Sūkurinių mašinų servo variklio valdiklio, grindžiamo Fuzzy Control, projektavimas
Remiantis statistiniais duomenimis, šiuo metu Kinijoje naudojamų siurblinių vienetų skaičius yra daugiau kaip 200 000 vienetų, o kasmet didėja apie 15 000 vienetų. Vidutinė variklių galia, naudojama "siurblinėse", yra apie 40 kW, dauguma. Siurbimo agregatas vis dar tvirtina šviesos formos struktūrą. Šis struktūrinis bruožas yra paprastas ir patikimas, tačiau visos mašinos našumas ir galios koeficientas yra palyginti mažas, o energijos suvartojimas yra didelis. Metinis energijos suvartojimas yra daugiau nei 15 milijardų laipsnių, todėl naftos pramonei didelio pajėgumo namų ūkiai taip pat yra energiją naudojantys namų ūkiai. Kinija yra vargingoji naftos šalis, daugiausia pakeičianti naftą vandeniu ir naftos elektra. Siurblinių agregatų elektros energijos suvartojimas sudaro 30-45% visų naftos gavybos sąnaudų. Todėl energijos taupymo reguliatorių, skirtų siurbliams, kūrimas yra labai didelis. Atkreipkite dėmesį į tai, todėl ateityje naujoji energiją taupanti siurbline įranga, mažinanti energijos suvartojimą ir pagerindama siurblinės efektyvumą, taps siurblinės gamybos pramonės plėtros tendencija ir tikslu.
Šiuo metu dauguma vidaus ilgalaikių siurblinių vienetų naudoja perjungtus variklius. Kadangi komutuojamojo variklio variklyje yra didelis magnetinio krūvio soties, dvigubas atramos polius ir perjungimo valdymo režimas lemia aukštą nelinijiškumą. Tačiau dėl rimto nejudrumo variklio nelinijiškumo ir kintamų parametrų bei kintamos struktūros charakteristikų, naudojant PID reguliatorių naudojant įprastus fiksuotus parametrus, sunku pasiekti idealų valdymo efektyvumą. Kontroliniai parametrai negali būti tiksliai nustatyti dėl jo matematinio modelio. Sunku gerai. Siekiant prisitaikyti prie nepertraukiamo variklio netiesinių charakteristikų, priimama neaiškių valdymo strategija su kintamaisiais parametrais. Sujungus dirbtinį neuroninį tinklą su neaiškia kontrole, neuroninio tinklo prisitaikomumas, savarankiško mokymosi gebėjimas ir netiesinės kartografavimo galimybės yra visiškai išnaudotos, kad būtų sukurta neaiški neuronų tinklo valdymo strategija su stipriomis adaptuojamomis parametrais.
Apytikslis neuroninis tinklas (Fuzzynetwork-FNN) yra neaiškios kontrolės teorijos ir neuronų tinklo valdymo teorijos derinys. Jame yra daugybė neaiškios teorijos ir neuronų tinklo pranašumų. Tai mokymosi, asociacijos, pripažinimo ir informacijos apdorojimo derinys. Apytikslė kontrolė yra protingas kontrolės metodas, kuris plačiai naudojamas inžinerijos srityse. Tai daugiausia paverčia rankinio valdymo patirtį kontrolės strategija. Todėl nereikia nustatyti tikslaus kontroliuojamo objekto matematinio modelio, o jo dinaminė kokybė yra geresnė nei įprasta. Kontrolės metodas. Tačiau, kadangi įprastas neaiškus valdiklis iš esmės yra PD reguliatorius, statinis našumas nėra geras, ir yra statinis skirtumas. Siekiant išspręsti šią problemą, šiame straipsnyje siūloma valdymo metodika, apimanti neaiškią kontrolę ir neuronų tinklo valdymą, ir prideda integralą. Ši nuoroda naudojama statistiniams statiniams skirtumams įveikti.
