Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Нейросеть научили быстро и точно менять режимы работы электродвигателя
Для работы лифтов, прессов, металлорежущих станков и других электроприводных систем используют двигатели постоянного тока. Они преобразуют поступающую электроэнергию в механическое вращение. При этом током, скоростью, положением и другими важными параметрами управляют специальные электронные регуляторы, которые поддерживают все переменные на нужном уровне, не допуская отклонений. Но случается так, что они не всегда обеспечивают необходимую точность и быстроту, что приводит к замедленному реагированию на изменение условий, рывкам, толчкам и нестабильной работе механизма. Поэтому широкое применение в подобных системах начинают находить нейросети. Ученые Пермского Политеха разработали эффективный подход к их обучению, который позволяет тонко настраивать регулятор и избегать возникновения ошибок.
Статья опубликована в журнале «Электротехника». Исследование выполнено в рамках программы стратегического академического лидерства «Приоритет 2030».
Лифты, прессы, металлорежущие станки и другие производственные механизмы приводятся в движение с помощью двигателя постоянного тока. Этими процессами управляет электронный регулятор. В случае неправильной настройки он может недостаточно быстро и точно реагировать на изменение условий функционирования механизма, из-за чего появляются задержки в работе, могут возникать рывки и толчки, что вызывает повышенный износ механических частей и подшипников.
Все это чревато недостаточно точной обработкой деталей на металлообрабатывающем станке, неравномерной подачей материалов на конвейере, некомфортным перемещением и даже опасностью для пассажиров в лифте. Для точного управления такими объектами возможно применение регуляторов, построенных на базе нейронной сети.
Тренировать нейросеть можно по-разному: с «учителем» и без. В первом случае ее учат просто «подражать» уже настроенному регулятору. Недостаток в том, что так она не сможет работать лучше своего прототипа. Во втором она самостоятельно анализирует загружаемые в нее входные данные и ищет в них закономерности. Здесь возникает другая сложность: непросто подобрать нужную выборку данных для обучения.
Ученые Пермского Политеха разработали оригинальный подход, когда нейросеть тренируется не на самом промышленном объекте, а на его «цифровом двойнике». Для этого специалисты предприятия совестно с учеными разрабатывают специальные имитационные модели, которые описывают процессы движения и взаимодействия разных частей механизма, в том числе двигателя и его элементов, с помощью математических уравнений. Это позволяет выполнить настройку регулятора, не нарушая условий работы реального производственного процесса.
Обучение всегда происходит по методу «проб» и (что важно) «ошибок»: на начальных этапах ИИ не знает, какое воздействие будет правильным, поэтому просто перебирает случайные параметры и пробует применить их к системе. Если они окажутся ошибочными, скорректирует их и попробует снова. Но в условиях реального производства нельзя позволить ей подобным образом экспериментировать и нарушать ход рабочего процесса, ведь это может привести к аварийным ситуациям. Поэтому использование модели – это способ более тонко обучить регулятор на большом количестве различных данных.
«В нашем подходе мы применяем «функцию потерь», которая оценивает расхождение между предсказаниями модели и фактическими значениями, которые собраны с существующего объекта. Это возможность более тонко «объяснить» нейросети, чего мы хотим от нее добиться. При этом, в отличие от традиционной работы нейрорегулятора, в нашей схеме эта функция не встроена в ИИ, она действует как «внешний наблюдатель», сравнивает прогноз сети с истиной и сообщает, насколько хорошо сеть справилась», – комментирует Дмитрий Даденков, доцент кафедры «Микропроцессорные средства автоматизации» ПНИПУ, кандидат технических наук.
Политехники протестировали процесс обучения на примере системы регулирования скорости в двигателе. Создали жесткие условия: нейросеть должна была регулировать скорость вращения, во-первых, когда она менялась резко и непредсказуемо, во-вторых, при изменяющейся нагрузке, то есть того необходимого сопротивления, которое двигатель должен преодолевать, чтобы вращаться.
«Подобные условия могут возникнуть на станках, конвейерах или в аварийных ситуациях, когда нужно резко переключить скоростной режим или вовсе остановить работу. Это требует от устройства быстрой реакции и точности движений. Тесты показали, что регулятор, обученный по нашей схеме, работает корректно: при изменении нагрузки скорость двигателя практически не проседает, а при необходимости задать другую скорость наблюдается незначительное перерегулирование – около одного процента. Для проверки работы нейрорегулятора в реальных условиях на измеренное состояние объекта накладывался «шум» – случайные некорректные данные. Регулятор, который обучался на модели без него, успешно справлялся с управлением скоростью и на зашумленном объекте», – рассказывает Игорь Шмидт, доцент кафедры «Микропроцессорные средства автоматизации» ПНИПУ, кандидат технических наук.
Применение таких регуляторов не ограничивается двигателями постоянного тока, их имеет смысл применять везде, где классические регуляторы справляются плохо: если объект управления является сложной нелинейной, многосвязной системой, или имеются дополнительные критерии качества управления.
Подход ученых Пермского Политеха предоставляет практически неограниченные возможности по тонкой настройке нейрорегулятора. Также при получении информации о факторах, которые могут привести к ошибке, нейросеть заранее предотвращает ее появление. Это позволяет эффективно управлять процессами в электроприводных системах лифтов, конвейеров, металлорежущих станков, прокатных станов и подъемно-транспортных машин.
Telegram 
Дзен 
VK До сих пор многие ученые считали, что у лунной воды два источника происхождения: немалая доля доставлена с упавшими кометами, но большая часть образовалась на самой Луне под действием частиц солнечного ветра. По итогам недавнего исследования планетологи вынуждены перечеркнуть эту картину. Они заявили, что кометная вода на естественном спутнике Земли действительно есть, но радиация вряд ли сыграла значительную роль. Вместо этого, похоже, главная часть лунной воды происходит из того же материала, из которого сформировалась наша планета.
Группа антропологов проанализировала более 800 часов видеозаписей, собранных в течение 25 лет наблюдений за небольшой группой шимпанзе в Гвинее. Ученые решили выяснить, различаются ли подходы к добыче пищи у приматов одного сообщества. Оценив их действия по ряду критериев, исследовали обнаружили множество индивидуальных различий в колке орехов: некоторые шимпанзе справлялись значительно быстрее сородичей. Вдобавок выяснилось, что эти обезьяны оттачивают навыки вдвое дольше, чем считалось.
25 декабря 1759 года в Санкт-Петербурге академик Йозеф Адам Браун получил твердую ртуть — удивительный элемент, который выделяется среди остальных металлов рядом интересных и уникальных свойств. Эксперт Пермского Политеха рассказал, зачем его добавляют в антисептики и назальные капли, почему в наших зубах, вероятно, есть ртутные пломбы и может ли это быть опасным, через какие продукты жидкий металл попадает в наш организм, почему стоит настороженно относиться к употреблению в пищу некоторых вид рыб и что же делать, если разбили ртутный градусник.
Американские специалисты изучили больше двух тысяч ископаемых раковин моллюсков неогенового периода и обнаружили среди них уникальные свидетельства неудачной охоты. Две раковины зияли отверстиями, которые хищные улитки просверлили изнутри, то есть их добыча была уже мертвой. Это первые подобные наблюдения, и причин у древних ошибок могло быть несколько: палеонтологи не исключают, что брюхоногие «напали» на пустые раковины с голоду.
Группа антропологов проанализировала более 800 часов видеозаписей, собранных в течение 25 лет наблюдений за небольшой группой шимпанзе в Гвинее. Ученые решили выяснить, различаются ли подходы к добыче пищи у приматов одного сообщества. Оценив их действия по ряду критериев, исследовали обнаружили множество индивидуальных различий в колке орехов: некоторые шимпанзе справлялись значительно быстрее сородичей. Вдобавок выяснилось, что эти обезьяны оттачивают навыки вдвое дольше, чем считалось.
Один из самых знаменитых археологических памятников мира — Стоунхендж — начали возводить на территории современного графства Уилтшир в Англии еще в каменном веке. На протяжении полутора тысяч лет Стоунхендж достраивали и перестраивали, изменяя при этом его планировку. Авторы нового исследования еще раз проанализировали маршрут камней, из которых сложено мегалитическое сооружение, и рассказали, зачем его могли перестроить между 2620-2480 годами до нашей эры, когда в центре сооружения появился Алтарный камень.
Обсерватории постоянно улавливают «мигающие» радиосигналы из глубин Вселенной. Чаще всего их источниками оказываются нейтронные звезды, которые за это и назвали пульсарами. Но к недавно обнаруженному источнику GLEAM-X J0704-37 они, по мнению астрономов, отношения не имеют.
Американская лунная программа «Артемида» предусматривает экспедиции длительностью от нескольких дней до долгих недель и даже месяцев, но луномобиля для передвижения экипажа по поверхности спутника Земли на сегодня нет. Поэтому космическое агентство США продумывает план действий на случай, если астронавты окажутся далеко от базы и кто-то из них внезапно не сможет идти самостоятельно.
С какого возраста зооврачи считают собак престарелыми? Это недавно выяснили исследователи из Великобритании и Венгрии, проанализировав карты пациентов ветеринарных клиник. Также ученые установили, от каких проблем со здоровьем чаще страдают пожилые питомцы.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно