НЕЙРО-НЕЧЕТКОЕ РЕГУЛИРОВАНИЯ ПАРАМЕТРАМИ ЭНЕРГООБЪЕКТОВ
Сиддиков. И. Х., Алимова. Г. Р., Усмоналиева Н. Р. & Абдусатторова К. М.
Annotatsiya
Приведены результаты исследования свойств система автоматического регулирования с пропорционально-интегрально-дифференциальном-регулятором с адаптацией. Отличительная особенность адаптации заключается в том, что в процессе работы системы параметры регулятора не меняются и соответствуют настройке, предшествующей запуску системы. При этом в зависимости от изменения параметров объекта управления, меняется коэффициент передачи регулятора который происходят только в тех случаях, когда качества система автоматического регулирования становится неудовлетворительным вследствие изменения свойств объекта управления или из-за воздействия на объект управления возмущений. Для настройки параметров пропорционально-интегрально-дифференциального-регулятора предложен двухслой- ная искусственная нейронная сеть, отличающиеся простотой реализации на микроконтроллерах. Осуществлен сравнительный анализ полученных результатов путем проведения имитационного эксперимента на среде «MATLAB». Результаты исследования система автоматического регулирования с нейро-нечетким регулятором показали данный регулятор позволяет значительно улучшить качество технологическими параметрами объекта.
Adabiyotlar
- Zheng X, Liu S, Yu Z, Luo C. A New Method for Dynamical System Identification by Optimizing the Control Parameters of Legendre Multiwavelet Neural Network. Mathematics. 11(24):4913. 2023; https://doi.org/10.3390/math11244913
- Revay, M.; Wang, R.; Manchester, I.R. Recurrent equilibrium networks: Flexible dynamic models with guaranteed stability and robustness. IEEE Trans. Autom. Control. 2023.
- Otto, S.E.; Rowley, C.W. Linearly recurrent autoencoder networks for learning dynamics.SIAM J. Appl. Dyn. Syst. 18, 2019, pp.558–593.
- Isamidin Siddikov, Davronbek Khalmatov, Gulchekhra Alimova, Ulugbek Khujanazarov, Sadikova Feruzaxon, Mustafaqul Usanov. Investigation of auto-oscilational regimes of the system by dynamic nonlinearities. International Journal of Electrical and Computer Engineering (IJECE). Vol. 14, No. 1, February 2024, pp. 230-238. DOI: 10.11591/ijece.v14i1.pp230-238
- de Campos Souza, P.V. Fuzzy neural networks and neuro-fuzzy networks: A review the main techniques and applications used in the literature. Appl. Soft Comput. 92, 106275, 2020.
- Isamiddin Siddikov, Gulruxsor Nashvandova, Gulchekhra Alimova Neural network optimizer of proportional-integral-differential controller parameters. International Journal of Electrical and Computer Engineering (IJECE). Vol.14, No. 3, June 2024, pp. 2533~2540 ISSN: 2088-8708, DOI: 10.11591/ijece.v14i3.pp 2533-2540.
- O.Porubay, I.Siddikov, G.Nashvandova, G.Alimova. Synthesis of a Control System for a Two-Mass Electromechanical. // Problems in the textile and light industry in the context of integration of science and industry: Vol:2023, DOI: https://nammti.uz/uz/ptlicispws-2/.
- I. X. Siddikov; G. R. Alimova; M. M. Usanov. Self-Tuning system of regulation of technological parameters of cotton ginning process. AIP Conf. Proc. 3244, 030057. 2024. https://doi.org/10.1063/5.0242336
- Siddikov, I., Alimova, G., Rustamova, M., Usanov, M. Digital adaptive control with pulse width modulation of signals. International Journal of Electrical and Computer Engineering (IJECE). Vol. 15, No. 1, February 2025, pp. 252-259, doi: 10.11591/ijece.v15i1.pp.252-259.
- Xakimovich, S.I., Dilnoza Maxamadjonovna, U. The research mathematical model of the three-impulse system of automatic control of steam generator water supply on load relief. 2020 International Conference on Information Science and Communications Technologies, ICISCT 2020, 2020, 9351384
- Siddikov, I.X, Umurzakova, D.M. Synthesis of Adaptive Control Systems of a Multidimensional Discrete Dynamic Object with a Forecasting Models. International Conference on Information Science and Communications Technologies: Applications, Trends and Opportunities, ICISCT 2019, 2019, 9012033
- Siddikov, I., Porubay, O., Rakhimov, T. Synthesis of the neuro-fuzzy regulator with genetic algorithm. International Journal of Electrical and Computer Engineering, 2024, 14(1), страницы 184–191.
- И.М Макаров., В.М. Лохин, С.В. Манько, М.П. Романов Искусственный интеллект и интеллектуальные системы управления/ Отделение информ. Технологий и вычислит. систем РАН. – М.: Наука, 2016. – 333с.
- А.И Зайцев. Применение нечетких систем управления в электроприводах./А.И. Г.Л Зайцев,. В.Л Муравьев,. Сташнёв.–www.electro.nizniy.ru// papers/4/00407.html.
- Астахов В.А. Теория автоматического управления. — М.: Энергоатомиздат, 2018.
- Ogata K. Modern Control Engineering. — Prentice Hall, 2010.
- Haykin S. Neural Networks and Learning Machines. — Pearson, 2009.