2022

Постійне посилання на фонд

https://eir.nuos.edu.ua/handle/123456789/6116

Переглянути

Перегляд 2022 за Автор "Hobatiuk, Tetiana P."

Зараз показуємо 1 - 1 з 1
  • Ескіз
    Документ
    Нейромережевий регулятор напруги авіаційного енерговузла змінного струму
    (2022) Єнчев, С. В.; Захарченко, В. П.; Гобатюк, Т. П.; Yenchev, Serhii V.; Zakharchenko, Viktor P.; Hobatiuk, Tetiana P.
    Розвиток авіаційних електрифікованих комплексів призводить до збільшення споживачів електричної енергії. Підвищується встановлена потужність обладнання, що призводить до загального збільшення енергоспоживання літака, на тлі зростаючих вимог до якості електричної енергії. В авіаційних системах електропостачання змінного струму широке застосування отримали безконтактні синхронні генератори з обертовими випрямлячами, в яких використовуються регулятори напруги за відхиленням. У статті розглядається перспективне комбіноване регулювання напруги: за відхиленням і збуренням з використанням штучних нейронних мереж. Основне завдання ‑ розробка математичної моделі та аналіз комбінованого інтелектуального нейромережевого регулятора напруги авіаційного синхронного безконтактного генератора, що забезпечує підвищення якості електричної енергії. Сформовано математичну модель авіаційного синхронного безконтактного генератора, що складається з основного синхронного генератора з обертовим явнополюсним індуктором, збуджувача – шестифазного синхронного генератора з випрямлячем та підзбуджувача – трифазного магнітоелектричного генератора. Отримано основні математичні співвідношення, які пов’язують вихідну напругу генератора від керувального впливу – сигналу керування нейронної мережі. Розроблено структурну схему комбінованої нейромережевої системи регулювання з двома контурами регулювання: за відхиленням – вихідної напруги; за збуренням – струм генератора. Для навчання нейронної мережі використовуються регулювальні характеристики генератора. Була розроблена тришарова мережа зворотного поширення, яка містить 4 нейрони у вхідному шарі; 55 нейронів у прихованому шарі; 1 нейрон у вихідному шарі. В якості навчального алгоритму використано алгоритм Левенберга-Марквардта з похибкою навчання 0,001. Проведено моделювання керування напругою на базі нейронної мережі для оцінки її реакції на одиничну функцію. Результати моделювання показують, що час регулювання напруги складає 0,09 с, а похибка регулювання не перевищує 2%. Тобто, система регулювання з нейронною мережею забезпечує високу якість перехідних процесів.