Please use this identifier to cite or link to this item: http://repository.kpi.kharkov.ua/handle/KhPI-Press/40914
Title: Синтез електромеханічних систем з нейронною мережею та фрикційним навантаженням
Other Titles: Synthesis of electromechanical systems with a neural net-work and frictional loading
Authors: Обруч, Ігор Володимирович
Science degree: кандидат технічних наук
Thesis level: кандидатська дисертація
Code and name of the discipline: 05.09.03 – електротехнічні комплекси та системи
Thesis department: Спеціалізована вчена рада Д 64.050.04
Thesis grantor: Національний технічний університет "Харківський політехнічний інститут"
Scientific advisor: Клепіков Володимир Борисович
Committee members: Клепіков Володимир Борисович
Сокол Євген Іванович
Івахно Володимир Вікторович
Keywords: електропривод; електромеханічна система; нейронна мережа; активаційна функція; генетичний алгоритм; нелінійне фрикційне навантаження; автореферат дисертації; electric drive; electromechanical system; neural network; activation function; genetic algorithm; nonlinear friction load
УДК: 681.511.4
Issue Date: 2019
Publisher: Національний технічний університет "Харківський політехнічний інститут"
Citation: Обруч І. В. Синтез електромеханічних систем з нейронною мережею та фрикційним навантаженням [Електронний ресурс] : автореф. дис. ... канд. техн. наук : спец. 05.09.03 / Ігор Володимирович Обруч ; [наук. керівник Клепіков В. Б.] ; Нац. техн. ун-т "Харків. політехн. ін-т". – Харків, 2019. – 20 с. – Бібліогр.: с. 15-17. – укр.
Abstract: Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.09.03 – "Електротехнічні комплекси та системи". Національний технічний університет "Харківський політехнічний інститут", Міністерство освіти і науки України, Харків, 2019. Дисертаційна робота присвячена синтезу електромеханічних систем з нейронною мережею типу персептрон та фрикційним навантаженням, яке в реальних електроприводах носить нелінійний характер і проявляється в електромеханічних системах у вигляді фрикційних автоколивань. АКФ – особливий режим роботи електроприводів, негативно впливає на його функціонування. Існують різні способи усунення фрикційних автоколивань в електроприводі. В даній роботі, на основі проведених досліджень, запропонована нова методика усунення фрикційних автоколивань та вдосконалення динамічних властивостей електромеханічних систем за допомогою нейрорегуляторів, які побудовані на базі багатошарових прямоспрямованих нейронних мереж типу персептрон, синтезованих з використанням методу генетичного алгоритму. В дисертаційній роботі обґрунтовано вибір структури та методу навчання нейронної мережі, вибір зворотних зв'язків автоматизованої системи управління, отримані математичні моделі одномасовї та двомасової електромеханічних систем з нейромережевим регулятором в безрозмірних параметрах, а також отримані моделі електроприводів з урахуванням нелінійності механічних характеристик навантаження. Проведено аналіз впливу параметрів об'єкта управління на динамічні режими роботи синтезованих одно- та двомасових електро-механічних систем з нейронною мережею. Запропановано новий критерій навчання нейронних мереж та розроблена методика синтезу нейромережевих регуляторів електромеханічних систем з не-лінійним тертям. Розроблена методика апробована на прикладах синтезу різних електроприводів постійного та змінного струму конкретних машин і механізмів з використанням відповідних їм реальних даних. Приведені в дисертаційній роботі приклади пов'язані з виконанням бюджетних питань за планами МОН України та ініціативної тематики за запитами підприємств. Показана ефективність використання нейронних мереж для широкого різноманіття електроприводів машин і механізмів.
Thesis for the degree of candidate of technical sciences in the specialty 05.09.03 "Electrotechnical complexes and systems" – National Technical University "Kharkov Polytechnic Institute", Ministry of Education and Science of Ukraine, Kharkov, 2019. The thesis is devoted to the synthesis of electromechanical systems with a per-ceptron neural network and frictional load, which is nonlinear in real electric drives and materialize in electromechanical systems in the form of friction self-oscillations. Friction self-oscillations is a special electric drives operation mode, adversely affecting its functioning. There are various ways to eliminate the friction self-oscillations in the electric drive. A new technique for eliminating of frictional self-oscillations and electromechanical systems dynamic properties improving by using neuro-regulators, which are based on multi-layer headon neural perceptron network, synthesized by the genetic algorithm method, is proposed in the thesis. The choice of structure, neural network teaching method, and the choice of the automated control system feedbacks is motivated. Mathematical models of one-mass and two-mass electromechanical systems with a neural network controller in dimensionless generalized parameters, and also models of electric drives taking into account the load mechanical characteristic nonlinearity are obtained. The control object parameters influence analysis on the dynamic modes of the synthesized one- and two-mass electromechanical systems with a neural network is carried out. A new criterion for neural networks teaching has been proposed and a technique for the electromechanical systems with nonlinear friction neural network regulators synthesis has been developed. The developed technique was tested by synthesis of various DC and AC electric drives of specific machines and mechanisms using the corresponding real data. The examples cited in the thesis are related to the researches according to the plans of the Ministry of Education and Science of Ukraine and the initiative themes requested by enterprises. The efficiency of neural networks using for a wide variety of electric drives of machines and mechanisms is shown.
URI: http://repository.kpi.kharkov.ua/handle/KhPI-Press/40914
Appears in Collections:05.09.03 "Електротехнічні комплекси та системи"

Files in This Item:
File Description SizeFormat 
avtoreferat_2019_Obruch_Syntez_elektromekh_system.pdf1,33 MBAdobe PDFThumbnail
View/Open
Show full item record  Google Scholar



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.