Статті
Постійне посилання колекціїhttps://dspace.nuft.edu.ua/handle/123456789/7522
Переглянути
2 результатів
Результати пошуку
Документ Методика ідентифікації параметрів пружної моделі валопроводу турбоагрегату для моделювання крутильних коливань(2017) Куєвда, Юлія Валеріївна; Балюта, Сергій МиколайовичПорівняно математичні моделі різної розмірності з кінцевим числом ступенів свободи валопроводу потужного турбоагрегату, які використовуються для розрахунку крутильних коливань валопроводу турбогенератора. Проведено розрахункові дослідження перехідних процесів при ввімкненні турбогенератора на паралельну роботу з електричною системою з холостого ходу при використанні різних математичних моделей валопроводу та порівняння крутильних моментів. Розроблено методику ідентифікації параметрів багатомасової моделі валопроводу турбоагрегату за допомогою ітеративного методу спряжених градієнтів та евристичного методу генетичного алгоритму. Проведені розрахункові дослідження показали ефективність розробленої методики.Документ Ідентифікація параметрів моделі електромеханічної системи на основі генетичних алгоритмів(2013) Балюта, Сергій Миколайович; Копилова, Людмила Олександрівна; Клименко, Юлія ОлександрівнаВ статті представлена методика ідентифікації механічних параметрів та їх оптимізації для двомасової електромеханічної системи на основі генетичних алгоритмів. Представлено алгоритм ідентифікації параметрів моделі і його застосування до двомасової моделі з люфтом і без люфту в механічній системі. В результаті ідентифікації для лінійної моделі встановлено загальний час затримки, який розподіляється між сталою часу контуру регулювання струму та транспортним запізненням. При цьому сума обох постійних величин має мале середньоквадратичне відхилення, тобто значення для кількох процесів оптимізації є постійним. Ідентифікація параметрів для нелінійної двомасової моделі з люфтом, показала що вплив великих люфтів чітко проявляється на зміні в часі амплітуди моменту в повітряному зазорі. При цьому отримані дуже різні значення для транспортного запізнення і еквівалентної постійної часу частотного перетворювача. Однак, сума обох постійних часу, є відповідно постійною. Якість ідентифікації за допомогою генетичного алгоритму можна оцінити зіставленням фактичного і модельованого на підставі ідентифікованих параметрів перехідного процесу. Суттєве скорочення часу оптимізації параметрів, що ідентифіковані за допомогою генетичних алгоритмів, може бути досягнуто при первісному визначенні зазначених параметрів за допомогою традиційних методів — найменших квадратів, регресійного аналізу та інших. Наведено порівняння результатів моделювання з оптимізованими параметрами та вимірювань. The article presents a method of identification based on genetic algorithms, the mechanical parameters and their optimization for a two-mass electromechanical system. An algorithm for the identification of parameters of the model and its application to the two-mass model with backlash and no backlash in the mechanical system is shown. As a result of an identification of the general linear model, the delay time, which is distributed between the time constant of the loop current and the transport delay, has been set. Thus, the sum of the two time constants has a small standard deviation, i.e. value for multiple optimization processes is constant. Parameter identification of nonlinear two-mass model with a play has shown that the influence of big backlash is clearly manifested in the time variation of the amplitude of the time in the air gap of the drive motor. Thus, very different values for transport delays and the equivalent time constant of the inverter are obtained. However, the sum of two time constants, respectively, are constant. The quality of the identification by genetic algorithm can be evaluated by comparing the actual and modeled data on the basis of identified parameters of the transitional process. A significant time reduction of the parameters optimization, identified using genetic algorithms, can be achieved with the original definition of these parameters using traditional methods, such as the leastsquare method, regression analysis and others. The comparison of model results with optimized parameters and measurements is given.