Регулирование скорости и вращающего момента асинхронного электропривода с применением искусственных нейронных сетей тема диссертации и автореферата по ВАК РФ 05.09.03, кандидат технических наук Али Салама Абозеад Абоалела

• Али Салама Абозеад Абоалела
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Али Салама Абозеад Абоалела

ВВЕДЕНИЕ.

ОСНОВНЫЕ ОБОЗНАЧЕННИЯ И СОКРАЩЕНИЯ.

Глава 1 НЕЙРОСЕТЕВЫЕ методы управления Асинхронными двигателями.

1.1.Основные положения теории искусственных нейронных сетей.

1.1.1 .Модель нейрона.

1.1 ^.Классификация искусственных нейронных сетей.

1.1.3.Однослойные и многослойные статические искусственные нейронные сети.

1.1.4.Важнейшие свойства многослойных нейронных сетей и проблема синтеза их структуры.

1.2.Основные направления исследований применения нейронных сетей в автоматизированном электроприводе.

1.3. ВЫВОДЫ ПО ГЛАВЕ 1.

ГЛАВА 2 ВЕКТОРНОЕ УПРАВЛЕНИЕ АСИНХРОННЫМ

КОРОТКОЗАМКНУТЫМ ДВИГАТЕЛЕМ.

2.1 .Математическое описание электропривода с асинхронным двигателем.

2.1.1.Математическое описание асинхронного двигателя.

2.1.2. Основные соотношения между токами и потокосцеплениями АД

2.1.3. Уравнения статора и ротора в векторной форме.

2.1.4. Обобщенная электрическая машина.

2.1.5. Модель короткозамкнутого АД при частотном управлении.

2.2. Основные положения построения систем векторного управления

2.2.1. Векторная модель асинхронного двигателя.

2.2.2. Общие принципы векторного управления.

2.2.3. Модель АД, управляемого током статора, в системе координат, ориентированной по потокосцеплению ротора.

2.2.4. Модель АД, управляемого напряжением статора, в системе координат, ориентированной по потокосцеплению ротора.

2.3. Выводы по главе.

ГЛАВА 3 Исследование работы нейронных сетей в системах управления асинхронным двигателем в качестве наблюдателя.

3.1. Методика синтеза нейронных сетей.

3.2. Исследование работы нейросетевого наблюдателя в системе управления частотой асинхронного двигателя с помощью инвертора с широтно-импульсной модуляцией. ф 3.3. Исследование эффективности работы пропорционально-интегрального и нейросетевого регуляторов при косвенном векторном управлении асинхронным двигателем по модели потока статора.

3.3.1. Векторное управление скорости асинхронного двигателя.

3.3.2. Моделирование в программе МАТЬАВ косвенного векторного управления асинхронного двигателя на основе ПИ-регулятора.

3.3.3. Эффективность косвенного векторного управления АД с использованием ПИ регулятора.

3.3.4. Моделирование в среде МАТЬАВ ВУАД с нейросетевым щ прогнозирующим контроллером.

3.3.5. Эффективность косвенного векторного управления с использованием нейросетевого контроллера.

3.4. Выводы по главе.

Глава 4 ИСПОЛЬЗОВАНИЕ НЕЙРОННЫХ СЕТЕЙ В СИСТЕМАХ КОСВЕННОГО ВЕКТОРНОГО УПРАВЛЕНИЯ СКОРОСТИ АСИНХРОННОГО ДВИГАТЕЛЯ ДЛЯ ОЦЕНКИ ВЛИЯНИЯ ВНЕШНИХ ВОЗМУЩЕНИЙ НА ПАРАМЕТРЫ ДВИГАТЕЛЯ И АДАПТАЦИИ.

4.1. Учет изменения сопротивления взаимоиндукции на низких частотах вращения асинхронного электропривода при косвенном векторном управлении.

4.1.1. Оценка скорости ротора в системе векторного управления, основанной на модельной адаптации.

4.1.2. Обучение и тестирование искусственной нейронной сети.

4.1.3. Проверка точности оценки взаимной индуктивности ротора и статора.

4.2. Оценка скорости асинхронного двигателя в системах адаптивного управления по эталонной модели и с нейронной сетью.

4.2.1 .Оценка скорости асинхронного двигателя в обычных системах адаптивного управления по эталонной модели.

4.2.2. Система адаптивного управления по эталонной модели с использованием двухслойной НС и динамической эталонной модели.

4.2.3.Результаты имитационного моделирования и обсуждение двухслойной НС и динамической эталонной модели.

4.3.Выводы по главе.

Введение диссертации (часть автореферата) на тему «Регулирование скорости и вращающего момента асинхронного электропривода с применением искусственных нейронных сетей»

Общая характеристика работы

Актуальность темы исследования. Использование асинхронных двигателей с короткозамкнутым ротором (АД с КЗР) растет из-за возможных технических приложений, в которых требуется доступный и эффективный привод. Эти преимущества, однако, упираются в решение задач управления асинхронными двигателями с регулируемой скоростью в промышленных приводах. Это связано, прежде всего, следующими причинами: асинхронный двигатель является нелинейной динамической системой, некоторые переменные состояния, такие как ток и потокосцепление ротора, напрямую не могут быть измерены, сопротивление ротора (при нагревании) и индуктивность намагничивания (в связи с насыщением) изменяются в больших пределах и оказывают существенное влияние на динамику системы.

Эти вариации параметров АД снижают эффективность управления электроприводом. В настоящее время исследования в этой области, в основном, сосредоточены на методах бездатчикового и устойчивого к изменениям параметров системы управления скоростью асинхронного двигателя.

Искусственные нейронные сети (ИНС) успешно применяются в области обработки изображений и регулирования, где надежность функционирования является одним из главных требований качества. Тем не менее, искусственные нейронные сети находятся на начальной стадии применения в области управления асинхронными электроприводами.

Технические системы работают в условиях постоянно изменяющихся климатических, нагрузочных и электромагнитных воздействий. В этих условиях возникает необходимость в регулировании не только скорости, но и электромагнитного момента, т.е. в постоянной подстройке параметров регуляторов. Следовательно, электроприводы таких систем нуждаются в наблюдателях для оценки текущего значений параметров двигателя, его скорости и регуляторах скорости и момента для поддержания их на заданном уровне.

В связи со сказанным выше, целью настоящей работы является исследование способов и результативности применения ИНС в системах управления асинхронного электропривода, которое сводится к решению целого ряда задач. Среди них можно назвать задачи синтеза нейронных сетей, способных решать поставленные задачи, задачи их обучения, задачи использования НС в качестве наблюдателей поведения системы в будущем, задачи чувствительности к возмущениям и использования ИНС в качестве регуляторов скорости и момента.

Значение результатов исследования состоит в разработке алгоритмов и программ для систем векторного управления АД, разработке рекомендаций для проектировщиков электроприводов. В конечном итоге, результаты проведенных исследований при внедрении в практику должны дать повышение качества регулирования электроприводов. Последнее, в свою очередь, повышает надежность работы электроприводов и приводит к экономии электроэнергии и ресурсов.

Объектом исследования в настоящей работе являются процессы управления скоростью и электромагнитным моментом АД с КЗР.

Предметом исследования являются ИНС регуляторы скорости и момента в системах векторного управления асинхронного электропривода.

Цель работы: исследование возможностей применения искусственных нейронных сетей в регуляторах скорости и момента асинхронного электропривода для повышения качества регулирования и экономии энергии и ресурсов

Задачи исследования. В данной диссертационной работе ставятся и решаются следующие задачи:

1 .Исследование погрешности работы ИНС в качестве наблюдателя тока ротора в системе управления частотой АД.

2.Исследование эффективности пропорционально-интегральных (ПИ) и нейросетевых регуляторов тока статора, скорости и момента при векторном управлении АД.

3.Применение ИНС наблюдателя в системе косвенного векторного управления скоростью АД для учета изменения сопротивления взаимоиндукции на низких частотах вращения.

4.Сравнительное исследование погрешностей оценки скорости двигателя с помощью систем адаптивного управления с эталонной моделью (АУЭМ): а) по АУЭМ, б) АУЭМ с использованием ИНС без компенсации и в) АУЭМ с ИНС с компенсацией сопротивления статора.

Научная новизна диссертационной работы состоит в следующем:

1) Разработан нейросетевой наблюдатель с повышенной точностью измерения тока ротора косвенно через ток статора и исследована зависимость точности измерения тока и времени обучения от количества нейронов в скрытом слое в системе управления частотой АД с КЗР;

2) Синтезирован и исследован в статических и динамических режимах нейросетевой прогнозирующий с 20 нейронами в скрытом слое регулятор скорости АД, обладающий повышенным качеством регулирования скорости по сравнению с ПИ регулятором, с отработкой возмущения по нагрузке при меньших значениях тока статора и вращающего момента;

3) Разработана и исследована четырехслойная со структурой (8-9-7-1) ИНС наблюдателя скорости с повышенной точностью на основе алгоритма обратного распространения ошибки, обладающая чувствительностью к вариации взаимной индуктивности на низких частотах;

4) Проведено сравнительное исследование оценок скорости двигателя в системе адаптивного управления по эталонной модели с использованием нейронной сети с компенсацией и без компенсации изменения сопротивления статора. Установлено, что система управления с компенсацией сопротивления статора улучшает точность оценок скорости и повышает устойчивость системы к изменению параметров даже на очень низких частотах вращения двигателя.

Методы исследования: В работе использованы методы теории электропривода и теории автоматического управления, теории чувствительности, теории векторного и адаптивного управления, теории нейронных сетей.

Основные научные положения, выносимые на защиту

1. Результаты моделирования ИНС в качестве наблюдателя тока ротора в системе управления частотой АД, согласно которым при введении ограничений на время преобразования и значение погрешности оценки значения тока, можно найти приемлемое количество нейронов в скрытом слое.

2. Результаты исследования качества векторного регулирования скорости асинхронного двигателя, согласно которым установлена более высокая устойчивость к возмущениям по нагрузке системы регулирования с помощью ИНС по сравнению с ПИ регулятором, которая приводит к отработке возмущения по нагрузке при меньших значения тока статора и вращающего момента чем с ПИ регулятором.

3. Способ повышения точности оценки значения взаимной индуктивности в системе векторного управления скоростью на низких частотах вращения АД с помощью ИНС, работающей параллельно основной системе регулирования скорости.

4. Результаты сравнительного исследования оценок скорости двигателя, согласно которым система адаптивного управления по эталонной модели с использованием НС с компенсацией сопротивления статора улучшает точность оценок скорости и снижает чувствительность электропривода к изменению параметров даже на очень низких частотах вращения АД по сравнению с простой системой АУЭМ.

Практическая ценность

Разработанные структурные схемы и алгоритмы косвенного векторного управления скоростью и усовершенствованные три методики оценки параметров электропривода на базе ИНС могут быть рекомендованы для использования проектировщикам электроприводов.

Реализация результатов исследования. Результаты выполненных в диссертации исследований используются в учебном процессе кафедры ЭПА КГЭУ при преподавании специальных дисциплин. Разработанные алгоритмы, программы и способы регулирования внедрены на предприятии ООО «Энергосервисная компания «Стэк Мастер», г. Казань при проектировании электроприводов.

Достоверность и обоснованность полученных результатов основана на корректном использовании современных методов научного исследования, таких как методы теории чувствительности, теории адаптивного управления, теории цифровых систем управления, на сходимости результатов диссертации с результатами других авторов. Полученные модели адекватно описывают процессы в электроприводе с цифровыми регуляторами.

Личный вклад автора. Автор принимал участие в разработке математических моделей, алгоритмов, компьютерных программ и моделировании на компьютере с целью проведения вычислительных экспериментов для проверки адекватности и работоспособности предложенных систем управления и регулирования электроприводов.

Апробация работы

Основные положения и результаты диссертационной работы докладывались на семи Международных и Всероссийских конференциях: II Международной научной конференции «Технические и технологические системы», Краснодар 2010; VI и VII Международных молодежных научных конференциях студентов и аспирантов «Тинчуринские чтения» (г. Казань, КГЭУ, 2011 и 2012 гг.); ХХШ Всероссийской межвузовской научно-технической конференции «Электромеханические и внутрикамерные процессы в энергетических установках, струйная акустика и диагностика, приборы и методы контроля природной среды, веществ, материалов и изделий» (г. Казань, КВАКУ им. М.Н. Чистякова, 2011); Межрегиональной научно-практической конференции студентов, аспирантов и молодых ученых «Четвертые Камские чтения», Набережные Челны: ИЫЭКА, 2012; XIV всероссийском студенческом научно-техническом семинаре, Томск, ТПУ, 2012; VII Международной (8 Всероссийская) научно-технической конференции по автоматизированному электроприводу: ФГБОУ ВПО ИГЭУ, Иваново, 2012.

Публикации. Основное содержание работы отражено в 10 печатных работах: 4 статьях, из них 3 опубликованы в журналах из списка ВАК, 6 тезисах докладов и трудах международных и региональных конференций.

Структура и объем диссертации. Диссертация состоит из введения,

Заключение диссертации по теме «Электротехнические комплексы и системы», Али Салама Абозеад Абоалела

4.3.Выводы по главе 4

1. Разработана и исследована четырехслойная со структурой (8-9-7-1) искусственная нейронная сеть наблюдателя скорости с повышенной точностью и с алгоритмом обратного распространения ошибки, обладающая чувствительностью к вариации взаимной индуктивности на низких частотах;

2. Проведено сравнительное исследование оценок скорости двигателя в системе адаптивного управления по эталонной модели с использованием нейронной сети с компенсацией сопротивления статора и без компенсации. Установлено, что система управления с компенсацией сопротивления статора уменьшает погрешность оценок скорости в пять раз и повышает устойчивость системы к изменению параметров двигателя даже на очень низких частотах его вращения.

ЗАКЛЮЧЕНИЕ

В диссертации представлены результаты исследования моделей искусственных нейронных сетей, предназначенных для выполнения функций наблюдателя и регуляторов в системах управления скоростью асинхронного двигателя с короткозамкнутым ротором, в том числе и косвенного векторного управления скоростью. Эти результаты касаются решения следующих задач: модель нейросетевого наблюдателя для предсказания (прогноза) поведения тока ротора, основанного на задании тока статора через инвертор с широтно-импульсной модуляцией; разработанный наблюдатель показал высокую эффективность с погрешностью по амплитуде тока, меньшей чем 1*10'5 А, с периодом выдачи заданий порядка 1*10"3 с; он может быть использован во многих системах управления скоростью АД, которые нуждаются в измерениях тока ротора;

2.модель нейросетевого регулятора скорости в системах косвенного векторного управления АД; в этой части НС контроллер сравнивается по эффективности с обычным ПИ регулятором по таким характеристикам как время выхода на заданную скорость и динамический отклик на ступенчатое заданное изменение нагрузки;

3.нейросетевой контроллер, исследованный в этом разделе, был смоделирован как наблюдатель, который показал высокую эффективность в оценке скорости, тока ротора и крутящего момента; все характеристики для НС регулятора по сравнению с такими же характеристиками для ПИ регулятора оказались лучше; они приведены ниже: пусковой ток ротора с НС предсказывающим контроллером был на 13% меньше, а пусковой момент был на 27% меньше чем с ПИ регулятором; при пуске на холостом ходу пусковой ток ротора с НС предсказывающим контроллером был на 18% меньше, а пусковой момент был на 15% меньше чем с ПИ регулятором; при подаче полной номинальной нагрузки пусковой ток ротора с НС предсказывающим контроллером был на 11% меньше, а пусковой момент был на 11% меньше чем с ПИ регулятором;

4.в диссертации разработана модель НС наблюдателя скорости в системе векторного косвенного управления скоростью АД в условиях насыщения магнитопровода сердечника, которое приводит к изменению значения взаимной индуктивности на низких частотах; на первом этапе исследования был использован НС наблюдатель в условиях постоянства значения взаимной индуктивности, но изменения скорости момента в диапазоне от 0 до 0,65 номинальных значений; сравнение реальных и измеренных значений скорости показало значение погрешности в пределах 1%; такое значение погрешности ранее не наблюдалось ни в одной из работ, приведенных в обзоре; на втором этапе исследовалась модель НС наблюдателя для условий, когда взаимная индуктивность варьировалась; сравнение значений реальной и оцененной скорости показало согласие результатов в пределах расхождения в 9%, что можно считать приемлемым согласием для заданного режима работы электропривода.

5.Сравнение всех результатов имитационного моделирования показывает, что обычная система АУЭМ работает эффективно, когда значения параметров электропривода точно известны и не изменяются во время работы. Система адаптивного управления, замененная двухслойной НС, может немного улучшить эффективность системы, но в условиях постоянства ее параметров. Эти обе системы подвержены воздействию небольших изменений параметров, которые возникают в процессе реальной работы. После внесения в структуру системы оценщика (устройство для оценки) сопротивления статора эффективность системы значительно улучшается, что делает ее пригодной для практического применения.

Значение результатов исследования состоит в разработке алгоритмов и программ для систем векторного управления, разработке рекомендаций для проектировщиков электроприводов. В конечном итоге, результаты проведенных исследований при внедрении в практику должны дать повышение качества регулирования электроприводов. Последнее, в свою очередь, повышает надежность работы электроприводов и приводит к экономии электроэнергии и ресурсов.

Список литературы диссертационного исследования кандидат технических наук Али Салама Абозеад Абоалела, 2012 год

1. Toshinori М, Fundamentals of the New Artificial Intelligence: Neural, Evolutionary, Fuzzy and more/ Second edition, Springer Press, 2008. 255 P.

2. Astrom K. J., Wittenmark В. Adaptive control /Reading MA: Addison Wesley,1994-574 P.

3. Дьяконов В. П.МАТЬАВ 7.*/R2006/R2007: Самоучитель. M.: ДМК Пресс, 2008. - 768 е.:

4. Зунг Ч. А. Разработка и исследование адаптивных систем управления нелинейными электромеханическими объектами супругимидеформациями / Дис. кан. техн. наук / СПб.: СПбГЭТУ, 2008. 174 с.

5. Осовский, С. Нейронные сети для обработки информации / С.Осовский; пер. с польского И.Д. Рудинского. — М.: Финансы и статистика, 2002. — 344 с.

6. Назаров, A.B. Нейросетевые алгоритмы прогнозирования и оптимизации систем / А.В.Назаров, А.И.Лоскутов,- СПб.: Наука и Техника, 2003. 384 с.

7. Сигеру Омату « Нейроуправление и его приложения »Кн 2 /Сигеру

8. Омату, МарзукиХалид, РубияЮсоф, Пер. с англ. Н В Батина. Под ред.

9. А И Галушкина. В А Птичкина М.: ИПРЖР, 2000 - 272 с.

10. Розенблатг Ф. Принципы нейродинамики: Перцептрон и теориямеханизмов мозга / Ф.Розенблатг. М.: Мир, 1965- 480 с.122

11. РоберртКаллан « Основные концепции нейронных сетей».: Пер с англ. —М.: Издательский дом " Вильяме 2001. —291 с.

12. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д.Рутковская, М.Пилиньский, JI. Рутковский. // Пер. с польск. И.Д. Рудинского. М.: Горячая линия — Телеком, 2004. — 452 с.

13. Комашинский В. И., Смирнов Д. А. Нейронные сети и их применение в системах управления и связи.— М.: Горячая линия-Телеком, 2003. — 94 с.

14. Вороновский, Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г.К.Вороновский, К.В.Махотшто, С.Н.Петрашев, С.А.Сергеев Харьков: Основа, 1997. -112 с.

15. Агеев, А. Д. Нейрокомпьютеры и их применение. Кн. 6. Нейроматематика / А.Д. Агеев, А.Н.Балухто, А.В.Бычков и др.; под общ.ред. А.И. Галушкина. М.:ИПРЖР,2002.~ 448с.

16. Терехов, В. А. Нейросетевые системы управления / В. А. Терехов, Д.В.Ефимов, И. Ю. Тюкин ; под общ.ред. А.И. Галушкина. Кн. 8. — М.: ИПРЖР, 2002.

17. L. Nascimento Jr., B.Sc., M.Sc. Thesis of "Artificial Neural Networks in Control and Optimization"University of Manchester Faculty of Technology ,Manchester by Cairo . 1994

18. Mustafa Mohamadian. Thesis of "Indirect field oriented control of an induction motor implemented with an Artificial Neural Network" University of CALGARY, CALGARY, ALBERTA. 1998

19. M.Sc. Dariusz L. Sobczuk . Thesis of "Application of ANN for Control of PWM Inverter Fed Induction Motor Drives", Warsaw University of Technology, Faculty of Electrical Engineering Institute of Control and Industrial Electronics, Poland, 1999.

20. Ke Li Shi. Thesis of "Intelligent control for an induction motor", The Hong Kong polytechnic university, department of Electrical Engineering . 2001.

21. Hao Wen. Thesis of "Development and analysis of a self-tuned Neuro-Fuzzy controller for induction motor drives", Lakehead University Thunder Bay, Ontario,Canada, 2005.

22. ZhiRui Huang. Thesis of "Self-tuned Nero-fuzzy controller based induction motor drive" Lakehead University Thunder Bay, Ontario, 2007.

23. Pinto, Joao O.P. A Neural Network-Based Space-Vector PWM Controller for Voltage-Fed Inverter Induction Motor Drive I Joao O.P. Pinto, K. Bose Bimal, Luiz Eduardo Borges da Silva II IEEE Trans. Ind. Applicat., 2000, —vol. 36, -P. 1628-1636.

24. Madani, K. Neural Networks Based intelligent adaptive control: from theoretical aspects to hardware implementation I K.Madani //Нейрокомпьютеры: разработка, применение, 2002. —№ 5-6. —С. 5879.

25. Shi, K.L. Direct Self Control of Induction Motor Based on Neural Network / K.L.Shi, T.F.Chan, Y.K.Wong II IEEE Trans. Ind. Applicat, 2001. —vol. 37 —P. 1250-1258.

26. Соколовский Г.Г. Электроприводы переменного тока с частотным регулированием: учебник для студ. высш. учеб. заведений / Г. Г. Соколовский. -М.: Издательский «Академия», 2006. -272с.

27. Виноградов А.Б. Векторное управление электроприводами переменного тока / ГОУВПО «Ивановский государственный энергетический университет имени В.И. Ленина». Иваново, 2008. -298 с.

28. Бесекерский, В.А. Теория систем автоматического регулирования /В.А.Бесекерский, Е.П.Попов-Наука М.: 1972. - 768 с.

29. Сарваров A.C., Петушков М.Ю., Купцов В.В. Современные методы диагностирования асинхронных двигателей и их развитие: монография. Магнитогорск: ГОУ ВПО «МГТУ», 2010,247 с.

30. Афанасьев А.Ю. Основы автоматизированного электропривода: Учеб. пособие / А.Ю. Афанасьев. -Казань: Изд-во Казан.гос. техн. унта,2005.

31. Башарин, A.B. Управление электроприводами: учеб. пособие для вузов/А.В.Башарин, В.А.Новиков, Г.Г.Соколовский.-Л.: Энергоиздат, 1982.

32. Хайкин, Саймон. Нейронные сети: полный курс, 2-е издание. : Пер. с англ.—М. Издательский дом"Вильямс", 2006. —1104 с.

33. Маевский, O.A. Энергетические показатели вентильных преобразователей / О.А.Маевский М.: Энергия, 1978. - 320 с.

34. Герман-Галкин, С.Г. Цифровые электроприводы с транзисторными преобразователями / С.Г.Герман-Галкин и др. Л.: Энергоатомиздат, 1986. —248 с.

35. Герман-Галкин, С.Г. Компьютерное моделирование полупроводниковых систем в MATLAB 6.0: учебное пособие СПб: Корона принт, 2001. - 320с.

36. Лазарев Ю.Ф.Моделирование процессов и систем в MATLAB: учебное курс. -СПб.: Питер; Киев: Издательская группа BHV, 2005. -512с.

37. Лазарев Ю. Ф. Начала программирования в среде MATLAB: Учебное пособие. К.:НТУУ "КПИ", 2003. - 424 с.

38. JaanKiusalaas" Numerical methods in engineering with MATLAB", second edition: Pennsylvania State University, USA. 2009. — 431 P.

39. Steven T. Karris "Introduction to Simulink with Engineering Applications", second edition, Orchard Publications: USA. 2008. —716 P.

40. Черных И.В. Моделирование электротехнических устройств в MATLAB, SiraPowerSystems и Simulink. —M.: ДМК Пресс; СПб.: Питер, 2008. —288 с.

41. Новгородцев А.Б. Расчет электрических цепей в MATLAB: Учебный курс. —СПб.: Питер, 2004. —250 с.

42. Усков, A.A. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика / А.А.Усков, А.В.Кузьмин . М.: Горячая линия- Телеком, 2004. - 143 с.

43. Алявдин, H.A. О статической обработке выборки с малым числом наблюдений / Н.А.Алявдин // научн. тр. Моск. технолог, ин-та легкой пром-ти / Моск. технологич. ин-т легкой про-ти. — 1957 Сб. 9. — М.: Гизлегпром, 1957.

44. Ильинский Н.Ф., Москаленко В.В. Электропривод: энерго- и ресурсосбережение: Учебное пособие для студентов высших учебных заведений. —М.: Издательский центр "Академия", 2008. - 208 с

45. Проектирование электронных преобразователей для регулируемых электроприводов: учебное пособие / В.Н. Остриров. М.: Издательский дом МЭИ, 2008.-72с.

46. Терехов В.М., Элементы автоматизированного электропривода,—М., Энергоатомиздат, 1987,224 с.

47. Водовозов A.M. Цифровые элементы систем автоматики, учебное пособие, Вологда, ВоГТУ, 2001 г., 108с.

48. Али Салама A.A., Андреев Н.К. КубаревЮ.Г.Учет Изменения сопротивления взаимоиндукции на низких частотах вращения асинхронного электропривода при косвенном векторном управлении. Известия вузов. Проблемы энергетики.2011, №9-10. С.145-153.

49. Али Салама A.A., Диаб Ахмед А.З., Андреев Н.К. Оценка скорости асинхронного двигателя в системах адаптивного управления по эталонной модели и с нейронной сетью. Энергетика Татарстана, 2012, №2-26.С57-61.

50. Али Салама A.A., Андреев Н.К. Исследование работы нейросетевогопредиктора в системе управления частотой асинхронного двигателя с помощью широтно-импульсной модуляции. Вестник Казан.гос. энерг. ун-та, 2011, №1(8), С.35-38.

51. Али Салама A.A., Андреев Н.К. Управление асинхронным электроприводом с использованием самонастраивающейся нейросети // II Международной научной конференции ТТС-10. Сборник материалов. Краснодар: КВВАУЛ, 2010 г. С.61-63.

52. Али Салама A.A., Андреев Н.К. Косвенное векторное управление скоростью асинхронного электропривод с использованием искусственной нейронной сети // ХХШ Всерос. межвуз. н-т конф. Часть 1. Казань: Издательство « Отечество», 2011. С.64-65.

53. Али Салама A.A., Андреев Н.К. Оценка скорости асинхронного двигателя в системах адаптивного управления по эталонной модели и с нейронной сетью // IV Межрегиональная научно-практическая конференция студентов, аспирантов и молодых ученых «Четвертые

54. Камские чтения» Набережные челны: ИНЭКА. 2012. С.З.127

55. Али Салама А.А., Андреев Н.К. Система адаптивного управления скорости асинхронного двигателя по эталонной модели и с нейронной сетью // XIV всероссийский студенческий научно-технический семинар. Томск. ТПУ. 2012.

56. Али Салама А.А., Андреев Н.К. Применение нейронных сетей в системах управления электроприводом // VII Международная (8 Всероссийская) научно-техническая конференция по автоматизированному электроприводу: ФГБОУ ВПО ИГЭУ. -Иваново, 2012. С.126-130.

57. P. Vas: Electrical Machines and Drives, Application of Fuzzy, Neural, Fuzzy-Neural and Genetic-Algorithm-Based Techniques, Oxford University Press, Inc. New York, 1999.

58. D. Vukadinovic, M. Smajo: A Sensorless Vector Control System -Saturation in Iron Analysis (accepted paper), Melecon 2004, Dubrovnik, Croatia.

59. M. Smajo, D. Vukadinovic: Impact of Saturation Effect in Iron on Asynchronous Motor Characteristics, Proceedings of 9th International DAAAM Symposium, P. 449-450, Cluj Napoca, Romania, 1998.

60. Internet: Matlab The Language of Technical Computing, Version 5, January 1999.

61. H. A. Toliyat, E. Levi and M. Raina: A Reviw of RFO Induction Motor Parameter Estimation Techniques // IEEE Trans, on Energy Conversion, Vol. 18, No.2, June 2003.

62. DirecktTorkue Control of AC motor drives. M. Aaltontn, P. Tiitinen, J. Laku. S.Heikkilla //ABB Review 1995. - №3. - pp. 19-24.

63. Gybenco G. Approximation by superpositions of a sigmoidal function / Gybenco П Math, of Control, Signals and Systems. 1989. №2 -c. 303-314

64. Васильев, C.H. Интеллектуальное управление динамическими системами / С.Н.Васильев, А.К.Жерлов, Е.А.Федосов, Б.Е.Федунов -М.: Физматлит, 2000.

65. Интеллектуальные системы автоматического управления / под ред. И.М. Макарова, В.М. Лохина. М: Физматлит, 2001.

66. Махотило, К.В. Анализ параметрической чувствительности нейросетевой системы управления / К.В.Махотило //Труды Международной научно-технической конференции «MicroCAD'97». Часть 3. — Харьков, 1997. —С. 137-141.t

67. Клепиков, В.Б. Применение методов нейронных сетей и генетических алгоритмов в решении задач управления электроприводами / В.Б.Клепиков, С.А.Сергеев, К.В.Махотило и др. // Электротехника. — 1999.—№5,—С. 2-6.

68. Ba-Razzouk, A. Field-oriented control of induction motors using neural-network decouplers I A. Ba-Razzouk, A.Cheriti, G.Olivier, P.Sicard П IEEE Power Electron. — 1997. —vol. 12. —№ 4. —P. 752 -763.

69. Halpin, S.M. Applicability of neural networks to industrial and commercial power systems: a tutorial overview I S.M.Halpin, R.F. Burch II IEEE Trans. Ind. Applicat., 1997,—vol. 33,—№5.—P. 1355-1361.

70. Simoes, M.G. Neural network based estimation of feedback signals for a vector controlled induction motor drive / M.G.Simoes, B.K.Bose П IEEE Trans. Ind. Applicat, 1995.—vol. 31, №3 —P. 620-629.

71. Браславский, И.Я. Синтез нейронного наблюдателя дляавтоматизированного привода с прямым управлением моментом / И.Я. Браславский и др. . // Электротехника. — 2001. —№12.

72. Lewis, F.L. Guest Editorial: Neural network feedback control with guaranteed stability I F.L.Lewis, T.Parisini /Ant. J. of Control., 1998. Vol. 70, №3.-P. 337-339.

73. Engineering Applications of Neural Networks /Palmer-Drown D., Draganova C., Pimenidis E., Mouratidis E. Editors. Proceeding of the 11th International Conference. EANN, London, UK, August 27-29,2009.

74. Vinod Kumar and R. R. Joshi. Hybrid Controller based Intelligent Speed Control of Induction Motor / J. Theor. and Appl. Information Technology, pp. 71-75,2005.

75. F. Blaschke. The principle of field orientation as applied to new transvector closed loop control system for rotating field machine / Siemens Rev, vol. 34, P. 217-220. May 1972

76. R. Krishna and A.S. Bharadwaj. A Review of Parameter Sensitivity and Adaptation in Indirect Vector Controlled Induction Motor Drive Systems / IEFE Transactions On Power Electronics, Vol. 6, No -1, P. 695-703, Oct 1991.

77. Adel Merabet, MohandOuhrouche and Rung-Tien Bui. Neural Generalized Predictive Controller for Induction Motor / Volume 1, Number 1, P. 83-100, University of Quebec at Chicoutimi. 2006

78. K. S. Narendra and K. Parthasarathy. Identification and control of dynamic systems using neural networks / IEEE Trans. Neural Networks, vol.1, P.4-27, Jan.1990.

79. Miloudi, Y. Miloudand A. Draou. A Neural Network Based Speed Control Design Strategy of an Indirect Vector Controlled Induction Machine Drive / University Centre of Saida. 2003.

80. M. G. Simoes and В. K. Bose. Neural Network based Estimation of Feedback Signals for a Vector Controlled Induction Motor Drive / IEEE Trans. On Industry Applications, Vol. 31, No. 3, pp. 620-629, May/June 1995.

81. Афанасьев А.Ю., Макаров В.Г. Математическая модель трехфазного асинхронного двигателя с учетом нелинейности магнитопровода // Проблемы энергетики, 2011, № 1-2. С.93-100.

82. Сарваров А.С. Расширение диапазона частотного регулирования двигателей переменного тока на базе непосредственных преобразователей частоты / А.С. Сарваров // Приводная техника.-2000,-№3.- С. 22-27.

83. Сарваров А.С. Расширение диапазона регулирования в системе 12-пульсный НПЧ-АД для вентиляторных электроприводов / А.С. Сарваров // Труды IV Междунар. конф. Электромеханика и электротехнология МКЭЭ, 2000.- Клязьма, 2000.-С. 210-211.

84. Finch, J. W. and Giaouris, D., Controlled AC Electrical Drives, IEEE Transactions on Industrial Electronics, Feb. 2008,55, 1, pp. 1-11.

85. Shauder, C., Adaptive Speed Identification for Vector Control of Induction Motors without Rotational Transducers // IEEE Transactions on Industry Applications, 1992,28.

86. Yang, G. and T. Chin, Adaptive-Speed Identification Scheme for a Vector-Controlled Speed Sensorless Inverter-Induction Motors // IEEE Transactions on Industry Applications, 1993,29.

87. Fitzgerald, A.E., C. Kingsley, and S.D. Umans, Electric Machinery. 6th ed., 2003: McGraw-Hill International Edition.

88. Kumara, I.N.S., Speed Sensorless Field Oriented Control for Induction Motor Drive. PhD Thesis, 2006, University of Newcastle upon Tyne.

89. Маликов А.И. Метод векторных функций Ляпунова в теории устойчивости. М. Наука, 1987 (соавторы В.М. Матросов и др.).

90. Афанасьев А.Ю., Собх М.И. Преобразование постоянного напряжения в переменное с минимумом мощности потерь в трехфазной обмотке двигателя с изолированной нейтралью // Проблемы энергетики, 2010, №3-4. С.102-112.

91. Ильинский Н.Ф., М.Г. Юньков. Итоги развития и проблемы электропривода // Автоматизированный электропривод / Под общ.ред. Н.Ф.Ильинского, М.Г. Юнькова. М.: Энергоатомиздат, 1990.- С. 4 -14.

92. Браславский И.Я. Возможности энергосбережения при использовании регулируемых асинхронных электроприводов // Электроприводы переменного тока: Тр. XI-ой научно-технич. конф. (24 26 февраля 1998г.). - Екатеринбург: УГТУ, 1998,- С. 102 - 107.

93. Онищенко Г.Б., Юньков М.Г. Электропривод турбомеханизмов.- М.: Энергия, 1972.- 240 с.

94. Никифоров Г.В., Заславец Б.И. Энергосбережение на промышленных предприятиях.- Магнитогорск: МГТУ, 2000.- 283 с.

95. Белов М.П., Новиков В.А., Рассудов JI.H. Автоматизированный электропривод типовых производственных механизмов и технологических комплексов - М.: Издательский центр «Академия», 2004. - 576 с.

96. Андреев Н.К., Абдул-СадахА.М., Вагапов P.A. Оптимальные электроприводы постоянного тока / Н.К. Андреев, A.M. Абдул-Садах, P.A. Вагапов.-Казань: Казан.гос. энерг. ун-т, 2009. -163с.

97. Андреев Н.К., Цветков А.Н., Чайкин A.A. Проектирование Электроприводов: Учеб. пособие. -Казань: Казан.гос. энерг. ун-т, 2003. -108с.

98. Маликов А.И. Об устойчивости логико-динамических систем управления со структурными изменениями //Изв. РАН. Теория и системы управления. 1996.No 2;

99. Маликов А.И. Абсолютная устойчивость нелинейных регулируемых систем со случайными изменениями структуры //Изв. РАН. Теория и системы управления. 1996. N 3.

100. Маликов А.И.,Али З.М.М. Локальное управление для улучшения устойчивости многомашинной энергетической системы // Проблемы энергетики, 2010, № 1-2. С.75-83.

101. Ваньков Ю.В, Казаков Р.Б. Применение метода собственных частот к контролю протяженных тонкостенных изделий // Проблемы энергетики, 2003, №9-10. С.97-107.

102. Ваньков Ю.В, Казаков Р.Б. Численный анализ взаимодействия оснастки дефектоскопа с контролируемой конструкцией II // Проблемы энергетики, 2003, № 5-6. С. 108-114.

103. Ваньков Ю.В., Голованов А.И., Яковлева Э.Р. Математическое моделирование «эталонов дефектов» // Сб. трудов ХП1 НТК. Казань:, КФВАУ, 2002. С. 155.

104. Сарваров A.C., Шинянский A.B. Синхронизация асинхронного двигателя в схеме ABK.- Тр. /Таллиск. политехи, ин-та, 1981, № 520.- С.

105. Сарваров A.C. Синхронизация асинхронного двигателя в схеме АВК с целью повышения энергетических показателей.- Тр.Моск. энерг. ин-та, 1982, вып. 520.-С. 93-95.

106. Сарваров A.C., Шинянский A.B. Улучшение энергетических показателей электропривода подъемника по системе ABK.- Тр. Моск. энерг. ин-та, 1988, вып. 165.- С.88-94.33.41.