2023
Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/63222
Переглянути
4 результатів
Результати пошуку
Документ Експериментальна апробація робочих режимів імітатора сонця Sunbrick(Національний технічний університет "Харківський політехнічний інститут", 2023) Кіріченко, Михайло Валерійович; Зайцев, Роман Валентинович; Мінакова, Ксенія Олександрівна; Воробйов, Богдан Віталійович; Шкода, Дмитро Сергійович; Лелюк, Станіслав ЮрійовичПроведено введення в експлуатацію та експериментальна апробація технічних можливостей і режимів роботи та здійснені тестові вимірювання світлових вольт-амперних характеристик сонячних елементів за допомогою сучасного вимірювального комплексу на основі імітатора сонця Sunbrick. Реалізовано автоматизоване вимірювання світлових вольт-амперних характеристик сонячних елементів компенсаційним методом за допомогою вимірювального приладу Keithley 2400. В ході апробації вимірювального комплексу на основі імітатора сонця Sunbrick протестовано можливість відтворення різних режимів роботи імітатора та перевірено можливості керування випромінюванням як за енергетикою в діапазоні від 100 до 1100 Вт/м² так і за спектральним складом. Встановлено, що просторова нерівномірність освітлення для дослідженого приладу становить менше 2 % при площі освітлення понад 400 см² . Показано, що апробований вимірювальний комплекс дозволяє проводити автоматизовані дослідження сонячних елементів в режимах опромінення, що відповідають як наземним умовам опромінення так і в умовах заатмосферного сонячного випромінювання. Апробовано можливість індивідуального налаштування кожного з 36 каналів випромінюючого елементу в діапазоні від 400 до 1100 нм, що додає гнучкості в використанні імітатора сонця Sunbrick під час дослідження як сонячних елементів в цілому так і властивостей функціональних напівпровідникових матеріалів шляхом опромінення монохроматичним або змішаним освітленням. Показано, що за рахунок експресності проведення досліджень та можливості одразу візуалізувати виміряну вольт-амперну характеристику на екрані комп'ютера можна суттєво пришвидшити процес дослідження сонячних елементів. Так можна відразу проводити розподіл досліджених сонячних елементів за групами відносно їх ефективності та визначати присутність можливих дефектів або пошкоджень у їх структурі.Документ Вимірювання лінійної швидкості з використанням мобільної роботизованої платформи з комп'ютерним зором(Національний технічний університет "Харківський політехнічний інститут", 2023) Воробйов, Богдан Віталійович; Сенченко, Сергій Олександрович; Кириленко, Ярослав Олександрович; Ліхно, Ярослав Владленович; Хань, Лю; Кутовий, Юрій МиколайовичПредставлено підхід до інтеграції алгоритмів комп'ютерного зору в систему керування тяговими електроприводами залізничного транспорту. Він демонструє використання алгоритмів комп’ютерного зору для обчислення лінійної швидкості як альтернативи звичайним датчикам, таким як одометри коліс, GPS, DGPS та інерційні датчики, які можуть виявитися неефективними на слизькій поверхні та на низьких швидкостях. Як наслідок, ця стаття зосереджена на використанні лінійної швидкості як зворотного зв'язку в системі керування для підвищення енергоефективності під час старту та зупинки та запобігання пробуксовці коліс. Система керування електроприводом була успішно впроваджена та випробувана на робототехнічній платформі, розробленій для моделювання динамічної поведінки в реальних сценаріях залізничного транспорту. У статті детально описано процес розробки цієї робототехнічної платформи, яка використовується для імітації динамічних умов реального світу на залізничному транспорті. Запропонований алгоритм керування оцінкою швидкості оцінено на спеціально розробленому випробувальному стенді, що виявило його здатність прогнозувати швидкість з відносно високим ступенем точності. Крім того, представлений алгоритм оптичного потоку для оцінки швидкості, який оцінюється за допомогою спеціально розробленої випробувальної установки, що вказує на сильну кореляцію між прогнозованою швидкістю транспортного засобу та вимірюваннями точних оптичних кодерів. Дослідження також визначає оптимальний розмір вікна функції для оцінки швидкості оптичного потоку в реальному часі. Таким чином, цей підхід демонструє значний потенціал для точної оцінки швидкості. Поточні експерименти проводяться в різних реальних умовах, а майбутні дослідження спрямовані на розробку надійної автономної системи вимірювання швидкості. Інтеграція сучасних цифрових технологій комп'ютерного зору не тільки покращує тягові характеристики електроприводів, але й розширює можливості тягових електроприводів, щоб відповідати суворим вимогам промислового обладнання.Документ Оптимізація вибору ступіня складності моделі двигуна постійного струму для системи з використанням нейронної мережі(Національний технічний університет "Харківський політехнічний інститут", 2023) Воробйов, Богдан Віталійович; Сенченко, Сергій Олександрович; Рибаков, Вадим Костянтинович; Ліхно, Ярослав Владленович; Хань, ЛюПобудовано математичну та комп’ютерну модель системи керування моментом двигуна постійного струму з незалежним збудженням за допомогою нейроконтролера NARMA 2. NARMA – нелінійна авторегресійна модель ковзного середнього є однією з базових структур дискретної та нелінійної моделі. Завдання полягало в проведенні порівняльного аналізу роботи системи керування на основі нейроконтролера з використанням моделі об'єкта різного ступеня складності. Для експерименту було побудовано три моделі об'єкта з різним ступенем деталізації, а отже і надійності об'єкта. Повна модель включає модель двигуна постійного струму з незалежним збудженням, яка враховує всі основні параметри машини постійного струму, параметри внутрішнього тертя, кола збудження і т. д. Спрощена модель є лінійною апроксимацією двигуна постійного струму системою другого порядку, яка враховує як механічні, так і електричні постійні часу. Найпростіша модель є лінійною апроксимацією двигуна постійного струму аперіодичною ланкою першого порядку, яка враховує лише механічну постійну часу. Нейроконтролер був навчений за допомогою наведених вище моделей об'єктів та проведено експеримент, щоб опрацювати еталонний сигнал крутного моменту системою. Для кожного з трьох випадків навчання нейроконтролера було встановлено на 1000 епох, так як подальше підвищення продуктивності навчання є непотрібним через величезні втрати часу на обчислення. Було використано нейроконтролер NARMA-L2, який ще називають управлінням лінеаризації зворотного зв’язку. Цей контролер може бути реалізований за допомогою попередньо ідентифікованої моделі об’єкта NARMA-L2. Нейронні мережі, які навчені на спрощених моделях об’єктів не враховують більшість електричних процесів у двигуні постійного струму, особливо обмотка збудження взагалі не моделюється. Отримані результати порівнювали з використанням нейроконтролера як регулятора крутного моменту. Подальші дослідження в цьому напрямку передбачають дослідження необхідної обчислювальної потужності для мікропроцесорної реалізації нейроконтролера.Документ Система запобігання буксування електромобіля на основі контролера нейронної мережі(Національний технічний університет "Харківський політехнічний інститут", 2023) Воробйов, Богдан Віталійович; Сенченко, Сергій Олександрович; Пшеничников, Дмитро Олексійович; Ліхно, Ярослав Владленович; Хань, ЛюПобудовано функціональну схему системи запобігання буксування, побудовано математичну модель асинхронного електроприводу електромобіля, синтезовано нейрорегулятор. Асинхронний двигун вибраний по методу еквівалентної потужності, а за базову циклограму руху взято стандартний міський цикл WLT. Математична модель механічної частини побудована з урахуванням можливості моделювання пробуксування кожного з провідних коліс окремо з різними коефіцієнтами зчеплення. Модель складається з силового перетворювача, батареї, регулятора швидкості, регулятора моменту, асинхронного двигуна, гальмівного резистора, блоку формування задаючих сигналів, блоку механіки і блоків вимірювання. Внутрішня система управління побудована на базі DTC векторного управління з використанням блоків MatlabВ даній роботі використовується блок управління NARMA-L2, який міститься в Neural Network ToolboxTM. Було побудовано спрощену модель (модель об'єкта), вибрано параметри нейронної мережі, такі як кількість прихованих шарів, дискретизація, кількість вибірок і кількість епох для навчання нейронної мережі. Нейронна мережа навчалася з урахуванням лінеаризованої моделі об'єкта, що відображає якісний вид реальних процесів у системі. Не зважаючи на лінеаризацію системи, вихідний сигнал із мінімальною помилкою (близько 1%) відповідає вхідному. Проведено аналіз одержаних результатів навчання мережі. Проведено моделювання роботи системи без пробуксування та пробуксування одного з коліс. Результати моделювання порівнюються з помилкою, отриманою під час навчання нейронної мережі, а саме розбіжністю вихідних і вхідних сигналів. Модель не враховує бічний занос, тому можна спостерігати лише невідповідність швидкостей коліс та лінійну зміну швидкості електромобіля. Показано можливість використання тягового електроприводу з використанням методу інтелектуальних нейронних мереж у системі безпеки руху електромобіля. Зроблено висновок про працездатність та ефективність системи з використанням нейроконтролера для запобігання одного з можливих режимів прослизання.