МЕТОДИ ВИМІРЮВАННЯ ОБЕРТАЛЬНИХ МОМЕНТІВ ЕЛЕКТРОДВИГУНІВ З ВИКОРИСТАННЯМ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ

Автор(и)

DOI:

https://doi.org/10.32782/tnv-tech.2023.2.5

Ключові слова:

обертальний момент, електродвигун, нейронна мережа, вимірювання, прилад, похибка, обертальні параметри

Анотація

Нейронні мережі, можуть використовуються не лише в системах керування електродвигунами, з метою оптимізації їх роботи, а й в інформаційно-вимірювальних системах, які використовуються для контролю та діагностики обертальних параметрів електричних машин. Таке використання дозволить зменшити похибки, які пов’язані із рядом дестабілізуючих факторів. Особливо це стосується роботи вимірювальних приладів в умовах невизначеності. Традиційні методи діагностики та контролю, такі як аналіз гармонік та спектральний аналіз, часто є часозатратними. У цьому контексті, нейронні мережі відкривають нові горизонти, забезпечуючи швидку та ефективну альтернативу. У зв’язку з цим в статті досліджуються можливості нейронних мереж, які можна використати для аналізу та ідентифікації шаблонів на основі даних, отриманих від сенсорів напруги, струму, кутової швидкості, кутового прискорення та обертального моменту, які мають взаємозв’язок з конкретними станами та характеристиками обертального руху електродвигунів. Ця здатність нейронних мереж дозволяє спрогнозувати обертальний момент електродвигуна, яку можна використовувати для корегування вихідних параметрів вимірювальних приладів. В результаті дослідження було представлено методику застосування нейронних мереж для оцінювання зворотного зв’язку сигналу від сенсору обертального моменту, в приводі постійного струму, з метою визначення параметрів обертального моменту. Запропоновано тришарову нейронну мережу, яка пройшовши інтенсивне навчання тестувалася на вимірювальному стенді, з метою визначення оптимальних режимів роботи. Застосування моделі, дозволило збільшити точність вимірювання обертального моменту за рахунок прогнозування окремих вихідних параметрів, що піддаються впливу вібрацій та температурних коливань, які змінюють пружність динамометричних вимірювальних елементів.

Посилання

Xavier Desforges, Abdallah Habbadi. A Neural Network for Parameter Estimation of a DC Motor for Feed-Drives. ICANN ’97 7th International Conference. Oct 1997. Lausanne, Switzerland. P. 867–872.

Simoes M. G., Bose B. K. Neural network based estimation of feedback signals for a vector controlled induction motor drive. IEEE Transactions on Industry Applications, vol. 31, no. 3, P. 620–629, May-June 1995, doi: 10.1109/28.382124.

Квасніков В., Квашук Д., Катаєва М. Розробка стенду для вимірювання метрологічних характеристик електродвигунів. Aerospace technic and technology. 2021. P. 104–111. doi: 10.32620/aktt.2021.4sup2.14.

Kingma, D.P., & Ba, J. (2014). Adam: A Method for Stochastic Optimization. CoRR, abs/1412.6980.

Wang, Junqi. (2021). Application of Keras neural network in the era of big data. Journal of Physics: Conference Series. 2083. 042090. 10.1088/1742-6596/2083/4/042090.

Квасніков В. П., Квашук Д. М., Катаєва М. О. Розробка інформаційно-вимірювальної системи діагностики робочих характеристик електродвигунів. Збірник наукових праць Одеської державної академії технічного регулювання та якості. Вип. 1(18). С. 42–52.

##submission.downloads##

Опубліковано

2023-08-11

Як цитувати

Дуднік, А. С., Квашук, Д. М., & Жихарєв, С. М. (2023). МЕТОДИ ВИМІРЮВАННЯ ОБЕРТАЛЬНИХ МОМЕНТІВ ЕЛЕКТРОДВИГУНІВ З ВИКОРИСТАННЯМ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ. Таврійський науковий вісник. Серія: Технічні науки, (2), 45-55. https://doi.org/10.32782/tnv-tech.2023.2.5

Номер

Розділ

КОМП’ЮТЕРНІ НАУКИ ТА ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ