Automatic DC motor control system with PI speed neuroregulator

Abstract

Дослідження нейронних мереж зробило перспективний розвиток за останні роки, і нейронні мережі стали популярною темою, особливо в галузі досліджень штучного інтелекту. Це особливо стосується того, що за допомогою нейронних мереж, можуть бути розроблені системи штучного інтелекту, які базуються на принципі навчання людини і моделюються на основі обробки інформації нервовою системою. У той же час, це відносно складна і абстрактна область досліджень, яку дуже важко зрозуміти новачкові в цій галузі. Як наслідок, ця важлива та перспективна сфера ще недостатньо поширена, особливо в промисловому секторі. Кілька років досліджень дали уявлення про архітектуру та характеристики людського мозку як системи керування і показали, що контролер з нейронними мережами має значні переваги перед звичайними контролерами. Нейроконтролер може ефективно обробляти набагато більший обсяг інформації. Ще одна дуже важлива перевага полягає в тому, що хорошого регулювання можна досягти, вивчивши його. У цій дипломній роботі слід розробити стажувальний експеримент для вивчення ефективності роботи нейроконтролерів у нелінійних електроприводних системах. Для цього призначені дві системи приводу з каскадним регулюванням швидкості. Сухе тертя відзначається в одній із цих систем, а сухе і в’язке тертя - в іншій. Для контрольованої системи кожної системи додана зворотна нейро-модель. Тоді отримана зворотна нейромодель вбудована в систему за методом “Прямий зворотний контроль” і використовується як регулятор швидкості. Функція передачі послідовного з'єднання зворотної моделі та керованої системи повинна прагнути до такої у використаному методі. Таким чином, можуть бути компенсовані наявні нелінійності в системі.

The research of neural networks has made a promising development in recent years, and neural networks have become a popular topic especially in the field of artificial intelligence research. This is particularly the case because with the help of neural networks, artificial intelligence systems can be developed that are based on the principle of human learning and are modeled on the processing of information by the nervous system. At the same time, it is a relatively complex and abstract area of research that is very difficult to grasp and understand for a newcomer to this field. As a result, this important and promising area is not yet sufficiently widespread, especially in the industrial sector. Several years of research gave insight into the architecture and the performance of the human brain as a control system and showed that the controller with neural networks has significant advantages over conventional controllers. The neurocontroller can effectively process a much larger amount of information. Another very important advantage is that good regulation can be achieved by learning it. In this thesis an internship experiment to investigate the performance of neurocontrollers in non-linear electric drive systems has to be developed. For this purpose, two drive systems with cascade speed control are considered. Dry friction is noted in one of these systems and dry and viscous friction is noted in the other. Inverse neuro-model is added for the controlled system of each system. Then the obtained inverse neuromodel is built into the system according to the method “Direct inverse control” and used as the speed controller. The transfer function of the series connection of the inverse model and the controlled system should strive towards one in the method used. In this way, the non-linearities present in the system can be compensated.