Аннотация
В работе рассматривается вопрос моделирования системы управления общепромышленного транспортного оборудования – транспортных рольгангов. Приводится описание технологического оборудования, приведены структурные и кинематические схемы рассматриваемого промышленного механизма. Рассмотрены ключевые особенности механизмов такого типа, отдельно упомянуты требования к системе управления электроприводами данного оборудования. Подъемно-транспортные механизмы, к которым относится рассматриваемый промышленный узел, обладают широкой распространенностью в структуре металлургических предприятий. Печные рольганги, являющиеся частным случаем транспортных рольгангов, характеризуются безостановочной работой в линии технологических агрегатов, где предъявляются особые требования к точности и перегрузочной способности работы привода. Для электроприводов такого типа характерно применение асинхронных двигателей с короткозамкнутым ротором и систем бездатчикового управления. Система управления должна поддерживать постоянство скорости групп рольгангов, обеспечивать необходимый темп ускорения и замедления по условиям механического коэффициента трения металла по роликам. Также для таких систем характерно функционирование в диапазоне от 10 до 60-70 Гц. В настоящее время в связи с существенным распространением и качественным улучшением показателей микропроцессорной техники отчетливо прослеживаются тенденции в развитии концепций применения нейросетей в электротехнике. Одним из методов, позволяющим нивелировать недостатки вышеупомянутых особенностей работы объекта, можно рассматривать методы, связанные с интеграцией нейросетевых математических функций в структуру системы управления. Нейросетевые технологии существенно расширяют возможности автоматизированного электропривода, увеличивают общую робастность систем управления. В работе приведены различные механизмы адаптации нейросетевых структур, описаны их преимущества и недостатки. Также в статье упоминаются вопросы динамической стабильности вышеупомянутых систем электропривода, проводится исследовательское моделирование структур с различными подходами к архитектуре системы управления.
Ключевые слова
моделирование, регулируемый электропривод, система управления, печной рольганг, векторное управление, асинхронный двигатель, наблюдатели, бездатчиковое векторное управление, обучение, нейронные сети, механизм адаптации
1. Белов М.П., Новиков В.А., Рассудов Л.Н. Автоматизированный электропривод типовых производственных механизмов и технологических комплексов: учебник для вузов. М.: Academia, 2004. 575 с.
2. Терехов В.М. Элементы автоматизированного электропривода: учебник для вузов. М.: Энергоатомиздат, 1987. 221 с.
3. Сенцов Е.В., Мещеряков В.Н. Разработка адаптивного наблюдателя скорости векторного управления // Применение и развитие нейросетевого моделирования для решения фундаментальных задач в науке и технике: материалы Международной молодежной научно-практической конференции. Новочеркасск: ООО «Лик», 2018. С. 36-47.
4. Cоколовский Г.Г. Электроприводы переменного тока с частотным управлением. М.: Академия, 2006. 256 с.
5. Новиков В.А., Савва С.В., Татаринцев Н.И. Электропривод в современных технологиях: учебник для студентов вузов. М.: Академия, 2014. 400 с.
6. Сенцов Е.В., Мещеряков В.Н. Создание нейросетевого наблюдателя скорости для повышения динамической стабильности системы векторного бездатчикового управления // Электротехнические системы и комплексы. 2022. № 2(55). С. 18-24. doi: 10.18503/2311-8318-2022-2(55)-18-24
7. Калачев Ю.Н. Векторное регулирование (заметки практика). М.: ЭФО, 2013. 63 с.
8. Сенцов Е.В. Нейросетевые наблюдатели скорости асинхронного двигателя // Тенденции развития современной науки: сборник трудов Научно-практической конференции студентов и аспирантов Липецкого государственного технического университета. Липецк: ЛГТУ, 2021. С. 109-113.
9. Sinyukova T.V., Sentsov E.V., Sinyukov A.V. Neural Network Speed Observers // 1st International Conference on Control Systems, Mathematical Modelling, Automation and Energy Efficiency (SUMMA). IEEE, 2019. Pp. 320-324. doi: 10.1109/SUMMA48161.2019.8947484
10. Калачев Ю.Н. Наблюдатели состояния в векторном электроприводе (записки дилетанта). М., 2015. 60 с.
11. Мещеряков В.Н. Системы асинхронного электропривода с управляемыми координатами моментообразующих векторов. Липецк: ЛГТУ, 2008. 120 с.
12. Виноградов А.Б. Векторное управление электроприводами переменного тока. Иваново: ИГЭУ им. В.И. Ленина, 2008. 98 с.
13. Shihabudheen K.V., Pillai G.N. Recent Advances in Neuro-Fuzzy System: A Survey // Knowledge-Based Systems. 2018. Vol. 152. Pp. 136-162. doi: 10.1016/j.knosys.2018.04.014
14. Sentsov E.V., Mesherekov V.N. Synthesis of a neuroregulator with predictive control of the electric drive of the actuators of technological units of metallurgical production // 18th International Scientific Technical Conference Alternating Current Electric Drives (ACED). IEEE, 2021. 9462259. doi: 10.1109/ACED50605.2021.9462259
15. On Replacing PID Controller with Deep Learning Controller for DC Motor System / K. Cheon, J. Kim, M. Hamadache, D. Lee // J. Autom. Control Eng. 2015. No. 6(3). Pp. 452-456. doi: 10.12720/joace.3.6.452-456
16. Каширских В.Г. Динамическая идентификация асинхронных электродвигателей. Кемерово: КузГТУ, 2005. 139 с.
17. Усольцев А.А. Частотное управление асинхронными двигателями: учеб. пособие. СПб.: СПбГУ ИТМО, 2006. 94 c.
18. Исаков A.C., Ушаков А.В. Реализация наблюдателя состояний асинхронного двигателя с короткозамкнутым ротором в бездатчиковой системе векторного управления // Научно-технический вестник СПбГУ ИТМО. 2007. № 38. С. 280-286.
19. Синюкова Т.В., Сенцов Е.В. Синтез идентификаторов частоты вращения ротора асинхронного двигателя, основанных на концепции NN // Приборы и системы. Управление, контроль, диагностика. 2019. № 9. С. 13-20. doi: 10.25791/pribor.09.2019.870
20. Панкратов В.В., Котин Д.А. Адаптивные алгоритмы бездатчикового векторного управления асинхронными электроприводами подъемно-транспортных механизмов: учебное пособие. Новосибирск: НГТУ, 2012. 143 с.
21. Москаленко В.В. Электрический привод: учеб. пособие для сред. проф. образования. М.: Издательский центр «Академия», 2004. 368 с.
22. Исследование параметрической робастности бездатчикового векторного асинхронного электропривода с идентификатором Калмана / С.В. Ланграф, А.С. Глазырин, Т.А. Глазырина, А.С. Афанасьев, В.В. Тимошкин // Известия Томского политехнического университета. 2010. № 4(317). С. 120-123.
23. Глазырин А.С. Бездатчиковое управление асинхронным электроприводом с синергетическим регулятором // Известия Томского политехнического университета. 2012. №4(321). С. 107-111.
24. Афанасьев К.С. Разработка наблюдателя состояния для асинхронного электропривода с повышенной параметрической робастностью: дис. … канд. тех. наук: 05.09.03 / Афанасьев Кирилл Сергеевич. Томск, 2015. 106 с.
25. Aizenberg I. Complex-Valued Neural Networks with Multi-Valued Neurons. Berlin: Springer, 2011. 264 p.
26. Вейнмейстер А.В. Косвенное измерение скорости вращения в электроприводе с асинхронным двигателем на основе идентификатора состояния: автореф. дис. … канд. тех. наук: 05.09.03 / Вейнмейстер Андрей Викторович. СПб., 2013. 17 с.
27. Литвиненко А.М., Баранов Д.С. Адаптивная система управления электроприводом намоточного станка // Электротехника. 2020. №10. С. 31-36.
28. Schmidhuber J. Deep Learning in neural networks: An overview // Neural Networks. 2015. Vol. 61. Рp. 85-117. doi: 10.1016/j.neunet.2014.09.003
29. A Model for Predicting Wind Speed and the Probability of a Wind Gust / V.V. Dotsenko, E.V. Sentsov, A.M. Litvinenko, V.N. Mesherekov, S. Valtchev // 3rd International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency (SUMMA). IEEE, 2021. Pр. 576-579. doi: 10.1109/SUMMA53307.2021.9632142
Сенцов Е.В., Мещеряков В.Н. Моделирование бездатчиковой системы управления электропривода печного рольганга с применением нейросетевых объектов // Электротехнические системы и комплексы. 2023. № 1(58). С. 49-56. https://doi.org/10.18503/2311-8318-2023-1(58)-49-56