Разработка адаптивной нейросетевой системы управления электроприводом нефтегазотранспортной магистрали

THE DEVELOPMENT OF ADAPTIVE NEURAL NETWORK CONTROL SYSTEM FOR ELECTRIC DRIVE PIPELINE TRANSPORTATION OF OIL AND GAS

A. Sagdatullin , Almetevsk State oil institute

Представлено использование нейронных сетей для управления сложным объектом в виде асинхронного электродвигателя с динамической нагрузкой. На основе разработанной математической модели асинхронного электродвигателя представлена усовершенствованная схема нейроконтроллера, дополнительно содержащая нейросетевой эмулятор. Нейроконтроллер в данном случае обучается на основе нейроэмулятора по методу обратного распространения ошибки. Для обучения нейроэмулятора дополнительно применяется многослойная сеть прямого распространения.

This article are presents the use of neural networks for the control of complex object in the form of an asynchronous motor with a dynamic load. On the basis of the developed mathematical model of induction motor is presented an improved scheme neural-controller, optionally containing a neural network emulator. Neural-controller in this case study-based neural-motor by the method of back-propagation errors.

Если вас интересует полный текст статьи, Вы можете заказать ее в издательстве.

Литература

1. McCulloch W.S., Pitts W.A. logical calculus of ideas imminent in nervous activity // Bulletin Mathematical Biophysics. 1943. 5. Pp. 115.
2. Saerens M., Soquet A. Neural controller based on back-propagation algorithm. IEE Proc F 1991; 138(1): Pp. 55 – 62.
3. Goldenthal W., Farrell J. Application of neural network to automatic control. Proc AIAA Conference on Guidance Navigation and Control 1990. Pp.1108 – 1112.
4. Hunt K.J., Sbarbaro D., Zbikowski R., Gawthrop P.J. Neural networks for control systems –a survey. Automatica 1992; 28(6): Pp. 1083 – 1112.
5. Narendra K.S., Parthasarathy K. Identification and control of dynamical systems using neural networks. IEEE Trans Neural Networks 1990; 1(1). Pp. 4 – 27.
6. Rumelhart D., Hinton G., Williams R. Learning internal representation by error propagation. Distributed Parallel Processing. MIT Press, Cambridge, MA, 1986.
7. Minsky M., Papert S. Perceptrons. MIT Press, Cambridge, MA, 1969.
8. Peter Vas,Vector Control of Ac Machines, Clarendon press,1990.
9. Levin and Kumpati S.Narendra, «Control of Nonlinear Dynamical Systems Using Neural Networks: Controllability and Stabilization» IEEE Transactions on Neural Networks, Vol. 4, No. 2, MARCH 1993.
10. Nguyen D., Widrow B. Neural networks for self-learning control systems. Int J Control 1991; 54(6): Pp. 1439 – 1451.
11. Башарин А.В., Новиков В.А., Соколовский Г.Г. Управление электроприводами: Учебное пособие для вузов. Л.: Энергоиздат. Ленингр. отд-ие, 1982. 392 с.
12. Галушкин А.И. Основы нейроуправления //Нейрокомпьютер. 2002. №9 – 10. С. 87 – 106.
13. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы управления. М.: Высшая школа. 2002. С. 183.
14. Пшихопов В.Х., Шанин Д.А., Медведев М.Ю. Построение нейросетевых регуляторов для синтеза адаптивных систем управления // М.: Информационно-измерительные и управляющие системы. 2008. №3.
15. Омату С., Халид М., Юсоф Р. Нейроуправления и его приложения. М.: ИПРЖР, 2000. Серия Нейрокомпьютеры и их применение. Книга 2. 20 июня 2008 г.
16. David A.W., Donald A.S. Handbook of Intelligent Control. Van Nostrand Reinhold, New York, 1992.

References

1. McCulloch W.S., Pitts W.A. logical calculus of ideas imminent in nervous activity // Bulletin Mathematical Biophysics. 1943. 5. P. 115.
2. Saerens M., Soquet A. Neural controller based on back-propagation algorithm. IEE Proc F 1991; 138(1): Pp. 55 – 62.
3. Goldenthal W., Farrell J. Application of neural network to automatic control. Proc AIAA Conference on Guidance Navigation and Control 1990. Pp.1108 – 1112.
4. Hunt K.J., Sbarbaro D., Zbikowski R., Gawthrop P.J. Neural networks for control systems –a survey. Automatica 1992; 28(6): Pp. 1083 – 1112.
5. Narendra K.S., Parthasarathy K. Identification and control of dynamical systems using neural networks. IEEE Trans Neural Networks 1990; 1(1). Pp. 4 – 27.
6. Rumelhart D., Hinton G., Williams R. Learning internal representation by error propagation. Distributed Parallel Processing. MIT Press, Cambridge, MA, 1986.
7. Minsky M., Papert S. Perceptrons. MIT Press, Cambridge, MA, 1969.
8. Peter Vas,Vector Control of Ac Machines, Clarendon press,1990.
9. Levin and Kumpati S.Narendra, «Control of Nonlinear Dynamical Systems Using Neural Networks: Controllability and Stabilization» IEEE Transactions on Neural Networks, Vol. 4, No. 2, March 1993.
10. Nguyen D., Widrow B. Neural networks for self-learning control systems. Int J Control 1991; 54(6): Pp. 1439 – 1451.
11. Basharin, A. V., Novikov, V.A., Sokolovskiy, G. G. Control of electrical drives: Textbook for higher educational institution. L: Energoizdat. Leningrad branch, 1982. 392p.
12.Galushkin A.I. Neuro-control fundamentals //Neuro-computer. 2002. No. 9 – 10. Pp.. 87 – 106.
13.Terekhov V.A., Efimov, D.V., Tukin I.Ju. Neural network control system. M.:
Higher school. 2002. P. 183
14.Psichopov V.H., Shanin D.A., Medvedev, M.Ju. Construction of neural network controllers
for the synthesis of adaptive control systems // M: Information-measuring and control systems. 2008. No.3
15. Omatu S., Khalid M., Jusof R. Neuro-control and its applications. M: IPRZR, 2000. Neurocomputers and their application series. Book 2. June 20, 2008
16.David A.W., Donald A.S., Handbook of Intelligent Control. Van Nostrand Reinhold, New York, 1992.

Комментарии посетителей сайта

    Функция комментирования доступна только для зарегистрированных пользователей


    Авторизация


    регистрация

    Сагдатуллин А.М.

    Сагдатуллин А.М.

    аспирант

    Альметьевский государственный нефтяной институт

    Просмотров статьи: 1701

    Рейтинг@Mail.ru

    admin@burneft.ru