНКА НЕЙРОСЕТЕВОГО
МЕТОДА ИССЛЕДОВАНИЯ ПЕРЕХОДНЫХ ПРОЦЕССОВ В
АСИНХРОННЫХ ДВИГАТЕЛЯХ
3.1. Моделирование случайного момента сопротивления на валу асинхронного двигателя
3.2. Проведение теплового испытания асинхронного двигателя
3.3. Создание предиктора на основе технологии искусственных нейронных сетей
3.4. Рекомендации по проектированию асинхронных двигателей для работы со случайной нагрузкой
Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ
Введение
Асинхронные двигатели (АД) являются самым массовым видом продукции электротехнической промышленности не только России, но и многих зарубежных стран. Это объясняется многими причинами, наиболее важными из которых являются невысокая стоимость, простота конструкции и высокая надежность.
Условия эксплуатации АД самые разнообразные: от простейших, как например, у бытовых вентиляторов, до таких, как привод породопогрузочных машин в шахтах.
АД в основном создавались как серийные машины и одним из условий их разработки являлось и зачастую является то, что нагрузочные моменты двигателей постоянны (детерминированные функции времени). Однако, очень часто реальный нагрузочный момент (Мс) оказывается случайно изменяющейся величиной и зависит от многих факторов (физико-механических свойств обрабатываемого материала, частоты вращения рабочих органов, производительности машины и т. д., вносящих элемент случайности в работу двигателя). Случайные изменения нагрузочного момента Мс вызывают колебания тока и мощности, потребляемых из сети, неравномерность мгновенной угловой частоты вращения ротора. При этом график электромагнитного момента имеет вид кривой, пульсирующей относительно среднего значения, что вызывает дополнительные потери в обмотках, рост уровня вибраций и шумов, ухудшение энергетических показателей АД. Фактически, работа двигателя представляет собой непрерывный переходный процесс, что в значительной мере затрудняет проведение электромагнитных и тепловых исследований, поскольку приходиться решать системы дифференциальных уравнений, описывающих работу АД, в которых одна или несколько входных величин изменяются случайным образом. Попытка решения подобных систем со случайными параметрами традиционными методами (численное решение систем стохастических дифференциальных уравнений; методы, основанные на

Дол гие классификации
НеГфосетевой аппарат столь обширен и разнообразен, что охватить вниманием все существующие частные классификации не представляется возможным. Однако, рассмотрев основные, представляется уместным привести несколько более узкоспециализированных.
Во-первых, рассматривая способы обучения НС, следует отметить существование многих методов в большей степени свойственных процессам обучения с учителем. Это и метод обратного распространения ошибки, и метод конкурентного обучения, и метод, базирующийся на правиле Хэбба, семейство гибридных методов и многие другие [24,27,28].
Во-вторых, существуют уже устоявшиеся конфигурации НС с устоявшимися алгоритмами обучения и областями приложения. Все они попадают под приведенную классификацию, но заслуживают того, чтобы быть упомянутыми отдельно. Это и перссптронные сети, и сети Кохонена, сети адаптивного резонанса, рециркуляционные сети, сети Хопфилда, сети Хэмминга, двунаправленная ассоциативная память, реккурептные сети, сети встречного распространения, сети Элмана, Жордана и другие [19,20,23].
Топологическая подклассификаиия
Поскольку полпосвязные и слабосвязные нейросетевые структуры используются значительно реже, чем сети с многослойной организацией, и устоявшихся форм (за исключением тех, о которых было сказано выше) у них не существует, дополнительно подклассифицировать их нет смысла. А вот среди сетей с послойной организацией структуры существует некоторое количество наиболее часто использующихся конфигураций. Среди них в качестве основных можно выделить следующие: монотонные сети, сети последовательного распространения сигнала и сети с обратными связями.
Монотонные сети представляют собой частный случай многослойных сетей с дополнительными условиями на связи и нейроны. Каждый слой кроме последнего (выходного) разбит на два блока: возбуждающий и тормозящий.