Комаров Ю.Ю. Проектирование и изготовление аэрокосмических аппаратов

Подождите немного. Документ загружается.

чтобы студенты могли изучить принципы построения программного обес-

печения для моделирования цепочки прямых и обратных рассуждений в

системах искусственного интеллекта.

Уровень подготовки в области вычислительной техники студентов, вы-

полняющих такие лабораторные работы (5 курс, специальность “Авиа-

ционные приборы и измерительно-вычислительные комплексы”), суще-

ственно различается. Поэтому возникла задача разработки универсальной

оболочки, в которой студент сможет создать любые базы знаний из име-

ющихся элементов и разработать свой собственный программный проект

различной сложности.

При таком подходе студенту необходимо разработать на языке Visual

С++ 2003 на базе изученных принципов программу для ОС Windows, ре-

ализующую программную модель Document-View и позволяющую авто-

матизировать процесс проектирования экспертной системы, обеспечивая

визуализацию её структуры, а также возможности редактирования её ком-

понентов.

На первом этапе студент по шагам, описанным в методическом описа-

нии к лабораторной работе, разрабатывает программу для моделирования

экспертной системы.

Следующим этапом является разработка в полученной среде модели-

рования на базе изученных принципов программ, реализующих цепочки

прямых и обратных рассуждений в системе искусственного интеллекта,

и проведение моделирования по разработанной программе для варианта

исходных данных, заданного преподавателем.

Далее студент анализирует результаты счета и составляет отчет по про-

деланной работе в соответствии с принятыми на кафедре требованиями.

Таким образом, при выполнении лабораторных работ студент должен:

1) написать программу для моделирования экспертной системы;

2) составить простейшую экспертную систему и проверить на ней работу

прямой и обратной цепочки;

На кафедре “Приборы и измерительно-вычислительные комплексы”

разработаны и проводятся лабораторные работы по курсу “Искусствен-

ный интеллект”, в которых разрабатываются на языке С++ программы,

реализующие прямую и обратную цепочки рассуждений в экспертной си-

стеме. Кроме того, поставлены и проводятся лабораторные работы по кур-

су “Проектирование измерительно-вычислительных комплексов”, в кото-

рых разрабатывается программное обеспечение в среде Microsoft Visual

C++ с использованием MFC библиотек и программной модели Document-

161

View по индивидуальным заданиям. Последний подход позволяет автома-

тизировать процесс проектирования приборного комплекса, обеспечивая

визуализацию его структуры; предоставляет возможность редактирования

его компонентов; позволяет организовать работу студентов по разработке

программного обеспечения индивидуально. Каждый из них разрабатывает

собственные программный проект.

В данной работе с использованием этого подхода предлагается вначале

создать среду моделирования с шаблонами основных элементов программ-

ного обеспечения экспертных систем, а затем разработать в этой среде

конкретный вариант прототипа экспертной системы.

Для реализации этого подхода разработано программное обеспечение на

языке программирования Visual С++ для операционной системы Microsoft

Windows 2000/XP, которое позволит проводить лабораторные работы и

по курсу “Искусственный интеллект” с использованием тех же принци-

пов, которые приняты при проведении лабораторных работ по дисциплине

“Проектирование измерительно-вычислительных комплексов”. ПО позво-

ляет реализовать программную модель Document-View при проектирова-

нии экспертных систем. Используя имеющиеся элементы, пользователь

имеет возможность создавать свои переменные и свою базу знаний, кото-

рые соответствуют текущей задаче.

Программа обладает широкой функциональностью. Есть возможность

сохранения созданной базы знаний и последующей её загрузки в любое

время. Переменные, а также правила достаточно просто добавить, удалить,

изменить под свои нужды.

Разработаны также микропрограммы (макросы), позволяющие автома-

тически находить целый ряд ошибок, наиболее характерных при разра-

ботке программ студентами. Используя это программное средство, студент

может устранить ошибки самостоятельно, это же средство может исполь-

зовать и ведущий занятие преподаватель.

Таким образом, разработан новый вариант лабораторных работ по курсу

“Искусственный интеллект”, реализованный в среде Microsoft Visual C++

2003 и реализующий программную модель Document-View, которая поз-

воляет учесть индивидуальную подготовку студентов в области програм-

мирования. Разработанное программно-алгоритмическое обеспечение, ре-

ализующее прямую и обратную цепочку рассуждений, носит универсаль-

ный характер и может найти применение при разработке измерительно-

вычислительных комплексов различного назначения.

162

Д. Р. Манбеков, Д. А. Шевцов

Московский авиационный институт (государственный технический университет)

КЛАССИФИКАЦИЯ И СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ

СИММЕТРИРОВАНИЯ ДВУХТАКТНЫХ ТРАНЗИСТОРНЫХ

ПРЕОБРАЗОВАТЕЛЕЙ С ШИМ-РЕГУЛИРОВАНИЕМ

Все известные методы симметрирования можно разделить на четыре

вида: параметрические, структурные, компенсационные и комбинирован-

ные.

Параметрические методы. Сущность параметрических методов за-

ключается в подборе элементов с одинаковыми параметрами и подстрой-

ке их характеристик с помощью специальных регулирующих элементов.

Однако этим методам свойственны следующие недостатки: нетехнологич-

ность (так как требуется входной контроль многочисленных параметров

различных элементов); возможность работы только в очень узком диа-

пазоне изменения тока нагрузки, питающего напряжения и температуры

окружающей среды; как следствие всего вышесказанного – применение

данного метода как способа симметрирования в серийном производстве

невозможно.

Структурные методы. Сущность структурных методов симметриро-

вания двухтактных преобразователей напряжения (ДПН) заключается в

организации взаимодействия элементов, приводящего к автоматическому

симметрированию без использования дополнительных симметрирующих

блоков, контуров, узлов и т.д.

Однако структурный метод, как правило, приводит к усложнению си-

ловой части из-за необходимости применения дополнительных силовых

элементов, что, в свою очередь, приводит к увеличению потерь, уменьше-

нию удельной мощности и снижению КПД.

Схемы со структурными методами симметрирования можно разделить

на три вида: с дросселем постоянного тока в первичной цепи, с дросселем

переменного тока в первичной цепи и с конденсатором переменного тока

в первичной цепи.

Применение дросселя

(постоянного или переменного тока) основано на

сдерживании с его помощью скорости нарастания тока первичной обмотки

силового трансформатора при одностороннем насыщении его сердечника.

При насыщении сердечника трансформатора напряжение на дросселе на-

чинает расти, а на первичной обмотке трансформатора падать, вследствии

чего происходит выравнивание вольт-секундного интеграла в смежные по-

лупериоды; другими словами, с помощью дросселя обеспечивается ООС.

163

Отметим, что при применении дросселя в первичной цепи нет необходи-

мости ставить дроссель во вторичную цепь.

Однако данный метод имеет ряд существенных недостатков. Во-первых:

он плохо работает на импульсную нагрузку, так как дроссель сдерживает

изменение тока (этой проблемы можно избежать, поставив во вторичную

цепь конденсатор большой емкости). Во-вторых: в некоторых схемах име-

ется нелинейная регулировочная характеристика, в других – нетехнологич-

ность производства или/и повышенные потери в силовой части.

Также отметим, что при применении дросселя переменного тока при

увеличении коэффициента заполнения более 0,5 не происходит увеличения

выходного напряжения.

Применение конденсатора

, включённого последовательно с первичной

обмоткой трансформатора, позволяет отсечь постоянную составляющую

тока в установившемся режиме. Поэтому ампер-секундный интеграл на

конденсаторе в установившемся режиме равен нулю и сердечник должен

перемагничиваться симметрично.

Однако в переходных и динамических режимах даже при наличии это-

го конденсатора возможно возникновение одностороннего насыщения сер-

дечника силового трансформатора. Это обусловлено тем, что симметриру-

ющее напряжение на конденсаторе является интегралом от протекающего

тока (Uc=(1/C)*

i*dt) и требуется время для его (напряжения) нарастания.

Для исключения этого недостатка емкость конденсатора должна выбирать-

ся исходя из определённых соотношений.

При этом следует отметить, что если ёмкость конденсатора большая,

то при высоких частотах работы эффект симметрирования может не обес-

печиться. Если ёмкость конденсатора взять малой, то получится, что по-

следовательно с приведённой нагрузкой стоит большое ёмкостное сопро-

тивление, что приведёт к уменьшению напряжения на нагрузки. В этом

случае возникнет необходимость повышения тока для передачи требуемой

мощности в нагрузку, однако это также приведёт к повышению потерь в

силовой части.

Существенным недостатком этого способа симметрирования по сравне-

нию с предыдущим, как уже отмечалось ранее, является неработоспособ-

ность в переходных и динамических режимах.

Компенсационные методы. Эти методы основаны на контроле маг-

нитного состояния сердечника силового трансформатора (непосредствен-

но или косвенно) или тока первичной обмотки и коррекции длительности

управляющих импульсов для компенсации причин, вызывающих несим-

метрию.

164

Методы непосредственного контроля сердечника в этой работе рас-

смотрены не будут, так как имеют существенные недостатки: требуется

разрезной сердечник, датчик магнитного поля; трансформаторы с непо-

средственным измерением индукции нетехнологичны и дороги.

К косвенным методам контроля магнитного состояния сердечника от-

носятся: пояс Роговского и метод, основанный на измерении тока намаг-

ничивания (рис. 1).

1. Симметрирование с помощью пояса Роговского.

Принцип работы

схемы симметрирования следующий. В ненасыщенном состоянии практи-

чески весь магнитный поток замыкается в сердечнике силового трансфор-

матора, не пересекая витки пояса Роговсокого. При этом сигнал на выходе

пояса Роговского практически отсутствует. Но при насыщении сердечни-

ка силового трансформатора часть магнитного потока начинает пересекать

витки пояса Роговсокого и на его выходе появляется сигнал, идущий на

компаратор схемы симметрирования, показанной на рис. 1. При превыше-

нии сигнала с пояса Роговсокого опорного напряжения компаратор сраба-

тывает и отключает проводящие транзисторы.

Этот метод симметрирования работоспособен в любых режимах, а так-

же может применятся как в одноканальных, так в многоканальных ИВЭП.

Недостатками данного метода является нетехнологичность трансформа-

тора и возможность применения пояса Роговского ТОЛЬКО на сердечниках

тороидальной формы.

Рис. 1. Схема симметрирования пояса Роговского

2. Симметрирование с помощью измерения тока намагничивания. В

данном методе магнитное состояние сердечника определяется с помощью

тока намагничивания, который измеряется путем вычитания из тока пер-

вичной обмотки приведённого тока вторичной обмотки. При нормальной

работе (когда сердечник силового трансформатора ненасыщен) разность

токов незначительна, а при насыщении сердечника становится существен-

ной и при превышении опорного напряжения СУ отключает проводящие

силовые транзисторы. Схема изображена на рис. 2, где

н – ток нагрузки,

– ток намагничивания, ДТ – датчики тока.

165

Рис. 2. Схема измерения тока намагничивания

К методам контроля тока первичной обмотки относятся: метод, в кото-

ром симметрирование осуществляется по принципу компенсации разницы

средних токов и метод формирования одинаковых управляющих импуль-

сов в смежные полупериоды.

1. В методе симметрирования путём компенсации разницы средних токов в

диагоналях в смежные полупериоды сравнивается интегральное (среднее)

значение токов в диагоналях (рис. 3). Следовательно, можно сделать вывод,

что при изменении

з или в переходных режимах (когда средние значения

токов не будут равны) данная схема не работоспособна, что существенно

ограничивает область её применения.

Рис. 3. Схема измерения среднего тока

2. В методе симметрирования путём формирования одинаковых управля-

ющих импульсов в смежные полупериоды каждый последующий импульс

(ведомый) по длительности приравнивается к предыдущему (ведущему)

независимо от других факторов. Таким образом, обеспечивается равномер-

ное перемагничивание сердечника в двух смежных полупериодах. Однако

при физической реализации сказывается инерционность передачи сигнала

от СУ к силовым транзисторам, что может привести к несимметрично-

му перемагничиванию и, в конечном итоге, к одностороннему насыщению

сердечника силового трансформатора.

166

Библиографический список

1. Царенко А.И., Ноникашвили А.Д. Преобразователи постоянного тока с

малыми массогабаритными характеристиками электромагнитной систе-

мы // Полупроводниковые преобразователи электрической энергии. Сб. науч.

тр. №205. Московский энергетический институт, 1989.

2. Шевцов Д.А. Источники вторичного электропитания на основе высокочастотных

транзисторных преобразователей постоянного напряжения: Учебное пособие. – М.:

Изд-во МАИ, 2003.

А. В. Павлов, В. А. Тихонов

Московский авиационный институт (государственный технический университет)

РАЗРАБОТКА НАВИГАЦИОННОЙ СИСТЕМЫ

С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ

Одна из современных тенденций развития навигационных систем — раз-

работка недорогих решений, доступных для широкого круга потребителей.

Это направление получило особенное распространение в последнее вре-

мя благодаря активному внедрению и использованию микромеханических

ДПИ. Их низкая стоимость, малые размеры и масса позволяют строить

недорогие и компактные БЧЭ для ИНС. Однако известно, что микроме-

ханические акселерометры и гироскопы на современной стадии развития

являются достаточно грубыми измерителями, следовательно, БИНС, по-

строенная на таких датчиках, будет давать быстро нарастающие ошибки.

Для решения этой проблемы используются комплексирование ИНС и

СНС. Преимущества и недостатки обеих систем известны. Коррекция ИНС

по сигналам СНС позволяет повысить точность системы в целом. Одна-

ко, для реализации комплексирования необходимо не только совершенное

программно-математическое обеспечение для БЦВМ, но и знание точной

модели погрешностей подсистем комплекса. Принятые в качестве ДПИ

микромеханические гироскопы и акселерометры обладают высоким уров-

нем погрешностей, динамика которых непредсказуема.

Исследования, проведенные на кафедре ранее [4, 5, 6], показывают, что

использование искусственных нейронных сетей (ИсНС) в структуре нави-

гационной системы позволяет аппроксимировать нелинейные алгоритмы

ориентации и навигации. В данной работе, кроме этого, рассматривается

167

применение обобщающих и адаптивных свойств ИсНС для учета и ком-

пенсации инструментальных погрешностей ЧЭ.

Опираясь на предыдущие исследования и учитывая основную цель ра-

боты – повышение точности БИНС за счет использования ИсНС, рас-

смотрим структуру системы, в которой используются две нейронные сети:

ИсНС ориентации и ИсНС навигации (рис. 1).

Рис. 1. Структура предложенной навигационной системы

Предлагаемая система основана на классической схеме БИНС. Ней-

росеть ориентации преобразовывает измерения вектора угловой скорости

вращения объекта в кватернион конечного поворота на шаге работы алго-

ритма. Далее производится вычисление кватерниона ориентации, пересчет

кажущегося ускорения и вычисление текущих параметров ориентации.

ИсНС навигации по информации о значениях координат и скоростей на

предыдущем шаге, а также по измерениям компонент вектора кажущегося

ускорения: формирует на своих выходах текущие приращения координат

и скоростей.

В рамках работы рассмотрен подход применения нейросетей для ком-

пенсации дрейфов ЧЭ (рис. 2), согласно которому обучающие векторы

ИсНС формируются по измерениям, содержащим ошибки, а целевые век-

торы вычисляются для идеальных значений измеренных величин. Обучен-

ная таким образом ИсНС ориентации не только аппроксимирует алгоритм

ориентации, но и компенсирует дрейфы гироскопов величиной, заданной

при обучении. Аналогично настроенная ИсНС навигации аппроксимирует

алгоритм навигации и при этом компенсирует погрешности акселеромет-

ров, которые имели место при обучении.

Для имитационного моделирования использованы уравнения ориента-

ции в дискретной форме с использованием аппарата кватернионов [1]. Так-

же использованы дифференциальные уравнения навигации объекта [2, 7],

168

Рис. 2. Обучение нейросетей ориентации и навигации для компенсации погрешностей

гироскопов и акселерометров

т. е. построена математическая модель навигационной системы, работаю-

щей в географической системе координат.

Разработаны и отлажены программные модули для решения следующих

задач: создания нейросетей согласно предложенной структуре системы;

формирования обучающих выборок и инициализации процессов обучения;

тестирования обученных ИсНС и определения их ошибок на шаге работы.

С помощью этих модулей выбраны оптимальные структуры нейронных

сетей с точки зрения точности аппроксимации. Для нейросети ориентации

принята трехслойная структура с последовательными связями. Для ИсНС

навигации – двухслойная сеть с последовательными связями. Функции ак-

тивации нейронов входного и скрытого слоев – тангенциальная сигмоида,

выходной слой – линейная функция.

Также в рамках работы построена имитационная модель рассматрива-

емой навигационной системы в среде Matlab и подготовлены модули для

проведения численных экспериментов с моделью и ее элементами.

Промоделирована работа ИсНС ориентации с целью анализа зависи-

мости ее ошибок от величин угловых скоростей. Механизм анализа пред-

ставлен на рис. 3. Полученные результаты тестирования свидетельствуют

о приемлемой точности аппроксимации внутри обучающей сетки (макси-

мум ошибок составляет 4 угл.сек. на шаге работы с частотой 200 Гц). За

пределами интервала обучающей выборки ошибка аппроксимации возрас-

тает.

Наряду с этим был проведен анализ зависимости ошибок ИсНС ори-

ентации от величин дрейфов гироскопов. Принципиальная схема анализа

представлена на рис. 4.

Интегрирование уравнений ориентации по идеальным измерениям на-

зовем идеальным алгоритмом, вычисление параметров ориентации с помо-

щью ИсНС по измерениям с погрешностями — нейросетевым алгоритмом,

169

Рис. 3. Структура алгоритма вычисления ошибки ИсНС ориентации

Рис. 4. Структура предложенного анализа зависимости ошибок нейросетевого

и аналитического методов вычисления параметров ориентации от величин дрейфов

гироскопов

интегрирование уравнений по измерениям с погрешностями — аналити-

ческим алгоритмом. Сравнение ошибок нейросетевого и аналитического

алгоритмов показало, что при увеличении дрейфов ошибка аналитического

подхода монотонно возрастает, в то же время ошибка ИсНС снижается до

момента, когда величина дрейфа становится близка к той, на компенсацию

которой нейросеть была настроена. Отмечено, что имеет место зона, в кото-

рой при изменении дрейфов гироскопов ошибка нейросетевого алгоритма

изменяется незначительно (близка к постоянной величине). Проведенные

эксперименты показали, что величина этой зоны зависит от значений уг-

ловой скорости и от структуры и параметров используемой ИсНС. Этот

эффект может быть использован для более точной компенсации случайных

дрейфов гироскопов за счет аппроксимации случайного процесса дрейфа

ступенчатой функцией и периодической поднастройки нейросети.

Проведенное в рамках работы тестирование ИсНС навигации с целью

анализа зависимости ее ошибок от входных параметров (на примере ком-

понент кажущегося ускорения) показало, что нейросеть с достаточно вы-

сокой точностью аппроксимирует алгоритмы определения навигационных

параметров в рамках диапазона обучения. Так, при работе внутри обуча-

ющей сетки нейросеть имеет ошибку на шаге по скоростям 0,8 мм/с и

по координатам 3 мм. Однако при работе ИсНС за пределами диапазона

170