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 квазиоптимальный алгоритм уп...
Gespeichert in:
| Veröffentlicht in: | Технічна електродинаміка |
|---|---|
| Datum: | 2016 |
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Інститут електродинаміки НАН України
2016
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/135768 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | 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| id |
nasplib_isofts_kiev_ua-123456789-135768 |
|---|---|
| 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 |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части |
| spellingShingle |
Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части Войтенко, В.П. Перетворення параметрів електричної енергії |
| title_short |
Адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части |
| 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_sort |
адаптивное квазиоптимальное регулирование в преобразователях с нейросетевой моделью силовой части |
| author |
Войтенко, В.П. |
| author_facet |
Войтенко, В.П. |
| topic |
Перетворення параметрів електричної енергії |
| topic_facet |
Перетворення параметрів електричної енергії |
| publishDate |
2016 |
| language |
Russian |
| container_title |
Технічна електродинаміка |
| publisher |
Інститут електродинаміки НАН України |
| format |
Article |
| 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 |
| 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.
|
| issn |
1607-7970 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/135768 |
| 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. |
| work_keys_str_mv |
AT voitenkovp adaptivnoekvazioptimalʹnoeregulirovanievpreobrazovatelâhsneirosetevoimodelʹûsilovoičasti AT voitenkovp adaptivnekvazíoptimalʹneregulûvannâvperetvorûvačahzneiromereževoûmodellûsilovoíčastini AT voitenkovp adaptivequasioptimalcontrolinpulseconvertorswithartificialneuralnetworkmodelofpowerpart |
| first_indexed |
2025-11-24T04:31:34Z |
| last_indexed |
2025-11-24T04:31:34Z |
| _version_ |
1850842157576880128 |
| fulltext |
26 ISSN 1607-7970. Техн. електродинаміка. 2016. № 5
УДК 621.365.9:681.5.015:681.518.3
АДАПТИВНОЕ КВАЗИОПТИМАЛЬНОЕ РЕГУЛИРОВАНИЕ В ПРЕОБРАЗОВАТЕЛЯХ
С НЕЙРОСЕТЕВОЙ МОДЕЛЬЮ СИЛОВОЙ ЧАСТИ
В.П.Войтенко
Черниговский национальный технологический университет,
ул. Шевченко, 95, Чернигов, 14027, Украина. e-mail: volodymyr.voytenko@inel.stu.cn.ua
Рассмотрен один из путей повышения эффективности электрически управляемых промышленных систем за
счет улучшения их динамики в условиях ограничений на управляющие воздействия, а также повышения устой-
чивости к возмущениям и изменениям параметров. С этой целью использован квазиоптимальный алгоритм уп-
равления импульсным преобразователем, который совместно с объектом управления моделируется с помо-
щью искусственной нейронной сети (ИНС). Проанализированы системы с реализацией регулятора в виде пред-
варительно обученной ИНС. Отмечены основные проблемы, связанные с имплементацией ИНС во встроенные
системы. Приведены результаты моделирования. Бібл. 9, рис. 1.
Ключевые слова: оптимальное управление, динамика импульсных преобразователей, искусственные нейронные сети.
Главный технический аспект, лежащий в основе экономики устойчивого развития, – это эффективное
высокотехнологичное материальное производство, основанное на широком использовании автоматизирован-
ных систем управления и контроля. Цель данного исследования – разработка концепции построения и проверка
алгоритма работы универсального промышленного регулятора, обеспечивающего заданную точность установ-
ления и поддержания требуемого параметра, минимальное время регулирования и отсутствие перерегулирова-
ния в условиях ограничений на затрачиваемые ресурсы.
В качестве промышленного объекта управления (ОУ) наиболее часто встречаются устройства преобра-
зования вида энергии, например, – из электрической в тепловую или механическую. Для электрически управ-
ляемых процессов сигнал задания на регулирование представляет собой напряжение или ток. Регулируемый
параметр ОУ, в зависимости от конкретного рассматриваемого процесса, может быть электрическим напряже-
нием (током) – в системах преобразования электроэнергии; температурой – в технологических системах с на-
гревом рабочего тела; скоростью вращения или углом поворота вала электродвигателя вращательного движе-
ния (станкостроение, транспорт); скоростью или координатой перемещения активного элемента электродвига-
теля линейного движения (микроэлектроника, измерения); давлением рабочей среды в пневмо- и гидросисте-
мах (деревообработка, пищевая промышленность), прочими параметрами. Несмотря на перечисленное много-
образие, управление в указанных случаях возможно на основе универсальных принципов.
Важнейшим условием управляемости ОУ является однозначность функционала управления, связы-
вающего его вход с выходом, и отсутствие последействия. Практически все реальные ОУ обладают динамиче-
скими свойствами. Кроме того, процесс даже нормальной эксплуатации ОУ неизбежно сопровождается старе-
нием, что приводит к изменению функционала управления с течением времени. И, наконец, в процессе работы
с ОУ возможны возмущения, вызванные как аддитивными внешними воздействиями, непосредственно влияю-
щими на регулируемый параметр, так и изменениями внутренних свойств (параметров) ОУ, что приводит к не-
стационарности системы. Хотя возмущения и можно предсказать с той или иной степенью точности и учесть в
процессе управления, получаемый в результате процесс всегда отличается от идеализированного (ожидаемого).
В итоге для электрически управляемых процессов функциональную зависимость состояния выхода ОУ (регу-
лируемого параметра y(t)) от состояния входа (сигнала задания x(t)) можно представить в виде
( ) ( ) ( )( ) ( ),, tztwtxFKty +⋅= (1)
где K – масштабирующий коэффициент; |F(…)| ≤ 1 – нормированный функционал управления; w(t) – возмуще-
ния, вызванные изменениями внутренних свойств (параметров) ОУ; z(t) – возмущения вследствие аддитивных
внешних воздействий.
Из (1) следует структура универсальной системы управления, в которую, помимо ОУ и цифрового регу-
лятора должны входить элементы, измеряющие (или оценивающие) аддитивное возмущение z(t), и позволяю-
щие скомпенсировать его с требуемой точностью. Кроме того, необходимо отслеживать параметрические воз-
мущения w(t) и их влияние на поведение ОУ. Также часто приходится принимать во внимание факторы высокого
порядка, что утяжеляет функциональные зависимости, связывающие выход ОУ с его входом. Следовательно, ма-
тематическое описание поведения ОУ является всего лишь абстракцией, которая, тем не менее, позволяет повы-
сить эффективность управления с точки зрения затрат времени и/или материальных ресурсов на ее реализацию.
Предлагаемый подход основывается на том, что практически любую промышленную систему можно
представить с известной степенью точности в заданных границах в виде ее модели низкого (до третьего) порядка,
достаточно хорошо отражающей важнейшие с точки зрения задачи управления свойства реального ОУ. В эту мо-
дель необходимо включить и силовой преобразователь. Знание коэффициентов передаточной функции такого
© Войтенко В.П., 2016
ISSN 1607-7970. Техн. електродинаміка. 2016. № 5 27
комплексного ОУ, имитирующего (1), будет достаточным условием для реализации многоступенчатой системы
автоматического управления. Именно использование итерационного принципа грубого и точного регулирования
обеспечивает решение проблемы точности. Проблема же быстродействия решается за счет применения оптималь-
ных цифровых алгоритмов [4] в каждой ступени. Получение оптимального по быстродействию переходного про-
цесса по одной из координат состояния одновременно может сопровождаться выходом других переменных за до-
пустимые пределы, что вносит дополнительные ограничения на регулирование. В разрабатываемой универсаль-
ной системе с помощью предварительно обученной искусственной нейронной сети (ИНС) производится иденти-
фикация [8] подсистемы «импульсный преобразователь – неизвестная (в том числе – нелинейная) нагрузка», что
позволяет выбрать структуру и коэффициенты адекватного эталонного регулятора [5] в условиях изменяющихся
ограничений на уровни воздействия и при наличии возмущений.
Выбор ИНС обусловлен возможностью реализации широкого набора нелинейностей вида вход-выход,
основываясь лишь на экспериментальных данных, что оказалось решающим в контексте создания универсального
промышленного регулятора для управления разнообразными ОУ. Способность ИНС к обобщению обеспечивает
настройку системы для работы в условиях, отличающихся от существовавших во время проектирования. Некото-
рые особенности применения ИНС пришлось учитывать для расширения возможностей использования разраба-
тываемого регулятора в случае управления таких ОУ, как двигатель постоянного тока (ДПТ). Оценка возможно-
стей используемой встраиваемой системы на базе сигнального микроконтроллера позволила использовать ИНС
только лишь в замкнутом внешнем контуре положения. Разработанный контроллер оценивает данные об обратной
связи от модели ДПТ, которая построена также на основе ИНС.
Развитие описанного подхода привело к разработке вариантов алгоритмов квазиоптимального регулиро-
вания [1], позволяющих сократить требуемые вычислительные ресурсы и время регулирования в широком диапа-
зоне заданий. В то же время, обучение ИНС остается нерешенной вычислительной проблемой для встраиваемых
систем реального времени. Хорошо отработанные обучающие алгоритмы пока были реализованы в оффлайн-
режиме средствами ANN-toolbox в среде Matlab. В рассмотренном примере с ДПТ использована сеть прямого
распространения для регулятора и нелинейная авторегрессионная сеть с экзогенными входами для аппроксима-
ции связки импульсный преобразователь – нагрузка.
На основе системы регулирования температу-
ры проанализированы особенности различных методов
импульсной модуляции выходного напряжения преоб-
разователя с точки зрения обеспечения приемлемой
точности, а также возможности реализации встроенны-
ми аппаратными средствами сигнального микроконт-
роллера. На рисунке показаны переходные процессы в
базовом ПИД- и квазиоптимальном регуляторе, кото-
рый обеспечивает меньшую статическую и динамичес-
кую ошибку. Для повышения универсальности разраба-
тываемого регулятора также исследованы топологии
импульсных преобразователей, обладающих наилучшей
динамикой [6,7]. Применение в качестве электронного
ключа квазирезонансного преобразователя, переключа-
емого при нулевом токе, позволило улучшить энергети-
ческие характеристики по сравнению с обычным ши-
ротно-импульсным преобразователем в широком диа-
пазоне рабочих частот, что согласуется с [2]. Нерешен-
ной осталась проблема реверсирования напряжения,
что несколько сужает сферы применения (универсальность) этого варианта системы и требует дополнительных
исследований. Проанализирована элементная база и схемотехника импульсных преобразователей, даны практиче-
ские рекомендации по выбору устройств сопряжения микроконтроллера с силовыми вентилями. С целью оптими-
зации значений параметров выходного фильтра (а точнее – минимизации емкости выходного конденсатора до
величины, обеспечивающей требуемые уровни пульсаций выходного напряжения как в переходных, так и в ста-
ционарных режимах) использованы рекомендации [3]. Для дальнейших экспериментальных исследований разра-
ботаны промышленные регуляторы на основе сигнальных микроконтроллеров с возможностью оценки алгорит-
мов управления, формируемых средствами Matlab-Simulink, не прибегая к низкоуровневому программированию.
В результате проведенных исследований предложена концепция построения универсального промыш-
ленного квазиоптимального регулятора, в котором обеспечение требований по динамике и точности решается
за счет итерационного подхода, причем на каждом уровне иерархии системы управления реализуется опти-
мальный алгоритм. Определение коэффициентов регулирования проводится путем офлайн-идентификации
связки импульсный преобразователь – процесс. Устойчивость к внешним и параметрическим возмущениям
обеспечивается за счет квазиоптимального регулятора на основе предварительно обученной ИНС. Разработан и
проверен на моделях различных ОУ алгоритм работы, очерчены проблемы, требующие дальнейшего решения.
0 100 200 300 400 500 600
0
50
100
150
200
250
Переходный процесс с ШИМ ПИД и ОР (Full-bridge)
t, c
гр
ад
. С
ΔПИД=3.67%
Задание
ПИД
ОР
28 ISSN 1607-7970. Техн. електродинаміка. 2016. № 5
1. Войтенко В.П. Этапы алгоритма квазиоптимального регулирования в системе с импульсным преобразователем
// Технічна електродинаміка. – 2012. – № 3. – С. 125–126.
2. Городний А.Н. Анализ мощности рассеивания транзисторным ключом в последовательных импульсном и квази-
резонансном преобразователях // Технічна електродинаміка. – 2012. – № 3. – С. 75–76.
3. Руденко Ю.В. Переходные процессы в выходных цепях источника питания, работающего на нестационарную
технологическую нагрузку // Технічна електродинаміка. – 2013. – № 2. – С. 50–57.
4. Ту Ю. Современная теория управления. – Москва: Машиностроение, 1971. – 472 с.
5. Khomenko M., Voytenko V., Vagapov Y. Neural network-based optimal control of a DC motor positioning system //
International Journal of Automation and Control. – 2013. – Vol. 7. – No 1/2. – Pр. 83–104. doi: 10.1504/IJAAC.2013.055097.
6. Denisov Y.O., Stepenko S.A., Gorodny A.N., Kravchenko A.O. Input current parameters analysis for PFC based on quasi-
resonant and conventional boost converters // Proc. IEEE 34th International Conference on Electronics and Nanotechnology
(ELNANO), Kyiv, Ukraine, 15-18 April 2014. – Pp. 393–397. doi: 10.1109/ELNANO.2014.6873446
7. Liu K.-H., Oruganti R., Lee F.C.Y. Quasi-resonant converters-topologies and characteristics // IEEE Transactions on
Power Electronics. – 1987. – Vol. PE-2. − No 1. – Pp. 62–71.
8. Peretz M.M., Ben-Yaakov S. Time-domain identification of pulse-width modulated converters // IET Power Electron. –
2012. – Vol. 5. – Iss. 2. – Pp. 166–172. doi: 10.1049/iet-pel.2010.0377
УДК 621.365.9:681.5.015:681.518.3
АДАПТИВНЕ КВАЗІОПТИМАЛЬНЕ РЕГУЛЮВАННЯ В ПЕРЕТВОРЮВАЧАХ З НЕЙРОМЕРЕЖЕВОЮ
МОДЕЛЛЮ СИЛОВОЇ ЧАСТИНИ
В.П.Войтенко
Чернігівський національний технологічний університет,
вул. Шевченка, 95, Чернігів, 14027, Україна. e-mail: volodymyr.voytenko@inel.stu.cn.ua
Розглянуто один iз шляхів підвищення ефективності промислових систем з електричним керуванням за рахунок покра-
щення 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 регуля-
тора у вигляді попередньо навченої ШНМ. Окреслено основні проблеми, пов’язані з імплементацією ШНС у вбудовані сис-
теми. Наведено результати моделювання. Бібл. 9, рис. 1.
Ключові слова: оптимальне керування, динаміка імпульсних перетворювачів, штучні нейронні мережі.
ADAPTIVE QUASI-OPTIMAL CONTROL IN PULSE CONVERTORS WITH ARTIFICIAL NEURAL
NETWORK MODEL OF POWER PART
V.P.Voytenko
Chernihiv National University of Technology,
95, Shevchenka str., Chernihiv, 14027, Ukraine. e-mail: volodymyr.voytenko@inel.stu.cn.ua
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. References 9, figure 1.
Key words: optimal control, dynamics of power converters, artificial neural networks.
1. Voitenko V.P. Algorithm stages of quasi-optimal regulation in system with a pulse converter // Tekhnichna Elektrodynamika. –
2012. – No 3. – Pp. 125–126. (Rus)
2. Gorodnyi A.N. Analyzing of transistor switch dissipation power in sequential type switched-mode and quasi-resonant zero current
switch converters // Tekhnichna Elektrodynamika. – 2012. – No 3. – Pp. 75–76. (Rus)
3. Rudenko Yu.V. Transient processes at the power supply output circuits which operates with non-stationary technological load //
Tekhnichna Elektrodynamika. – 2013. – No 2. – Pp. 50–57. (Rus)
4. Tou J.T. Modern Control Theory. – McGraw-Hill Education, 1964. – 427 p.
5. Khomenko M., Voytenko V., Vagapov Y. Neural network-based optimal control of a DC motor positioning system // International
Journal of Automation and Control. – 2013. – Vol. 7. – No 1/2. – Pp. 83–104. doi: 10.1504/IJAAC.2013.055097.
6. Denisov Y.O., Stepenko S.A., Gorodny A.N., Kravchenko A.O. Input current parameters analysis for PFC based on quasi-resonant
and conventional boost converters // Proc. IEEE 34th International Conference on Electronics and Nanotechnology (ELNANO),
Kyiv, Ukraine, 15-18 April 2014. – Pр. 393–397. doi:10.1109/ELNANO.2014.6873446
7. Liu K.-H., Oruganti R., Lee F.C.Y. Quasi-resonant converters-topologies and characteristics // IEEE Transactions on Power
Electronics. – 1987. – Vol. PE-2. – No 1. – Pр. 62–71.
8. Peretz M.M., Ben-Yaakov S. Time-domain identification of pulse-width modulated converters // IET Power Electron. – 2012. –
Vol. 5. – Iss. 2. – Pр. 166–172. doi: 10.1049/iet-pel.2010.0377
Надійшла 03.02.2016
Остаточний варіант 12.07.2016
|