Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части
Рассмотрен один из путей повышения эффективности электрически управляемых промышленных систем за
 счет улучшения их динамики в условиях ограничений на управляющие воздействия, а также повышения устойчивости
 к возмущениям и изменениям параметров. С этой целью использован квазиоптимал...
Saved in:
| Published in: | Технічна електродинаміка |
|---|---|
| Date: | 2016 |
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут електродинаміки НАН України
2016
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/135768 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части / В.П. Войтенко // Технічна електродинаміка. — 2016. — № 5. — С. 26-28. — Бібліогр.: 8 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862532387235168256 |
|---|---|
| author | Войтенко, В.П. |
| author_facet | Войтенко, В.П. |
| citation_txt | Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части / В.П. Войтенко // Технічна електродинаміка. — 2016. — № 5. — С. 26-28. — Бібліогр.: 8 назв. — рос. |
| collection | DSpace DC |
| container_title | Технічна електродинаміка |
| description | Рассмотрен один из путей повышения эффективности электрически управляемых промышленных систем за
счет улучшения их динамики в условиях ограничений на управляющие воздействия, а также повышения устойчивости
к возмущениям и изменениям параметров. С этой целью использован квазиоптимальный алгоритм управления
импульсным преобразователем, который совместно с объектом управления моделируется с помощью
искусственной нейронной сети (ИНС). Проанализированы системы с реализацией регулятора в виде предварительно
обученной ИНС. Отмечены основные проблемы, связанные с имплементацией ИНС во встроенные
системы. Приведены результаты моделирования.
Розглянуто один iз шляхів підвищення ефективності промислових систем з електричним керуванням за рахунок покращення
їхньої динаміки в умовах обмежень на керуючі впливи, а також підвищення стійкості до збурень і змін параметрів.
З цією метою використано квазіоптимальний алгоритм керування імпульсним перетворювачем, який спільно з об’єктом
керування моделюється за допомогою штучної нейронної мережі (ШНМ). Проаналізовано системи з реалізацією регулятора
у вигляді попередньо навченої ШНМ. Окреслено основні проблеми, пов’язані з імплементацією ШНС у вбудовані системи.
Наведено результати моделювання.
It is considered the one way of increasing the efficiency of electrically controlled industrial systems by means of improving their
dynamics in the conditions of restrictions on control actions, as well as increasing of resistance to disturbances and changes in the
parameters. For this purpose a quasi-optimal control algorithm is used for pulse converter, which together with a plant is simulated
by using of artificial neural network (ANN). It is analyzed the system with implementation of the controller in the form of pre-trained
ANN. The basic problems associated with implementation of the ANN in embedded systems are discussed too. Simulated results of
investigations are given.
|
| first_indexed | 2025-11-24T04:31:34Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-135768 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1607-7970 |
| language | Russian |
| last_indexed | 2025-11-24T04:31:34Z |
| publishDate | 2016 |
| publisher | Інститут електродинаміки НАН України |
| record_format | dspace |
| spelling | Войтенко, В.П. 2018-06-15T15:01:13Z 2018-06-15T15:01:13Z 2016 Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части / В.П. Войтенко // Технічна електродинаміка. — 2016. — № 5. — С. 26-28. — Бібліогр.: 8 назв. — рос. 1607-7970 https://nasplib.isofts.kiev.ua/handle/123456789/135768 621.365.9:681.5.015:681.518.3 Рассмотрен один из путей повышения эффективности электрически управляемых промышленных систем за
 счет улучшения их динамики в условиях ограничений на управляющие воздействия, а также повышения устойчивости
 к возмущениям и изменениям параметров. С этой целью использован квазиоптимальный алгоритм управления
 импульсным преобразователем, который совместно с объектом управления моделируется с помощью
 искусственной нейронной сети (ИНС). Проанализированы системы с реализацией регулятора в виде предварительно
 обученной ИНС. Отмечены основные проблемы, связанные с имплементацией ИНС во встроенные
 системы. Приведены результаты моделирования. Розглянуто один iз шляхів підвищення ефективності промислових систем з електричним керуванням за рахунок покращення
 їхньої динаміки в умовах обмежень на керуючі впливи, а також підвищення стійкості до збурень і змін параметрів.
 З цією метою використано квазіоптимальний алгоритм керування імпульсним перетворювачем, який спільно з об’єктом
 керування моделюється за допомогою штучної нейронної мережі (ШНМ). Проаналізовано системи з реалізацією регулятора
 у вигляді попередньо навченої ШНМ. Окреслено основні проблеми, пов’язані з імплементацією ШНС у вбудовані системи.
 Наведено результати моделювання. It is considered the one way of increasing the efficiency of electrically controlled industrial systems by means of improving their
 dynamics in the conditions of restrictions on control actions, as well as increasing of resistance to disturbances and changes in the
 parameters. For this purpose a quasi-optimal control algorithm is used for pulse converter, which together with a plant is simulated
 by using of artificial neural network (ANN). It is analyzed the system with implementation of the controller in the form of pre-trained
 ANN. The basic problems associated with implementation of the ANN in embedded systems are discussed too. Simulated results of
 investigations are given. ru Інститут електродинаміки НАН України Технічна електродинаміка Перетворення параметрів електричної енергії Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части Адаптивне квазіоптимальне регулювання в перетворювачах з нейромережевою моделлю силової частини Adaptive quasi-optimal control in pulse convertors with artificial neural network model of power part Article published earlier |
| spellingShingle | Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части Войтенко, В.П. Перетворення параметрів електричної енергії |
| title | Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части |
| title_alt | Адаптивне квазіоптимальне регулювання в перетворювачах з нейромережевою моделлю силової частини Adaptive quasi-optimal control in pulse convertors with artificial neural network model of power part |
| title_full | Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части |
| title_fullStr | Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части |
| title_full_unstemmed | Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части |
| title_short | Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части |
| title_sort | адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части |
| topic | Перетворення параметрів електричної енергії |
| topic_facet | Перетворення параметрів електричної енергії |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/135768 |
| work_keys_str_mv | AT voitenkovp adaptivnoekvazioptimalʹnoeregulirovanievpreobrazovatelâhsneirosetevoimodelʹûsilovoičasti AT voitenkovp adaptivnekvazíoptimalʹneregulûvannâvperetvorûvačahzneiromereževoûmodellûsilovoíčastini AT voitenkovp adaptivequasioptimalcontrolinpulseconvertorswithartificialneuralnetworkmodelofpowerpart |