Розробка системи стабілізації швидкості обертання колекторного двигуна

Abstract

У кваліфікаційній роботі бакалавра розглянуто питання розробки системи стабілізації швидкості обертання колекторного двигуна постійного струму з постійними магнітами на основі штучної нейронної мережі. Проведено аналіз сучасних методів керування електроприводами та обґрунтовано використання адаптивного нейромережевого регулятора. Розроблено структуру системи керування, математичну та імітаційну моделі електропривода в середовищі MATLAB Simulink та Simscape, реалізовано алгоритми автономного й онлайн-навчання штучної нейронної мережі. Виконано порівняльне дослідження роботи ПІ, ПІД та нейромережевого регуляторів при зміні еталонної швидкості, наявності шумових впливів і зміні навантаження. Результати моделювання показали, що запропонований нейромережевий регулятор забезпечує менше перерегулювання, менший час встановлення, вищу точність підтримання заданої швидкості та кращу стійкість до зовнішніх збурень порівняно з традиційними методами керування. Отримані результати підтверджують перспективність використання штучних нейронних мереж у сучасних системах автоматизованого електропривода.

This qualifying work for a degree of undergraduate considers the development of a system for stabilizing the rotational speed of a permanent magnet DC commutator motor based on an artificial neural network. An analysis of modern methods for controlling electric drives is conducted, and the use of an adaptive neural network controller is justified. The structure of the control system, as well as mathematical and simulation models of the electric drive in the MATLAB Simulink and Simscape environments, are developed, and algorithms for autonomous and online training of the artificial neural network are implemented. A comparative study of the performance of PI, PID, and neural network controllers was conducted under conditions of reference speed variation, the presence of noise, and load changes. The simulation results showed that the proposed neural network controller provides less overshoot, shorter settling time, higher accuracy in maintaining the set speed, and better resistance to external disturbances compared to traditional control methods. The obtained results confirm the potential of using artificial neural networks in modern automated electric drive systems.