CC BY
11
rate thermal calculation will allow determining the optimal value of these parameters, and, as a consequence, it will be possible to justify design solutions, achieve aesthetics of the appearance and ease of operation of the device, and, if possible, minimize the weight of the converter. The article presents an analytical method together with the method of electro-thermal analogy, which allows to obtain the calculation result with sufficient accuracy.
Key words: electrical complex, converter, busbar, power losses, heating, heat transfer, electro-thermal analogy.
Shklyarskiy Yaroslav Elievich, doctor of technical sciences, professor, head of chair, Shklyarskiy_YaE@pers. spmi. ru, Russia, Saint-Petersburg, Saint-Petersburg Mining University,
Bardanov Aleksey Igorevich, candidate of technical sciences, docent, Bardanov_AI@pers. spmi. ru, Russia, Saint-Petersburg, Saint-Petersburg Mining University,
Vydrova Alisa Aleksandrovna, student, alisavudrova@,mail. ru, Russia, Saint-Petersburg, Saint-Petersburg Mining University
УДК 621.333 Б01: 10.24412/2071-6168-2021-4-201-205
СИНТЕЗ НЕЙРОРЕГУЛЯТОРА ЭНЕРГИИ В СИСТЕМЕ С КОМБИНИРОВАННОЙ ЭНЕРГОУСТАНОВКОЙ
В.Н. Аносов, В.М. Кавешников, С.А. Саидов
Исследования проведенная с автономными транспортными средствами свидетельствуют, об их актуальности. Однако без использование накопителей энергии автономные транспортные средства долго не могут работать. Использование накопителей в транспортных средствах дает возможность экономить энергию первичного источника питания. Повышение эффективности системы с комбинированной энергоустановкой можно достичь путем разработки соответствующих алгоритмов управления и синтеза нейрорегулятора энергии накопителя. Для синтеза регулятора используются динамические нейронные сети. При разработке нейросетевого наблюдателя использованы экспериментальные данные, полученные авторами на действующем транспортном средстве в реальных условиях эксплуатации. Идентичность результатов проведённых исследований показывает работоспособности искусственных нейронных сетей при построении бездатчиковых систем тягового привода. Полученные результаты могут быть использовать в дальнейшем при построении систем автоматического управления.
Ключевые слова. гибридные транспортные средства, источник питания, двигатель внутреннего сгорания, накопитель энергии, искусственная нейронная сеть, синтез нейрорегуляторов.
Гибридные транспортные средства (ТС) имеют два типа источников энергии: первичный источник питания и накопительный. Накопительные источники энергии -это аккумуляторы или суперконденсаторы, которые являются хранилищами
электрической энергии, способными как принимать, так и отдавать её [1]. В гибридном автомобиле можно преобразовать часть кинетической энергии в электрическую, зарядив батарею или суперконденсаторы для повторного использования [2-6]. Рекуперативное торможение невозможно без использования накопительного устройства, в качестве которого может использоваться аккумуляторная батарея или конденсаторы [79]. Рекуперация энергии способствует значительному снижению расхода топлива ДВС, что значительно улучшает экологическую обстановку в населенных пунктах. Накопитель, как источник энергии, дополняет первичные источники питания и увеличивает располагаемую мощность энергоустановки без увеличения установленной мощности первичного источника. Другими словами, накопитель позволяет использовать первичные источники энергии меньшей мощности при сохранении прежней динамики автомобиля в более эффективном режиме с нагрузкой, близкой к номинальной, и сглаживает ток в источниках питания в среднем в 3,6 раз. Изменение тока источника питания с накопителем показан на рис. 1.
Гибридная силовая установка (ГСУ) автомобиля позволяет управлять рабочим режимом ДВС независимо от скорости автомобиля и мощности, необходимой для движения [10]. Это свойство дает гибридному автомобилю значительный потенциал для улучшения топливно-экономических и экологических свойств по сравнению с базовым негибридным автомобилем. ГСУ представляет собой многокомпонентную систему, обладающую многомерными нелинейными характеристиками, поэтому для полной реализации ее потенциала при исследовании и разработке стратегии управления целесообразно использовать оптимальные методы управления, т.к. система управления (ГСУ) является важным фактором получения энергетической эффективности системы тягового привода в целом.
V
t С
«--ТВ:-Ш-
б
б -с накопителем.
Постановка задачи. В системах управления транспортных средств обычно применяются стандартные регуляторы: интегральные (И), пропорционально-интегральные (ПИ), пропорционально - интегрально-дифференциальные (ПИД), которые хорошо зарекомендовали себя благодаря своей простоте и высокой надежности. Однако, несмотря на долгую историю разработки и широкое использование, у классических регуляторов есть ряд недостатки. Настройка таких регуляторов - достаточно сложный процесс. Кроме того, эти регуляторы имеют низкие показатели качества при управлении нелинейными и сложными системами, а также при недостаточной мгновенной информации о состоянии объекта управления. Коэффициенты регуляторов часто подбираются оптимально для конкретного состояния объекта, но при переходе его в другие состояния эти значения коэффициентов уже не позволяют получить требуемое качество переходных процессов и высокую энергетическую эффективность ТС. Требования, предъявляемые к регуляторам в системах управления транспортных средств, такие, как высокая точность, самонастройка параметров, адаптация и самообучение. Ре-
гулятор должен обеспечить требуемый распорядок работы системы, величину перерегулирования, желаемые статические и динамические характеристики. Электропривод имеет нелинейную систему, которая в конечном итоге затрудняет расчет параметров регуляторов, и отрицательно влияет на работу системы. Эту проблему можно решить с помощью искусственных нейронных сетей, которые могут легко обучаться, подстраиваться и компенсировать нелинейные параметры электродвигателей.
Искусственная нейронная сеть - это мощнейший параллельно работающий аппарат, состоящий из обычных составляющих для обработки информации, который, в конечном итоге, накапливает экспериментальные знания и предоставляет их для последующей обработки. Сходности нейронных сетей с мозгом можно объяснить следующими фактами:
- данные поступают из окружающей среды в нейронную сеть и применяются в процессе обучения;
- синаптический вес дает возможность накопить экспериментальные данные для обучения.
Использование искусственных нейронных сетей для синтеза регуляторов дает заметное улучшение переходных процессов, несмотря на существенную нелинейность реальной системы тягового электропривода в целом.
При синтезе нейрорегуляторов применяется эталонная модель, которая имеет желаемый переходный процесс и дает необходимый запас устойчивости, минимальную статическую ошибку, требуемое перерегулирование и желаемое время переходного процесса.
В работе проведен синтез нейрорегулятора энергии в системе с комбинированной энергоустановкой. Для синтеза нейрорегуляторов построена нейронная сеть, состоящая из 8 входных нейронов, двух скрытых слоев с 20 нейронами в каждом и один выходной нейрон. В системе с комбинированной энергоустановкой использован нейроре-гулятор вместо обычных регуляторов с обратной связью по энергии накопителя (рис. 2).
Рис. 2. Структурная схема тягового электропривода с комбинированной энергоустановкой
Результаты экспериментальных исследований. Результаты моделирования показывают работоспособность синтезированного нейрорегулятора (рис. 3, 4).
Проведён сравнительный анализ переходных процессов в системе с СПР и системе с нейрорегулятором, который показывает их идентичность (Рис. 4). Кроме того, моделирование проводилось как с учетом, так и без учета нелинейного характера кривой намагничивания.
а б
Рис. 3. Момент ТЭП в системе с КЭУ: а — с обычными регуляторами;
б — с нейрорегуляторами.
Рис. 4. Сравнительная оценка переходных процессов
Анализ показывает, что в системе с традиционными регуляторами учет нелинейности приводит к значительному изменению момента, максимальное отклонение составляет более 10%. В системе с нейрорегулятором момент практически не изменяется. Таким образом, проведенные исследования подтверждают достоинства использования ИНС.
Заключение. Таким образом, в ходе исследования доказана эффективность применения искусственных нейронных сетей при создании бездатчиковых электроприводов. Полученные результаты могут быть использованы в дальнейшем при разработке систем автоматического управления, обеспечивающих энергоэффективное управление транспортным средством.
Список литературы
1. Клепиков В.Б., Сергеев С. А., Махотило К.В., Обруч И.В. Применение методов нейронных сетей и генетических алгоритмов в системах управления электроприводами // Электротехника. 1999. № 5. С. 2-6.
2. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия - Телеком, 2001. 382 с.
3. Махотило К.В. Разработка методик эволюционного синтеза нейросетевых компонентов систем управления: дис. ... канд. техн. наук. Харьков, 1998. 179 с.
4. Activation Functions of Neural Networks [Электронный ресурс]. URL: https:// towardsdatascience.com/activation-functions-neural-networks-1 cbd9f8d91 d6 (дата обращения: 01.06.2019).
5. Russel S.J., Norviq P. Artificial Intelligence: A Modern Approach (3rd edition), Prentice Hall, USA, 2010. 1152 p.
6. Ярославцев М.В., Мятеж А.В., Забелина Д.Д, Исследование сезонных изменений потребления электрической энергии троллейбусом // Научные проблемы транспорта Сибири и Дальнего Востока. 2014. №1-2. С. 282-286.
7. Аносов В.Н., Кавешников В.М., Ярославцев М.В. Повышение эффективности функционирования тягового электропривода троллейбуса // Электротехника. 2014. №12. С. 14-16.
8. Козлова Л.Е., Глазырин А.С. Нейросетевой датчик скорости асинхронного двигателя // Тинчуринские чтения: Материалы докладов V Международной молодежной научной конференции. Казань: КГЭУ, 2010. С. 70-71.
9. Козлова Л.Е. Разработка нейросетевого наблюдателя угловой скорости ротора в электроприводе по схеме ТРН - АД: дис. ... канд. техн. наук. [Электронный ресурс] URL: https://www.omgtu.ru/scientific_activities/dissertatsionnye_sovety/ obyavleniya
o zashchite dissertatsiy i dokumenty k nim/whole-e-/Диссертация%20К.pdf (дата обращения: 10.06.2019).
10. Электродвигатели серии 2П [Электронный ресурс] URL: http://elektro-dvigateli.ru/postoyannogo-toka/elektrodvigateli-2p-2pf-2pn-2pb.html (дата обращения: 05.06.2019).
Аносов Владимир Николаевич, д-р техн. наук, профессор, anosovvn@gmail.com. Россия, Новосибирск, Новосибирский государственный технический университет,
Кавешников Владимир Михайлович, канд. техн. наук, доцент, vldi@yandex. ru, Россия, Новосибирск, Новосибирский государственный технический университет,
Саидов Сахбон Алиевич, аспирант, st06798 1992@mail.ru. Россия, Новосибирск, Новосибирский государственный технический университет
SYNTHESIS NEUROREG ULA TOR OF ENERGY IN A SYSTEM WITH A COMBINED POWER PLANT
V.N. Anosov, V.M. Kaveshnikov, S.A. Saidov
The research and development carried out with autonomous vehicles indicates their relevance. However, without the use of energy storage, autonomous vehicles can not work for a long time. The use of storage devices in vehicles makes it possible to save energy from the primary power source. An increase in the efficiency of a system with a combined power plant can be achieved by developing appropriate control algorithms and synthesizing a storage energy neuroregulator. Dynamic neural networks are used to synthesize the controller. When developing the neural network observer, experimental data obtained by the authors on an operating vehicle under real operating conditions were used. The identity of the results of the conducted research shows the efficiency of artificial neural networks in the construction of sensorless traction drive systems. The results obtained can be used in the future in the construction of automatic control systems.
Key words. hybrid vehicles, power supply, internal combustion engine, energy storage, artificial neural network, synthesis of neuroregulators.
Anosov Vladimir Nikolaevich, doctor of technical sciences, professor, anosovvn@gmail. com, Russia, Novosibirsk, Novosibirsk State Technical University,
Kaveshnikov Vladimir Mihaylovich, candidate of technical sciences, docent, vldiayandex. ru, Russia, Novosibirsk, Novosibirsk State Technical University,
Saidov Sakhbon Alievich, postgraduate, st06798_1992@mail. ru, Russia, Novosibirsk, Novosibirsk State Technical University
