Електропривод рейкового транспорту з інтелектуальною системою керування
DOI:
https://doi.org/10.15588/1607-6761-2023-3-1Ключові слова:
нейромережева система керування;, генетичний алгоритм;, асинхронний двигун;, електропривод;, перехідний процес;, ДС3;, кривизна траєкторії;, комп'ютерний зір.Анотація
Мета роботи. Дослідження умов виникнення фрикційних автоколивань, синтез нейрорегулятора усуваючого автоколивання, розробка системи автоматичного керування швидкістю руху залізничного транспорту в залежності від кривизни шляху на основі технології комп’ютерного зору.
Методи дослідження. Математичний аналіз та моделювання.
Отримані результати. У статті наведено результати розробки та досліджень інтелектуальної системи керування електроприводом магістрального електровоза ДС3. Розроблені системи мають єдиний легко реалізований зворотний зв’язок по швидкості двигуна, що не створює труднощів у фізичній реалізації. Відзначено, що загальною рисою електроприводу рейкового транспорту є нелінійна характеристика навантаження. Показано, що за певних комбінацій параметрів у тяговому електроприводі можливі фрикційні автоколивання. Ефективне усунення фрикційних автоколивань за рахунок синтезу системи з нейрорегулятором. Нейронна мережа має три вхідні нейрони, на які подається вектор вхідних сигналів у вигляді сигналу напруги, сигналу значення швидкості двигуна поточного та попереднього значення швидкості енергії. Кількість нейронів прихованого шару системи становить 20 та один вихідний нейрон. На вихідному нейроні формуються керуючі впливу для перетворювача частоти. Нейронні мережі такого типу позначаються NN3-20-1. Для всієї оптимізації параметрів нейронних мереж використовується метод генетичного алгоритму. Імітаційна модель електроприводу рейкового транспорту має інтеграцію блоку комп’ютерного зору. Підвищення рівня автоматизації та безпеки руху рейкових транспортних засобів можливо на основі комп’ютерного зору. Особливістю цієї структури є наявність у ній нейрорегулятора NN. NN забезпечує задану якість перехідного процесу у всьому діапазоні навантажень і при знаходженні робочої точки на спадаючій ділянці. Розроблена система автоматичного регулювання швидкості руху рейкових транспортних засобів залежно від кривизни колії для підвищення рівня автоматизації та безпеки руху. Моделювання системи показало її працездатність, яка проявляється в зниженні швидкості руху рейкових транспортних засобів при русі по ділянці колії з кривизною.
Наукова новизна. Ефективне усунення фрикційних автоколивань за рахунок застосування нейрорегулятора.
Практична цінність. Розроблена система автоматичного регулювання швидкості рейкового транспорту залежно від кривизни колії для підвищення рівня автоматизації та безпеки руху.
Посилання
Wu, B., Xiao, G., An, B., Wu, T., Shen, Q. (2022). Nu-merical study of wheel/rail dynamic interactions for high-speed rail vehicles under low adhesion condi-tions during traction. Engineering Failure Analysis, vol. 137. DOI: https://doi.org/10.1016/j.engfailanal.2022.106266
Shteynvolf, L. (1966). Qualitative theory of fractional oscillations in mechanical gears. «Theory of mecha-nisms and machines». KhSU, Iss. 1. 76–88. (in Ukrainian).
Klepikov V. (1986) O frikcionnyh avtokolebaniyah v elektro-prividah [About frictional selfoscillations in electric drives]. Elektrichestvo, № 4. (in Ukrainian).
Klepikov V. (2014) Dinamika elektromehanicheskih system s nelinejnym treniem: monografija [Dynam-ics of electromechanical systems with nonlinear fric-tion: monograph], Kharkiv: NTU “KhPI”, 408 (in Ukrainian).
Kyrylenko, Y., Kutovyi, Yu., Obruch, I., Kunchenko, T. (2020). Neural network control of a frequency-regulated electric drive of a main electric locomotive. IEEE Problems of Automated Electrodrive. Theory and Practice (PAEP). DOI: 10.1109/PAEP49887.2020.9240880
Obruch, I. V., Kutovyi, Yu. N. (2015). Neural network control system for the electric drive of the АРП14 electric locomotive taking into account the elasticity of the kinematic connections. Journal of the Nation-al Technical University “Kharkiv Polytechnic Insti-tute”, issue 12 (1121), 248–250. (in Ukrainian).
Obruch, I. V. (2019). Synthesis of electromechanical systems with a neural net work and frictional loading. National Technical University "Kharkov Polytech-nic Institute". (in Ukrainian).
K., De Jong. (1985). Genetic algorithms: A 10 year perspective. Proceedings of the First International Conference on Genetic Algorithms and Their Appli-cations. 167 - 177.
EC 62290-1:2014, Railway applications – Urban guided transport management and command/control systems – Part 1: System principles and fundamental concepts, MOD.
FRA Safety Data. Retrieved from: https://safetydata.fra.dot.gov/OfficeofSafety/default.aspx
Stan sprav avarijnosti na transporti v Ukrai`ni za 2019 rik. [State of transport accident cases in Ukraine for 2019] Retrieved from: https://mtu.gov.ua/files/bezpeka/%D0%A1%D1%82%D0%B0%D0%BD%20%D0%B0%D0%B2%D0%B0%D1%80%D1%96%D0%B9%D0%BD%D0%BE%D1%81%D1%82%D1%96%20%D0%BD%D0%B0%20%D1%82%D1%80%D0%B0%D0%BD%D1%81%D0%BF%D0%BE%D1%80%D1%82%D1%96%20%20%D0%B7%D0%B0%202019%20%D1%80%D1%96%D0%BA.pdf (in Ukrainian).
Reinhard, Klette. (2014). Concise computer vision: An Introduction into Theory and Algorithms. Series “Undergraduate Topics in Computer Science”. Lon-don, UK, 429. DOI: 10.1007/978-1-4471-6320-6.
Howse, J., Minichino, J. Learning OpenCV 4 comput-er vision with Python 3: Get to grips with tools, tech-niques, and algorithms for computer vision and ma-chine learning, 3rd Edition, Kindle Edition.
Introduction to OpenCV-Python Tutorials. Retrieved from: https://docs.opencv.org/master/d0/de3/tutorial_py_intro.html
Cheng, Y., Maimone, M. W., Matthies, L. (2006). Visual odometry on the Mars exploration rovers – a tool to ensure accurate driving and science imaging. IEEE Robotics & Automation Magazine, 54–62. DOI: 10.1109/MRA.2006.1638016
Takaoka, Y., Kida, Y., Kagami, S., Mizoguchi, H., Kanade, T. (2004). 3D Map building for a humanoid robot by using visual odometry. IEEE International Conference on Systems, Man and Cybernetics, 4444–4449. DOI: 10.1109/ICSMC.2004.1401231
Fernandez, D., Price, A. (2004). Visual odometry for an outdoor mobile robot. IEEE Conference on Ro-botics, Automation and Mechatronics, 816–821. DOI: 10.1109/RAMECH.2004.1438023
Chhaniyara, S., Bunnun, P., Zweiri, Y., Seneviratne, L., Althoefer, K. (2017). Feasibility of velocity esti-mation for all terrain ground vehicles using an optical flow algorithm. ICARA 2006-Third international conference on autonomous robots and agents. DOI: 99511995302346
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Yaroslav Kyrylenko, Serhii Senchenko, Bohdan Vorobiov, Liu Khan, Yaroslav Likhno
Ця робота ліцензується відповідно до Creative Commons Attribution-ShareAlike 4.0 International License.
Положення про авторські права Creative Commons
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
