Синтез нейронного регулятора для управления бесколлекторным двигателем постоянного тока

Объектом исследования является бесколлекторный двигатель постоянного тока. Цель работы заключается в синтезе системы управления бесколлекторным двигателем постоянного тока на основе нейронной сети. В качестве типа нейронной сети нейроконтроллера выбран многослойный персептрон. В качестве структуры нейроконтроллера выбран многомодульный нейроконтроллер. Бесколлекторный двигатель постоянного тока рассматривается как модель черного ящика. Нейрокортроллер реализован в виде приложения Windows Forms. Нейронная сеть обучается на основе метода обратного распространения ошибки.

ВВЕДЕНИЕ …………………………………………………………………………………………………. 14
1. ОБЗОР ЛИТЕРАТУРЫ …………………………………………………………………………. 15
2. ОБЪЕКТЫ И МЕТОДЫ ИССЛЕДОВАНИЯ …………………………………………. 19
2.1. Искусственная нейронная сеть ………………………………………………. 19
2.2. Обучение ………………………………………………………………………………. 23
2.3. Структуры нейрорегуляторов………………………………………………… 27
2.3.1. Подражающее нейроуправление ……………………………………… 28
2.3.2. Обобщенное инверсное нейроуправление ……………………….. 29
2.3.3. Метод многомодульного нейроуправления на основе пар
прямых и инверсных моделей……………………………………………………………….. 31
2.4. Бесколлекторный двигатель постоянного тока ………………………. 33
3. ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ………………………………………………… 34
3.1. Аппаратная часть ………………………………………………………………….. 34
3.1.1. Микроконтроллер ………………………………………………………………. 34
3.1.2. Бесколлекторный двигатель постоянного тока ……………………. 35
3.1.3. Электронный регулятор хода ……………………………………………… 36
3.1.4. Датчик ……………………………………………………………………………….. 37
3.1.5. Сборка устройства ……………………………………………………………… 38
3.2. Программная часть ……………………………………………………………….. 41
3.2.1. Микроконтроллер ………………………………………………………………. 41
3.2.2. Персональный компьютер ………………………………………………….. 41
4. ИССЛЕДОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ ……………………………………. 46
4.1. Влияние параметров обучения на качество искусственной
нейронной сети ………………………………………………………………………………………… 46
4.1.1. Влияние коэффициента скорости обучения …………………….. 46
4.1.2. Влияние количества нейронов в скрытом слое ………………… 47
4.1.3. Влияние длины задержки входных сигналов …………………… 49
4.1.4. Влияние количества пройденных эпох обучения …………….. 50
4.2. Синтез ПИД-регулятора ………………………………………………………… 51
4.3. Синтез нейромодулятора ………………………………………………………. 53
4.4. Синтез инверсного нейромодулятора …………………………………….. 55
4.5. Синтез многомодульного нейроконтроллера …………………………. 58
4.6. Синтез многомодульного нейроконтроллера с использованием
ПИ-регуляторов ……………………………………………………………………………………….. 63
5. ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРСОЭФФЕКТИВНОСТЬ И
РЕСУРСОСБЕРЕЖЕНИЕ…………………………………………………………………………….. 67
Введение……………………………………………………………………………………….. 67
5.1. Предпроектный анализ ………………………………………………………….. 68
5.1.1. Потенциальные потребители результатов исследования ….. 68
5.1.2. Анализ конкурентных технических решений…………………… 69
5.1.3. Диаграмма Исикавы ……………………………………………………….. 70
5.1.4. SWOT-анализ …………………………………………………………………. 71
5.2. Инициализация проекта ………………………………………………………… 71
5.3. Планирование управления научно-техническим проектом …….. 73
5.3.1. Разработка графика проведения научного исследования….. 74
5.3.2. Бюджет научно-технического исследования (НТИ) …………. 77
5.3.4.1. Расчет материальных затрат НТИ ……………………………… 78

5.3.4.2. Расчет затрат на специальное оборудование для научных
(экспериментальных) работ ………………………………………………………………. 80

5.3.4.3. Основная заработная плата исполнителей …………………. 80

5.3.4.4. Отчисления во внебюджетные фонды ……………………….. 81

5.3.4.5. Накладные расходы ………………………………………………….. 82

5.3.4.6. Формирование бюджета затрат научно-
исследовательского проекта ……………………………………………………………… 83

5.3.3. Реестр рисков проекта …………………………………………………….. 83
5.4. Определение ресурсосберегающей, финансовой, бюджетной,
социальной и экономической эффективности исследования ……………………… 84
5.4.1. Бюджет научно-технического исследования (НТИ) …………. 85
6. СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ …………………………………………………… 86
Аннотация …………………………………………………………………………………….. 86
Введение……………………………………………………………………………………….. 86
6.1. Производственная безопасность ……………………………………………. 87
6.1.1. Повышенный уровень шума ……………………………………………. 87
6.1.2. Повышенный уровень электромагнитных излучений ………. 88
6.1.3. Отклонение показателей микроклимата ………………………….. 90
6.1.4. Недостаточная освещенность ………………………………………….. 92
6.1.5. Психофизиологические вредные факторы ……………………….. 96
6.1.6. Электробезопасность ………………………………………………………. 97
6.2. Экологическая безопасность …………………………………………………. 99
6.3. Безопасность в чрезвычайных ситуациях …………………………….. 100
6.4. Организационные вопросы обеспечения безопасности ………… 101
6.4.1. Охрана труда ………………………………………………………………… 101
6.4.2. Эргономические требования к рабочему месту инженера-
программиста…………………………………………………………………103
6.5. Заключение …………………………………………………………………………. 105
ЗАКЛЮЧЕНИЕ …………………………………………………………………………………………. 106
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ ……………………………………… 107
ПРИЛОЖЕНИЕ А (обязательное) ………………………………………………………………. 110
ПРИЛОЖЕНИЕ Б (справочное) Листинг программы микроконтроллера ……. 126
ПРИЛОЖЕНИЕ В (справочное) Листинг программы Neural ………………………. 129

В результате выполнения выпускной квалификационной работы был
разработан и собран учебный стенд по управлению бесколлекторным
двигателем постоянного тока с возможностью динамического изменения
нагрузки на валу. Так же разработана программа, реализующая генерацию
обучающей выборки, обучение нейронной сети и синтез нейронного
регулятора.
В ходе работы была изучена возможность применения нейронных сетей
для управления динамическими объектами, в частности, для бесколлекторного
двигателя постоянного тока. Лучшие результаты показал многомодульный
нейрорегулятор с использованием ПИ-регуляторов. В тоже время, в сравнении
с классическим ПИД-регулятором, изменения в качестве управления не
существенны. Была выявлена высокая сложность процедуры синтеза
многомодульного нейрорегулятора, заключающаяся в подробном испытании
объекта во всех возможных состояниях, что не всегда возможно. Программа
нейронного регулятора выполняется на персональном компьютере, что
значительно сокращает число ее применений в практических целях.
В тоже время разработанный стенд и простота программного
обеспечения могут служить наглядным пособием для изучения структуры и
принципов работы нейронных сетей. Реализованные методы записи и
считывания обученных нейронных сетей в файлы, а также представление
процесса обучения в виде наглядного графика ошибок в реальном времени
позволяют использовать полученную программу как инструмент по разработке
и исследованию собственных структур нейронных регуляторов. Стоит
отметить, что разработанные алгоритмы идентификации состояния объекта
могут быть использованы и для других объектов, что потенциально позволяет
применять разработанную программу как часть системы управления реальным
производственным объектом или как часть SCADA–системы.