Metoda early stopping w optymalizacji neuronowych estymatorów zmiennych stanu Układu napędowego z połaczeniem elastycznym

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

Warianty tytułu

EN

Early stopping method in optimization of the neural state Variables estimators of the drive system with elastic joint

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano neuronowe estymatory zmiennych stanu napedu elektrycznego z połaczeniem spreżystym. Sieci neuronowe zastosowane zostały do odtwarzania momentu skretnego napedu oraz prędkości silnika obciażajacego. Przeprowadzona została analiza wpływu metody wczesnego zatrzymania procesu uczenia (early stopping) na jakosc odtwarzania zmiennych stanu. Charakterystyczna cecha tej metody jest brak ingerencji w strukture sieci neuronowej oraz algorytmu treningowego. Zastosowanie tej procedury na etapie projektowania estymatorów neuronowych ma na celu zwiekszenie dokładności odtwarzania poszczególnych sygnałów oraz uzyskanie odpornosci na zakłócenia zewnetrzne (zmiany parametrów obiektu, załaczanie momentu obciażenia). Przedstawiono wyniki badań symulacyjnych i eksperymentalnych ilustrujacych efektywnosc proponowanej metody optymalizacji sieci neuronowych.

EN

In the paper neural estimators of state variables of the electrical drive with elastic coupling are presented. Neural network were applied for the estimation of the shaft torque and angular speed of the load machine. An analysis of an early stopping method under training process of neural networks on the estimation quality was performed. The characteristic feature of this method is a lack of influence on the neural network structure and training algorithm. Application of this procedure during the design stage of neural networks improves significantly the estimation quality and robustness (to changes of the system parameters, changes of the load torque) of the proposed neural estimators of the two-mass system. Simulation and experimental tests illustrating the effectiveness of the proposed method are demonstrated.

Słowa kluczowe

PL

napęd dwumasowy; estymatory neuronowe; metody uczenia

EN

drive dwumasowy; neural estimators; learning methods

• Wydawca: Oficyna Wydawnicza Politechniki Wrocławskiej
• Czasopismo: Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
• Rocznik: 2009
• Tom: Vol. 63, nr 29
• Strony: 202--216
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Kamiński M.

autor

Orłowska-Kowalska T.

• Politechnika Wrocławska, Instytut Maszyn, Napędów i Pomiarów Elektrycznych, 50-370 Wrocław, ul. Smoluchowskiego 19,

Bibliografia

• [1] SZABAT K., Struktury sterowania elektrycznych układów napędowych z połaczeniem spreżystym. Prace Naukowe IMNiPE PWr., nr 61, ser.: Monografie nr 19, Wrocław 2008,.
• [2] 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, 2007, vol. 54, no.2, pp. 1193-1206.
• [3] ORŁOWSKA-KOWALSKA T, KAMINSKI M., Zastosowanie wrażliwościowej metody optymalizacji OBS do projektowania neuronowych estymatorów zmiennych stanu napędu z połaczeniem elastycznym, item
• [4] ORŁOWSKA-KOWALSKA T, SZABAT K., State Feedback Control of Two-Mass System with State Estimators, Proc. of the 14th Electrical Drives and Power Electronics Conf. EDPE’2003, Slovak Rep., 2003, on CD.
• [5] ORŁOWSKA-KOWALSKA T., SZABAT K., Neural Networks Application for Mechanical Variables Estimation of Two-Mass Drive System, Trans. on Industrial Electronics, vol. 54, no. 3, 2007, pp. 1352-1364
• [6] MORGAN N., BOURLARD H., Generalization and parameter estimation in feedforward nets: some experiments, Advances in neural information processing systems 2, Morgan Kaufmann Publishers Inc., 1990, pp. 630-637.
• [7] WEBB A. R., Functional approximation by feed-forward networks: a least-squares approach to generalization, IEEE Transactions on Neural Networks, May 1994, vol. 5, no. 3, pp. 363-371.
• [8] OSOWSKI S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, 2006.
• [9] PRECHELT L., Early Stopping-But When?, Advances in neural information processing systems 2, Morgan Kaufmann Publishers Inc., Neural Networks: Tricks of the Trade, Lecture Notes In Computer Science, 1998,vol. 1524, pp. 55-69.
• [10] NEUNEIER R., ZIMMERMANN H. G., How to Train Neural Networks, Neural Networks: Tricks of the Trade, November 1998, Springer Verlag, vol. 1524, pp. 373 - 423.
• [11] TEIXEIRA L.A., OLIVEIRA F.T.G., OLIVEIRA A.L.I., BASTOS FILHO C.J.A., Adjusting Weights and Architecture of Neural Networks through PSO with Time-Varying Parameters and Early Stopping, Proc. of IEEE 10th Brazilian Symposium on Neural Networks, 2008, pp. 33-38.