Кафедра електропостачання промислових підприємств (Кафедра ЕПП)
Permanent URI for this community
Browse
Browsing Кафедра електропостачання промислових підприємств (Кафедра ЕПП) by Subject "algorithm"
Now showing 1 - 3 of 3
Results Per Page
Sort Options
Item Development of the system for the execution of the algorithm motion control railcar rolling stock(Одесский национальный морской университет, 2014) Кулагін, Дмитро Олександрович; Kulagin, Dmytro O.; Кулагин, Дмитрий АлександровичUK: При використанні інтелектуальної нейронної мережі в якості керуючого апарату для реалізації алгоритму керування рухом моторвагонного рухомого складу будемо використовувати наступну послідовність моделювання та побудови даної мережі. Етап 1. Якісна та кількісна оцінка інформації стосовно системи, що моделюється: аналіз та тестування досліджуваної системи, збір вихідних даних, визначення властивостей ті відношень між складовими частинами системи. Етап 2. Попередня обробка інформації та формування вибірки для проведення навчання: статистична обробка і фільтрація вихідної інформації, вибір шкали представлення. Етап 3. Вибір архітектури та параметрів інтелектуальної нейронної мережі: формування інтелектуальної нейронної мережі, вибір структури нейрона та інтелектуальної нейронної мережі, вибір функцій активації, визначення оцінки якості роботи інтелектуальної нейронної мережі. Етап 4. налаштування та навчання інтелектуальної нейронної мережі: завершення формування інтелектуальної нейронної мережі та ініціалізація її параметрів, вибір керуючого функціоналу та методу його оптимізації, навчання інтелектуальної нейронної мережі на певні вибірці, тестування, перевірка адекватності на інших сукупностях даних. Етап 5. Визначення рівня грубості створеної інтелектуальної нейронної мережі та прийняття рішення про можливість її подальшого використання чи необхідність доопрацювання. Етап 6. Збереження параметрів створеної інтелектуальної нейронної мережі. EN: When using the intelligent neural network as a control apparatus for implementing the algorithm for controlling the movement of a motorcar rolling stock, we will use the following sequence of simulation and construction of this network. Stage 1. Qualitative and quantitative evaluation of the information concerning the system being modeled: analysis and testing of the investigated system, collection of initial data, determination of the properties of those relations between the components of the system. Stage 2. Preliminary processing of information and formation of a sample for training: statistical processing and filtration of source information, choice of scale of presentation. Stage 3. Selection of the architecture and parameters of the intellectual neural network: the formation of the intellectual neural network, the choice of the structure of the neuron and the intellectual neural network, the choice of activation functions, determining the evaluation of the quality of the intellectual neural network. Stage 4. Setting up and training of the intellectual neural network: completion of the formation of the intellectual neural network and initialization of its parameters, selection of the controlling function and its optimization method, training of the intellectual neural network on certain samples, testing, checking the adequacy of other data sets. Stage 5. Determine the level of roughness of the created intellectual neural network and decide on the possibility of its further use or the need for revision. Stage 6. Saving the parameters of the created intellectual neural network. RU: При использовании интеллектуальной нейронной сети в качестве управляющего аппарата для реализации алгоритма управления движением моторвагонного подвижного состава будем использовать следующую последовательность моделирования и построения данной сети. Этап 1. Качественная и количественная оценка информации о моделируемой: анализ и тестирование исследуемой системы, сбор исходных данных, определение свойств те отношений между составными частями системы. Этап 2. Предварительная обработка информации и формирование выборки для проведения обучения: статистическая обработка и фильтрация исходной информации, выбор шкалы представления. Этап 3. Выбор архитектуры и параметров интеллектуальной нейронной сети: формирование интеллектуальной нейронной сети, выбор структуры нейрона и интеллектуальной нейронной сети, выбор функций активации, определение оценки качества работы интеллектуальной нейронной сети. Этап 4. настройки и обучения интеллектуальной нейронной сети: завершение формирования интеллектуальной нейронной сети и инициализация ее параметров, выбор управляющего функционала и метода его оптимизации, обучение интеллектуальной нейронной сети на определенные выборке, тестирование, проверка адекватности на других совокупностях данных. Этап 5. Определение уровня грубости созданной интеллектуальной нейронной сети и принятия решения о возможности дальнейшего использования или необходимости доработки. Этап 6. Сохранение параметров созданной интеллектуальной нейронной сети.Item Визначення рівняння екстремалі маршрутної карти для управління параметрами руху тягового рухомого складу(Запорізький національний технічний університет, 2014) Кулагін, Дмитро Олександрович; Kulagin, Dmytro O.; Кулагин, Дмитрий АлександровичUK: Проведена математична постановка способу визначення геометричного місця точок, що визначають екстремаль маршрутної карти руху тягової одиниці рухомого складу, на основі якої можлива побудова системи автоведення рухомого складу за певними раціональними чи оптимальними алгоритмами керування. EN: The mathematical formulation of the method of determination of geometrical location of points defining extremal strip map of traction unit rolling stock on the basis of which it is possible to build automatic driving system of rolling stock on certain rational and optimal control algorithms. Mathematical formalization of the process of traffic control on the basis of rational management principles enables to ensure a clear implementation of the movement, to catch up with him. This in turn leads to cost optimization primary source of energy when driving traction units of rolling stock. Further study of mathematical models for different occasions build flowcharts of train traffic will allow to Refine the algorithms of motion control for each job type of motion parameters and depending on the parameters of this task. RU: Проведена математическая постановка способа определения геометрического места точек, определяющих экстремаль маршрутной карты движения тяговой единицы подвижного состава, на основе которой возможно построение системы автоведения подвижного состава по определенным рациональным или оптимальным алгоритмам управления.Item Синтез керованого задатчика інтенсивності з обмеженням активної складової струму(Запорізький національний технічний університет, 2010) Кулагін, Дмитро Олександрович; Kulagin, Dmytro O.; Кулагин, Дмитрий АлександровичUK: Синтезовано задатчик інтенсивності з обмеженням активної складової струму для використання в транспортних та вантажопідйомних частотно-керованих електроприводах з високими вимогами до якості та параметрів зміни швидкості руху об’єкта керування. EN: The controller of intensity is synthesized with limiting to the active constituent of current for the use in transport and load-lifting frequency-guided electromechanics with rigorisms to quality and parameters of change of rate of movement of management object. RU: Синтезирован задатчик интенсивности с ограничением активной составляющей тока для использования в транспортных и грузоподъемных частотно-управляемых электроприводах с высокими требованиями к качеству и параметрам изменения скорости движения объекта управления.