NAU Harvester System
Синтез алгоритмів налаштування параметрів нейромережевого регулятора авіаційного газотурбінного двигуна
Наукові журнали Національного Авіаційного Університету
View Archive Info| Field | Value | |
| Title |
Синтез алгоритмів налаштування параметрів нейромережевого регулятора авіаційного газотурбінного двигуна
СИНТЕЗ АЛГОРИТМОВ НАСТРОЙКИ НЕЙРОСЕТЕВОГО РЕГУЛЯТОРА АВИАЦИОННОГО ГАЗОТУРБИННОГО ДВИГАТЕЛЯ SYNTHES ALGORITHM SETTING NEURAL NETWORK REGULATOR AVIATION GAS TURBINE ENGINE |
|
| Creator |
Єнчев, С. В.; Національний авіаційний університет
Таку, С. О.; Національний авіаційний університет |
|
| Subject |
Транспортні технології
регулятор; авіаційний газотурбінний двигун; нейронна мережа; алгоритм; система автоматичного керування; налаштування параметрів 629.7.03:681.5.03 (045) Транспортные технологии регулятор; авиационный газотурбинный двигатель; нейронная сеть; алгоритм; система автоматического управления; настройки параметров 629.7.03:681.5.03 (045) transportation technology regulator; aviation gas turbine engine; neural network; algorithm; automatic control system; parameter settings 629.7.03:681.5.03 (045) |
|
| Description |
Стаття присвячена розробці алгоритмів налаштування параметрів нейромережевого регулятора авіаційного газотурбінного двигуна. Запропоновано алгоритм ініціалізації (попереднього навчання) нейронної мережі, який базується на основі аналізу лінеаризованої моделі першого наближення нейромережевого регулятора авіаційного газотурбінного двигуна. Застосування запропонованого алгоритму дозволяє гарантувати збіжність процесу навчання параметрів нейронної мережі та зменшити сумарну квадратичну похибку навчання у порівнянні з процедурою випадкового вибору початкових значень нейронної мережі більш ніж у 2 рази. Досліджено ефективність застосування алгоритмів навчання нейромережевих регуляторів авіаційних двигунів, що довів переваги застосування методу симплексного пошуку. Результати моделювання системи керування з нейромережевихм регулятором за контуром керування частотою обертання авіаційного газотурбінного двигуна показали ефективність застосування нейронних мереж в задачах багаторежимного керування авіаційними двигунами.
Статья посвящена разработке алгоритмов настройки параметров нейросетевого регулятора авиационного газотурбинного двигателя. Предложен алгоритм инициализации (предварительного обучения) нейронной сети, базируется на основе анализа линеаризованной модели первого приближения нейросетевого регулятора авиационного газотурбинного двигателя. Применение предложенного алгоритма позволяет гарантировать сходимость процесса обучения параметров нейронной сети и уменьшить суммарную квадратичную погрешность обучения по сравнению с процедурой случайного выбора начальных значений нейронной сети более чем в 2 раза. Исследована эффективность применения алгоритмов обучения нейросетевых регуляторов авиационных двигателей, доказаны преимущества применения метода симплексной поиска. Результаты моделирования системы управления с нейросетевым регулятором по контуру управления частотой вращения авиационного газотурбинного двигателя показали эффективность применения нейронных сетей в задачах многорежимного управления авиационными двигателями One of the promising areas in the field of automatic control is the use of intelligent control systems based on artificial neural networks. The main advantage of this control system is the use of such properties of the neural network as the possibility of approximation of arbitrary non-linear dependencies. The main objective of the research is the synthesis of tuning algorithms for neural network regulators by aviation gas turbine engines. The algorithm of initialization (preliminary training) of the neural network is proposed, based on the analysis of the linearized model of the first approximation of the neural network regulator of an aircraft gas turbine engine. For this, two campaigns were used. The first approach consists in the following assignment of a training set so that the gains of a trained neural network take the specified values, for example, equal to 1. This will avoid strong “bursts” of signals in the system during its further study and achieve the required accuracy of learning the characteristics of the control system. The second approach is to determine the approximate values of the constant values of the inputs and output of the neural network as part of the automatic control system for each of the specified R modes of operation of the system and use these values as a training set. The application of the proposed algorithm allows you to guarantee the convergence of the learning process of the parameters of the neural network and reduce the total quadratic learning error compared with the procedure of randomly selecting the initial values of the neural network by more than 2 times. The effectiveness of the application of learning algorithms for neural network regulators of aircraft engines was investigated, the advantages of using the simplex search method were proved. The results of the simulation of a control system with a neurosemotic controller along the control loop of the rotational speed of an aviation gas turbine engine have shown the effectiveness of using neural networks in problems of multimode control of aircraft engines. |
|
| Publisher |
National Aviation University
|
|
| Contributor |
—
— — |
|
| Date |
2018-12-14
|
|
| Type |
—
— — |
|
| Format |
application/pdf
|
|
| Identifier |
http://jrnl.nau.edu.ua/index.php/SBT/article/view/13283
10.18372/2310-5461.40.13283 |
|
| Source |
Наукоємні технології; Том 40, № 4 (2018); 535-543
Science-based technologies; Том 40, № 4 (2018); 535-543 Наукоемкие технологии; Том 40, № 4 (2018); 535-543 |
|
| Language |
uk
|
|