5) Засидевшиеся допоздна гости неохотно покидали дом радушных хозяев. 6) Все, кто подошёл по возрасту и физическим данным, принял участие в забеге. нужна помощь! словосочетание "неохотно подали" со связью ПРИМЫКАНИЕ,нужно заменить синонимичным со связью УПРАВЛЕНИЕ! приняли неохотно --> управление. ответ дан • проверенный экспертом. Замените словосочетание «приняли неохотно»,построенное на основе примыкания, синонимичным словосочетанием со связью управление.
Комсомольская правда в соцсетях
Поставьте словосочетание "приняли неохотно " из примыкания в управление. Created by sakakyn3. russkij-yazyk-ru. Поставьте словосочетание "приняли неохотно " из примыкания в управление. Created by sakakyn3. russkij-yazyk-ru. ьствие трудиться ние беспокоиться и неохотно потерять о посмотрел сильно ашно прыгнуть позвонить я рисовать о кидалась переехать несправедливо 2. Приняли с неохтой. Похожие задачи. приняли неохотно --> управление. Выполните синтаксический анализ словосочетания. Замените словосочетание «приняли неохотно», построенное на основе примыкания, синонимичным словосочетанием со связью управление.
Приняли неохотно управление словосочетание
Правильный ответ здесь, всего на вопрос ответили 1 раз: Поставьте словосочетание "приняли неохотно " из примыкания в управление. вечерняя прохлада управление: приняли неохотно управление: деревянные сиденья управление. Ответ: Приняли с неохотой. Объяснение: Надеюсь помогла:). В этом контексте фраза "приняли неохотно из примыкания в управление" описывает отрицательное отношение к этому новому управленческому порядку. Приняли с неохотой. ghbyzkc c ytj[jnjq. Приняли неохотно в управление.
Синоним словосочетания приняли неохотно
№ 14 Замените словосочетание «приняли неохотно», построенное на основе примыкания, синонимичным словосочетанием со связью управление. В данном случае, словосочетание "приняли неохотно" подразумевает, что действие "приняли" совершается с нежеланием. Синонимичное словосочетание с учетом управления может быть следующим. Словосочетание приняли неохотно заменить на управление. Замените словосочетание«приняли неохотно», построенное на основе примыкания, синонимичным словосочетанием со связью управление. формулировка задания: замените словосочетание “приняли неохотно”, построенное на основе примыкания, синонимичным словосочетанием со связью управление. напишите получившееся словосочетание. ответ: приняли с неохотой. Приняли с неохтой. Правильный ответ. Ответ: приняли с неохотой. Похожие задачи.
Замените словосочетание, построенное на основе примыкания.
В этом контексте фраза "приняли неохотно из примыкания в управление" описывает отрицательное отношение к этому новому управленческому порядку. Замените словосочетание«приняли неохотно», построенное на основе примыкания, синонимичным словосочетанием со связью управление. Порядок заключения договора управления мкд с управляющей.
Замените словосочетание приняли неохотно
Открытая линия О Министерстве В соответствии постановлением Правительства Пензенской области от 29 сентября 2022 г. Департамент по делам архивов осуществляет свою деятельность во взаимодействии с другими органами государственной власти, иными государственными органами, органами местного самоуправления, организациями и гражданами.
Синонимичное словосочетание с учетом управления может быть следующим: "приняли с нежеланием" Здесь, слово "с" используется для выражения связи управления между глаголом "приняли" и прилагательным "нежеланием", указывая на то, что действие "приняли" сопровождается нежеланием. Это позволяет передать ту же самую идею, что и исходное словосочетание "приняли неохотно", но с использованием связи управления вместо примыкания.
Словосочетание построенное на основе согласования. Словосочетание фарфоровое.
Фарфоровые собаки синонимичным словосочетанием со связью управление. Способ управления словосочетания. Связь согласование и управление в словосочетании. Плач словосочетание. Замените словосочетание беззвучно плакал.
Плакал без звука синонимичное словосочетание. Словосочетание со словом железо. Железный словосочетания. Словосочетания со словом Железный. Словосочетание со словом металл.
Поменять согласование на управление. Замена согласования на управление. Заменить словосочетание со связью согласование на управление. Как заменить согласование на управление. Глубоко уважать одним словом с приставками при пре.
Заменить каждую пару слов 1 словом с приставкой выделить приставки. Замените выражения одним словом с приставкой без и без. Заметить каждую пару слов 1 словом с приставкой выделить приставки. Согласование на основе управления. Связь согласование.
Словосочетание на основе согласования со связью управление. Словосочетание глядел с уважением. Почтение предложение. Построение словосочетания на основе управления. Радостный словосочетание.
Замените словосочетание радостно сообщил. Радостно сообщил управление заменить словосочетание. Замените словосочетание радостно рассказывает на управление. Замените словосочетание палуба корабля. Алгоритм замены словосочетаний.
Образы образа словосочетания. Синонимия словосочетаний. Дать подтверждение подтвердить привести доказательства.
Напишите получившееся словосочетание. Правильный ответ: принялиснеохотой приняли с неохотой снеохотойприняли с неохотой приняли Пояснение: Управление — вид подчинительной связи, при котором главное слово требует употребления зависимого в определенном падеже с предлогом или без предлога. Проверка вида связи получившегося словосочетания: изменяем словосочетание, например, «приму с неохотой», главное слово изменилось, зависимое нет; зависимым словом является существительное.
Принял неохотно со связью управление
Но для тренировки все же предлагаем вам примеры с ответами. Повторим виды синтаксической связи. Управление — вид подчинительной связи, при котором главное слово требует употребления зависимого в определенном падеже с предлогом или без предлога.
Ответ:набор для дороги ИЛИ набор в дорогу. Замените словосочетание «медный самовар» , построенное на основе согласования, синонимичным словосочетанием со связью управление. Ответ:самовар из меди. Замените словосочетание «ветка ели» , построенное на основе управления, синонимичным словосочетанием со связью согласование. Замените словосочетание «солнечные лучи» , построенное на основе согласования, синонимичным словосочетанием со связью б управление. Замените словосочетание «котлеты из хвои» , построенное на основе управления, синонимичным словосочетанием со связью согласование. Замените словосочетание «жизнь моря» , построенное на основе управления, синонимичным словосочетанием со связью согласование. Замените словосочетание «стеклянная рамка» , построенное на основе согласования, синонимичным словосочетанием со связью управление.
Замените словосочетание «насмешливо сказала» , построенное на основе примыкания, синонимичным словосочетанием со связью управление. Ответ:сказала с насмешкой. Замените словосочетание «отцовская несуразность» , построенное на основе согласования, синонимичным словосочетанием со связью управление. Замените словосочетание «смущённо сказал» , построенное на основе примыкания, синонимичным словосочетанием со связью управление. Ответ:сказал со смущением. Замените словосочетание «стеклянная банка» , построенное на основе согласования, синонимичным словосочетанием со связью управление. Ответ:банка из стекла. Замените словосочетание «картофельных полей» , построенное на основе согласования, синонимичным словосочетанием со связью управление.
Замените словосочетание «приняли неохотно», построенное на основе примыкания, синонимичным словосочетанием со связью управление. Напишите получившееся словосочетание. Правильный ответ: принялиснеохотой приняли с неохотой снеохотойприняли с неохотой приняли Пояснение: Управление — вид подчинительной связи, при котором главное слово требует употребления зависимого в определенном падеже с предлогом или без предлога. Проверка вида связи получившегося словосочетания: изменяем словосочетание, например, «приму с неохотой», главное слово изменилось, зависимое нет; зависимым словом является существительное.
Заменить словосочетание приняли неохотно можно синонимичным словосочетанием со связью управление. Чтобы лучше понять, что это значит, давайте разберемся с принципами и правилами, связанными с данной заменой. Прежде всего, давайте определимся с понятием примыкание. Примыкание — это явление, когда одно слово или словосочетание ставится рядом с другим для указания связи или отношения между ними.
Приняли неохотно построенное на основе примыкания
Ответ:встретить радостно радостно встретить. Замените словосочетание «цель жизни», построенное на основе управления, синонимичным словосочетанием со связью согласование. Ответ:жизненная цель цель жизненная.
Типы определений в русском языке таблица. Виды определений согласованные и несогласованные. Определите Тип подчинительной связи. Подчинительная связь согласование управление примыкание. Словосочетание со словом радостный. Радостные предложения.
Два синонимичных словосочетания. Задача словосочетания. Вид связи управление в словосочетаниях. Виды грамматической связи слов в словосочетании. Словосочетание виды связи слов в словосочетании. Школьный товарищ управление замените словосочетание. Синонимичные словосочетания с дно колодца согласование. Относиться с уважением синонимичное словосочетание.
Синонимичными со связью управление Снежная крепость. Вернутся словосочетание. Типы подчинительной связи в словосочетаниях таблица. Правило типы связи в словосочетаниях. Виды подчинительной связи таблица с примерами. Словосочетания по типу подчинительной связи. Предложение словосочетание построенное на основе примыкания. Примыкание синонимичным словосочетанием.
Как понять вид подчинительной связи. Типы подчинительной связи вопросы. Зависимое наречие. Наречия как заменить на управление. Согласование управление примыкание. Как определить примыкание управление. Определение согласование управление примыкание. Как отличить согласование примыкание.
Подчинительные словосочетания. Подчинительная связь в словосочетаниях. Подчинительные словосочетания примеры. Типы связи слов в словосочетании согласование управление примыкание. Способы связи в словосочетаниях таблица. Типы связи слов в словосочетании. Типы связи слов в подчинительном словосочетании с примерами. Способы подчинительной связи таблица.
Подчинительная связь слов согласование управление примыкание. Способ связи согласование. Как найти согласование управление примыкание в словосочетании. Подчинительная связь согласование управление. Согласование управление примыкание таблица 8 класс. Правило согласование управление примыкание 8 класс. Уроавление соглосование при. Жить без забот в примыкание управление.
Замените словосочетание жить без забот. Жить без забот связь примыкание. Заменить словосочетание жить без забот со связью примыкание. Синонимичное словосочетание со связью управление. Замените словосочетание. Заменить согласование на управление. Замените словосочетание согласование на управление. Из согласования в управление.
Пустые хлопоты примыкание замените. Это словосочетание. Глубокая грусть примыкание замените словосочетание. Тип подчинительной связи словосочетаний в русском языке.
Замените словосочетание « цель жизни », построенное на основе управления, синонимичным словосочетанием со связью согласование. Ответ:жизненная цель цель жизненная. Замените словосочетание «стол для письма» , построенное на основе управления, синонимичным словосочетанием со связью согласование. Замените словосочетание «графин из хрусталя» , построенное на основе управления, синонимичным словосочетанием со связью согласование. По теме: методические разработки, презентации и конспекты Олимпиадные задания тест по русскому языку 5 класс Олимпиадные задания в форме теста для учащихся 5 классов могут быть использованы при подготовки и проведении школьного тура олимпиады по расскому языку. Олимпиадные задания для уроков русского языка и чтения Разработанные олимпиадные задания по чтению и русскому языку можно использовать на творческих уроках в среднем и старшем звене специальной корекционной школы.
Индивидуальные задания на уроках русского языка в 5 классе Данный материал — подборка индивидуальных заданий для учащихся 5 класса по темам:»Сложное предложение», «Простые предложения с однородными членами», «Тире между подлежащим и сказуемым», «Прямая. Нестандартные задания на уроках русского языка Нестандартные задания на уроках русского языка. Этот материал поможет ещё раз вспомнить изученное по словообразованию, морфологии, синтаксису. Разноуровневые задания на уроках русского языка и литерауры для учащихся 7 класса с нерусским родным языком обучения. Разноуровневые задания можно использовать для всех учащихся. Тексты упражнений имеют большое воспитательное значение. Данные тексты можно исп. Олимпиадные задания, задания для Недели русского языка Интересные,увлекательные задания для любителей русского слова.
Замените словосочетание «приняли неохотно», построенное на основе примыкания, синонимичным словосочетанием со связью управление. Замените словосочетание «друг отца», построенное на основе управления, синонимичным словосочетанием со связью согласование. Замените словосочетание «надрывно ревела», построенное на основе примыкания, синонимичным словосочетанием со связью управление. Замените словосочетание «дорожный набор», построенное на основе согласования, синонимичным словосочетанием со связью управление. Замените словосочетание «медный самовар», построенное на основе согласования, синонимичным словосочетанием со связью управление. Замените словосочетание «ветка ели», построенное на основе управления, синонимичным словосочетанием со связью согласование. Замените словосочетание «солнечные лучи», построенное на основе согласования, синонимичным словосочетанием со связью управление.
Об университете
| Державинский университет | ТГУ имени Г.Р. Державина | Приняли неохотно построенное на основе примыкания. |
| Все словосочетания из открытого банка ФИПИ | В этом контексте фраза "приняли неохотно из примыкания в управление" описывает отрицательное отношение к этому новому управленческому порядку. |
Приняли неохотно словосочетание со связью управления
Метод прямого мгновенного управления крутящим моментом DITC использовался для уменьшения пульсаций крутящего момента, но он был ограничен в рабочем диапазоне, и контроллер необходимо менять по мере увеличения скорости [12]. Схема многофазного распределения крутящего момента была предложена для управления пульсацией крутящего момента, но она усложняет систему [13]. TSF функция распределения крутящего момента и методы управления током использовались для минимизации пульсаций крутящего момента, но эти методы не учитывают взаимный крутящий момент, который имеет значительный эффект в определенных приложениях [14]. Унифицированный регулятор реактивных реактивных двигателей был предложен для работы в широком диапазоне скоростей.
Предлагаемый контроллер обеспечивает минимальную пульсацию выходного крутящего момента на низкой и средней скорости и работает в режиме одиночных импульсов на высокой скорости [15]. В [16], применяя метод прямого управления крутящим моментом DTC , пульсации крутящего момента и магнитный поток регулируются в пределах гистерезиса. Производительность SRM улучшается за счет передовых методов искусственного интеллекта, таких как нечеткая логика и искусственная нейронная сеть ИНС , или их комбинации могут быть реализованы [17].
Метод искусственной нейронной сети ИНС основан на модели человеческого мозга и не требует большой памяти для хранения магнитных характеристик. Этот метод имеет множество преимуществ, таких как отказоустойчивость, органическое обучение, линейная обработка данных и способность к самовосстановлению. Он может работать в шумной среде [14].
Характеристики нелинейности SRM обучаются нейронными сетями, после чего получается текущий график для уменьшения пульсации. ИНС используется как интеллектуальный контроллер [18, 19]. Уменьшение пульсаций крутящего момента осуществляется с помощью ПИ-регулятора и контроллера нечеткой логики [20].
Пульсации крутящего момента SRM уменьшаются в четырех квадрантах работы с помощью схемы управления, которая является расширением технологии TSF. Для расчета статических характеристик двигателя используется 2D программа конечных элементов. Команда крутящего момента используется для оценки тока двигателя, а ИНС используется для расчета угла ротора [21].
В [22] ИНС используется для прямого управления крутящим моментом четырехфазного SRM для минимизации пульсаций крутящего момента и преодоления недостатка пространственного вектора напряжения в классической методике DTC. В этом исследовании разработан алгоритм на основе ИНС, который применяется к SRM для уменьшения пульсаций крутящего момента. При моделировании установлено, что ИНС — это точный и менее сложный алгоритм, обеспечивающий повышение производительности в динамической среде, особенно в случае SRM.
Предлагаемый метод управления вычисляет желаемый результат с точностью и предлагает быстрое преобразование за меньшее время вычислений по сравнению с контроллером PI и упрощенной моделью. Это исследование включает моделирование различных случаев предложенной модели. Величина пульсации крутящего момента и процент улучшения крутящего момента оцениваются в различных случаях предложенной модели.
Крутящий момент увеличен в 1,44 раза по сравнению с упрощенной моделью. Уменьшение пульсаций крутящего момента и улучшение крутящего момента увеличивают скорость SRM. Предлагаемый метод может улучшить промышленное применение SRM.
Этот потенциал подтвержден анализом RMSE. Остальная часть статьи организована следующим образом. Реализация предложенной схемы описана в Разделе 4.
Результаты моделирования и обсуждения будут представлены в Разделе 5. Раздел 6 и Раздел 7 показывают эффективность предложенного метода и выводы, соответственно. Математическая формулировка 2.
Математическое моделирование SRM SRM — это вращающаяся электрическая машина, в которой ротор и статор имеют явные полюса. Поэтому машину называют машиной с двумя выступами. Он состоит из статора с возбуждающей обмоткой и магнитного ротора.
Постоянный магнит не требуется, потому что тенденция полюсов ротора совмещаться с возбужденными полюсами, чтобы минимизировать потокосцепления статора, возникающие в результате заданного приложенного тока статора, является источником создания крутящего момента. Как правило, уравнения фаз двигателя описывают электрическое поведение SRM. Мгновенное напряжение на выводах фазы обмотки SRM связано с магнитным потоком в обмотке, который получается по закону Фарадея.
Математические шаги ИНС Искусственные нейронные сети могут обучаться и моделировать нелинейные и сложные отношения. ИНС может упроститься после изучения начальных входных данных, а также может вывести невидимые отношения на невидимые данные, тем самым заставляя модель обобщать и прогнозировать на основе невидимых данных. Общее уравнение ИНС выглядит следующим образом: Узел — это базовая единица нейронной сети, которая дает определенное количество входов и значений смещения.
Когда приходит сигнал значение , он умножается на значение веса. Каждый вход имеет свое значение веса, которое можно настроить на этапе обучения. Смещение — это дополнительный вход для нейрона, и он всегда один, и у него есть свой вес соединения [23, 24]: Выходы и входы в нейронных сетях имеют линейную форму, то есть 0 и 1.
Функция активации вносит нелинейность. Сигмоидная или логистическая функция активации в основном используется для задач двоичной классификации выходные значения в диапазоне от 0 до 1. Вычислить производную сигмовидной функции несложно.
Затем, чтобы изменить линейные значения на нелинейные, используется сигмоидальная функция [23]: где — выход, а сигмоид — функция активации, применяемая к смещению и взвешенной сумме входов [24]. Математические операции алгоритма Левенберга — Марквардта LMA обеспечивает численное решение задачи минимизации нелинейной функции. Он быстрый и имеет стабильную сходимость.
Этот алгоритм подходит для обучения малых и средних задач в области искусственных нейронных сетей. LMA — это комбинация метода наискорейшего спуска и алгоритма Гаусса — Ньютона. Он наследует стабильность метода наискорейшего спуска и преимущество в скорости алгоритма Гаусса — Ньютона [25].
Матрица Гессе может быть аппроксимирована следующим образом: Градиент может быть вычислен следующим образом: LMA использует аппроксимацию матрицы Гессе в следующем обновлении типа Ньютона [24]: где — матрица Якобина, которая содержит первые производные от сетевых ошибок относительно весов и смещений, представляет собой вектор сетевых ошибок, представляет собой единичную матрицу и является положительным, называемым коэффициентом комбинации. LMA переключается между двумя алгоритмами в процессе обучения. Когда коэффициент комбинации очень мал почти равен нулю , используется алгоритм Гаусса — Ньютона [25].
Правило обновления алгоритма Гаусса — Ньютона записывается следующим образом: Когда коэффициент комбинации очень велик, используется метод наискорейшего спуска. Правило обновления алгоритма наискорейшего спуска записывается следующим образом: где — константа обучения. Если он очень большой, его можно представить как коэффициент обучения в методе наискорейшего спуска: 3.
Предлагаемая методология Пульсации крутящего момента влияют на быстродействие вентильного реактивного электродвигателя SRM , и для решения этой проблемы искусственная нейронная сеть Выполнено моделирование SRM на основе ИНС. SRM не может запускаться напрямую от источника постоянного тока; для работы ему нужен преобразователь. Модель SRM основана на трехфазном асимметричном преобразователе мощности, который состоит из трех ветвей.
Каждая ножка состоит из двух IGBT и двух обратных диодов. Во время периода проводимости в фазных обмотках протекают положительные напряжения, а в период непроводимости — наоборот. Сохраненная энергия возвращается в источник постоянного тока через диоды [26].
В основном преобразователь регулирует скорость двигателя за счет правильного возбуждения соответствующих обмоток статора. Импульсы затвора через полосу гистерезиса подаются на вход преобразователя мощности. Частота переключения IGBT определяется полосой гистерезиса.
Контрольный ток используется для гистерезисного управления трехфазным током. Датчик положения определяет выключение и включение фаз обмоток двигателя. Шум добавляется к фактической скорости двигателя с помощью блока суммы и подается на вход блока скорости на основе ИНС, а его выход связан со скоростью датчика положения.
Точно так же шум добавляется индивидуально к фактическому трехфазному току двигателя, а затем к трехфазному току, подаваемому на входе в блоки трехфазного тока на основе ИНС и его выходу в суммирующий блок перед полосой гистерезиса на рисунке 1. Три гистерезиса Контроллеры генерируют управляющие сигналы IGBT путем сравнения с трехфазным током на основе ANN с опорными значениями и используются для раздельного управления фазными токами. Сложные взаимосвязи между вводом и выводом обнаруживаются с помощью ИНС, которая считается инструментом нелинейного статистического моделирования данных в соответствии с шагами, описанными на рисунке 2.
Первый шаг — это нормализация данных. Преобразование данных в определенный диапазон называется нормализацией данных. В ИНС входные данные нормализованы, иначе сеть будет плохо подготовлена.
Невозможно достичь одинакового диапазона значений для каждого входа в режим ИНС. Это обеспечивает стабильную сходимость весов и смещения. Второй шаг — раздел данных.
Случайное разделение данных делитель используется в обучении ИНС, чтобы использовать максимум данных для обучения в общем, разбиение данных для разработки модели ИНС на данные обучения, данные проверки и данные тестирования. В процессе обучения алгоритм обратного распространения используется для определения весов соединений, а затем используется для расчета выходных данных. Как правило, для некоторых приложений эти веса могут использоваться для инициализации нейронной сети, а затем обновляться с помощью алгоритма онлайн-обучения.
Веса сети и смещения обновляются во время обучения. Проверка используется для измерения обобщения сети, и когда обобщение перестает улучшаться, прекращается обучение. Независимое измерение производительности сети во время и после обучения достигается путем тестирования данных и не влияет на обучение.
LMA используется как алгоритм онлайн-обучения. LMA обеспечивает численное решение задачи минимизации нелинейной функции. В области искусственных нейронных сетей для обучения задачам малого и среднего размера LMA — лучший вариант.
Он приобретает преимущество в скорости алгоритма Гаусса — Ньютона и стабильность метода наискорейшего спуска. Во многих случаях он может хорошо сходиться, даже если поверхность ошибки намного сложнее, чем квадратичная ситуация, и поэтому она является мгновенной, чем алгоритм Гаусса — Ньютона. В конвергентных ситуациях LMA имеет тенденцию быть немного медленнее, чем алгоритм Гаусса — Ньютона, но сходится намного быстрее, чем метод наискорейшего спуска.
Основная идея LMA заключается в том, что он выполняет комбинированный процесс обучения: вокруг области со сложной кривизной LMA переключается на алгоритм наискорейшего спуска до тех пор, пока локальная кривизна не станет правильной для квадратичного приближения, а затем она почти станет кривой Гаусса-Ньютона. Веса и смещения обновляются во время обучения, и данные представлены в соответствии с тем, какая сеть настраивается в соответствии с ее ошибкой. Третий шаг — это архитектура сети, в которой двухуровневая сеть с прямой связью применяется при стандартной подгонке функций, которая включает сигмовидную передаточную функцию в скрытом слое и линейную передаточную функцию в выходном слое.
Четвертый шаг — алгоритм обучения, используемый для обучения сети в соответствии с входными данными и целями. Это помогает в достижении точных результатов и анализа. Пятый шаг — это оценка сети, что означает, что мы можем протестировать нашу сеть на большем количестве данных и повторно обучить ее, если мы не удовлетворены полученными результатами.
Шестой шаг — определить развертываемое решение; Таким образом, обученная нейронная сеть генерируется в форме диаграммы Simulink или в форме кода. В данном исследовании этот алгоритм реализован из-за простоты построения модели и требуемых менее формальных статистических знаний. В отличие от других методов прогнозирования, ИНС не налагает никаких ограничений например, на то, как они должны распределяться и дает данные с непостоянной разницей и с высокой волатильностью.
Благодаря развивающейся технологии ИНС проблемы обнаружения неисправностей двигателя могут быть легко решены с использованием передового подхода, основанного на удобных измерениях, без необходимости в дорогостоящем оборудовании и точных математических моделях, которые получаются с помощью традиционных методов обнаружения неисправностей. Следовательно, это более осуществимый вариант, чем любой другой традиционный метод. Реализация Замкнутый контур управления SRM состоит из внешнего контура скорости и внутреннего контура тока, как показано на рисунке 3.
Датчик положения используется для определения положения полюса возбуждения. Положение ротора определяется датчиком положения. Его производное значение дает скорость ротора, которая сравнивается с эталонным значением скорости, и выдает ошибку, которая обрабатывается посредством управления PI или нечеткой логикой для получения эталонного тока.
SRM имеет датчик, который определяет фактический ток двигателя. Опорный ток сравнивается с фактическим током, и сигнал ошибки поступает на контроллер тока, и эти ошибки используются для определения переключения фазы SRM. Затем на основе данных о положении, полученных от датчика положения, к соответствующим обмоткам прикладываются напряжения.
Таким образом контролируются скорость и сила тока. Магнитное поведение SRM сильно нелинейно, и его параметры быстро меняются. ПИ-регулирование неприменимо к системам, поскольку требует изменения постоянных ПИ-регуляторов во времени.
Контроллер нечеткой логики может справиться с нелинейностью и более надежен, чем контроллер PI. Контроллер нечеткой логики имеет значительную установившуюся ошибку и требует гораздо больше времени вычислений, чем контроллер PI [20]. Комбинация ПИ-регулятора и регулятора нечеткой логики не имеет установившейся ошибки [20].
Реализация управления искусственной нейронной сетью включает три основных шага. Шаг первый включает сбор данных и предварительную обработку данных. После сбора данных из моделирования SRM была произведена предварительная обработка данных для более эффективного обучения ИНС.
Он включает в себя нормализацию данных, то есть 500 001 значение скорости и трехфазного тока по времени. Поскольку данные, собранные при моделировании, были слишком большими, поэтому средние значения вычислялись после каждых 10 000 значений скорости и 3-фазного тока. Таким образом было достигнуто 51 значение скорости и трехфазного тока.
Он сформировал целевой слой без данных ряби. Чтобы спроектировать входной слой, применили аналогичные шаги для скорости и 3-фазного тока с данными о ряби. Вторым шагом было построение модели ИНС.
Было применено случайное разделение данных, чтобы использовать максимум данных для обучения. Это было обычное разделение данных для разработки модели ИНС. Были опробованы различные комбинации разделения данных, но данные, разделенные на обучение, проверку и тестирование в соотношении 70: 15: 15, дали лучшие результаты.
Количество нейронов в скрытом слое было присвоено значение 10. Для обучения сети использовался алгоритм Левенберга — Марквардта LMA , который имеет быструю и стабильную сходимость и обычно позволяет импортировать, создавать, использовать и экспортировать данные нейронной сети. Были рассчитаны среднеквадратическая ошибка MSE и регрессия R для обучения, проверки и тестирования.
После этого повторное обучение проводилось несколько раз, изменяя количество скрытых слоев, пока не были выполнены следующие условия: более высокое значение регрессии и более низкое значение MSE при обучении, проверке и тестировании. Сеть оценивается, и диаграмма Simulink создается для обученной нейронной сети. Третий шаг — моделирование модели.
Моделирование — важный шаг для проверки того, что обученный блок настройки нейронной сети может хорошо обобщать и давать желаемые результаты. Результаты моделирования и обсуждение 5. Трехфазный асимметричный преобразователь мощности использовался для питания SRM.
Преобразователь имеет три ветви, каждая из которых состоит из двух обратных диодов и двух биполярных транзисторов с изолированным затвором IGBT. В этом преобразователе используются IGBT из-за их хороших номинальных значений тока. Для подачи положительного тока в фазные обмотки активные IGBT подают положительное напряжение источника на обмотки статора во время цикла проводимости.
Во время цикла свободного хода к обмоткам прикладывается отрицательное напряжение, а накопленная энергия возвращается в источник постоянного тока через диоды. Датчик положения уменьшает время спада токов в обмотках двигателя и контролирует углы включения и выключения фаз двигателя.
Повторим виды синтаксической связи. Управление — вид подчинительной связи, при котором главное слово требует употребления зависимого в определенном падеже с предлогом или без предлога. Согласование — вид связи, при котором зависимое слово согласуется с главным в общих для них грамматических формах род, число, падеж.
Для этого ставим вместо наречия «неохотно» существительное с предлогом «с неохотой». Итак, получается: Приняли с неохотой. Выполните синтаксический анализ словосочетания.
Замените словосочетание «приняли неохотно», построенное на основе примыкания, синонимичным словосочетанием со связью управление.
Практически не существует ни одного отработанного метода минимизации пульсаций крутящего момента в вентильных реактивных двигателях. В этом исследовании моделируется и анализируется вентильный реактивный двигатель. Управление его скоростью и током осуществляется с помощью искусственных нейронных сетей. Искусственная нейронная сеть считается многообещающей методикой по сравнению с другими методами из-за ее точности, меньшей сложности, стабильности и обобщения. Алгоритм Левенберга — Марквардта используется в искусственных нейронных сетях из-за его быстрой и стабильной сходимости для обучения и тестирования. В ходе исследований было обнаружено, что улучшенное управление на основе искусственной нейронной сети показывает более высокую производительность переключаемого реактивного электродвигателя. Реализация этого метода дополнительно подтверждается анализом среднеквадратичной ошибки.
Значительно улучшены рабочие параметры вентильного реактивного двигателя. Введение Импульсный реактивный двигатель SRM — это тип шагового двигателя, электродвигателя, который работает за счет реактивного момента. В отличие от обычных двигателей постоянного тока, мощность подается на обмотки статора, а не на ротор. К ротору не прикреплены магниты или катушки. SRM состоит из датчика положения, который определяет полюс статора под напряжением, а затем выравнивает ротор с полюсом статора под напряжением [1—3]. Благодаря своим исключительным характеристикам SRM имеет большой потенциал в приложениях управления движением, что обеспечивает хорошую производительность в суровых запыленных средах с высокими температурами [4—6]. SRM является привлекательной альтернативой двигателям переменного и постоянного тока для промышленных приводов общего назначения, а также для высокопроизводительных автомобильных приводов и других приложений из-за своей простой конструкции из-за отсутствия магнитов, проводников ротора и щеток. Он используется вместо асинхронных двигателей и двигателей постоянного тока во многих приложениях из-за его низкой стоимости конструкции, высокой надежности, высокой плотности мощности, быстрого динамического отклика, хорошей управляемости, устойчивости и отказоустойчивости [6—8].
По сравнению с обычными машинами, основным недостатком SRM является более высокая пульсация крутящего момента, которая способствует акустическому шуму и вибрации. Возникновение пульсаций крутящего момента связано с нелинейной и дискретной природой механизма создания крутящего момента. Минимизация пульсаций крутящего момента имеет важное значение для высокой производительности [9]. Для оптимизации конструкции SRM важную роль играют магнитные характеристики. Производительность SRM зависит от его конструкции. Пульсации крутящего момента SRM могут быть уменьшены за счет конструкции машины или их цепей управления. Многие исследователи использовали программы конечных элементов для проектирования двигателей и получили их характеристики крутящего момента, тока и угла ротора. Полученные данные, хранящиеся в 3D-справочной таблице, использовались для исследования соответствующего подходящего тока, который приводит к минимальному крутящему моменту, но этот метод требует много времени [6, 10].
Были реализованы аналитические методы для уменьшения пульсации крутящего момента, но этим методам недостает точности моделирования и вычислений. Для достижения минимального сопротивления необходимо уменьшить пульсации, поскольку крутящий момент и скорость обратно пропорциональны друг другу [11]. Метод прямого мгновенного управления крутящим моментом DITC использовался для уменьшения пульсаций крутящего момента, но он был ограничен в рабочем диапазоне, и контроллер необходимо менять по мере увеличения скорости [12]. Схема многофазного распределения крутящего момента была предложена для управления пульсацией крутящего момента, но она усложняет систему [13]. TSF функция распределения крутящего момента и методы управления током использовались для минимизации пульсаций крутящего момента, но эти методы не учитывают взаимный крутящий момент, который имеет значительный эффект в определенных приложениях [14]. Унифицированный регулятор реактивных реактивных двигателей был предложен для работы в широком диапазоне скоростей. Предлагаемый контроллер обеспечивает минимальную пульсацию выходного крутящего момента на низкой и средней скорости и работает в режиме одиночных импульсов на высокой скорости [15]. В [16], применяя метод прямого управления крутящим моментом DTC , пульсации крутящего момента и магнитный поток регулируются в пределах гистерезиса.
Производительность SRM улучшается за счет передовых методов искусственного интеллекта, таких как нечеткая логика и искусственная нейронная сеть ИНС , или их комбинации могут быть реализованы [17]. Метод искусственной нейронной сети ИНС основан на модели человеческого мозга и не требует большой памяти для хранения магнитных характеристик. Этот метод имеет множество преимуществ, таких как отказоустойчивость, органическое обучение, линейная обработка данных и способность к самовосстановлению. Он может работать в шумной среде [14]. Характеристики нелинейности SRM обучаются нейронными сетями, после чего получается текущий график для уменьшения пульсации. ИНС используется как интеллектуальный контроллер [18, 19]. Уменьшение пульсаций крутящего момента осуществляется с помощью ПИ-регулятора и контроллера нечеткой логики [20]. Пульсации крутящего момента SRM уменьшаются в четырех квадрантах работы с помощью схемы управления, которая является расширением технологии TSF.
Для расчета статических характеристик двигателя используется 2D программа конечных элементов. Команда крутящего момента используется для оценки тока двигателя, а ИНС используется для расчета угла ротора [21]. В [22] ИНС используется для прямого управления крутящим моментом четырехфазного SRM для минимизации пульсаций крутящего момента и преодоления недостатка пространственного вектора напряжения в классической методике DTC. В этом исследовании разработан алгоритм на основе ИНС, который применяется к SRM для уменьшения пульсаций крутящего момента. При моделировании установлено, что ИНС — это точный и менее сложный алгоритм, обеспечивающий повышение производительности в динамической среде, особенно в случае SRM. Предлагаемый метод управления вычисляет желаемый результат с точностью и предлагает быстрое преобразование за меньшее время вычислений по сравнению с контроллером PI и упрощенной моделью. Это исследование включает моделирование различных случаев предложенной модели. Величина пульсации крутящего момента и процент улучшения крутящего момента оцениваются в различных случаях предложенной модели.
Крутящий момент увеличен в 1,44 раза по сравнению с упрощенной моделью. Уменьшение пульсаций крутящего момента и улучшение крутящего момента увеличивают скорость SRM. Предлагаемый метод может улучшить промышленное применение SRM. Этот потенциал подтвержден анализом RMSE. Остальная часть статьи организована следующим образом. Реализация предложенной схемы описана в Разделе 4. Результаты моделирования и обсуждения будут представлены в Разделе 5. Раздел 6 и Раздел 7 показывают эффективность предложенного метода и выводы, соответственно.
Математическая формулировка 2. Математическое моделирование SRM SRM — это вращающаяся электрическая машина, в которой ротор и статор имеют явные полюса. Поэтому машину называют машиной с двумя выступами. Он состоит из статора с возбуждающей обмоткой и магнитного ротора. Постоянный магнит не требуется, потому что тенденция полюсов ротора совмещаться с возбужденными полюсами, чтобы минимизировать потокосцепления статора, возникающие в результате заданного приложенного тока статора, является источником создания крутящего момента. Как правило, уравнения фаз двигателя описывают электрическое поведение SRM. Мгновенное напряжение на выводах фазы обмотки SRM связано с магнитным потоком в обмотке, который получается по закону Фарадея. Математические шаги ИНС Искусственные нейронные сети могут обучаться и моделировать нелинейные и сложные отношения.
ИНС может упроститься после изучения начальных входных данных, а также может вывести невидимые отношения на невидимые данные, тем самым заставляя модель обобщать и прогнозировать на основе невидимых данных. Общее уравнение ИНС выглядит следующим образом: Узел — это базовая единица нейронной сети, которая дает определенное количество входов и значений смещения. Когда приходит сигнал значение , он умножается на значение веса. Каждый вход имеет свое значение веса, которое можно настроить на этапе обучения. Смещение — это дополнительный вход для нейрона, и он всегда один, и у него есть свой вес соединения [23, 24]: Выходы и входы в нейронных сетях имеют линейную форму, то есть 0 и 1. Функция активации вносит нелинейность. Сигмоидная или логистическая функция активации в основном используется для задач двоичной классификации выходные значения в диапазоне от 0 до 1. Вычислить производную сигмовидной функции несложно.
Затем, чтобы изменить линейные значения на нелинейные, используется сигмоидальная функция [23]: где — выход, а сигмоид — функция активации, применяемая к смещению и взвешенной сумме входов [24]. Математические операции алгоритма Левенберга — Марквардта LMA обеспечивает численное решение задачи минимизации нелинейной функции. Он быстрый и имеет стабильную сходимость. Этот алгоритм подходит для обучения малых и средних задач в области искусственных нейронных сетей. LMA — это комбинация метода наискорейшего спуска и алгоритма Гаусса — Ньютона. Он наследует стабильность метода наискорейшего спуска и преимущество в скорости алгоритма Гаусса — Ньютона [25]. Матрица Гессе может быть аппроксимирована следующим образом: Градиент может быть вычислен следующим образом: LMA использует аппроксимацию матрицы Гессе в следующем обновлении типа Ньютона [24]: где — матрица Якобина, которая содержит первые производные от сетевых ошибок относительно весов и смещений, представляет собой вектор сетевых ошибок, представляет собой единичную матрицу и является положительным, называемым коэффициентом комбинации. LMA переключается между двумя алгоритмами в процессе обучения.
Когда коэффициент комбинации очень мал почти равен нулю , используется алгоритм Гаусса — Ньютона [25]. Правило обновления алгоритма Гаусса — Ньютона записывается следующим образом: Когда коэффициент комбинации очень велик, используется метод наискорейшего спуска. Правило обновления алгоритма наискорейшего спуска записывается следующим образом: где — константа обучения. Если он очень большой, его можно представить как коэффициент обучения в методе наискорейшего спуска: 3. Предлагаемая методология Пульсации крутящего момента влияют на быстродействие вентильного реактивного электродвигателя SRM , и для решения этой проблемы искусственная нейронная сеть Выполнено моделирование SRM на основе ИНС. SRM не может запускаться напрямую от источника постоянного тока; для работы ему нужен преобразователь. Модель SRM основана на трехфазном асимметричном преобразователе мощности, который состоит из трех ветвей. Каждая ножка состоит из двух IGBT и двух обратных диодов.
Во время периода проводимости в фазных обмотках протекают положительные напряжения, а в период непроводимости — наоборот. Сохраненная энергия возвращается в источник постоянного тока через диоды [26]. В основном преобразователь регулирует скорость двигателя за счет правильного возбуждения соответствующих обмоток статора. Импульсы затвора через полосу гистерезиса подаются на вход преобразователя мощности. Частота переключения IGBT определяется полосой гистерезиса. Контрольный ток используется для гистерезисного управления трехфазным током. Датчик положения определяет выключение и включение фаз обмоток двигателя. Шум добавляется к фактической скорости двигателя с помощью блока суммы и подается на вход блока скорости на основе ИНС, а его выход связан со скоростью датчика положения.
Точно так же шум добавляется индивидуально к фактическому трехфазному току двигателя, а затем к трехфазному току, подаваемому на входе в блоки трехфазного тока на основе ИНС и его выходу в суммирующий блок перед полосой гистерезиса на рисунке 1. Три гистерезиса Контроллеры генерируют управляющие сигналы IGBT путем сравнения с трехфазным током на основе ANN с опорными значениями и используются для раздельного управления фазными токами. Сложные взаимосвязи между вводом и выводом обнаруживаются с помощью ИНС, которая считается инструментом нелинейного статистического моделирования данных в соответствии с шагами, описанными на рисунке 2. Первый шаг — это нормализация данных. Преобразование данных в определенный диапазон называется нормализацией данных. В ИНС входные данные нормализованы, иначе сеть будет плохо подготовлена. Невозможно достичь одинакового диапазона значений для каждого входа в режим ИНС. Это обеспечивает стабильную сходимость весов и смещения.
Второй шаг — раздел данных. Случайное разделение данных делитель используется в обучении ИНС, чтобы использовать максимум данных для обучения в общем, разбиение данных для разработки модели ИНС на данные обучения, данные проверки и данные тестирования. В процессе обучения алгоритм обратного распространения используется для определения весов соединений, а затем используется для расчета выходных данных. Как правило, для некоторых приложений эти веса могут использоваться для инициализации нейронной сети, а затем обновляться с помощью алгоритма онлайн-обучения. Веса сети и смещения обновляются во время обучения. Проверка используется для измерения обобщения сети, и когда обобщение перестает улучшаться, прекращается обучение. Независимое измерение производительности сети во время и после обучения достигается путем тестирования данных и не влияет на обучение. LMA используется как алгоритм онлайн-обучения.
LMA обеспечивает численное решение задачи минимизации нелинейной функции. В области искусственных нейронных сетей для обучения задачам малого и среднего размера LMA — лучший вариант. Он приобретает преимущество в скорости алгоритма Гаусса — Ньютона и стабильность метода наискорейшего спуска. Во многих случаях он может хорошо сходиться, даже если поверхность ошибки намного сложнее, чем квадратичная ситуация, и поэтому она является мгновенной, чем алгоритм Гаусса — Ньютона. В конвергентных ситуациях LMA имеет тенденцию быть немного медленнее, чем алгоритм Гаусса — Ньютона, но сходится намного быстрее, чем метод наискорейшего спуска. Основная идея LMA заключается в том, что он выполняет комбинированный процесс обучения: вокруг области со сложной кривизной LMA переключается на алгоритм наискорейшего спуска до тех пор, пока локальная кривизна не станет правильной для квадратичного приближения, а затем она почти станет кривой Гаусса-Ньютона. Веса и смещения обновляются во время обучения, и данные представлены в соответствии с тем, какая сеть настраивается в соответствии с ее ошибкой. Третий шаг — это архитектура сети, в которой двухуровневая сеть с прямой связью применяется при стандартной подгонке функций, которая включает сигмовидную передаточную функцию в скрытом слое и линейную передаточную функцию в выходном слое.
Четвертый шаг — алгоритм обучения, используемый для обучения сети в соответствии с входными данными и целями. Это помогает в достижении точных результатов и анализа. Пятый шаг — это оценка сети, что означает, что мы можем протестировать нашу сеть на большем количестве данных и повторно обучить ее, если мы не удовлетворены полученными результатами. Шестой шаг — определить развертываемое решение; Таким образом, обученная нейронная сеть генерируется в форме диаграммы Simulink или в форме кода. В данном исследовании этот алгоритм реализован из-за простоты построения модели и требуемых менее формальных статистических знаний. В отличие от других методов прогнозирования, ИНС не налагает никаких ограничений например, на то, как они должны распределяться и дает данные с непостоянной разницей и с высокой волатильностью. Благодаря развивающейся технологии ИНС проблемы обнаружения неисправностей двигателя могут быть легко решены с использованием передового подхода, основанного на удобных измерениях, без необходимости в дорогостоящем оборудовании и точных математических моделях, которые получаются с помощью традиционных методов обнаружения неисправностей. Следовательно, это более осуществимый вариант, чем любой другой традиционный метод.
Реализация Замкнутый контур управления SRM состоит из внешнего контура скорости и внутреннего контура тока, как показано на рисунке 3. Датчик положения используется для определения положения полюса возбуждения. Положение ротора определяется датчиком положения. Его производное значение дает скорость ротора, которая сравнивается с эталонным значением скорости, и выдает ошибку, которая обрабатывается посредством управления PI или нечеткой логикой для получения эталонного тока. SRM имеет датчик, который определяет фактический ток двигателя. Опорный ток сравнивается с фактическим током, и сигнал ошибки поступает на контроллер тока, и эти ошибки используются для определения переключения фазы SRM. Затем на основе данных о положении, полученных от датчика положения, к соответствующим обмоткам прикладываются напряжения. Таким образом контролируются скорость и сила тока.
Магнитное поведение SRM сильно нелинейно, и его параметры быстро меняются. ПИ-регулирование неприменимо к системам, поскольку требует изменения постоянных ПИ-регуляторов во времени. Контроллер нечеткой логики может справиться с нелинейностью и более надежен, чем контроллер PI. Контроллер нечеткой логики имеет значительную установившуюся ошибку и требует гораздо больше времени вычислений, чем контроллер PI [20]. Комбинация ПИ-регулятора и регулятора нечеткой логики не имеет установившейся ошибки [20]. Реализация управления искусственной нейронной сетью включает три основных шага.