Комбинированные системы регулирования напряжения с элементами искусственного интеллекта для бесконтактных синхронных генераторов

• Автор: Асадуллин, Виталий Маратович
• Шифр специальности: 05.09.03
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Уфа
• Количество страниц: 146 с. : ил.

ОГЛАВЛЕНИЕ
Введение
ГЛАВА 1. СИСТЕМЫ РЕГУЛИРОВАНИЯ НАПРЯЖЕНИЯ БЕСКОНТАКТНЫХ ГЕНЕРАТОРОВ ПЕРЕМЕННОГО ТОКА, СОСТОЯНИЕ ПРОБЛЕМЫ

1.1. Классификация систем регулирования напряжения генераторов переменного тока
1.2. Системы регулирования с элементами искусственного интеллекта
1.2.1. Системы регулирования с использованием нечеткой логики
1.2.2. Нейросетевые системы регулирования
Выводы по первой главе и постановка задачи исследований ГЛАВА 2. Математические модели комбинированных систем регулирования напряжения с использованием нечеткой логики и нейронной сети для бесконтактных синхронных генераторов
2.1. Математическая модель комбинированной системы регулирования напряжения с использованием нечеткой логики и нейронной сети для бесконтактного генератора с вращающимися выпрямителями
2.1.1. Математическая модель бесконтактного генератора при отсутствии регулирования
2.1.2. Влияние комбинированной системы регулирования напряжения с использованием нечеткой логики и нейронной сети
2.2. Математическая модель комбинированной системы регулирования напряжения с использованием нечеткой логики и нейронной сети для магнитоэлектрического генератора Результаты по второй главе

ГЛАВА 3. Моделирование процессов регулирования напряжения бесконтактных синхронных генераторов с комбинированными системами регулирования с использованием нечеткой логики и нейронной сети
3.1. Моделирование процессов регулирования напряжения бесконтактного генератора с вращающимися выпрямителями
3.1.1. Моделирование процессов регулирования напряжения бесконтактного генератора с вращающимися выпрямителями в статических режимах работы
3.1.2. Моделирование процессов регулирования напряжения бесконтактного генератора с вращающимися выпрямителями в динамических режимах работы
3.2. Моделирование процессов регулирования напряжения магнитоэлектрического генератора в статических режимах работы Результаты по третьей главе
ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ КОМБИНИРОВАННЫХ СИСТЕМ РЕГУЛИРОВАНИЯ НАПРЯЖЕНИЯ С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКОЙ ЛОГИКИ И НЕЙРОННЫХ СЕТЕЙ ДЛЯ БЕСКОНТАКТНОГО СИНХРОННОГО ГЕНЕРАТОРА
4.1. Описание макетного образца источника электропитания
4.2. Пути аппаратной реализации элементов искусственного интеллекта
4.3. Регулятор напряжения с использованием нечеткой логики и нейронной сети
4.4 Результаты экспериментальных исследований систем регулирования напряжения магнитоэлектрического генератора
4.4.1 Исследование генератора с комбинированной системой регулирования напряжения с использованием нечеткой логики и нейронной сети в статическом режиме работы

4.4.2 Исследование генератора с комбинированной системой регулирования напряжения с использованием нечеткой логики и нейронной сети в динамическом режиме работы
4.5. Новые технические решения регуляторов напряжения с элементами искусственного интеллекта
Выводы и результаты по четвертой главе
Заключение
Список литературы
Приложение А. Математическая модель бесконтактного синхронного генератора с вращающимися выпрямителями в среде МаЙаЬ
Приложение Б. Математическая модель магнитоэлектрического генератора в среде МаОаЬ
Приложение В. Программный код для реализации АЦП на АТМЕОА16 131 Приложение Г. Программный код для реализации ШИМ на ЛТМЕОА16
Приложение Д. Код для реализации связи между МАТЬАВ и АЦП
Приложение Е. Код для реализации связи между МАТЬАВ и ШИМ
Приложение Ж. Код для проведения эксперимента

на соответствующие им коэффициенты, суммируются, и если суммарный сигнал больше некоторого заданного порога срабатывания, нейрон активизируется и выдает на связанные с ним нейроны единичный импульс. Изменяя соответствующим образом значения весовых коэффициентов на входах нейронов, можно получить на выходе ИНС требуемый управляющий сигнал. Процесс настройки весовых коэффициентов называется обучением нейронной сети. По аналогии с обучением человека, обучение нейронной сети может проходить с учителем или самостоятельно, путем самоорганизации. Ученые показали, что сеть, составленная из большого количества таких элементарных процессорных единиц, соединенных правильно сконфигурированными и синхронно работающими синаптическими связями, принципиально способна выполнять любые вычисления [53].
Практически любая реальная система имеет нелинейные характеристики, поэтому нейроны - нелинейные элементы, вполне подходят (исходя из вышеизложенного) для построения систем регулирования напряжения с нелинейными законами управления.
Для систем, которые работают уже много лет и для которых разработан качественный математический аппарат, оптимальным может стать регулятор напряжения, построенный как на нечеткой логике с использованием адаптивной системы нейро-нечеткого вывода (АИР), так и на нейронной сети [54].
Некоторые наиболее известные варианты построения нейросетевых систем управления [55]:
1. последовательная схема нейросетевого управления;
2. параллельная схема нейроконтроллера;
3. “обучение с ошибкой обратной связи”;
3. схема нейросетевого управления с обратной связью;
4. управление с обратной связью;