Odtwarzanie zmiennych stanu układu napędowego z połączeniem sprężystym za pomocą sieci neuronowych z redukcją połączeń synaptycznych

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

Warianty tytułu

EN

Neural estimators with reduction of synaptic connections for state variables estimation of nonlinear two-mass drive system

• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano neuronowe estymatory prędkości obciążenia oraz momentu skrętnego zastosowane w nieliniowym układzie napędowym z połączeniem sprężystym. Przedstawione zostały poszczególne etapy projektowania estymatorów neuronowych oraz analiza wpływu złożoności struktury sieci neuronowej na jakość odtwarzania wybranych zmiennych stanu. W celu zwiększenia dokładności odtwarzania przez opracowane estymatory zastosowano metodę redukcji połączeń synaptycznych opartą na ocenie wartości bezwzględnej współczynników wagowych sieci. Zaprojektowane estymatory przebadano symulacyjnie, a następnie uzyskane wyniki zweryfikowano poprzez badania eksperymentalne na obiekcie rzeczywistym.

EN

In this paper neural estimators of the load speed and shaft torque for nonlinear drive system with elastic joint are presented. The design details of neural state estimators and analysis of the influence of complexity of NN topology on state variable estimation errors are shown. To improve quality of estimation, magnitude based pruning is implemented. Between each parts of training algorithm synaptic connections with the smallest magnitude value are removed. The simulation results for both estimators before and after weight elimination are presented. Afterwards, for verifying obtained results, the best estimators.

Słowa kluczowe

PL

układ dwumasowy; napęd elektryczny; tłumienie drgań; estymator neuronowy; sieci neuronowe; optymalizacja

EN

two-mass drive system; optimalization; neural estimators

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
• Rocznik: 2008
• Tom: Vol. 62, nr 28
• Strony: 396--405
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Kamiński M.

autor

Orłowska-Kowalska T.

• Politechnika Wrocławska, Instytut Maszyn, Napędów i Pomiarów Elektrycznych, ul. Wybrzeże Wyspiańskiego 27, 50-370 Wrocław,

Bibliografia

• [1] ZHANG G., FURUSHO J., Speed Control of Two-Inertia System by PI/PID Control, IEEE Trans on Industrial Electronics, Vol. 47, No. 3, 2000, pp. 603-609. .
• [2] ORLOWSKA-KOWALSKA T., SZABAT K., Vibration Suppression in Two-Mass Drive Systt^ using PI Speed Controller and Additional Feedbacks - Comparative Study, Trans, on Indusf Electronics, Vol. 54, No. 2, 2007, pp. 1193-1206.
• [3] ORLOWSKA-KOWALSKA T., Bezczujnikowe układy napędowe z silnikami indukcyjnymi, Ser. Postępy Napędu Elektrycznego i Energoelektroniki KE PAN, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław, 2003
• [4] SZABAT K., ORLOWSKA-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 Univ. of Technol., ALWERS Press, Poznan, 2006, pp. 99-116.
• [5] ORLOWSKA-KOWALSKA T., SZABAT K., Neural-Network Application for Mechanical Variables Estimation of a Two-Mass Drive System, IEEE Trans, on Industrial Electronics, Vol. 54, No. 3, 2007, pp. 1352-1364.
• [6] ORLOWSKA-KOWALSKA T., KAMIŃSKI M., SZABAT K., Optimization of the Neural State Variable Estimators for the Two-mass Drive Systems, Proc. of 16th EDPE Confer., High Tatras, Slovak Republic, 2007 (on CD)
• [7] ORLOWSKA-KOWALSKA T., KAMIŃSKI M., Zastosowanie metody OBD do optymalizacji struktury neuronowych estymatorów zmiennych stanu napędu dwumasowego, Mater. VIII Kraj. Konfer. SENE'2007. Łódź, 2007, s. 359-366
• [8] OSOWSKI S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006.
• [9] LE CUN Y., DENKER J.S., SOLLA S.A., Optimal Brain Damage, AT&T Bell Laboratories, 1990
• [10] HASSIBI B., STORK D.G., WOLFF G.J., Optimal brain surgeon and general network pruning, CRC- TR-9235, RICOH California Research Center, 1990.
• [11] HANCOCK P.J.B., Pruning Neural Nets by Genetic Algorithm, Proc. of the Int. Confer, on Artificial Neural Networks, Brighton, UK, 1992, pp. 991-994