Sieci neuronowe radialne w estymacji zmiennych stanu nieliniowego układu dwumasowego

• Autorzy: Kamiński M. , Orłowska-Kowalska T.

Warianty tytułu

EN

Radial basis function neural network for state variable estimation of the nonlinear two-mass drive

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano zastosowanie sieci neuronowych typu RBF (Radial Basis Function) jako estymatorów zmiennych stanu układu napędowego z połączeniem sprężystym. Model napędu zastosowany w badaniach został rozszerzony o elementy nieliniowe uwzględniające zjawisko tarcia oraz luzu na wale łączącym silnik z maszyną roboczą. Przedstawione zosta)y poszczególne etapy projektowania neuronowych estymatorów zmiennych stanu badanego układu napędowego. Informacje uzyskiwane za pomocą sieci neuronowych wykorzystywane są w rozszerzonej strukturze sterowania napędem dwumasowym z połączeniem sprężystym. Przeprowadzone badania obejmują testowanie dokładności odtwarzania momentu skrętnego oraz prędkości obciążenia napędu, w szerokim zakresie zmian prędkości zadanej układu i momentu obciążenia. Wykonano badania przedstawiające wpływ liczby neuronów w warstwie ukrytej oraz zastosowanej funkcji radialnej na dokładność estymacji wybranych zmiennych stanu. Przedstawiono oddziaływanie zmian mechanicznej stałej czasowej obciążenia na jakość odtwarzania prezentowanych estymatorów.

EN

In the paper application of the radial basis function neural networks to mechanical state variable estimation of the drive system with elastic coupling is presented. The mathematical model of the drive system was expanded by using nonlinear elements related to the backlash and the friction phenomena. The main stages of the design methodology of neural estimators of the torsional torque and the load machine speed were presented. The signals estimated by neural networks were used in the control structure of the drive system with elastic joint. The simulation results show good precision of both presented neural estimators for wide range of changes of the reference speed and load torque. Furthermore, the simulation tests show influence of numbers of hidden neurons and type of activation functions on the precision of estimation. The succeeding results show robustness of neural estimators against changes of mechanical time constant of the load machine.

Słowa kluczowe

PL

sieci neuronowe radialne; estymatory neuronowe; układ dwumasowy

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
• Rocznik: 2007
• Tom: Vol. 60, nr 27
• Strony: 140--157
• Opis fizyczny: Bibliogr. 8 poz.

Twórcy

autor

Kamiński M.

autor

Orłowska-Kowalska T.

• Politechnika Wrocławska, Instytut Maszyn, Napędów i Pomiarów Elektrycznych, 50-372 Wrocław, ul. Smoluchowskiego 19

Bibliografia

• [1] GIERLOTKA K., Układy sterowania napadów elektrycznych z elementami sprężystymi, Zeszyty Naukowe Politechniki Śląskiej, Nr 1181, Gliwice, 1992.
• [2] ORŁOWSKA-KOWALSKA T., KAMIŃSKI M., SZABAT K., Optimization of the Neural State Variable Estimators for the Two-mass Drive Systems, Proc. of 16th EDPE Confer., Slovak Rep., 2007 (on CD).
• [3] ORŁOWSKA-KOWALSKA T., SZABAT K., Neural-Network Application for Mechanical Variables Estimation of a Two-Mass Drive System, IEEE Trans, on Ind. Electr., Vol. 54, No. 3, 2007, p. 1352-1364.
• [4] ORŁOWSKA-KOWALSKA T., SZABAT K., Vibration Suppression in Two-Mass Drive System using PI Speed Controller and Additional Feedbacks - Comparative Study, Trans, on Industrial Electronics, Vol. 54, No.2, 2007, p. 1193-1206.
• [5] SZABAT K., ORŁOWSKA-KOWALSKA T., Analysis of the algorithmic methods of state variables estimation for the drive system with elastic joint, in: Monograph "Computer Applications in Electrical Engineering", Part II, Poznan University of Technol., AL WERS Press, Poznan, 2006, p. 99-116.
• [6] ORŁOWSKA-KOWALSKA T., KAMIŃSKI M., Zastosowanie metody OBD do optymalizacji struktury neuronowych estymatorów zmiennych stanu napędu dwumasowego, Mater. VIII Kraj. Konfer. Sterowanie w Energoelektronice i Napędzie Elektrycznym SENE'2007, Łódź, 2007
• [7] ZHANG A., ZHANG L., RB F neural networks for the prediction of building interference effects, Elsevier, Computers&Structures, vol. 82, 2004, p. 2333-2339.
• [8] OSOWSKI S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006.