Искусственная нейронная сеть как инструмент исследования переходных процессов в асинхронных двигателях
На правах рукописи
АНТОНЕНКОВ АРКАДИЙ ВАЛЕРЬЕВИЧ
ИСКУССТВЕННАЯ НЕЙРОННАЯ СЕТЬ КАК ИНСТРУМЕНТ ИССЛЕДОВАНИЯ ПЕРЕХОДНЫХ ПРОЦЕССОВ В АСИНХРОННЫХ ДВИГАТЕЛЯХ
Специальность 05.09.01 –
Электромеханика и электрические аппараты
АВТОРЕФЕРАТ
диссертации на соискание ученой степени
кандидата технических наук
Москва 2009 г.
Работа выполнена в филиале ГОУ ВПО «МЭИ (ТУ)» в г. Смоленске на кафедре «Электромеханические системы»
Научный руководитель:
кандидат технических наук, доцент МАКСИМКИН
Виктор Леонидович
Официальные оппоненты:
доктор технических наук, профессор ЛИТВИН
Валерий Иванович
кандидат технических наук, доцент ЛАДЫГИН
Анатолий Николаевич
Ведущее предприятие – ОАО «Сафоновский электромашиностроительный завод» (г. Сафоново, Смоленская область)
Защита диссертации состоится «20» марта 2009 г. на заседании диссертационного совета Д 212.157.15 при Московском энергетическом институте (Техническом университете) в аудитории Е-205 в 13 час. 00 мин. по адресу: 111250, Москва, Красноказарменная ул., д.13.
Отзывы в двух экземплярах, заверенные печатью, просим направлять по адресу: 111250, Москва, Красноказарменная ул., д.14, Учёный Совет МЭИ (ТУ).
С диссертацией можно ознакомиться в библиотеке МЭИ (ТУ).
Автореферат разослан «___» _______ 2009 г.
Ученый секретарь
диссертационного совета
Д 212.157.15
к.т.н., доцент М.В. РЯБЧИЦКИЙ
ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность темы. В настоящее время асинхронные двигатели (АД) являются самым массовым видом продукции электротехнической промышленности не только России, но и многих зарубежных стран. Это объясняется многими причинами, наиболее важными из которых являются невысокая стоимость, простота конструкции и высокая надежность.
АД в основном создавались как серийные машины и одним из условий их разработки являлось и зачастую является то, что нагрузочные моменты двигателей постоянны (детерминированные функции времени). Однако, очень часто реальный нагрузочный момент (Мс) оказывается случайно изменяющейся величиной и зависит от многих факторов (физико-механических свойств обрабатываемого материала, частоты вращения рабочих органов, производительности машины и т. д., вносящих элемент случайности в работу двигателя). Все это ведет к значительному сокращению срока службы двигателей. В то же время, все известные методики исследования динамики нелинейных систем основываются на различных математических методах решения систем дифференциальных уравнений, описывающих работу АД, требующих больших объемов вычислений.
Таким образом, создание новой методики, позволяющей быстро и эффективно проводить детальное исследование переходных процессов в АД, момент нагрузки которых случайным образом изменяется во времени, позволит более эффективно использовать АД в различных электроприводах, а также повысит их надежность.
Одной из наиболее динамично развивающихся является технология нейросетевых структур, которые обладают рядом важных положительных свойств, таких как быстродействие, обучаемость, апроксимационные свойства и т.д.
Важным преимуществом использования аппарата искусственных нейронных сетей является способность к самообучению, что избавляет от необходимости использования сложного математического аппарата, традиционно применяемого при исследовании влияния стохастического нагружения на работу АД.
Кроме этого:
- параллельная работа огромного числа простых вычислительных устройств дает огромное быстродействие;
- высокая помехо- и отказоустойчивость нейронных сетей;
- простая структура отдельных нейронов позволяет использовать новые физические принципы обработки информации для аппаратных реализаций нейронных сетей.
Цель работы и задачи исследований. Целью настоящей работы является создание на базе нейросетевых технологий методики исследования переходных процессов в асинхронных двигателях, работающих в режиме стохастического нагружения.
Научная новизна. Научная новизна проведенных исследований заключается в следующем:
- продемонстрирована возможность использования искусственных нейронных сетей в задачах электромеханики;
- проведена исследовательская работа, направленная на получение оптимальной структуры искусственной нейронной сети для исследования переходных процессов в асинхронных двигателях;
- разработаны алгоритм и программа расчета обучающих выборок электромагнитных, электромеханических и тепловых величин асинхронного двигателя;
- разработана методика, основанная на нейросетевых технологиях, позволяющая быстро и эффективно исследовать переходные процессы в асинхронном двигателе, работающем в режиме случайного нагружения;
- решена задача синтеза нейронной сети и модели реального двигателя;
- определено влияние вида и параметров корреляционной функции момента нагрузки на эксплуатационные характеристики АД;
- определено влияние геометрических размеров АД на тепловое состояние при нагрузке, описываемой случайной стационарной функцией;
- выработаны рекомендации по проектированию двигателей для режима стохастического нагружения.
Практическая ценность. Полученные в работе положения, устанавливающие связь между традиционными методами исследования переходных процессов в АД и методом на основе нейросетевого подхода, позволяют существенно сократить объем теоретических и экспериментальных исследований, что дает возможность значительно снизить временные затраты на проведение проектно-изыскательских работ.
Методы исследований. При решении поставленных задач использовались следующие методы исследований: математическое моделирование переходных процессов, нейросетевое моделирование переходных процессов. Круг рассматриваемых задач потребовал использования фундаментальных курсов теоретической электротехники, математического анализа, теории вероятностей, теории случайных функций, теории электрических машин, а также обзоров научных публикаций по нейросетевым технологиям и искусственному интеллекту. Все вычисления и графические построения производились на ПЭВМ с применением следующих программных продуктов и специализированных пакетов: MathCAD, MATLAB, NeuroPro 0.25, MS Office, CorelDraw.
На защиту выносятся следующие положения:
1) Разработка нейросетевой модели исследования переходных процессов в АД при продолжительной работе со случайной нагрузкой, описываемой стационарной функцией.
2) Результаты исследования по поиску оптимальной структуры искусственной нейронной сети для исследования переходных процессов в АД.
3) Программа расчета переходных процессов в АД в режиме случайного нагружения.
4) Исследование влияния вероятностных свойств нагрузочного момента АД на его эксплуатационные характеристики.
5) Исследование влияния основных размеров АД, работающего со случайной нагрузкой, на его тепловое состояние.
Апробация работы. Основные положения и результаты работы докладывались, обсуждались и получили одобрение на следующих конференциях: Девятой международной научно-технической конференции студентов и аспирантов “Радиоэлектроника, электротехника и энергетика” (г. Москва (МЭИ (ТУ)), 2003г.); Международной конференции “Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике” (г. Ульяновск (УлГТУ, 2004г.); Второй региональной научно-технической конференции студентов и аспирантов 13-14.04.2005 г. в г. Смоленске (филиал ГОУ ВПО «МЭИ (ТУ)»); Третьей межрегиональной научно-технической конференции студентов и аспирантов 19-20.04.2006 г. в г. Смоленске (филиал ГОУ ВПО «МЭИ (ТУ)»); ICEEE-2006 International Conference of Electromechanics, Electrotechnology and Electromaterial Science. Украина, Крым, пансионат «Дубна» Объединенного института ядерных исследований в г. Алуште, 18 – 23 сентября 2006 г; 6-ом международном симпозиуме «ЭЛМАШ-2006» 2-6 октября 2006 г. Подмосковье; ICEEE-2008 International Conference of Electromechanics, Electrotechnology and Electromaterial Science. Украина, Крым, пансионат «Дубна» Объединенного института ядерных исследований в г. Алуште, 29 сентября – 4 октября 2008 г.
Публикации. По теме диссертационной работы опубликовано 8 печатных работ.
Реализация результатов работы. Разработанные математические модели, алгоритмы и программы расчета используются на кафедре «Электромеханические системы» филиала ГОУ ВПО «МЭИ (ТУ)» в г. Смоленске в учебном процессе.
Структура и объем работы. Диссертация состоит из введения, трех глав, заключения и списка литературы. Объем работы составляет 130 страниц, в том числе 50 рисунков на 34-х страницах, 7 таблиц на 9-и страницах и 98 наименований списка литературы на 9-и страницах.
СОДЕРЖАНИЕ РАБОТЫ
Во введении обоснована актуальность использования нейросетевых моделей в области электромеханики, сформулирована цель работы, определены основные задачи исследований, показана их научная новизна, практическая значимость.
Первая глава посвящена анализу стохастической нагрузки как объекта изучения. Показано, что при исследовании переходных процессов в асинхронных двигателях, работающих со случайным моментом сопротивления, необходимо использовать математический аппарат теории случайных функций. Составлена сравнительная классификация процессов нагружения АД. Принимаются основные допущения работы.
Во второй части главы приводятся основные положения теории искусственных нейронных сетей. Описывается процесс их создания, обучения, функционирования и дальнейшего использования в конкретных задачах. Показана возможность их применения в электромеханике.
На основе проведенного анализа случайного момента нагрузки формируются изложенные ниже основные задачи диссертационной работы.
Вторая глава посвящена разработке унифицированной модели для исследования переходных процессов в АД при продолжительной работе со случайной нагрузкой.
Для стационарного случайного процесса нагружения АД найдено простое математическое представление функции момента нагрузки, абсолютно тождественное в пределах корреляционной теории:
. (1)
Здесь < Mc> – математическое ожидание (МО) случайного процесса; 3 – случайная фаза, представляющая собой равномерно распределенное на интервале (0,2) случайное число. Закон распределения случайной величины 2 зависит от вида корреляционной функции Mc(t). Закон распределения 1 произвольный. Моделируемый режим работы – АД механизма камнерезных машин. Случайному моменту этой нагрузки соответствует корреляционная функция (КФ) вида:
, (2)
где 
- коэффициент затухания.
Одна из возможных реализаций случайного процесса приведена на рис.1.
Созданию и обучению искусственных нейронных сетей предшествовала работа по поиску наиболее оптимальной структуры (парадигмы) сети. Было выяснено, что для решения поставленной задачи исследования асинхронного двигателя, работающего со случайной нагрузкой, описываемой стационарной функцией, лучше всего использовать однослойную прямонаправленную сеть (fast forward) с 15-ю нейронами (рис.2). Активационные функции слоев нейронной сети – тангенциальные (tansig). Причем данная структура ИНС подходит для расчетов электромагнитного процесса и теплового состояния АД.
Следующим важным этапом моделирования нейронной сети является выбор алгоритма обучения, поскольку качество идентификации нейросетевых моделей в значительной степени зависит от используемых на этапе синтеза обучающих процедур. Эффективность того или иного алгоритма определяется не только архитектурой нейросетевой модели, но и видом функционала качества. Кроме этого, определяющим фактором при определении алгоритма обучения является быстрота и точность расчета.
Сравнительная оценка алгоритмов обучения нейросетевых моделей показала, что наилучшее качество обучения достигается при использовании алгоритма минимизации Левенберга-Марквардта. Данный метод является в настоящее время одним из наиболее эффективных способов оптимизации функции нескольких переменных и потому активно используется при обучении искусственных нейронных сетей.
Рис. 1. Реализация случайной функции момента сопротивления (МО=1 о.е., СКО=0,2 о.е., 
)
Рис.2. Архитектура нейронной сети для расчета тепловых процессов
Дальнейшее моделирование искусственной нейронной сети было произведено в приложении Matlab Simulink. Время просчета одной реализации случайного момента нагрузки Mc(t) в тестовом режиме заняло в среднем 1-2 секунды. Модель, основанная на нейросетевых технологиях, для исследования переходных процессов в АД, работающего в режиме стохастического нагружения, представлена на рис.3.
В блоке Generator of Random Мс осуществляется генерирование случайного момента сопротивления. В блоке Mod_Mc for Artificial Neural Networks осуществляется модификация функции Mc в форму удобную для подачи на вход искусственной нейронной сети. Основные вычисления происходят в блоке Block of Artificial Neural Networks, который, в свою очередь, состоит из 22-х нейросетевых модулей. В блоках Predict_ml, Predict_mp, Predict_sst, Predict_rot, Predict_vvsh отображаются прогнозируемые значения температур перегрева отдельных частей асинхронного двигателя. Сравнение прогнозируемых результатов с рассчитанными (для температуры перегрева ml) представлено на рис.4. 
Рис. 3. Модель для исследования асинхронного двигателя, работающего в режиме стохастического нагружения
Рис.4. Сравнение расчетных значений ml с прогнозируемыми
Приведенная унифицированная модель для исследования переходных процессов в асинхронном двигателе, работающем в режиме стохастического нагружения, позволяет определить влияние параметров двигателя и случайного момента нагрузки на работу АД. В качестве математической модели случайного Mc(t), был выбран стационарный процесс с КФ типа (2) и
. (3)
В результате проведенных исследований выяснилось, что существенное влияние на вероятностные характеристики Mэ(t) и i(t) оказывают и параметры КФ входного процесса, в частности коэффициенты 
и 
(рис.5). Как видно из графиков, приведенных на рисунке, при уменьшении среднего значения Mc(t) кривые *=f(
) проходят ближе к оси абсцисс и становятся более пологими. В то же время, если рассматривается КФ вида (3) СКО электромагнитного момента при 
=40 с-1 оказывается в среднем на 20% меньше случая с КФ вида (2) (рис.6).
Параметры корреляционной связи 
и
оказывают влияние и на характеристики случайных функций температур перегрева обмоток двигателя. Зависимость СКО температуры перегрева лобовой части обмотки статора в зависимости от 
приведены на рис.7.
Следующим этапом исследования было определение влияния геометрических размеров асинхронного двигателя на его тепловое состояние при нагружении нагрузкой, описываемой случайной стационарной функцией. В качестве объектов исследования был выбран ряд асинхронных двигателей Pн=15–90кВт. Объектом варьирования была выбрана расчетная длина магнитопровода L. Изменения L можно достичь изменением внутреннего диаметра статора D, а также электромагнитной нагрузки А. Графики, демонстрирующие зависимости ml и mp, представлены на рис. 8 –9.
Было определено, что в случае изменения зависимости L/Da* (А, B = const) в интервале (0,6 – 1,45) происходит уменьшение СКО температуры перегрева обмотки статора. Причем, наиболее интенсивно этот процесс происходит в диапазоне (0,7 – 1,3) L/Da*. При L/Da* > 1,3 ml и mp практически не изменяются. В то же время, для АД исполнения IP44 c числом полюсов 2p=4 определены границы L/Da* (0,85 – 1,1). Таким образом, благотворное влияние на работу асинхронного двигателя оказывает увеличение L/Da* в среднем на 10-15% по сравнению с классическим интервалом.
Совсем иная картина наблюдается при изменении расчетной длины магнитопровода статора L путем изменения электромагнитной нагрузки А (D = const). В отличие от предыдущего случая, увеличение L оказывает негативное воздействие на тепловое состояние асинхронного двигателя, повышая ml и mp в среднем в 2,5 раза в интервале (1,1 – 1,3) (для А* в интервале (0,9 – 0,7)). Таким образом, наиболее благоприятный режим работы асинхронного двигателя достигается в интервале изменения L (0,8 – 1,0) (для А* в интервале (1,2 – 1,0)). При L < 0,8 (A > 1,2) ml и mp практически не изменяются. В данном случае видно, что благотворное влияние на работу асинхронного двигателя оказывает уменьшение L/Da* в среднем на 6% по сравнению с классическим интервалом.
Существенное влияние на диапазон допустимых значений температуры перегрева двигателя оказывают активные сопротивления обмоток (понижение r1 и увеличения r2), что видно из рис.10.
Рис.5. Зависимость *Мэ от параметра 
КФ 
Рис.6. Зависимость *Мэ от параметров 
,
1 - 
, 2 - 
Рис.7. Зависимость ml от параметра 
КФ 
Рис.8. Зависимость ml при изменении внутреннего диаметра статора D (А, B = const)
Рис.9. Зависимость ml при изменении электромагнитной нагрузки А (D = const)
Рис.10. Зависимость Мml от активных сопротивлений обмоток двигателя
Проведенные исследования показали, что разработанная нейросетевая модель для исследования переходных процессов в АД, работающем в режиме стохастического нагружения, дает приемлемые результаты при минимальных затратах машинного времени.
Была доказана возможность использования искусственных нейронных сетей для решения задач, возникающих на этапах проектирования и дальнейшей эксплуатации асинхронных двигателей, о чем свидетельствуют полученные результаты. Была разработана методика, основанная на технологии ИНС, позволяющая исследовать АД при случайном моменте нагрузки.
Третья глава посвящена созданию экспериментальной установки для исследования АД, работающего со случайной нагрузкой. Проведена экспериментальная оценка разработанной нейросетевой модели. Даны рекомендации по проектированию асинхронных двигателей с учетом стохастического характера Мс.
Для проверки адекватности созданной нейросетевой модели для исследования переходных процессов в асинхронном двигателе предлагается нагрузить АД гармонической нагрузкой, являющейся частным случаем случайной стационарной согласно выражению (1).
Исходя из условия, что нагрузкой для АД в лабораторных условиях является генератор постоянного тока, задача сводится к созданию схемы управления, встроенной в цепь обмотки возбуждения генератора и позволяющей изменять ток возбуждения по заданному гармоническому закону.
В качестве объекта испытания был взят электродвигатель с P2 = 37,5 кВт, nc = 750 об/мин.
Для определения температуры нагрева лобовых частей обмотки статора Тml асинхронного двигателя, работающего в режиме стохастического нагружения был использован метод встроенных термодатчиков.
Следующим шагом было нагружение асинхронного двигателя гармонически изменяющимся моментом сопротивления. Для этого на обмотку возбуждения генератора был подан ток, графически представленный на рис.11.
Рис.11. Осциллограммы значений напряжения и тока в обмотке возбуждения генератора
Частота изменения тока возбуждения fв = 18 Гц. Диапазон изменения тока возбуждения Iв = ±0,25Iвн (±0,55 А).
Следующим этапом было создание нейронного предиктора на основе разработанной нейросетевой модели. Для проведения эксперимента математическая модель была упрощена, поскольку исследовалась только одна температура нагрева лобовых частей обмотки статора.
Характеристики ИНС:
1). Тип ИНС – сеть прямого действия (newff).
2). Количество нейронов скрытого слоя -10.
3). Количество циклов обучения (epochs) – 800.
4). Активационная функция скрытого слоя – гиперболический тангенс (tansig).
5). Активационная функция выходного слоя – линейная (purelin).
6). Заданная ошибка расчета (goal) – 0.
Обучение нейроэмулятора было проведено с использованием численного алгоритма Левенберга-Марквардта. Полученные экспериментальные результаты представлены на рис.12.
Рис.12. Сравнение экспериментально полученных значений Tml с прогнозируемыми
Проведенные исследования показали, что разработанная методика исследования АД, работающего со случайным моментом сопротивления, дает приемлемые результаты.
ЗАКЛЮЧЕНИЕ
В диссертационной работе решалась актуальная проблема создания на базе нейросетевых технологий методики исследования асинхронных двигателей, работающих в режиме стохастического нагружения. Получены следующие основные научные и практические результаты:
1) Выполнен аналитический обзор искусственных нейронных сетей для электромеханики, где их комплексное использование на всех уровнях иерархии интеллектуального управления дает возможность построения различных исследовательских моделей и алгоритмов с высокой степенью надежности.
2) Разработана унифицированная нейросетевая модель исследования переходных процессов в асинхронном двигателе, работающем со случайной стационарной нагрузкой.
3) Проведено исследование влияния параметров двигателя и случайной функции нагрузочного момента на электромагнитное и тепловое состояния асинхронного двигателя. Было определено, что существенное влияние на вероятностные характеристики Mэ(t) и i(t) оказывают параметры КФ случайного процесса нагружения, в частности коэффициенты 
и 
.
4) Проведено исследование ряда асинхронных двигателей Pн=15–90 кВт. Определено, что на тепловое состояние АД при нагрузке, описываемой случайной стационарной функцией, существенное влияние оказывает изменение геометрических размеров АД.
5) На основе проведенных исследований выработаны рекомендации по проектированию асинхронных двигателей, предназначенных для режимов стохастического нагружения.
Основное содержание диссертации отражено в следующих работах.
1. Беспалов В. Я., Максимкин В.Л., Антоненков А.В. Применение искусственных нейронных сетей для исследования асинхронного двигателя, работающего со случайной нагрузкой // Известия высших учебных заведений «Электромеханика». – 2008. – №1. – С. 57-59.
2. Максимкин В.Л., Антоненков А.В. Применение искусственной нейронной сети для исследования асинхронного двигателя со случайным характером нагружения // Радиоэлектроника, электротехника и энергетика: Тез. докл. девятой межд. науч.-техн. конф. студентов и аспирантов. 3-4 марта 2003 г. – М.: Изд-во МЭИ, 2003. – Т.4. – С. 4-5.
3. Максимкин В.Л., Антоненков А.В. Выбор оптимальной структуры искуственных нейронных сетей для исследования асинхронного двигателя со случайной нагрузкой // Континуальные алгебраические логики, исчисления и нейроинформатика в науке и технике: Тез. докл. межд. конференции. 18-20 мая 2004 г. – Ульяновск: УлГТУ, 2004. – Т.3. – С. 92-93.
4. Максимкин В.Л., Антоненков А.В. Программная реализация искусственной нейронной сети асинхронного двигателя со случайным характером нагружения // Информационные технологии, энергетика и экономика: Тез. докл. второй региональной науч.-техн. конференции студентов и аспирантов. 13-14 апреля 2005 г. – Смоленск: Изд-во СФМЭИ, 2005. – Т.2. – С. 11-12.
5. Максимкин В.Л., Антоненков А.В. Искусственная нейронная сеть как инструмент решения систем дифференциальных уравнений // Информационные технологии, энергетика и экономика: Тез. докл. третьей региональной науч.-техн. конференции студентов и аспирантов. 19-20 апреля 2006 г. – Смоленск: Изд-во СФМЭИ, 2005. – Т.1. – С. 23-24.
6. Беспалов В.Я., Максимкин В.Л., Антоненков А.В. Искусственная нейронная сеть как инструмент исследования теплового состояния асинхронного двигателя со случайным моментом нагрузки // Нетрадиционные электромеханические и электрические системы: Сб. тр. межд. конф. 18-23 сентября 2006 г. – Алушта, Украина, 2006. – Т.1. – С. 127-128.
7. Беспалов В.Я., Максимкин В.Л., Антоненков А.В. Способ исследования переходных процессов в асинхронных двигателях // Перспективы и тенденции развития электротехнического оборудования: Сб. тр. шестого межд. симпозиума «ЭЛМАШ-2006». 2-6 октября 2006 г. – Москва, 2006. – Т. 2. – С. 172-176.
8. Беспалов В.Я., Максимкин В.Л., Антоненков А.В. Применение нейросетевых технологий для исследования асинхронного двигателя в режиме случайного нагружения // Нетрадиционные электромеханические и электрические системы: Сб. тр. межд. конф. 29 сентября-4 октября 2008 г. – Алушта, Украина, 2008. – Т.1. – С. 116.
