Электромеханический имитатор антиблокировочных режимов торможения транспортных колес Игнатьев Константин Васильевич

Содержание к диссертации

Введение

1. Обзор существующих методов измерения коэффициента сцепления аэродромных покрытий 15

1.1 Обзор существующих измерителей коэффициента сцепления 15

1.2 Обзор научно технических публикаций 21

1.3 Выводы по первой главе 25

2. Разработка систем починённого, модального, адаптивного с параметрической и сигнальной настройкой и нейронечёткого управления электромеханическим имитатором тормозных систем самолётов 26

2.1 Математическая модель электромеханического имитатора тормозных систем самолётов 26

2.2 Математическая модель системы автоматического управления электромеханического имитатора тормозных систем самолётов с подчинённым управлением 33

2.3 Математическая модель системы автоматического управления электромеханического имитатора тормозных систем самолётов с модальным управлением 36

2.4 Математическая модель системы автоматического управления электромеханического имитатора тормозных систем самолётов с адаптивным управлением с параметрической настройкой и мажорирующими функциями 42

2.5 Математическая модель системы автоматического управления электромеханического имитатора тормозных систем самолётов с адаптивным управлением с сигнальной настройкой и мажорирующими функциями 47

2.6 Математическая модель системы автоматического управления

электромеханического имитатора тормозных систем самолётов с нейронечёткой ANFIS системой управления 48

2.7 Выводы по второй главе 51

3. Сравнительный анализ систем автоматического управления многомассовыми упругими электромеханическими объектами 52

3.1 Двухмассовый упругий электромеханический объект 52

3.2 Трёхмассовый упругий электромеханический объект 71

3.3 Выводы по третьей главе 87

4. Применение генетических алгоритмов для расчёта беспоисковых адаптивных систем 89

4.1 Генетические алгоритмы и их применение в системах автоматического управления 89

4.2 Применение генетических алгоритмов для расчёта беспоисковых адаптивных систем 111

4.3 Идентификатор состояния 128

4.4 Выводы по четвёртой главе 138

5. Сравнительный анализ влияния режимов торможения измерительного колеса на результат измерения коэффициента сцепления с использованием адаптивной системы автоматического управления электромеханическим имитатором тормозных режимов с параметрической настройкой 139

5.1 Математическая модель процесса непрерывного измерения располагаемого коэффициента сцепления вдоль аэродромного покрытия 139

5.2 Исследование влияния режимов торможения измерительного колеса на результат измерения коэффициента сцепления по средствам математического моделирования 143

5.3 Микропроцессорная реализация адаптивной системы с алгоритмом параметрической настройки для упругого электромеханического имитатора антиблокировочных тормозных режимов

158

5.4 Исследовательские испытания электромеханического имитатора

антиблокировочных режимов торможения по оценке влияния режимов

торможения измерительного колеса на результаты измерения коэффициента скольжения 160

5.5 Выводы по пятой главе 162

Заключение 164

Список использованных источников 168

• Обзор научно технических публикаций
• Математическая модель системы автоматического управления электромеханического имитатора тормозных систем самолётов с модальным управлением
• Трёхмассовый упругий электромеханический объект
• Исследование влияния режимов торможения измерительного колеса на результат измерения коэффициента сцепления по средствам математического моделирования

Введение к работе

Актуальность работы. Проблема обеспечения безопасности посадки воздушных судов в экстремальных погодных условиях актуальна как для стран с холодным, так и с жарким климатом. Снег, лед, изморозь, слякоть, песок, грязь, лужи, стоячая вода, мокрый асфальт, нефтепродукты и резиновые отложения одинаково являются с точки зрения международных руководств по эксплуатации аэродромов гражданской авиации загрязнителями взлётно-посадочных полос и принадлежат к экстремальным погодным факторам. Поэтому для обеспечения безопасности посадки в экстремальных погодных условиях и при наличии таких загрязнителей необходимо проводить предпосадочные оперативные измерения коэффициента сцепления взлётно-посадочных полос с целью определения безопасной тормозной дистанции приземляющихся воздушных судов. Разработка методов измерения коэффициента сцепления с помощью прокатывания измерительного колеса с постоянным скольжением и реализующих их мобильных установок осуществляется со второй половины прошлого века трудами многих отечественных и зарубежных ученых и инженеров, в их числе Аргунов С.Е., Андриади Ф.К., Булах А.И., Васильев А.П., Глуховский В.Н., Друян Е.В., Дубовец А.М, Елисеев Б.М., Журавлева С.Н., Иваница Е.В., Ивантев А.М., Каазик А.И., Казаков В.П., Кейн В.М., Кельман И.И., Кизима С.С., Коссый Я.А., Котвицкий А.Ф., Лакатош Ю.А., Максимовский В.А., Медрес Л.П., Низовой А.В., Орловская Г.В., Печерский М.А., Рахубовский Ю.С., Русяева Т.Л., Петров Н.П., Порубай В.В., Путов А.В., Путов В.В., Сегал Я.С., Транквиллевский В.Г., Тырса В.Е., Флорман B., Шелудько В.Н., Шестопалов А.А., Щербаков В.В., Gsta Kullberg, Olle Nordstrm, Gran Palmkvist, Ottar Kollerud, Ragnar Malcus, Sven Edvin, Oddvard Johnsen, Hurson James, Tomas Yager и многие другие.

Одной из основных проблем в этой области является проблема соответствия, или, как принято говорить «корреляции» результатов непрерывного измерения коэффициента сцепления взлётно-посадочных полос с реальными характеристиками торможения приземляющихся воздушных судов. Характеризуя современное состояние научно-технической проблемы корреляции, можно указать на такие крупные международные проекты, как RuFAB (Runway Friction Characteristics Measurement and Aircraft Braking), IRIS (Integrated Runway Information Systems), JWRFMP (Программа измерения коэффициента сцепления взлётно-посадочных полос в зимних условиях) и др., посвященные решению этой проблемы. Выработаны некоторые табличные рекомендации по корреляции в виде так называемых Международного (IRFI – International Runway Friction Index) и Канадского (CRFI – Canadian Runway Friction Index) индексов трения взлётно-посадочных полос в зимних условиях, однако применение их в оперативных условиях аэродромных измерений является непростым делом и влечет за собой погрешности и даже грубые просчеты.

В то же время, в исследованиях, предпринятых в рассмотренных проектах, был установлен факт независимости вырабатываемых корреляционных коэффициентов от конкретных технических характеристик воздушных судов. Показано, что определяющим фактором, влияющим на величины корреляционных коэффициентов, являются технические характеристики тормозных колесных систем воздушных судов, в то время как другие эксплуатационные характеристики приземляющихся воздушных судов на эти оценки не оказывают существенного влияния. Поэтому в рамках настоящей диссертационной работы исследуется новый, выдвинутый в СПБГЭТУ «ЛЭТИ» подход к решению проблемы повышения точности и достоверности измерений коэффициента сцепления взлётно-посадочных полос, базирующийся на имитации измерительным колесом в процессе измерений антиблокировочных режимов самолетных систем торможения колес приземляющихся воздушных судов.

Применение адаптивного и интеллектуального подходов к управлению динамическими объектами также является актуальной проблемой и ставится в трудах многих отечественных и зарубежных учёных, таких как Андриевский Б.Р., Борцов Ю.А., Буков В.Н., Воронов А.А., Вукобратович М.А., Громыко В.Д., Гелиг А.Х., Дыда А.А., Емельянов С.В., Еремин Е.Л., Земляков С.Д., Красовский А.А., Кирчански Н., Коровин С.К., Леонов Г.А., Лохин В.М., Манько С.В., Мирошник И.В., Никифоров В.О., Овсепян Ф.А., Путов В.В., Поляхов Н.Д., Петров Б.Н., Полушин И.Г., Романов М.П., Рутковский В.Ю., Срагович В.Г., Солодовников В.В., Санковский Е.А., Слукин Н.М., Тимофеев А.В., Терехов В.М., Тюкин И.А., Уткин В.И., Фомин В.Н., Фрадков А.Л., Цыпкин Я.З., Шумский В.М., Шрамко Л.С., Якубович В.А., Ядыгин И.Б., Annaswany A.M., Carrol R., Ercberger H., Fu K., Goldberg D., Gonsales R., Hiza J., Holland J.H., Lindorff D., Li W., Ljung T., Li K., Landau T.D., Miikkulainen R., Naraendra K.S., Ortega R., Slotine J.-J.E., Stanley K.O., Stocich D., Tang Y., Valavani L.S. и многих других.

Таким образом, тема работы является актуальной и представляет научный и практический интерес.

Цель и задачи исследования. Целью диссертационной работы является
разработка, исследование и программная реализация электромеханического имитатора
режимов торможения измерительного колеса буксируемого комплекса для измерения
коэффициента сцепления аэродромных покрытий, с адаптивной системой управления,
обеспечивающей автоматическое управление антиблокировочными режимами

торможения прокатываемого измерительного колеса, близкими к реальным режимам торможения колес приземляющихся воздушных судов, в условиях неопределенности параметров и внешних возмущений.

Для достижения указанной цели в диссертационной работе поставлены и решены следующие задачи:

1. Разработать автоматически управляемое электромеханическое устройство торможения измерительного колеса как имитатора антиблокировочных режимов торможения колес приземляющегося воздушного судна и построить его нелинейную математическую модель, учитывающую упругие деформации пневматической шины в «пятне» контакта с покрытием и механической трансмиссии, а также «срывной» характер сил сухого трения при проскальзывании деформированной шины в «пятне» контакта.

2. Разработать структуры и математические модели неадаптивных с постоянными настройками, аналитических адаптивных с параметрической и сигнальной настройками и интеллектуальных (нейронечетких) систем автоматического управления электромеханическим имитатором, а также исследовать их эффективность в подавлении упругих деформаций двух- и трёхмассового упругих электромеханических объектов.

3. Разработать методику расчета контуров параметрической настройки беспоисковых адаптивных систем, основанную на применении генетических алгоритмов выбора наилучшей стратегии по критерию наперед заданной динамической точности процессов адаптации.

4. Разработать математическую модель процесса непрерывного измерения располагаемого (максимального) коэффициента сцепления вдоль аэродромного покрытия и исследовать моделированием влияние на результаты измерения вариаций параметров антиблокировочных режимов торможения измерительного колеса.

5. Разработать программное обеспечение микроконтроллерной реализации адаптивной системы управления электромеханическим имитатором и провести полунатурные исследования влияния антиблокировочных режимов торможения на результаты измерений экспериментального образца буксируемого измерительного комплекса на базе испытательного стенда с управляемой «бегущей дорожкой».

Методы исследований. При выполнении поставленных задач в диссертации использованы методы современной теории систем автоматического управления, методы

численного моделирования систем обыкновенных дифференциальных уравнений, а также методы теории нечётких множеств и генетических алгоритмов.

Научные результаты, выносимые на защиту:

6. Разработано автоматически управляемое электромеханическое устройство торможения измерительного колеса как имитатора антиблокировочных режимов торможения колес приземляющегося воздушного судна и построена его нелинейная математическая модель, учитывающая упругие деформации пневматической шины в «пятне» контакта с покрытием и механической трансмиссии, а также «срывной» характер сил сухого трения при проскальзывании деформированной шины в «пятне» контакта.

7. Разработаны структуры и математические модели неадаптивных с постоянными настройками, аналитических адаптивных с параметрической и сигнальной настройками и интеллектуальных (нейронечетких) систем автоматического управления электромеханическим имитатором, а также исследована их эффективность в подавлении упругих деформаций двух- и трёхмассового упругих электромеханических объектов.

8. Разработана методика расчета контуров параметрической настройки беспоисковых адаптивных систем, основанная на применении генетических алгоритмов выбора наилучшей стратегии по критерию наперед заданной динамической точности процессов адаптации.

9. Разработана математическая модель процесса непрерывного измерения располагаемого (максимального) коэффициента сцепления вдоль аэродромного покрытия и исследовано моделированием влияние на результаты измерения вариаций параметров антиблокировочных режимов торможения измерительного колеса.

10. Разработано программное обеспечение микроконтроллерной реализации адаптивной системы управления электромеханическим имитатором и проведены полунатурные исследования влияния антиблокировочных режимов торможения на результаты измерений экспериментального образца буксируемого измерительного комплекса на базе испытательного стенда с управляемой «бегущей дорожкой».

Научная новизна результатов работы.

11. Интеллектуальная (нейронечёткая) система управления электромеханическим имитатором торможения колеса с обучением по прямой адаптивной системе управления с параметрической настройкой, открывающая новые возможности создания адаптивных систем на базе нейронечеткого подхода.

12. Методика расчёта беспоисковых адаптивных систем управления упругими электромеханическими объектами, основанная на применении генетических алгоритмов, впервые в теории аналитических адаптивных систем позволяющая напрямую связать выбор параметров усилений цепей настройки и матрицы целевого функционала с качеством динамических процессов адаптации.

13. Впервые проведён посредством математического моделирования анализ влияния параметров антиблокировочных режимов торможения измерительного колеса на результаты измерения коэффициента сцепления с использованием электромеханического устройства торможения с адаптивным управлением с параметрической настройкой, доказывающий правомерность исследуемого подхода к организации измерений коэффициента сцепления, основанного на имитации измерительным колесом в процессе измерений антиблокировочных режимов самолетных систем торможения колес приземляющихся воздушных судов.

14. Впервые экспериментально исследовано влияние параметров антиблокировочных режимов торможения измерительного колеса на результаты измерения коэффициента сцепления с использованием экспериментального образца электромеханического устройства торможения, подтвердившего результаты моделирования и продемонстрировавшего правомерность выдвинутого подхода.

Степень обоснованности и достоверности полученных научных и

практических результатов:

Обоснованность принимаемых в работе основных технических решений обуславливается корректным применением указанных выше теоретических и экспериментальных методов исследования.

Достоверность научных положений, результатов и выводов диссертации подтверждается результатами математического моделирования и экспериментальных исследований с применением современных компьютерных средств и программных комплексов, а также апробацией основных научных результатов на научно-технических конференциях, опубликованием статей, содержащих результаты работы, в научных реферируемых журналах, в том числе международных.

Значимость полученных результатов для науки и практики. Теоретическая значимость работы состоит в следующем:

15. Разработана интеллектуальная (нейронечёткая) система управления электромеханическим имитатором торможения колеса с обучением по аналитическим адаптивным системам управления с параметрической настройкой, раскрывающая новые возможности в создании адаптивных систем на базе нейронечёткого подхода.

16. Разработана новая методика расчёта беспоисковых адаптивных систем управления упругими электромеханическими объектами, основанная на применении генетических алгоритмов и позволяющая напрямую связывать выбор параметров усилений цепей настройки и матрицы целевого функционала аналитических адаптивных систем с качеством переходных процессов адаптации.

17. Впервые разработана методика моделирования процессов измерения распределения эффективного коэффициента сцепления вдоль взлётно-посадочных полос, основанная на модели Бурхарда и позволяющая исследовать влияние сложных, в том числе антиблокировочных, режимов торможения на результаты измерений коэффициента сцепления.

Практическая полезность работы:

Разработана конструкторская и схемотехническая документация и программное обеспечение для изготовления экспериментального образца электромеханического имитатора антиблокировочных режимов торможения с адаптивной системой управления, использованная при изготовлении экспериментального образца измерительного комплекса с электромеханическим имитатором и проведении исследовательских испытаний.

Реализация результатов работы. Теоретические положения и практические результаты диссертационной работы использованы в 12 НИР и НИОКР, выполненных при участии автора в течение 2013-2016 г.г., источниками финансирования которых являлись федеральный бюджет и внебюджетные средства федерального государственного унитарного предприятия «Крыловский государственный научный центр».

Диссертационная работа выполнена в рамках федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технического комплекса России на 2014-2020 годы», приоритетного направления «Транспортные и космические системы», соглашения №14.574.21.0081 от 08.07.2014.

Апробация результатов работы. Основные положения диссертации

докладывались и обсуждались на следующих конференциях: XV юбилейная конф. молодых ученых «Навигация и управление движением». 12-15 марта 2013 г. СПб.:2013; XVIII международная конференция по мягким вычислениям и измерениям SCM 19-21 мая 2015; IEEE North West Russia Section Young Researchers in Electrical and Electronic Engineering Conference, 2-4 February 2015; International conference on nonlinear problems in

aviation and aerospace, La Rochelle, France, July 5- July 8, 2016; International Scientific Symposium «Automated Systems and Technologies», Hannover, Germany, 12-13 October 2016.

Публикации. Основное теоретическое и практическое содержание

диссертационной работы опубликовано в 17 научных работах, в числе которых 3 статьи в ведущих рецензируемых изданиях, рекомендованных в действующем перечне ВАК, 5 статей в изданиях, входящих в список Scopus, а также 7 свидетельств регистрации программ ЭВМ.

Структура и объем работы. Диссертация состоит из введения, 5 глав с выводами, заключения и приложения. Основной материал диссертации изложен на 179 страницах машинописного текста, а также включает 93 рисунка, 6 таблиц, список литературы из 104 наименований. Диссертация содержит одно приложение объемом в 7 страниц текста, включающих 25 рисунков.

Обзор научно технических публикаций

Рассмотрим научно-технические публикации, содержащие значимые исследования методов, технологий и технических решений в области измерения коэффициента сцепления покрытий и систем электромеханического торможения измерительных и транспортных колес. В статье «Тестер сцепления ju-PW как элемент системы оценки трения заноса в исследовании дорожно-транспортных происшествий» [45] автор обосновывает некоторые выводы о потребности конструирования измерительных устройств, используемых для измерения коэффициента трения поверхностей, что необходимо для расследования причин автокатастроф. Рассматриваются результаты показаний приборов и устройств, используемых для оценки фрикционных свойств поверхностей. Методы измерения рассматриваются с точки зрения применимости и адекватности в области расследования дорожных происшествий. В случае портативных устройств понимается всегда косвенное измерение фрикционных качеств поверхности, с использованием образца протектора, скользящего по дорожному полотну под некоторой нормально приложенной нагрузкой. В таких случаях, результат измерения трактуется как коэффициент сцепления, который может быть соотнесён с коэффициентом трения колеса и поверхности. Было показано, что необходима разработка и отладка методов, а также технических тонкостей процесса измерения, что привело бы к увеличению степени достоверности в ходе дорожной реконструкции. Высказывается предположение о конструировании системы измерителя коэффициента сцепления /и -PW. Представляемый образец основан на измерении значения трения (отношения горизонтальной силы и фиксированного значения вертикальной нагрузки) между измерительным образцом и поверхностью дорожного полотна. В ходе измерений, к образцу прикладывается нормальная нагрузка, а скорость движения образца контролируется. Рассматриваются особенности измерителя, а также возможные режимы измерения. Важной особенностью представляемого прибора является возможность передачи протокола измерений на компьютер для подготовки отчётности.

Цель рассматриваемой статьи заключается в представлении предположений и результатов их внедрения в процессе проектирования измерительного устройства, позволяющего измерять значение трения заноса дорожного покрытия, что поможет в раскрытии дорожных происшествий и реконструкции дорожной "предаварийной" обстановки. Благодаря строго определённой цели и сфере применения, представляемое устройство обладает следующими особенностями: устройство должно иметь достаточно малые габариты для перевозки его в транспортном средстве, таком как машины дорожной службы; устройство должно управляться одним подготовленным человеком, без затрат больших физических усилий со стороны оператора; устройство должно обеспечивать сбор и обработку информации как локально, так и на большой измерительной дистанции; устройство должно быть нечувствительным к возможным ошибкам человека-оператора, а также - к внешним возмущениям; малые затраты на измерения и обслуживание; устройство должно показывать должный уровень точности измерений для чего необходимо проводить калибровку, а также проводить плановое квалифицированное обслуживание установки компетентным персоналом.

В статье «Тормозная измерительная система ВАТ для достоверной оценки тормозного пути ЛА на зимних ВПП» [46] описывается новая уникальная установка ВАТ для измерения коэффициента сцепления ВПП, предлагаемая университетом Ватерлоо, обеспечивающая наилучшие на сегодняшний день показатели корреляции измеренных значений коэффициента сцепления с реальными, проявляющимися при посадке, тормозными характеристиками воздушного судна, потому что она представляет собой уникальную конструкцию весом 5700 кг, выполненную на реальном полётном авиашасси и оснащаемую реальными самолётными автоматами торможения, аналогичными шасси и автоматам торможения самолёта Boeing-737.

Указывается, что в настоящее время в качестве показателя для оценки коэффициента сцепления ВПП в Канаде используется так называемый Канадский индекс трения ВПП (CRFI - Canadian Runway Friction Index). Этот метод основан на рекомендациях таблиц CRFI, основанных, в свою очередь, на статистических данных полевых испытаний торможения самолётов различных типов на зимних ВПП с различными видами загрязнений, полученных в рамках международной исследовательской программы JWRFMP (Программа измерения коэффициента сцепления ВПП в зимних условиях), проводимой во главе с NASA и вырабатывающей рекомендации по корреляции измеренных значений коэффициента аэродромных покрытий в зимних условиях с таблицами, объединёнными в метод, названный Международным индексом трения ВПП (IRFI- International RFI).

Однако рекомендации CRFI и IRFI не всегда дают надёжные сведения, как показано в серии испытаний, проводимых с помощью ВАТ. Кроме того, на базе результатов испытаний ВАТ проверяются современные самолётные системы торможения, производимые ведущими компаниями по поставке самолётных систем торможения для различных типов летательных аппаратов.

Статья «Моделирование самолётной системы торможения исходя из показаний измерений с помощью установки IMAG» [47] посвящена изложению одного из подходов к решению проблемы корреляции между измеренным значением коэффициента торможения ВПП и реальными тормозными характеристиками самолёта, базирующемуся на некоторой статистической модели (ESDU), созданной на основе экспериментальных численных и аналитических данных о корреляции между измеренным коэффициентом сцепления, полученных от выбранного базового измерителя и коэффициентами торможения различных типов воздушных судов в условиях различных видов и степеней загрязнения полосы.

Математическая модель системы автоматического управления электромеханического имитатора тормозных систем самолётов с модальным управлением

Основные сведения об ANFIS системах. Нейронечёткие системы ANFIS (Adaptive Neuro-Fuzzy Inference System) получили широкое распространение в связи с тем, что объединяют приемущества нечётких систем и нейросетей, такие, как возможность работы с понятными человеку лингвинистическими выражениями и возможность обучения. В системах ANFIS используется нечёткая система с правилами Takagi-Sugeno-Kang и нейронная сеть для настройки параметров функций принадлежности и лингвинистических правил. Рассмотрим работу ANFIS на примере системы с двумя входами, четыремя нечёткими правилами и одним выходом. Структура рассматриваемой системы представлена на рисунке 2.4. На первом слое происходит фаззификация входных переменных, т.е. определяются степени принадлежности входов системы. Например, при использовании гауссовых функций принадлежности выход і -го нейрона первого слоя будет рассчитываться по следующей формуле о;=//д(х)=ехр(-і( %2 ), 2 Tj где параметры q и тг- называются параметрами нечётких множеств и обозначают центр и ширину гауссовой функции принадлежности. На втором слое происходит расчёт предикатов нечётких правил с помощью триангулярной нормы (Т-нормы), имеющей вид умножения или взятия минимума происходит фаззификация входных переменных, т.е. определяются степени принадлежности входов системы. Например, при использовании гауссовых функций принадлежности выход і -го нейрона первого слоя будет рассчитываться по следующей формуле о;=//д(х)=ехр(-і( %2 ), 2 Tj где параметры q и тг- называются параметрами нечётких множеств и обозначают центр и ширину гауссовой функции принадлежности. На втором слое происходит расчёт предикатов нечётких правил с помощью триангулярной нормы. Например, для операции «умножение» выход г-го нейрона второго слоя будет рассчитываться по следующей формуле Q = wi = IйA (xl) х MB- (х2) Третий слой называется нормировочным и в этом слое происходит расчёт отношения результата і -го правила к сумме результатов всех правил: г? - w i 1 1 п X wj 7=1 где п - общее количество правил в системе. На четвёртом слое рассчитывается заключение нечёткого правила = wiJi = wi(Pix\ + Qix2 + rV где р, q и г - параметры нечёткого заключения. На пятом слое происходит расчёт результата в виде суммы заключений всех нечётких правил О? =Twtfi-і Обучение ANFIS систем происходит с помощью гибридного двухпроходного алгоритма. Во время прямого прохода используется метод наименьших квадратов для настройки параметров нечёткого заключения. Во время обратного прохода используется метод обратного распространения ошибки для настройки параметров нечётких множеств [60, 61].

Обучение нейронечёткой системы по адаптивной системе с параметрической настройкой. Для обучения нейронечёткой системы в среде Simulink/Matlab создаётся структурная схема модели объекта с адаптивным системой с параметрической настройкой, на вход которой подаются различные ступенчатые воздействия при варьировании параметров системы. В рабочую область среды Matlab сохраняются все текущие значения ошибки между вектором оценки состояния системы и вектором состояния эталонной модели ё = х - хм, а также соответствующие им выходные значения адаптивного регулятора. Таким образом получается обучающая выборка. Для дальнейшего обучения нейронечёткого регулятора используется функция anfis пакета Matlab. Функция anfis пакета Matlab всегда настраивает архитектуру сети на максимальный набор правил, поэтому, чтобы уменьшить число нечетких правил и, соответственно, число узлов второго слоя нейронечёткого регулятора, предлагается использовать каскадное нейронечеткое управление. Тогда вместо одного нейронечёткого регулятора с 5 входами, соответствующими 5 ошибкам по переменным состояния наблюдателя и эталонной модели (переменной Iт пренебрегаем), используются 3 параллельно работающих нейронечетких регулятора, два с двумя и один с одним входами соответственно. Сигнал управления в данном случае будет рассчитываться как треть суммы выходов трёх нейронечетких регуляторов.

Входами первого нейронечёткого регулятора являются ошибки скорости третьей массы и упругого момента второй связи, входами второго нейронечёткого регулятора являются ошибки скоростей второй массы и упругого момента первой связи, а входом третьего нейронечёткого регулятора является ошибка скорости двигателя. Для нормировки входных воздействий весь вектор ошибки домножается на нормировочный коэффициент. Нормировочный коэффициент ставится также на выходе нейронечёткого регулятора. Архитектура нейронечетких регуляторов с правилами TSK выбрана следующим образом: каждый вход всех трёх регуляторов имеет 5 функций принадлежности колоколобразного вида. Обучение сети происходило по гибридному алгоритму с числом итераций настройки, равным 60. 1. Разработана структурная схема электромеханического имитатора антиблокировочных режимов торможения измерительного (транспортного) колеса, выполненного на базе синхронной электрической машины переменного тока с реостатным торможением и системой подчинённого управления скольжением. 2. Разработана математическая модель электромеханического имитатора антиблокировочных режимов торможения, учитывающая влияние упругих свойств пневматической шины в «пятне» контакта, упругость и зазор механической трансмиссии, передающей момент тормозного генератора на ступицу измерительного колеса, а также «срывной» характер сил сухого трения при проскальзывании деформированной шины в «пятне» контакта. 3. Разработана структура неадаптивной (модальной) системы управления электромеханическим имитатором с постоянными настройками и асимптотическим идентификатором (наблюдателем) состояния. 4. Разработаны структуры адаптивных систем управления электромеханическим имитатором с сигнальной и параметрической настройкой и мажорирующими функциями с асимптотическим идентификатором (наблюдателем) состояния. 5. Разработана структура и методика обучения интеллектуальной (нейронечёткой) системы управления электромеханическим имитатором на основе адаптивной системы с параметрической настройкой и мажорирующими функциями с асимптотическим идентификатором (наблюдателем) состояния.

Трёхмассовый упругий электромеханический объект

Исследования показали, что применение адаптивной системы управления с параметрической настройкой позволяет обеспечить работоспособность (экспоненциальную диссипативность) системы и повысить качество переходных процессов по быстродействию и перерегулированию по отношению к адаптивной системе с сигнальной настройкой.

Исследование интеллектуальной системы для двухмассового упругого электромеханического объекта с неопределёнными параметрами. Построим нейронечёткое управление, обученное по адаптивной системе с параметрической настройкой. При этом построим параллельный каскад из двух нейронечётких систем. В обучающей выборке входом каждой системы был вектор, содержащий половину вектора ошибки из уравнения (2.28), а выходом для каждой системы был выходной сигнал адаптивной системы с сигнальной настройкой. При этом в качестве выхода каскада берётся полусумма выходов нейронечётких систем.

Проведем исследование интеллектуального управления при номинальных параметрах, принятых при расчете модального управления. Проверив работоспособность интеллектуального управления, проведем исследования работоспособности интеллектуального управления при нескольких фиксированных отклонениях значений (момент инерции второй массы, коэффициент упругости связи) в 16-ти кратном диапазоне (от 0.25 до 4.00 номинальных значений).

На рисунке 3.18 представлен график переходного процесса «упругой» системы с интеллектуальным управлением при номинальных параметрах объекта управления.

На рисунке 3.19 представлены графики переходных процессов «упругой» системы с интеллектуальным управлением при изменении момента инерции второй массы в четыре раза в сторону уменьшения (а) и в сторону увеличения (б).

На рисунке 3.20 представлены графики переходных процессов «упругой» системы с интеллектуальным управлением при изменении коэффициента упругости связи в четыре раза в сторону уменьшения (а) и в сторону увеличения (б).

На рисунке 3.21 представлены графики переходных процессов «упругой» системы с интеллектуальным управлением при изменении коэффициента упругости связи в четыре раза в сторону уменьшения и изменении момента инерции второй массы в четыре раза в сторону уменьшения (а) и в сторону увеличения (б). (а) (б)

Переходные процессы «упругой» системы с интеллектуальным управлением при изменении момента инерции второй массы в четыре раза в сторону уменьшения (а) и в сторону увеличения (б) На рис. 3.22 представлены графики переходных процессов «упругой» системы с интеллектуальным управлением при увеличении коэффициента упругости связи в четыре раза в сторону увеличения и изменении момента инерции второй массы в четыре раза в сторону уменьшения (а) и в сторону увеличения (б). (а) (б) Рисунок 3.20 Переходные процессы «упругой» системы с интеллектуальным управлением при изменении коэффициента упругости связи в четыре раза в сторону уменьшения (а) и в сторону увеличения (б) (а) (б) Рисунок 3.21 Переходные процессы «упругой» системы с интеллектуальным управлением при уменьшении коэффициента упругости связи в четыре раза и изменении момента инерции второй массы в четыре раза в сторону уменьшения (а) и в сторону увеличения (б) (а) (б) Рисунок 3.22 Переходные процессы «упругой» системы с интеллектуальным управлением при увеличении коэффициента упругости связи в четыре раза и изменении момента инерции второй массы в четыре раза в сторону уменьшения (а) и в сторону увеличения

(б) Исследования показали, что применение интеллектуальной системы управления обеспечивает работоспособность системы, однако качество переходных процессов по быстродействию и перерегулированию остаётся неудовлетворительным. 3.2 Трёхмассовый упругий электромеханический объект

Рассмотрим линеаризованную математическую модель трёхмассового упругого электромеханического объекта с системой подчинённого регулирования и управлением скоростью третьей массы о)Ъ ZZ / ту2 = р2(в)2-0)ъ), myi = рі(й)і-й)2), 1 к Щ=—(- -і-ту), 7і К 1 і = —(kyj3Tj3c)u- (kykc ДгЛ; + ке)о)\ L L L (kyk-r /?т + К)і, (3.3) где щ- скорость вращения вала двигателя (первой массы), ту\- упругий момент, возникающий в первой упругой связи при её деформации, со2 - скорость вращения второй массы, р - коэффициент упругости первой связи, ту2 упругий момент, возникающий во второй упругой связи при её деформации, соъ -скорость вращения третьей массы, р2 - коэффициент упругости второй связи и = UQ + ия + иа- суммарное управление, щ- программное управление, Удлиненное (модальное) управление, иа- адаптивное управление, кт и ке-постоянные коэффициенты, определяемые конструктивными данными электрической машины, ку- коэффициент передачи усилителя мощности, J\ момент инерции двигателя, J2- момент инерции второй массы, /3 момент инерции третьей массы, R - активное сопротивление обмотки двигателя, /?с и Д, -коэффициенты усиления контурных регуляторов скорости двигателя и тока двигателя соответственно, кс и т- постоянные коэффициенты передачи датчиков скорости двигателя и тока двигателя соответственно. Примем в качестве исходного объект со следующими параметрами: R = 20м, ке = 1В с, кт = 1В с, ку = 22, кс= 0.0095Вс / рад, кТ = 0.0095В / А, J\ = 0.05кгм , J2 = О.ОЗкгм , /з = О- 1кгм = 0.01Гн, р± = ЗОНм / рад, /?2 = 25Нм / рад. Расчёт параметров подчинённого регулирования остаётся таким же, как и для двухмассового «жёсткого» объекта, за исключением коэффициента передачи П-регулятора скорости, который рассчитывается исходя из нового суммарного момента инерции системы /s = J\ + J2 + Ъ

Исследование влияния режимов торможения измерительного колеса на результат измерения коэффициента сцепления по средствам математического моделирования

Примерами генетических алгоритмов, настраивающих топологию сети вместе с её весами, могут служить алгоритмы NEAT (NeuroEvolution of Augmenting Topologies) [83, 84] и Hyper-NEAT (Hypercube-based NEAT) [85]. Нейроэволюционные алгоритмы NEAT, использующие прямое кодирование и выведение одновременно структуры и весов нейронной сети, находят широкий спектр применения. Для решения проблемы с разными размерами генотипов организмов, возникающей из-за изменения топологии сетей во время эволюции, в алгоритме NEAT используется дополнительная информация в генотипе, говорящая о том, какой по номеру ген был самым первым предком представленного в генотипе. Скрещивание происходит только на основе информации о предках генов. В процессе мутации в NEAT-алгоритмах добавляются новые связи и таким образом, изменяется топология сети. Обычно добавление нового звена или связи приводит к ухудшению поведения сети, т.к. новая связь ещё не имела возможности настроить свой вес и веса остальных связей с учётом изменений топологии. Для того, чтобы защитить новую сеть с новой топологией, в NEAT-алгоритмах используется система видов (Speciation), т.е. сети с похожими топологиями принимаются за новый вид и не соревнуются с сетями других топологий какое-то время, а соревнуется лишь с сетями того же вида. Это достигается за счёт использования информации о самом первом предке гена. Начальная популяция в NEAT создаётся с минимальной структурой. Количество нейронов входного слоя равно количеству входов системы, количество нейронов выходного слоя равно количеству выходов системы. Нейронов скрытого слоя нет, все нейроны входного слоя связаны с нейронами выходного слоя. Дальнейшее развитие системы происходит в сторону усложнения топологии сети. Генотип сети в NEAT состоит из двух видов генов - узлы сети (нейроны) и связи сети. Узлы содержат информацию о номере узла и его типе (входной нейрон, выходной нейрон или нейрон скрытого слоя). Связи содержат информацию о том, какие два нейрона и в каком направлении данная связь связывает, вес связи, её включение и номер инновации, позволяющий найти соответствующие гены в сетях. Мутации топологии в NEAT происходят двумя способами - добавлением связи между двумя имеющимися нейронами и добавление нейрона в имеющуюся связь, разбивая её таким образом на две. В последнем случае исходная связь выключается, вес новой связи к новому нейрону выбирается равным единице, а от нового - равным весу старой связи. Таким образом, первоначальное влияние на сеть минимально. В [83] алгоритм NEAT используется в системе управления двойным перевёрнутым маятником. Маятник представляет собой тележку с двумя стержнями разной длины, закреплёнными вертикально в шарнирах, позволяющих им свободно вращаться в параллельных плоскостях. В начальный момент времени оба стержня отклонены от вертикальной оси. Задача состоит в том, чтобы поддерживать вертикальное состояние обоих стержней с помощью движения тележки вдоль оси. Входами нейронной сети являлись углы поворота обоих стержней и положение тележки. Выходом сети являлась сила, прикладываемая к тележке. В качестве максимизируемой оценочной функции выступало время, за которое углы отклонения стержней от вертикальной оси не превышали 36 градусов. В [84] алгоритм NEAT используется для управления движением робота-манипулятора при наличии препятствий. Входами нейронной сети являлись углы поворота трёх сочленений, данные с трёх датчиков расстояния, расположенных на схвате и звеньях манипулятора, а также расстояние между схватом манипулятора и целью по трём декартовым осям. Выходами сети являются угловые скорости поворота трёх сочленений робота, а также специальный выход, останавливающий движение манипулятора. Максимизируемой оценочной функцией является взвешенная сумма пройденного схватом расстояния и расстояния между схватом и целью в конечной точке. В случае столкновения с препятствием значение оценочной функции считается равным нулю. Полученная с помощью алгоритма NEAT нейронная сеть позволяла привести схват манипулятора в нужную точку с достаточной точностью, при этом избегая столкновений с препятствиями. Был проведён сравнительный анализ полученной сети с системой управления на основе метода потенциального поля. Использование нейронной сети позволило сократить траекторию движения схвата к цели по сравнению с системой управления на основе метода потенциального поля [84].

Генетические алгоритмы в нечётких системах используются для настройки функций принадлежности и построения базы нечётких правил [86]. Метод настройки функций принадлежности является более распространённым в виду того, что нечёткие правила чаще всего могут быть известны априори и преодоление неопределённости состоит в поиске подходящих функций принадлежности нечёткой системы. Использование заранее заданной системы нечётких правил позволяет также резко снизить сложность вычислений. В работе [87] описывается настройка параметров гауссовых функций принадлежности нечёткой системы. Используя технику нечёткой кластеризации и генетические алгоритмы, была разработана нечёткая система, описывающая трение в системе с двигателем постоянного тока. Хромосомы в работе [87] были закодированы с помощью вещественных чисел и представляли собой набор математических ожиданий и дисперсий гауссовых функция принадлежности нечётких кластеров. В качестве минимизируемой оценочной функции выступал модуль разницы между желаемой и действительной скоростями вращения двигателя.