Інформаційна технологія оцінки та прогнозування станів електромеханічних пристроїв з використанням штучних нейронних мереж - Автореферат

Застосування цих методів часто вимагає виконання на досліджуваному обєкті багатьох вимірювань в широкому діапазоні, починаючи від нормального режиму їх роботи, аж до аварії. В даній роботі інформаційні технології, в основі яких лежать математичні моделі, доповнюються нейронними мережами. Поєднання інформації про об‘єкт діагностування, у вигляді евристичних знань (знання оператора, знання правил) і аналітичних (математичні моделі, алгоритми перетворення сигналів, оцінювання стану і параметрів) дають змогу, використовуючи експертну систему, досягнути більшої ефективності діагностування. Метою роботи було створення нових високоефективних інформаційних технологій оцінки та прогнозування стану електромеханічних пристроїв і використання їх для аналізу одного з найпоширеніших пристроїв - асинхронного електромотора загальнопромислового призначення. У публікаціях, написаних у співавторстві, здобувачеві належать: математичні моделі динамічних процесів, побудованих на основі рівнянь Лагранжа 2-го роду з врахуванням динамічної характеристики привідного пристрою та його пружно-дисипативних властивостей [5,16,19]; метод вибору експертних налаштувань розмитого регулятора для забезпечення правильної роботи системи автоматичного регулювання [2,3,10,26]; штучні нейронні мережі, вчителем яких є симульований з допомогою математичної моделі асинхронний мотор [1,4,6,14]; обґрунтування концепції використання штучних нейронних мереж для прогнозування станів складних динамічних систем з використанням рівняннями Штретера-Фельпса [11,18,21]; підходи до використання альтернативної лазерної системи вимірювання коливань як складового елемента діагностичної системи коливного об‘єкту (індукційного мотора) [7,12,13,20]; дослідження жорсткості системи рівнянь, що складають математичну модель асинхронного мотора з врахуванням його механічних коливань [22,24]; використання нечіткої логіки та штучних нейронних мереж в ролі інтелектуального керуючого пристрою для діагностування та класифікації пошкоджень в електричному двигуні [15,23,25].Описано штучні нейронні мережі, що можуть бути основою для побудови нових інформаційних технологій, та проаналізовано їх можливі архітектури. На основі аналізу відомих підходів до вирішення проблем діагностики та аналізу стану електромеханічних пристроїв обґрунтовано загальну тезу дисертаційної роботи про те, що проблему оцінки та прогнозування стану пристроїв можна звести до побудови нової інформаційної технології, в якій математичні моделі електромеханічні пристроїв відіграють роль супервізорів для штучних нейронних мереж. Розрізняють три типи архітектур штучних нейронних мереж, а саме: однонапрямлені (feedforward network), рекурентні та коміркові мережі. Таке навчання застосовується у випадку, коли існує можливість перевірки правильності відповідей, які дає мережа. В результаті проведеного аналізу виявлено, що: усі проаналізовані математичні моделі отримано при однакових припущеннях, проте з точки зору ефективності застосування для їх розвязування відомих обчислювальних методів вони суттєво відрізняються між собою; найдосконалішою є А-модель, бо диференціальні рівняння цієї моделі записуються в нормальній формі Коші і містять змінні, які мають найбільше практичне застосування; найбільш складною для обчислення є традиційна L-модель, бо вона вимагає обертання матриці індуктивностей (L); А-модель є найбільш придатною для використання явних методів інтегрування.

2. Основний зміст роботи

1. Hrytsyk V., Kwater T., Kedzior Z., Twarog B. Estimation process using artificial neural network // Інформаційні технології і системи.- 1999.- Т. 2.- № 1.- С. 114-121.

2. Бартман Я., Кватер Т., Тваруг Б. Інформаційна система, побудована на основі теорії реляційних баз даних // Вісник Національного університету „Львівська політехніка”: Автоматика, вимірювання та керування.- 2001.- Вип. 420.- С. 130-133.

3. Gomolka Z., Kwater T., Twarog B. Image processing by applying wavelet decomposition // Технічні вісті.- 2001.- № 1(12)-2(13).- С. 70-73.

4. Чабан В., Тваруг Б., Чабан А., Лишук В. Штучна нейронна мережа як засіб діагностики асинхронного мотора // Електротехніка і електромеханіка.- 2002.- № 1.- С. 111-116.

5. Чабан А., Тваруг Б., Чабан В. Алгоритм розрахунку поперечних коливань асинхронного мотора // Машинознавство.- 2001.- № 11.- С. 40-45.

6. Twarog B., Gomolka Z., Czaban W. Identyfikacja zmian heteronomicznych parametrow silnika asynchronicznego z zastosowaniem sztucznych sieci neuronowych // Технічні вісті.- 2003.- № 1(16)-2(17).- С. 72-74.

7. Чабан А., Тваруг Б. Вимірювання механічного момента асинхронного мотора за допомогою штучної нейронної мережі // Вимірювальна техніка і метрологія.- 2002.- № 60.- С. 123-128.

8. Тваруг Б. Діагностика електромеханічних обєктів засобами штучних нейронних мереж.- Львів, 2002.- 43 с. (Препр. / Державний НДІ інформаційної інфраструктури; 4/5-2002).

9. Тваруг Б. Використання штучних нейронних мереж для аналізу механічних коливань асинхронного мотора.- Львів, 2003.- 36 с. (Препр. / Державний НДІ інформаційної інфраструктури; 3/6-2003).

10. Bartman J., Twarog B. Dobor nastaw regulatora klasycznego w oparciu o nastawy eksperckie regulatora rozmytego / Proc. of 7-th Intern. Modelling School of Association for the Advancement of Modelling and Simulation: Addition to jurnal “Technical News”.- Alushta, Ukraine, 2002.- P. 67-70.

11. Kedzior Z., Twarog B., Gomolka Z. The neural network as the estimator of pollution in ecological problems / Proc. of the 1997 Intern. Conf. on Engineering Aplications of Neural Network.- Stokholm, Sweden, 1997.- P. 139-142.

12. Kwater T., Gorecki J., Twarog B. Pomiar i analiza drgan w ukladzie diagnostycznym z wykorzystaniem sieci neuronowych / Materialy V Miedzynar. Seminarium Metrologow: Metody i Technika Przetwarzania Sygnalow w Pomiarach Fizycznych.- Rzeszow, 1997.- S. 187-192.

13. Kwater T., Kedzior Z., B. Twarog B. Pomiary dyskretne z uzyciem sztucznej sieci neuronowej w ekologii / Materialy VI Miedzynar. Seminarium Metrologow: Metody i Technika Przetwarzania Sygnalow w Pomiarach Fizycznych.- Rzeszow, 1998.- S. 99-104.

14. Bartman J., Twarog B., Gomolka Z. The vector transform of the figure border for the neural network learning process / Proc. of Contribution of Cogniton to Modelling “CCM’98”.- Lyon, France, 1998.- P. 5.21-5.24.

15. Twarog B. Koncepcja ukladu diagnozowania uszkodzen z zastosowaniem rozmytej logiki sieci neuronowej // 3-rd Intern. Modelling School.- Alushta, 1999.- P. 247-250.

16. Czaban W., Twarog B. Matematyczne modelowanie drgan w silniku asynchronicznym / 3-rd Intern. Modelling School.- Alushta, 1999.- P. 55-58.

17. Twarog B. Sterowanie obiektu nieliniowego siecia neuronowa / 3-rd Intern. Modelling School.- Alushta, 1999.- P. 251-252.

18. Kwater T., Kedzior Z., Twarog B. Estimation by artificial neural network in ecological problems / Proc. of Intern. Conf. on Modeling & Simulation “MS’2001”.- Lviv, 2001.- P. 212-215.

19. Tchaban A., Twarog B. Simulation of lateral vibrations of induction motors / Proc. of Intern. Conf. on Modeling & Simulation “MS’2001”.- Lviv, 2001.- P. 268-269.

20. Twarog B., Kwater T., Kedzior Z. Synthesis of data in real diagnostic system of electric engine with applying artificial neural network / Intern. Conf. on Inductive Modeling “ICIM’2002”.- Lviv, 2002.- P. 161-167.

21. Kwater T., Kedzior Z., Twarog B. Artificial neural network in controlling and monitoring system / Intern. Conf. on Inductive Modeling “ICIM’2002”.- Lviv, 2002.- P. 147-153.

22. Slonevsky R., Tchaban A., Nechay O., Tchaban V., Twarog B. The difficulties of solution very stiff differential equations / Proc. of Intern. Conf. on Modelling and Simulation in Technical and Social Sciences.- Girona, Spain, 2002.- P. 909-916.

23. Kwater T., Kedzior Z., Twarog B., Pekala R. State estimation for monitoring and controlling / 4th IMACS Symposium on Mathematical Modelling.- Vienna University of Technology, Austria, 2003.- P. 307.

24. Twarog B., Kwater T. Inzynieryjne srodowisko obliczeniowe Matlab jako narzedzie technologii informacyjnych w procesie dydaktycznym rozwiazywania zagadnien elektrotechnicznych / III Konferencja "Technologia informacyjna w zmieniajacej sie edukacji".- Torun, Polska, 2003.- S. 121-125.

25. Tchaban V., Twarog B., Tchaban A., Bartman J. The diagnostic of vibrations of induction motor by ANN / Mediterranean Conf. on Modeling and Simulation.- Reggio Calabria, Italy, 2003.- Full paper on CD, # 156.

26. Bartman J., Kedzior Z., Twarog B., Kwater T. Quality of controlling in systems with classical and fuzzy regulator / Mediterranean Conf. on Modeling and Simulation.- Reggio Calabria, Italy.- 2003.- Full paper on CD, # 158.

Размещено на .ru