ФУНКЦИОНАЛЬНАЯ ДИАГНОСТИКА ЭЛЕКТРИЧЕСКИХ МАШИН НЕЙРОСЕТЕВЫМ МЕТОДОМ ч4

15 августа 2010

Таким образом, значение параметров электрических машин в начальный момент времени, работа в режиме ХХ, и динамическом режиме работы будут являться выборкой дынных в цепи диагностических моделей. Прогнозирование изменения значений этих параметров и сравнение их с критическим значением позволит определить момент возникновения аварийной ситуации. На рис.1 представлена диаграмма процессов численного эксперимента имитационного моделирования работы АД.

Рис.1. Диаграмма процессов численного эксперимента предназначенного для исследования эффективности нейросетевых методов прогноза показателей АД Важно отметить, что вся информация,

которую сеть имеет о задаче, содержится в наборе примеров. Поэтому качество обучения сети напрямую зависит от количества примеров в обучающей выборке, а также от того, насколько полно эти примеры описывают данную задачу. Обученная нейронная сеть эл.машины способна устойчиво распознавать как одиночные, так и кратные дефекты в условиях зашумленности значений прямых показателей.

Всё вышеизложенное позволяет считать, что исследования в области нейросетевых методовмоделированияпроцессов

диагностирования работы электрических машин, а также разработка нейроимитаторов, являются актуальными и представляют теоретический и практический интерес.

ЛИТЕРАТУРА:

1.       Козярук А.Е. Проблемы и задачи повышения эффективности горного оборудования средствами электропривода и автоматики. // Горное оборудование и электромеханика 2005, №5

2.       Проказов С.А. Нейросетевые методы и программное обеспечение для решения задач нефтепромысловой геологии. Автореферат диссертации. Томск, 2003

3.       Ветров В.И., Ерушин В.П., Тимофеев И.П. Электромеханические преобразоварели, диагностика и защита: Новосибиск: Изд-во НГТУ, 2000.

4.       Копылов И.П. Математическое моделирование электрических машин. М.: Высшая школа,1994.

Статьи по теме:

No related posts