Аннотация: Представлен синтез системы слежения для квадрокоптера, рассматриваемого как твердое тело с шестью степенями свободы и четырьмя управляющими воздействиями (подъемными силами роторов), с учетом проектных ограничений на скорости и управления. Объект функционирует в условиях параметрических и внешних возмущений, а также неполных измерений. Контур слежения спроектирован типовым образом и состоит из связанных подсистем поступательного и вращательного движений, имеющих по три входа и три выхода. Эталонные траектории независимо задаются для пространственного положения центра масс квадрокоптера и угла рысканья. Углы тангажа и крена выполняют двойную функцию: в подсистеме поступательного движения они вместе с общей подъемной силой выполняют роль управлений, которые рассматриваются как задающие воздействия в подсистеме вращательного движения. Научная новизна связана с разработанным методом синтеза динамической обратной связи с использованием кусочно-линейных обратных связей с насыщением в регуляторах, наблюдателях состояния и возмущений, а также динамических дифференциаторов задающих воздействий. Применение для синтеза следящих подсистем пространственных и угловых положений блочного принципа управления с комбинированными кусочно-линейными обратными связями с насыщением позволило обеспечить стабилизацию ошибок слежения при наложенных ограничениях на скорости и управления. Редуцированные динамические наблюдатели с кусочно-линейной коррекцией снижают вычислительную нагрузку. По измерениям ошибок слежения они восстанавливают с заданной точностью составные сигналы, включающие неизмеряемые скорости, неопределенные параметры и внешние возмущения без необходимости индивидуальной идентификации неопределенных параметров. Формирование обратной связи по переменным таких наблюдателей обеспечивает робастность следящей системы. Вместо проблематичных в реализации операций численного дифференцирования для восстановления производных задающих воздействий применяются динамические дифференциаторы с кусочно-линейной коррекцией, которые способны обрабатывать кусочно-дифференцируемые сигналы и не порождают всплесков оценочных сигналов в особых точках. Приведены результаты численного моделирования, подтверждающие эффективность разработанных алгоритмов

Аннотация: Рассмотрен принцип создания нейросетевого имитатора газотурбинных двигателей в виде рекуррентных нейронных сетей и их применение в полунатурном моделировании для тестирования и отладки систем автоматического управления, контроля и диагностики. Проведено сравнение нейросетевых имитаторов на базе архитектур NARX и GRU. Описана методика построения нейросетевого имитатора (модели) газотурбинной установки и ее реализация на стенде полунатурного моделирования. Полунатурное моделирование используется для прототипирования, испытаний и сертификации разрабатываемых изделий (физических объектов) с комплексом математических моделей, где реальные системы сопряжены с виртуальными моделями, в составе которого они находятся. В работе представлены результаты полунатурного моделирования параметров газотурбинного двигателя с реальной системой автоматического управления, контроля и диагностики двигателя для режимов запуска, на земле и в полете. Проведен анализ точности и адекватности рассмотренных моделей. Подтверждена точность, необходимая для решения задач управления и формирования требований к агрегатам электронных систем управления. Подход на основе интеллектуального моделирования может быть использован для создания полноценных (комплексных) цифровых двойников, где модель физических процессов и поведения объекта на основе рекуррентных нейронных сетей может быть подключена к трехмерному твердотельному моделированию для решения задач анализа и синтеза объекта, его оптимизации и повышения надежности. Развитие таких технологий позволяет создавать интеллектуальные модели, которые могут быть использованы в цифровых двойниках сложных технических систем

Аннотация: Всесторонне оцениваются несколько методов машинного обучения для решения задачи прогнозирования выходных токов для управления спросом и оптимизации распределения энергии в низковольтных микросетях постоянного тока. Исследование использует обширный набор данных, включающий около 33 334 наборов данных с различными электрическими характеристиками. В процессе исследования используются и оцениваются несколько алгоритмов прогнозирования, включая Decision Tree, Random Forest (RF), Support Vector Regression, Multi-layer Perceptron, Lasso и Linear Regression. Модель RF превосходит другие модели, демонстрируя высокий коэффициент детерминации R2 = 0,994, что указывает на очень точное соответствие наблюдаемым данным. Напротив, модель Lasso имеет коэффициент R2 = 0,883, что указывает на несколько более низкую эффективность из-за ее простоты. Результаты исследования предоставляют всестороннюю оценку прогностических возможностей каждой модели, что дополнительно подтверждается другими исследованиями, использующими такие метрики, как Mean Absolute Error (MAE), Mean Squared Error (MSE) и Root Mean Squared Error (RMSE). Например, модель RF продемонстрировала свою надежность в точном прогнозировании выходных токов, достигнув наименьших значений MAE = 0,289, MSE = 0,140 и RMSE = 0,374. Эта всесторонняя оценка способствует развитию устойчивых и эффективных сетей распределения энергии, подчеркивая потенциал машинного обучения для повышения операционной эффективности микросетей постоянного тока. Также это закладывает основу для будущих исследований по интеграции этих алгоритмов в реальные энергетические системы.

Аннотация: Интерполятор является одним из ключевых элементов систем контурного управления промышленными роботами, существенно влияющих на их точностные характеристики. В таких технологических задачах, как сварка, лазерная резка, нанесение покрытий и наплавка, помимо пространственной точности движения рабочего органа робота важную роль играет точность поддержания им скорости в процессе движения по сложным траекториям. В данной работе предлагается новое алгоритмическое обеспечение для решения задачи интерполяции при реализации контурного управления многоосевого промышленного робота, основанное на применении B-сплайнов. Предложенные алгоритмы легко адаптируются для роботов с любой кинематикой, формируя на выходе как общую траекторию движения рабочего органа робота, так и уставки по току, скорости и положению для контуров управления каждого из его приводов. В рамках исследования на основе разработанных алгоритмических решений была создана программная реализация offline-интерполятора, предназначенная для исполнения на базе контроллеров и приводов, произведенных B&R Industrial Automation GmbH. В ходе натурных экспериментальных исследований, проведенных на манипуляционном роботе с кинематической схемой SCARA, было продемонстрировано, что разработанные алгоритмические решения превосходят штатный интерполятор промышленных систем управления роботами от компании B&R, улучшая результаты примерно в два раза с точки зрения пространственной точности и в четыре раза с точки зрения среднеквадратического отклонения скорости. Максимальное отклонение скорости инструмента от заданных значений при использовании разработанных алгоритмов за все время проведения экспериментов не превышало 2,4 мм/c, что сравнимо с результатами наиболее современных планарных решений на базе NURBS-кривых. При этом решения, предложенные в данной работе, в отличие от планарных аналогов подходят для многомерной интерполяции. Вторая часть работы посвящена модельным и натурным экспериментальным исследованиям алгоритмов, описанных в Части I данной статьи, а также обобщению результатов работы