Синюков Алексей Владимирович – аспирант
г. Липецк
Alexey V. Sinyukov
Lipetsk
Синюкова Татьяна Викторовна – канд. техн. наук, доцент, доцент кафедры «Электропривода»
г. Липецк
Tatyana V. Sinyukova
Lipetsk
Абдуллазянов Эдвард Юнусович - канд.техн.наук., ректор
г. Казань
Edvard Yu. Abdullazyanov
Kazan
Грачева Елена Ивановна – д-р. техн. наук, профессор кафедры «Электроснабжение промышленных предприятий»
г. Казань
Elena I. Gracheva
Kazan
Мещеряков Виктор Николаевич – д-р техн. наук, профессор, заведующий кафедрой «Электропривода»
г. Липецк
Viktor N. Meshcheryakov
Lipetsk
Stanimir Valtchev
Sofia
Stanimir Valtchev
Sofia
ЦЕЛЬ. Исследование посвящено проблемам обеспечения плавности пуска и останова подъемно-транспортных механизмов. Стандартные регуляторы не позволяют добиться желаемых результатов при изменяющихся показателях, точные значения которых не всегда доступны для измерения. Управляющие сигналы, в таких системах, обычно соответствуют данным из некоторого диапазона. В работе предлагается замена стандартного регулятора на регулятор, работа которого базируется на нечетких алгоритмах. Процесс моделирования системы с разными типами регуляторов, позволяет исследовать системы и выявить наиболее оптимальные из них.
МЕТОДЫ. Для решения поставленной проблемы использовались методы математического моделирования в среде MatLab Simulink.
РЕЗУЛЬТАТЫ. В статье рассмотрена возможность использования регуляторов разного рода на подъемно-транспортных механизмах. Для функционирования регулятора нечеткого типа разработана база правил, формирующая процесс работы реального объекта, с оптимальным алгоритмом функционирования. Реализованы системы с регулятором ПИД типа, с регулятором нейросетевого типа с обеспечением обучения сети, с возможностью ее подстройки для дальнейшего применения, выполнен учет вероятности высокой загруженности процессора, на основании чего предложен супервизор. Рассмотрена возможность применения ANFIS-сетей для реализации регуляторов
ЗАКЛЮЧЕНИЕ. Использование разных типов регуляторов, работающих по принципу нейросетевых технологий, позволяет достичь оптимальных показателей при управлении подъемно-поворотными механизмами, как с позиций обеспечения устойчивости движения, так и с позиций надежности систем. По сравнению с регулятором ПИД типа, применение сети ANFIS снизило колебания в 2,9 раза, а использование регулятора нечеткого типа уменьшило колебания в 0,75 раза. Применение нейронного регулятора по сравнению с использованием сети ANFIS, дает снижение колебательности процесса формирования скорости примерно в 0,48 раза.
THE PURPOSE. The study is devoted to the problems of ensuring the smooth start and stop of lifting and transport mechanisms. Standard regulators do not allow you to achieve the desired results with changing indicators, the exact values of which are not always available for measurement. Control signals, in such systems, usually correspond to data from a certain range. The paper proposes to replace the standard controller with a controller based on fuzzy algorithms. The process of modeling a system with different types of controllers allows you to explore systems and identify the most optimal of.
METHODS. To solve the problem, the methods of mathematical modeling in the MatLab Simulink environment were used.
RESULTS. The article considers the possibility of using various kinds of regulators on lifting and transport mechanisms. For the functioning of the fuzzy type controller, a rule base has been developed that forms the process of operation of a real object, with an optimal functioning algorithm. Systems with a PID-type controller, with a neural network-type controller with network training, with the possibility of its adjustment for further use, are implemented, the probability of high processor load is taken into account, on the basis of which a supervisor is proposed. The possibility of using ANFIS networks for the implementation of regulators is considered.
CONCLUSION. The use of different types of controllers operating on the principle of neural network technologies makes it possible to achieve optimal performance in the control of lifting and turning mechanisms, both from the standpoint of ensuring the stability of movement, and from the standpoint of system reliability. Compared with the PID type controller, the application of the ANFIS network reduced the fluctuation by 2.9 times, and the use of the fuzzy type controller reduced the fluctuation by 0,75 times. The use of a neural controller compared to the use of the ANFIS network gives a decrease in the fluctuation of the speed formation process by about 0.48 times.
The authors declare that there are no conflicts of interest present.