СОВРЕМЕННЫЕ
ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
К.т.н Буянкин В.М.
Московскиу государственный технический
университет им. Н.Э.Баумана
.
Нейродиагностика
электропривода
Аннотация.
В статье
рассмотрены вопросы нейродиагностики и прогнозирования работоспособности
оборудования электропривода с использованием нейронных сетей. Износ
оборудования электропривода ухудшает
статические и динамические характеристики, а иногда приводит к аварийным
ситуациям. При помощи нейронных сетей удается своевременно предсказать рабочие
параметры, сравнить их с аварийными отклонениями и сделать вывод о
работоспособности оборудования сложных электротехнических установок.
1. Введение.
Сложные электротехнические установки с электроприводами используются во
многих отраслях производства таких, как
станкостроение, машиностроение, в горнодобывающей и нефтедобывающей промышленности.
Электроприводы работают с самыми различными нагрузками, в самых различных режимах: длительном,
повторно-кратковременном, кратковременном режимах. В процессе работы
оборудование электропривода со временем изнашивается, что приводит к ухудшению статических и динамических
характеристик, а иногда и к аварийным ситуациям. Поэтому прогнозирование и
своевременное определение неисправностей
оборудования электропривода является актуальной задачей. Однако
прогнозирование неисправностей оборудования сложных электротехнических
установок является довольно сложной и
трудоемкой задачей. Для определения неисправностей разработано большое
количество систем диагностики однако не удается на сто процентов определить
весь спектр неисправностей оборудования. Диагностика неисправностей по многим
оборудования сложных
электротехнических установок по сравнению с другими системами
диагностики по многим критериям совпадает с распознаванием образов с
эффективным использованием нейронных сетей. Поэтому при разработке нейропогнозирующей нейродиагностики сложных
электротехнических установок нейронные сети нашли широкое применение.
2. Метод решения проблемы.
Недостатком традиционных методов диагностики (рис. 1)
является невозможность диагностирования работы электропривода с непредсказуемыми нечеткими параметрами на
несколько шагов вперед. Применение нейродиагностики с экспертной нейронной
сетью дает возможность предсказывать аварийные ситуации в условиях неполной
информации о статических и динамических характеристиках с электропривода.
Рис. 1. Структурная схема с методами диагностики электропривода
На
рис. 2 представлена структурная схема
метода, в котором предлагается
нейроидентифицировать с прогнозом параметры сложной электротехнической
установки (электропривода). Прогнозируемые параметры сравниваются с
максимальными отклонениям и результаты
сравнения поступают в предварительно
обученную на аварийные ситуации экспертную нейронную сеть, которая
предсказывает состояние сложных элементов электротехнической установки,
формируя сигналы предотвращения аварийных ситуаций.
Этапы метода нейродиагностики аварийных ситуаций на базе комбинированной
системы, состоят из:
1.
Нейропрогнозирования
статических и динамических характеристик сложных элементов электротехнической
установки (электропривода);
2.
Лингвистического
описания аварий и неисправностей;
3.
Формирования экспертной нейронной сети;
4 Обучения экспертной нейронной сети;
5. Проверки и тестирования в комбинированной
системы нейродиагностики.
Рис. 2.
Структурная схема с этапами метода
нейропогнозирующей нейродиагностикеи
аварийных ситуаций на базе комбинированной системы
3.
Пример решения проблемы
На рис.
3 представлена структурная схема комбинированной
нейродиагностики
сложной электротехнической установки- электропривода металлорежущего станка. Целью построения нейросетевой системы
диагностики является начальное определение неисправных узлов электропривода,
который состоит из нейрорегулятора, силового преобразователя, электродвигателя,
нагрузочного механизма,
Рис. 3. Структурная схема
с примером комбинированной
нейродиагностики электропривода металлорежущего станка.
Работа исправного электропривода должна
соответствовать номинальным статическим и динамическим характеристикам. При
номинальной нагрузке электропривод должен иметь номинальное напряжение на
якоре, номинальный ток, номинальную частоту вращения. Отклонение от номинальных
параметров приводит к неисправностям, а иногда и к аварийным ситуациям
оборудования электропривода. Неисправным будем считать электропривод,
отклонения параметров которого превышают максимальные отклонения. Для
эффективного определения неисправностей работы электропривода была разработана
экспертная система работу которой на
базе нейронной сети можно описать следующей системой уравнений.
(1)
Нейронная сеть обучалась в различных
режимах. На рис. 4 приведена зависимость ошибки обучения в зависимости от числа
эпох по входам X[
,
,
,
] и выходам
Y[
,
,
,
,
].
Рис. 4.
Зависимость ошибки обучения в зависимости от числа эпох по входам X и выходам Y
После моделирования и обучения нейронной сети по алгоритму рис. 5
получаем необходимые веса и смещения.
Рис. 5.
Алгоритм моделирования и
обучения нейронной сети
В результате обучения нейронной сети были получены следующие веса и
смещения:
веса первого слоя нейронов:
3,044; -0,781; -2,407;
-33209;
-0,926; 2,877; -0,707;
2,224;
1,208; 3,208; 3,935;
-1,964;
1,436; 2,438; -2,875;
3,019;
2,801; -3,525; -3,135;
-1,972;
4,707; 0,326; -3,402;
-0,896;
0,502; 3,618; -2,825;
2,809;
-4,207; 3,077; 0,359;
-0,093;
2,207; -2,493; -2,067;
-3,156;
-0,722; 2,672; -2,270;
0.7603;
веса второго слоя нейронов:
4,026; -0,537; -2,051;
-0,227; 3,402; 0,287;
-0,827; -0,490; -1,053;
-3,855; 1,521; 4,560;
0,883; -2,436; -3,284;
1,216; 0,547; 3,455;
0,605; -2,173; 0,376;
0,244; 1,948; 0,781;
0,190; -3,049; 3,564;
-1,846; 1,076; 2,182;
смещения для первого слоя нейронов:
-1,881;3,349;-4,730;1,240;-1,363;1,197;-2,849;
-1,109;4,234;-5,397;
смещения для второго слоя нейронов:
-3,473;-1,312;-3,295;-2,526;0,393.
При тестировании комбинированной системы
нейродиагностики и вводе значений
входного вектора X=[1;0;0;0]
получаем выходной вектор Y=[10000], который достоверно на 100% выдает неисправность в виде
неправильной настройки нейрорегулятора.
4. Заключение
Из
данного примера видно, что результаты тестирования показали достаточную высокую
степень адекватности реальных и прогнозируемых данных, что позволяет сделать
вывод о возможности практического использования нейронных сетей для
нейродиагностики сложных электротехнических установок.
Литература
1.Буянкин В.М. Нейропродиагностика и прогнозирование
работоспособности оборудования
электропривода с использованием нейронной сети NEWFF. “Контроль.
Диагностика”. 2007 N12
2. Buyankin
V., Kovaleva S., Zakharov V. The
improvement of the human environment with the indistinct management system for
training of the electric drive neuroregulator of the current contour. Safety,
health hand and environmental world congress. July 2007, Santos, Brasil
3. Buyankin V.,
Kovaleva S., Zakharov V. The
improvement of the human environmental
safety with the help of the indistinct management system for training of the
neuroregulators of the current and
velocity contours of the electric drive. Safety, health hand and environmental
world congress. July 2007, Santos, Brasil