Нейромережевий регулятор напруги авіаційного енерговузла змінного струму

Скорочена інформація про документ
dc.contributor.authorЄнчев, С. В.
dc.contributor.authorЗахарченко, В. П.
dc.contributor.authorГобатюк, Т. П.
dc.contributor.authorYenchev, Serhii V.
dc.contributor.authorZakharchenko, Viktor P.
dc.contributor.authorHobatiuk, Tetiana P.
dc.date.accessioned2022-10-12T10:34:46Z
dc.date.available2022-10-12T10:34:46Z
dc.date.issued2022
dc.descriptionЄнчев, С. В. Нейромережевий регулятор напруги авіаційного енерговузла змінного струму = Neuro-network regulator of ac aviation power action voltage / С. В. Єнчев, В. П. Захарченко, Т. П. Гобатюк // Зб. наук. пр. НУК. – Миколаїв : НУК, 2022. – № 2 (489). – С. 53–59.uk_UA
dc.description.abstractРозвиток 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.uk_UA
dc.description.abstract1The development of aviation electrified complexes leads to an increase in electricity consumers. The installed capacity of the equipment is growing, which leads to an overall increase in aircraft energy consumption, against the background of growing demands on the quality of electricity. Contactless synchronous generators with rotating rectifiers, which use deviation voltage regulators, have been widely used in aviation AC power supply systems. Them article considers actual combined voltage regulation: deviation and perturbation using artificial neural networks. The main task is to develop the mathematical model and analysis of the combined intelligent neural network voltage regulator of the aviation synchronous contactless generator, which improves the quality of electricity. The mathematical model of an aviation synchronous contactless generator consisting of a main synchronous generator with a rotating open-pole inductor, an exciter – a six-phase synchronous generator with a rectifier and an exciter – a three-phase magnetoelectric generator. The basic mathematical relations are obtained, which connect the output voltage of the generator from the control influence – the control signal of the neural network. The structural scheme of the combined neural network control system with two control circuits is developed: by deviation – output voltage; perturbation – generator current. The control characteristics of the generator are used to train the neural network. A three-layer backpropagation network containing 4 neurons in the input layer was elaborated; 55 neurons in the hidden layer; 1 neuron in the source layer. The Levenberg-Marquardt algorithm with a learning error of 0.001 was used as a training algorithm. The modeling of voltage control based on the neural network to assess its response to a single function. The simulation results show that the voltage regulation time is 0.09 s, and the control error does not exceed 2%. That is, the control system with a neural network provides high quality transients.uk_UA
dc.identifier.govdochttps://doi.org/10.15589/znp2022.2(489).8
dc.identifier.issn2311-3405 (Print)
dc.identifier.issn2313-0415 (Online)
dc.identifier.urihttps://eir.nuos.edu.ua/handle/123456789/6240
dc.language.isoukuk_UA
dc.relation.ispartofseries621.316.722.9:629.735.064.53(045)uk_UA
dc.subjectрегулюванняuk_UA
dc.subjectнапругаuk_UA
dc.subjectавіаційний синхронний генераторuk_UA
dc.subjectнейронна мережаuk_UA
dc.subjectкомбіноване керуванняuk_UA
dc.titleНейромережевий регулятор напруги авіаційного енерговузла змінного струмуuk_UA
dc.title1Neuro-network regulator of ac aviation power action voltageuk_UA
dc.title22022
dc.typeArticleuk_UA

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Vyshniak.pdf
Розмір:
648 KB
Формат:
Adobe Portable Document Format
Опис:
стаття
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.05 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

№ 2 (489) 2022