WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


 

СИБИРСКАЯ ГОСУДАРСТВЕННАЯ

АВТОМОБИЛЬНО-ДОРОЖНАЯ АКАДЕМИЯ (СибАДИ)

На правах рукописи

Мещеряков Виталий Александрович

АДАПТИВНОЕ УПРАВЛЕНИЕ

РАБОЧИМИ ПРОЦЕССАМИ

ЗЕМЛЕРОЙНО-ТРАНСПОРТНЫХ МАШИН

Специальность 05.05.04 – Дорожные, строительные

и подъемно-транспортные машины

Автореферат

диссертации на соискание ученой степени

доктора технических наук

Омск – 2007

Работа выполнена в Сибирской государственной автомобильно-дорожной академии (г. Омск).

НАУЧНЫЙ КОНСУЛЬТАНТ:

доктор технических наук, профессор

ЗАВЬЯЛОВ Александр Михайлович

ОФИЦИАЛЬНЫЕ ОППОНЕНТЫ:

доктор технических наук, профессор

СМОЛЯНИЦКИЙ Борис Николаевич,

доктор технических наук, профессор

НИКУЛИН Павел Иванович,

доктор технических наук, профессор

ЩЕРБАКОВ Виталий Сергеевич,

ВЕДУЩАЯ ОРГАНИЗАЦИЯ:

ОАО «ЧТЗ-УралТрак», г. Челябинск

Защита состоится 25 декабря 2007 г. в 10 часов на заседании диссертационного совета ВАК РФ Д 212.250.02 в Сибирской государственной автомобильно-дорожной академии (СибАДИ) по адресу: 644080, г. Омск, проспект Мира, 5. Тел. (3812) 65-07-55, факс (3812) 650323.

С диссертацией можно ознакомиться в библиотеке Сибирской государственной автомобильно-дорожной академии по адресу г. Омск, проспект Мира, 5.

Автореферат разослан «_____» ________ 2007 г.

Ученый секретарь

диссертационного совета,

доктор технических наук

Захаренко А. В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Повышение качества, снижение сроков и себестоимости дорожного строительства неразрывно связаны с проблемами эффективного использования землеройно-транспортных машин (ЗТМ). Поскольку на земляные работы при строительстве дорог приходится более половины материальных затрат, к ЗТМ предъявляются все более высокие требования по производительности и точности выполняемых технологических операций. Превращение ЗТМ в эффективный, точный и удобный инструмент для операторов различной квалификации невозможно без автоматизации рабочих процессов.

В настоящее время системы автоматического управления (САУ) ЗТМ еще не получили повсеместного распространения. Сложная автоматика не всегда способна заменить человека. Это обусловлено рядом причин. Одна из них – это различия в методах управления машиной, используемых человеком-оператором и автоматическими регуляторами. Традиционные подходы к автоматическому управлению предусматривают предварительную настройку параметров регулятора и алгоритма управления, которые не изменяются в течение рабочих проходов. Человек-оператор, даже не имея численных данных о показателях рабочего процесса, подстраивает алгоритм ручного управления ЗТМ под изменяющиеся условия, обучаясь методом проб и ошибок. Повышение эффективности автоматического управления рабочими процессами возможно за счет создания адаптивных систем управления, параметры которых автоматически подстраиваются под изменяющиеся условия рабочих процессов и динамику машины.

Разработка систем автоматического управления должна быть основана на информации о динамике рабочих процессов ЗТМ. Исследование динамики рабочих процессов является сложной задачей. Параметры рабочих процессов связаны нелинейными зависимостями, и, кроме того, не все параметры машины и среды можно измерить, учесть и точно предсказать. Для исследования процессов управления необходимо развивать два подхода к моделированию рабочих процессов ЗТМ. Первый направлен на разработку аналитических моделей элементов рабочих процессов и их объединение в общую имитационную модель. Этот подход, основанный на априорной информации о конструкции ЗТМ, позволяет проводить вычислительные эксперименты при синтезе новых систем управления. Второй подход к моделированию рабочих процессов ЗТМ основан на идентификации рабочих процессов, что позволяет создавать адаптивные динамические модели на основе экспериментально измеренных параметров рабочих процессов ЗТМ. Такой подход дает возможность находить и моделировать скрытые зависимости между параметрами рабочих процессов, не имея полной информации об устройстве ЗТМ и характеристиках среды.

Важнейшей задачей управления тяговыми режимами ЗТМ является наиболее полное использование тяговых возможностей машины за счет управления рабочим органом. Автоматическое поддержание максимальной тяговой мощности или заданного значения сопротивления на рабочем органе затруднено большим количеством случайных факторов, действующих на ЗТМ. В связи с этим система автоматического управления должна обладать возможностью самонастройки, например, чувствительность системы к отклонениям управляемой величины от заданного значения, а также скорость подъема-опускания рабочего органа должны автоматически настраиваться для различных грунтовых условий. Для решения этой проблемы необходима разработка теории, направленной на синтез адаптивных систем управления и учитывающей специфику рабочих процессов ЗТМ.

С учетом современных тенденций применения интеллектуальных систем при автоматизации сложных технических объектов, одним из перспективных направлений является синтез систем управления, основанный на математическом аппарате искусственных нейронных сетей. Нейросетевые регуляторы в ряде случаев позволяют реализовать более эффективные адаптивные алгоритмы управления нелинейными динамическими объектами по сравнению с традиционными подходами.

Синтез систем управления рабочими процессами ЗТМ с более высокими качественными характеристиками позволит наиболее полно использовать тяговые возможности ЗТМ, повысить производительность и уменьшить удельную энергоемкость единицы продукции. Новые подходы к моделированию рабочих процессов и управлению направлены на создание теоретической базы для повышения эффективности автоматизированных ЗТМ. Таким образом, создание адаптивных систем автоматического управления рабочими процессами ЗТМ представляет собой актуальную научно-техническую проблему, решение которой имеет важное хозяйственное значение для строительной отрасли.

Цель работы: повышение эффективности ЗТМ за счет создания адаптивных систем автоматического управления рабочими процессами.

Объект исследований: процессы управления тяговыми режимами ЗТМ и отделочными работами.

Предмет исследований: закономерности, связывающие показатели рабочих процессов ЗТМ, структуру и параметры систем управления.

Задачи исследований. Для достижения поставленной цели были решены следующие задачи:

- разработка методики аналитико-имитационного моделирования рабочих процессов ЗТМ;

- совершенствование и программная реализация математических моделей случайных возмущений, действующих на ЗТМ;

- разработка динамических моделей положения рабочего органа, формирования призмы волочения, работы привода ЗТМ и движения машины;

- создание имитационных моделей рабочих процессов автоматизированных ЗТМ, исследование моделей тяговых режимов и процесса профилирования земляного полотна;

- сбор и анализ экспериментальной информации о рабочих процессах ЗТМ, необходимой для идентификации ЗТМ как объектов управления, а также оценки адекватности теоретических моделей;

- разработка методики идентификации и моделирования рабочих процессов ЗТМ на основе математического аппарата искусственных нейронных сетей;

- обоснование применимости нейросетевых технологий, подтверждение адекватности нейросетевой модели тягового режима бульдозера на основе экспериментальных данных;

- разработка нейросетевых структур адаптивных систем автоматического управления рабочими процессами ЗТМ, алгоритмов функционирования систем, моделирование процессов адаптивного управления рабочим органом автогрейдера;

- разработка рекомендаций по использованию методики аналитико-имитационного моделирования, методики нейросетевой идентификации рабочих процессов ЗТМ и методики синтеза адаптивных регуляторов систем управления рабочими процессами.

Научная новизна работы заключается:

- в модели формирования случайных возмущений, действующих на ЗТМ, позволяющей учесть переменную скорость машины;

- в модели зависимостей между геометрическими параметрами автогрейдера, высотными координатами микропрофиля необработанной поверхности грунта, пространственными координатами отвала, глубиной резания грунта и переменной скоростью машины;

- в динамической модели формирования призмы волочения поворотного отвала ЗТМ;

- в динамических моделях привода ЗТМ с механической и гидромеханической трансмиссиями;

- в методике нейросетевой идентификации и моделирования рабочих процессов ЗТМ, в адаптивных нейросетевых моделях процесса резания грунта, рабочего процесса бульдозера, тягового режима автогрейдера;

- в методике разработки адаптивных нейросетевых систем автоматического управления рабочими процессами ЗТМ, структуре и алгоритмах функционирования систем управления.

Практическая ценность диссертационной работы состоит:

- в программной реализации имитационных моделей рабочих процессов ЗТМ, которая позволяет проводить вычислительные эксперименты для оценки динамических характеристик ЗТМ, а также использовать имитационные модели в качестве объекта управления на первых этапах проектирования систем автоматического управления рабочими процессами и сократить затраты на проведение дорогостоящих натурных экспериментов.

- в разработке измерительного комплекса, включающего комплект датчиков и регистрирующую аппаратуру на основе крейтовой системы и ЭВМ, предназначенного для автоматизированного сбора экспериментальных данных о рабочих процессах ЗТМ;

- в оснащении бульдозера на базе трактора Т-130М бортовым измерительным комплексом, что создает базу для экспериментальных исследований рабочего процесса бульдозера;

- в программной реализации алгоритмов функционирования адаптивных нейросетевых регуляторов, которая рекомендуется к использованию при разработке систем управления рабочими процессами ЗТМ.

Внедрение результатов. В Мостовом эксплуатационном управлении «Омскавтодор» внедрены запатентованные технические решения по оснащению автогрейдера ДЗ1431 отвалом переменой длины для повышения производительности при перемещении грунта; рабочее оборудование для планировочных работ (инвариантный в поперечной плоскости рабочий орган автогрейдера); в ЗАО «УМСР5» внедрено техническое решение по оснащению бульдозера модифицированным рабочим оборудованием, снижающим пиковые нагрузки на базовый трактор и позволяющим повысить в среднем тяговую мощность и производительность бульдозера.

Апробация работы. Основные положения и результаты работы докладывались, обсуждались и получили положительную оценку на II Международной научно-технической конференции «Автомобильные дороги Сибири» (г. Омск, 1998 г.), 59 научно-технической конференции СибАДИ (1999 г.), Международной научной конференции, посвященной 70летию СибАДИ (2000 г.), Международной научно-практической конференции «Проблемы автомобильных дорог России и Казахстана» (г. Омск, 2001 г.), 43й Международной научно-технической конференции Ассоциации автомобильных инженеров (г. Омск, 2003 г.), Международной научно-технической конференции, посв. 100-летию проф. К. А. Артемьева (г. Омск, 2004 г.), II Всероссийской научной конференции «Проектирование инженерных и научных приложений в среде MATLAB» (г. Москва, ИПУ РАН, 2004 г.), IV Международной конференции «Идентификация систем и задачи управления» SICPRO’05 (г. Москва, ИПУ РАН, 2005 г.), Международной конференции «Качество. Инновации. Наука. Образование» (г. Омск, 2005 г.), I Всероссийской конференции молодых ученых «Проблемы проектирования, строительства и эксплуатации транспортных сооружений», Всероссийской конференция «Роль механики в создании эффективных материалов, конструкций и машин XXI века» (г. Омск, 2006 г.), научном семинаре факультета «Транспортные и технологические машины» СибАДИ (2007 г.) и кафедре «Дорожные машины».

Публикации. По результатам исследований опубликована 51 печатная работа, в том числе 4 патента на изобретения.

На защиту выносятся:

- методика аналитико-имитационного моделирования рабочих процессов ЗТМ;

- результаты вычислительных экспериментов, полученные с помощью имитационных моделей тяговых режимов и процесса профилирования земляного полотна автоматизированным автогрейдером;

- методика автоматизированного сбора и цифровой обработки экспериментальных данных о параметрах рабочего процесса ЗТМ;

- результаты экспериментальных исследований рабочих процессов тензометрической тележки, автогрейдера и бульдозера;

- методика идентификации и моделирования рабочих процессов ЗТМ на основе математического аппарата искусственных нейронных сетей;

- методика разработки адаптивных систем автоматического управления.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, основных результатов и выводов по работе, списка литературы и приложений. Работа имеет 275 страниц основного текста, 3 таблицы, 131 рисунок, список литературы на 207 наименований, 14 страниц приложений 1–4, содержащих листинги программ, и 7 страниц приложений 5–8 с актами внедрения результатов диссертации.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность диссертационной работы, дана краткая характеристика исследуемых вопросов и предлагаемых подходов к их решению, сформулированы основные положения, выносимые на защиту; показаны научная новизна и практическая ценность работы.

В первой главе выполнен аналитический обзор предшествующих работ, посвященных исследованию рабочих процессов ЗТМ. Целью обзора является выявление важнейших зависимостей между параметрами рабочих процессов, выбор методов их моделирования, а также учет основных тенденций автоматизации ЗТМ.

На основании анализа работ по моделированию динамики рабочих процессов ЗТМ выявлены тенденции, согласно которым модели, описывающие кинематику и динамику рабочего оборудования, гидропривода и трансмиссии, чаще всего представляют собой аналитические выражения, полученные на основе известных физических законов и информации об устройстве ЗТМ. Модели процессов, параметры которых заранее неизвестны или изменяются в широких пределах, чаще всего представляют собой статические табличные или эмпирические зависимости, обобщающие экспериментальные данные. Это модели взаимодействия рабочих органов и движителей со средой, а также статические характеристики сложных агрегатов (гидротрансформатора трансмиссии, двигателя с регулятором подачи топлива).

С точки зрения учета случайности действующих на ЗТМ нагрузок работы по исследованию динамики ЗТМ разделены на две группы: в первой рабочие сопротивления считаются детерминированными, во второй учитывается их вероятностный характер. В первой группе выделены работы видных ученых К. А. Артемьева, В. И. Баловнева, Ю. А. Ветрова, В. Г. Волобоева, А. М. Завьялова, А. Н. Зеленина, И. А. Недорезова, В. Н. Тарасова, Н. А. Ульянова, А. М. Холодова и др. По результатам обзора этих работ сделан вывод, что для исследования процессов перемещения ЗТМ и рабочего органа, функционирования привода ЗТМ, необходимо разрабатывать аналитические модели, в явном виде описывающие зависимости между параметрами рабочих процессов. Во второй группе следует отметить работы Л. Е. Агеева, Б. А. Бондаровича, В. П. Денисова, Ю. В. Гинзбурга, И. П. Ксеневича, Д. И. Федорова, Л. А. Хмары и др. Согласно этим работам, моделирование возмущений, действующих на ЗТМ со стороны неровностей грунтовой поверхности и от неоднородностей грунта, следует осуществлять на основе известных статистических характеристик возмущений. За критерий эффективности ЗТМ принята удельная энергоемкость единицы продукции ЗТМ (отношение математического ожидания используемой мощности двигателя к технической производительности) .

Вопросы автоматизации рабочего процесса ЗТМ исследованы в работах Т. В. Алексеевой, В. Ф. Амельченко, А. М. Васьковского, В. С. Дегтярева, Б. Д. Кононыхина, Э. Н. Кузина, Л. Я. Цикермана, В. С. Щербакова и др. На основе анализа этих работ определены основные задачи автоматизации ЗТМ и методы синтеза САУ, базирующиеся на классической теории автоматического управления. Настройка регуляторов осуществляется на основе статистической информации о характеристиках возмущений. Это затрудняет применение регуляторов в быстро изменяющихся условиях рабочего процесса. Сделан вывод о необходимости разработки адаптивных систем управления, лишенных этого недостатка. По периодике определены тенденции совершенствования современных систем управления рабочими органами ЗТМ.

Сформулирована проблема исследований: необходимость создания методов моделирования динамики ЗТМ и методов разработки систем автоматического управления рабочими процессами, позволяющих учесть сложные нелинейные зависимости между параметрами рабочих процессов и неполноту информации об изменяющихся условиях, в которых проходят рабочие процессы ЗТМ.

На основании обзора методов адаптивного и интеллектуального управления (работы Р. Изермана, Л. Льюнга, К.Острема) выдвинута гипотеза, согласно которой разработка адаптивной системы управления рабочим процессом ЗТМ позволит повысить эффективность управления по сравнению с традиционными подходами. Сделан вывод о целесообразности выбора структуры системы управления, содержащей нейросетевую модель рабочего процесса ЗТМ и нейросетевого регулятора (работы M. Hagan, O. de Jesus, M. Norgaard). В связи с этим необходимо обоснование применимости математического аппарата нейронных сетей к исследованию рабочих процессов ЗТМ, выбор методов идентификации и моделирования рабочих процессов, разработка структур адаптивных систем управления и алгоритмов их функционирования.

В рамках этих направлений определены цель, задачи, объект и предмет исследования.

Во второй главе предложена методика аналитико-имитационного моделирования рабочих процессов ЗТМ. Выполнена декомпозиция модели рабочего процесса ЗТМ; для тех подпроцессов, где возможно аналитическое моделирование на основе априорных знаний о связях между параметрами ЗТМ, получены аналитические зависимости. Модели этих подпроцессов включены в общую структуру имитационной модели рабочего процесса ЗТМ.

Основные цели аналитико-имитационного моделирования рабочих процессов ЗТМ:

- имитация ЗТМ как объекта управления, получение реализаций параметров рабочего процесса ЗТМ для использования при нейросетевой идентификации рабочих процессов;

- определение параметров рациональных тяговых режимов, которые должны поддерживаться САУ;

- сравнение различных вариантов САУ между собой с помощью вычислительного эксперимента.

Задачи моделирования:

- выделение основных подсистем в структуре ЗТМ и связей между ними;

- разработка аналитических и имитационных моделей элементов рабочего процесса, включение их в общую структуру модели;

- проведение вычислительного эксперимента.

Разработана общая структура модели рабочих процессов автоматизированных ЗТМ (рис. 1) обусловленная целями управления рабочими процессами. Методика моделирования показана на примере разработки моделей автогрейдера как универсальной машины, работающей в режимах перемещения грунта и профилирования поверхности земляного полотна. При перемещении грунта следует полностью использовать тяговые возможности ЗТМ, поддерживая номинальное значение тяговой мощности ; при профилировании поверхности земляного полотна высотные координаты правой и левой сторон отвала должны соответствовать проектным отметкам. Ключевой элемент на схеме (рис. 1.) показывает выбор управляемой переменной для первого или второго режимов работы.

При разработке моделей использован математический аппарат теории случайных процессов, передаточных функций, табличной интерполяции, численного решения алгебраических уравнений и обыкновенных дифференциальных уравнений в форме Коши.

Среди возмущающих воздействий на ЗТМ от грунтовых условий выделены случайные изменения координат необработанной грунтовой поверхности , а также нормированные флюктуации силы сопротивления на рабочем органе , вызванные неоднородностью грунта. Возмущения вызывают нежелательные вертикальные перемещения рабочего органа, что сказывается как на координатах , так и на изменении глубины резания грунта . Зависимости положения отвала и глубины резания грунта от возмущений отражают сложные связи между геометрическими параметрами ЗТМ в пространстве.

Стохастический характер нагрузок на рабочем органе обусловлен случайным изменением глубины резания грунта и неоднородностью свойств грунта. На конечно-элементной модели грунтового массива исследован процесс резания грунта рабочим органом ЗТМ, а также разработана математическая модель формирования случайной силы сопротивления на рабочем органе .

Действительная скорость ЗТМ зависит от силы , а также от свойств движителей, трансмиссии и силовой установки. В свою очередь, параметры возмущений, перемещение рабочего органа и формирование нагрузок зависят от скорости . Модели привода ЗТМ и взаимодействия движителя с грунтом включают в себя модели двигателя, механической и гидромеханической трансмиссии, а также буксования.

Регулятор САУ в зависимости от целей, алгоритма управления и поступающих данных от ЗТМ как объекта управления вырабатывает электрические сигналы , поступающие на электрогидравлические распределители в составе гидропривода рабочего органа. Подъем или заглубление отвала выполняется с целью управления либо тяговой мощностью , либо координатами отвала . Далее описаны модели элементов рабочего процесса ЗТМ.

Разработана модель формирования случайной силы сопротивления на рабочем органе

,                                (1)

где – тренд силы сопротивления, зависящий от глубины резания грунта ; – нормированные случайные флюктуации, вызванные неоднородностью грунта (рис. 2).

Случайный автокоррелированный сигнал генерируется на основе заданных значений параметров автокорреляционной функции , и среднеквадратического отклонения координат , а также скорости . Глубина резания грунта связана с , с геометрическими параметрами ЗТМ, скоростью и выдвижением штоков гидроцилиндров рабочего органа . Нормированные флюктуации , зависящие от неоднородности физико-механических свойств грунта, представляют собой случайный сигнал со среднеквадратическим отклонением , генерируемый по заданным значениям параметров автокорреляционной функции , и зависящий от скорости ЗТМ . Составляющая случайного процесса , обусловленная неоднородностью грунта, равна , и среднеквадратическое отклонение процесса равно коэффициенту вариации флюктуаций .

Сделан вывод, что при статистическом анализе динамики рабочих процессов ЗТМ большинство экспериментально определенных автокорреляционных функций координаты микропрофиля может быть аппроксимировано выражением:

;                                 (2)

где – путевая координата; – дисперсия случайного процесса ;

, – коэффициенты автокорреляционной функции.

Соответствующее выражение спектральной плотности возмущения при постоянной скорости ЗТМ:

;                 (3)

Генерация случайного сигнала осуществляется путем фильтрации белого шума специально созданным формирующим фильтром. Получена дискретная передаточная функция формирующего фильтра, соответствующего (3),

,                                (4)

Дискретный формирующий фильтр, предназначенный для формирования автокоррелированного случайного сигнала , также представлен рекуррентной зависимостью:

,        (5)

где – текущий номер элемента последовательности или ;

, , , – коэффициенты формирующего фильтра.

Получена непрерывная передаточная функция формирующего фильтра возмущений от грунтовых условий

.                        (6)

Коэффициенты передаточной функции (6) зависят от скорости ЗТМ. Для удобства реализации формирующего фильтра в MATLAB получено дифференциальное уравнение второго порядка, связывающее белый шум на входе формирующего фильтра с возмущением на выходе:

. (7)

Для имитационного моделирования возмущающих воздействий, вызванных грунтовыми условиями, дифференциальное уравнение (7) реализовано в виде подсистемы MATLAB/Simulink. Эта подсистема применима как для непрерывных, так и для дискретных моделей рабочих процессов ЗТМ. Моделирование возмущений от неоднородности грунта, т.е. флюктуаций силы сопротивления на рабочем органе , выполняется аналогично (7).

Разработана математическая модель, описывающая влияние отклонений координат микропрофиля грунтовой поверхности на координаты рабочего органа автогрейдера и глубину резания грунта с учетом основных геометрических параметров машины и ее скорости. В модели учтены длина базы , расстояния от отвала в плане (по продольной оси автогрейдера) до оси балансиров , до точки крепления передней оси , до передних колес балансиров , до задних колес балансиров , а также действительная скорость движения машины . На пространственное положение рабочего органа оказывают влияние величина угла захвата и ширина колеи автогрейдера (рис. 3).

Время запаздывания колес балансиров зависит от скорости машины:

;  ;        ;  .        (9)

Для вычисления глубины резания грунта по каждой колее необходимо определить время запаздывания отвала относительно передней оси. Время запаздывания правой и левой сторон отвала составляет

;  .                                (10)

Глубина резания грунта по правой и левой колеям с учетом запаздывания отвала

;  .                        (11)

Рис. 3. Геометрические параметры автогрейдера

Влияние изменений высотных координат колес автогрейдера на положение отвала выражено коэффициентами усиления передаточных звеньев, зависящими от конструктивных размеров автогрейдера:

; ;                                (12)

; ;                        (13)

; .                (14)

На среднюю глубину резания грунта также влияет расстояние выноса отвала в сторону относительно поворотного круга :

.        (15)

Реализация имитационной модели связей между геометрическими параметрами и скоростью автогрейдера позволяет оценить влияние возмущающих воздействий (случайных изменений высотных координат микрорельефа по правой и левой колеям) на высотные координаты рабочего органа и , а также среднюю глубину резания грунта .

Рис. 4. Функциональная схема модели зависимостей

между геометрическими параметрами автогрейдера

Разработана динамическая модель формирования призмы волочения, описывающая зависимость объема призмы от переменной глубины резания грунта и переменной скорости движения ЗТМ. Получено аналитическое выражение для объема призмы в момент времени :

(16)

где – ширина отвала; – угол захвата; – угол внутреннего трения грунта;  – оператор Лапласа.

Для моделирования буксования движителей получены зависимости коэффициента буксования от момента сопротивления на колесных движителях. Доказана хорошая точность аппроксимации экспериментальных данных полиномами второго порядка

.                        (17)

Для среднего автогрейдера на 1 передаче трансмиссии получена модель буксования

;        (18)

на 2 передаче

,                (19)

коэффициенты детерминации равны соответственно =0,985 и =0,988. Зависимости использованы при аналитическом определении передаточных функций моделей привода ЗТМ.

Исследованы 3 подхода к моделированию силовой установки ЗТМ. Согласно первому подходу, статическая регуляторная характеристика двигателя аппроксимирована линейными участками:

               (20)

где и – коэффициенты наклона регуляторной и корректорной ветвей характеристики соответственно; и – крутящий момент на валу двигателя и его угловая скорость с номинальными значениями и .

Второй подход к имитационному моделированию регуляторной характеристики двигателя – табличное задание статической характеристики и одномерная табличная интерполяция. Третий подход позволяет учесть отличия регуляторных характеристик в динамике от статических характеристик, вызванные случайными колебаниями рабочих нагрузок, действующих на ЗТМ. Предложен алгоритм моделирования динамической характеристики двигателя на основе экспериментально измеренных точек . Алгоритм, учитывающий угловое ускорение вала двигателя , предполагает численное дифференцирование и двумерную табличную интерполяцию .

Разработаны модели привода ЗТМ с механической и гидромеханической трансмиссиями. На основе уравнений движения элементов привода с механической трансмиссией получена передаточная функция привода ЗТМ, которую можно исследовать аналитическими методами при разработке САУ рабочими процессами. Для элементов привода ЗТМ с гидромеханической трансмиссией получены уравнения движения, лежащие в основе имитационной модели.

Для получения дифференциальных уравнений движения элементов привода ЗТМ с механической трансмиссией исследована динамическая модель (рис. 5). Маховики с моментами инерции , , заменяют реальные вращающиеся массы двигателя, трансмиссии и поступательно движущиеся массы машины с призмой волочения соответственно. Муфта сцепления моделирует буксование ведущих колес. Трансмиссия характеризуется передаточным числом и коэффициентом полезного действия . Приращения крутящих моментов и угловых скоростей: – приращение крутящего момента, развиваемого двигателем; и – приращения моментов на входном и выходном валах трансмиссии; – приращение момента сцепления движителей с грунтом; – приращение момента сопротивления на колесном движителе, обусловленное изменением нагрузки на рабочем органе. Выполнена линеаризация зависимости (17) в окрестностях рабочей точки характеристики с помощью разложения в ряд Тейлора, и получены дифференциальные уравнения движения элементов привода. Система описывается линейным дифференциальным уравнением второго порядка

,        (21)

где – угловая скорость ведомых колес, характеризующая скорость машины, коэффициенты зависят от конструктивных параметров ЗТМ.

Рис. 5. Динамическая схема привода ЗТМ

Передаточная функция модели ЗТМ

,                (22)

где – оператор дифференцирования.

Численные значения параметров модели найдены для автогрейдера ДЗ143, работающего в режиме перемещения грунта на 2 передаче. Передаточные функции модели для режимов минимальной нагрузки, номинальной загрузки двигателя и кратковременных максимальных нагрузок соответственно:

;                (23)

;                (24)

.                (25)

В приводе ЗТМ с гидромеханической трансмиссией происходят более сложные процессы, поскольку кроме нелинейной регуляторной характеристики двигателя и зависимости буксования от силы тяги следует учитывать характеристику гидротрансформатора (ГТР). Разработана методика моделирования привода ЗТМ, основанная на численном решении системы дифференциальных и алгебраических уравнений, а также табличной интерполяции.

Рис. 6. Динамическая схема привода ЗТМ

с гидромеханической трансмиссией

Вывод уравнений движения элементов привода основан на схеме, представленной на рис. 6. На схеме использованы следующие обозначения:

– крутящий момент, развиваемый двигателем;

– крутящий момент на насосном колесе ГТР;

– угловая скорость насосного колеса и выходного вала двигателя;

– крутящий момент на турбинном колесе ГТР;

– угловая скорость турбинного колеса;

– момент сопротивления, обусловленный внешними нагрузками и приведенный к движителю;

– момент сцепления движителя с грунтом [97];

– угловая скорость ведомых колес, характеризующая действительную скорость ЗТМ;

– момент инерции двигателя и насосного колеса ГТР с маслом и присоединенными деталями трансмиссии;

– момент инерции турбинного колеса ГТР, механической части трансмиссии и движителей;

– момент инерции поступательно движущихся частей ЗТМ с призмой волочения, приведенный к движителю.

ГТР описан параметрами паспортной характеристики: – удельный вес рабочей жидкости; – активный диаметр ГТР; – коэффициент трансформации в зависимости от кинематического передаточного отношения ГТР :

;                                        (26)

– коэффициент момента насоса, характеризующий прозрачность ГТР.

Полученная модель движения элементов привода состоит из дифференциального уравнения

;                        (27)

и системы алгебраических уравнений с двумя неизвестными и :

       (28)

Разработан алгоритм и программная реализация модели. Численное решение (28) реализовано в среде MATLAB с помощью программной функции fsolve, входящей в инструментарий оптимизации MATLAB Optimization Toolbox. Численное интегрирование дифференциального уравнения (27) рекомендуется осуществлять методами Гира или Розенброка, предназначенными для решения жестких систем дифференциальных уравнений. Определение мгновенных значений крутящего момента двигателя, коэффициента трансформации крутящего момента, коэффициента момента насоса и коэффициента буксования движителей по табличным зависимостям , , и осуществляется одномерной табличной интерполяцией.

Разработанные во второй главе модели элементов рабочих процессов ЗТМ предназначены как для исследования отдельных агрегатов ЗТМ с помощью аналитических зависимостей между параметрами рабочих процессов, так и имитационного моделирования рабочих процессов ЗТМ в целом.

В третьей главе приведены результаты имитационного моделирования рабочих процессов ЗТМ. Модели основных элементов рабочих процессов ЗТМ объединены в имитационную модель, и проведен вычислительный эксперимент. При построении дискретной имитационной модели приняты следующие основные допущения:

- исследовано прямолинейное движение машины;

- конструкция считается абсолютно жесткой;

- не учитываются люфты и трение между элементами рабочего оборудования;

- не учитываются упруго-демпфирующие свойства движителей;

- динамические характеристики дизеля с регулятором подачи топлива и гидротрансформатора гидромеханической трансмиссии заменены статическими;

- координаты обработанной поверхности грунта полностью определяются координатами режущей кромки рабочего органа;

- не учитывается отбор мощности двигателя на привод рабочего органа и вспомогательных механизмов;

- скорость движения штоков гидроцилиндров одинакова при подъеме и заглублении рабочего органа и не зависит от приложенных нагрузок;

- сопротивление перекатыванию движителей является постоянным.

Большинство допущений при моделировании тяговых режимов автогрейдера компенсируется случайными флюктуациями силы сопротивления на рабочем органе, т.е. учет немоделируемой динамики рабочих процессов сводится к формированию случайных возмущений, действующих на ЗТМ.

Имитационная модель реализована в MATLAB/Simulink. Модель содержит универсальную часть (рис. 7), которая используется при моделировании режима профилирования грунта и тяговых режимов автогрейдера как с механической, так и с гидромеханической трансмиссиями, а также различными видами регуляторов САУ. На рис. 8 показана часть имитационной модели, дополняющая рис. 7, предназначенная для моделирования процесса профилирования поверхности земляного полотна автогрейдером с механической трансмиссией и релейным регулятором САУ. Параметры САУ выбраны по аналогу – системе «Профиль-30»: ширина зоны нечувствительности регулятора 0,7 мм, скорость штоков гидроцилиндров 15 мм/с. САУ поддерживает заданные высотные координаты правой и левой сторон отвала.

Выполнены исследования тяговых режимов автогрейдера, оснащенного САУ рабочим органом. Целью автоматического управления является поддержание заданного нагрузочного режима.  Исследован рабочий процесс автогрейдера с релейным регулятором САУ, управляющим трехпозиционным гидрораспределителем гидроцилиндров подъема-заглубления рабочего органа. Также исследован рабочий процесс автогрейдера с пропорциональным регулятором САУ. На рис. 9 показана часть имитационной модели рабочего процесса автогрейдера с гидромеханической трансмиссией и регулятором пропорционального типа.

Исследован процесс поперечного перемещения грунта отвалом автогрейдера, работающего в режиме поперечного перемещения грунта на 2 передаче механической трансмиссии. При выборе заданного нагрузочного режима установлено, что при математическом ожидании силы сопротивления на рабочем органе  кН двигатель работает в основном на регуляторной ветви характеристики с кратковременными переходами на корректорную ветвь, что соответствует рекомендуемому режиму эксплуатации машины. Исследован также тяговый режим автоматизированного автогрейдера с гидромеханической трансмиссией, заданное значение силы сопротивления на рабочем органе  кН, работа на 1 передаче трансмиссии. Применение гидромеханической трансмиссии по сравнению с механической позволяет снизить среднеквадратическое отклонение тяговой мощности . Снижается математическое ожидание скорости машины , среднеквадратическое отклонение глубины резания грунта и силы сопротивления . Однако из-за более высокого КПД механической трансмиссии математическое ожидание тяговой мощности у автогрейдера с механической трансмиссией составляет  кВт, что на 20,1% больше, чем у автогрейдера с гидромеханической трансмиссией.

Для исследования рабочего процесса при перегрузке привода также выполнено моделирование тягового режима при повышении заданного значения сопротивления до  кН. Оценка выходных показателей свидетельствует о значительном снижении скорости и тяговой мощности, но не за счет перехода рабочей точки регуляторной характеристики двигателя на корректорную ветвь, а из-за изменения передаточного отношения и снижения КПД гидротрансформатора.

Исследование рабочих процессов ЗТМ с помощью имитационных моделей дает наглядное представление о зависимостях между параметрами процессов. Однако эти параметры варьируются в широких пределах, что вызывает неадекватность или снижает точность имитационных моделей. Необходимо разработать методику создания адаптивных математических моделей рабочих процессов ЗТМ, основанную на обработке экспериментальных данных.

Четвертая глава посвящена методике и результатам экспериментальных исследований рабочих процессов ЗТМ. Цель экспериментальных исследований – сбор данных о параметрах рабочих процессов в динамике для идентификации ЗТМ, оценки статистических характеристик возмущающих воздействий и подтверждения математических моделей рабочих процессов ЗТМ. Экспериментальные исследования, выполненные при полевых испытаниях ЗТМ, также преследовали цель доказательства работоспособности и эффективности применения модернизированного рабочего оборудования автогрейдера и бульдозера.

Решены следующие задачи экспериментальных исследований:

- разработка методики автоматизированного сбора экспериментальных данных о рабочих процессах ЗТМ;

- создание измерительного комплекса на основе ЭВМ, оснащение ЗТМ регистрирующей аппаратурой;

- проведение лабораторных и полевых испытаний ЗТМ;

- цифровая обработка и статистический анализ измеренных сигналов.

Предложена методика оцифровки экспериментальных данных, основанная на положениях теории случайных процессов и цифровой обработки сигналов. Методика предназначена для изменения частоты дискретизации измеренных сигналов при сохранении существенной информации, используемой для определения статистических характеристик измеренных показателей рабочего процесса, анализа динамики и идентификации ЗТМ.

Методика автоматизированного сбора экспериментальных данных апробирована в лаборатории СибАДИ «Грунтовый канал». Обоснован выбор аппаратных средств и программного обеспечения. С целью сбора экспериментальной информации о параметрах рабочего процесса землеройной машины в динамике выполнены лабораторные исследования процесса резания грунта плоским ножом при перемещении тензометрической тележки. Выполнен автоматизированный сбор значений скорости тележки и силы сопротивления перемещению тележки . Глубина резания грунта измерена вручную. Экспериментальные сигналы использованы для идентификации рабочего процесса с помощью нейросетевых математических моделей. Выполнена передискретизация сигналов, выбрана частота дискретизации 10 Гц. Сигналы использованы для нейросетевой идентификации процесса резания грунта тензометрической тележкой.

В ЗАО «УМСР5», г. Омск, проведены производственные испытания неповоротного бульдозера на базе трактора Т130М, оснащенного модернизированным и серийным рабочим оборудованием. Модернизация заключается в установке упругих элементов между отвалом и толкающими брусьями для снижения амплитуды колебаний случайных нагрузок, действующих на базовый трактор. Одной из целей экспериментальных исследований было сравнение показателей рабочего процесса бульдозера, оснащенного модернизированным и серийным рабочим оборудованием. Главная цель эксперимента – сбор данных, необходимых для идентификации рабочего процесса бульдозера, и обоснование нейросетевого подхода к моделированию и управлению рабочими процессами ЗТМ.

Совместно с ФГУП «НАТИ» разработан бортовой измерительный комплекс (БИК) с модульной системой измерения на базе крейт-контроллера и персонального компьютера, оснащенный комплектом датчиков. Для установки датчиков усилий предусмотрены изменения в конструкции рабочего оборудования. Модернизированное рабочее оборудование бульдозера (рис. 10) состоит из отвала 1, левого 2 и правого 3 толкающих брусьев, раскосов 4, направляющих 5, удлиненных пальцев 6, цилиндрических пружин сжатия 7, наружных стаканов 8 с косынкой 9, внутренних стаканов 10 и посадочных мест пружин 11. При исследовании работы бульдозера с серийным рабочим оборудованием внутрь пружин 7 между стаканами 10 и посадочными местами 11 были установлены жесткие стержни. При копании грунта нагрузка, действующая на отвал 1, передается через посадочные места 11, стержни внутри пружин 7 и внутренние стаканы 10 на тензометрические датчики, помещенные внутри наружных стаканов 8, которые передают нагрузку на толкающие брусья 2, 3 и раму трактора. Схема подключения датчиков показана на рис. 11. В результате измерений получены сигналы , и глубина копания , используемые для нейросетевой идентификации рабочего процесса бульдозера. Сигналы приведены к частоте дискретизации 20 Гц.

Рис. 10. Рабочее оборудование бульдозера

Адекватность математических моделей, представленных во второй и третьей главах, подтверждена анализом экспериментальных данных. В Мостовом эксплуатационном управлении (МЭУ) «Омскавтодор» проведены экспериментальные исследования автогрейдера ДЗ1431, оснащенного модернизированным рабочим оборудованием, предназначенным для улучшения планирующих свойств автогрейдера. Модернизация рабочего оборудования заключается в изменении конструкции, обеспечивающем плавающее положение отвала в поперечной плоскости автогрейдера и жесткую связь с хребтовой балкой в продольной плоскости. Исследован рабочий процесс автогрейдера на отделочных работах на участке грунтовой дороги. Выполнен статистический анализ экспериментально полученных профилограмм с целью определения характеристик возмущений, действующих на ЗТМ от неровностей микропрофиля грунтовой поверхности.

Получены спектральные плотности высотных координат микропрофиля грунтовой поверхности. Параметры выражений спектральной плотности определены путем аппроксимации экспериментальных спектральных плотностей выражениями (3). Задача подбора параметров , и среднеквадратического отклонения координат при подгонке кривых и под результаты эксперимента решена численно методом наименьших квадратов при помощи функции lsqcurvefit, входящей в состав MATLAB Optimization Toolbox. Результаты аппроксимации спектральных плотностей координат микропрофиля приведены в табл. 1.

Табл. 1. Параметры аппроксимирующей

функции спектральных плотностей

Колея

, м

Необработанный профиль

Правая

0,0015

0,0117

0,0355

Левая

0,0036

0,0163

0,0414

Обработанный профиль

Правая

0,0025

0,0138

0,0219

Левая

0,0032

0,0172

0,0247

Найденные статистические характеристики флюктуаций координат продольного профиля грунтовой поверхности использованы при имитационном моделировании рабочего процесса автогрейдера для формирования возмущений от неровностей микропрофиля. Коэффициенты сглаживания по правой и левой колеям составляют для серийного рабочего оборудования

; .                (29)

С помощью имитационной модели рабочего процесса автогрейдера ДЗ1431 без управления рабочим органом получены среднеквадратические отклонения высотных координат необработанного профиля, координат отвала и определены коэффициенты сглаживания. Расхождение между статистическими характеристиками выходных параметров рабочих процессов составляет от 7 до 15%, что говорит об адекватности имитационных моделей.

С целью определения статистических характеристик основных рабочих нагрузок, действующих на автогрейдер в тяговом режиме, проведен анализ экспериментальных данных, полученных при испытаниях автогрейдера с отвалом переменной длины. В МЭУ «Омскавтодор» при участии автора спроектирован и изготовлен грейдерный отвал с выдвижными боковыми секциями на основе запатентованного технического решения (рис. 12). Его отличие от существующих конструкций состоит в том, что при втягивании боковые секции-удлинители поднимаются и не мешают резанию грунта основным ножом, а высота и профиль удлинителей идентичны параметрам основного отвала. Благодаря этому потери грунта при его перемещении удлинителями снижаются. Модифицированный отвал, длина которого была увеличена на 1,6 м, установлен на автогрейдер ДЗ1431. В результате эксперимента определены сопротивление перемещению грунта , действительная скорость машины , коэффициент буксования , тяговая мощность .

Рис. 12. Модифицированный отвал переменной длины

Для автогрейдера с серийным отвалом среднеквадратическое отклонение составляет кН; с модифицированным отвалом – кН. Для оценки адекватности имитационных моделей тягового режима автогрейдера со стандартным отвалом проведен вычислительный эксперимент при заданных статистических характеристиках силы сопротивления . Получено математическое ожидание тяговой мощности Вт, среднеквадратическое отклонение Вт. Расхождение между теоретическим и экспериментальным значениями коэффициента вариации тяговой мощности составляют 11%.

В результате экспериментальных исследований подтверждена работоспособность и положительный эффект от внедрения нескольких конструкций модифицированного рабочего оборудования ЗТМ: рабочего оборудования автогрейдера для планировочных работ, грейдерного отвала переменной длины и рабочего оборудования бульдозера с упругими элементами, что имеет практическую ценность.

В пятой главе приведена методика идентификации и моделирования рабочих процессов ЗТМ на основе нейросетевых технологий. Методика позволяет находить и воспроизводить нелинейные зависимости между экспериментально измеренными показателями рабочих процессов ЗТМ в динамике. Общий подход к непараметрической идентификации проиллюстрирован на рис. 13.

Рис. 13. Идентификация рабочего процесса ЗТМ

Методика разработки нейросетевых моделей рабочих процессов ЗТМ применена к идентификации рабочего процесса тензометрической тележки. На основе экспериментальных значений скорости тележки , глубины резания грунта и силы сопротивления перемещению тележки построена модель процесса резания грунта (рис. 14). Выходной сигнал модели после обучения модели на экспериментальных данных должен повторять сигнал с минимальной по модулю ошибкой . Структура модели авторегрессии с внешними входами (рис. 15) представляет собой динамическую двухслойную рекуррентную нейронную сеть. Предложена методика определения размерности нейросетевых моделей рабочих процессов ЗТМ, основанная на цифровой статистической обработке экспериментально измеренных сигналов. По автокорреляционным функциям сигналов установлено, что коэффициент автокорреляции превышает 0,8 на временном интервале 0,1 с для скорости , 0,5 с – для глубины резания и 0,2 с для силы сопротивления . Длины линий задержки TDL с учетом частоты дискретизации 10 Гц составляют соответственно 1, 5 и 2 (рис. 15).

Рис. 14. Идентификация рабочего процесса тензометрической тележки

Рис. 15. Нейросетевая модель рабочего процесса тензометрической тележки

Вектор настраиваемых параметров адаптивной модели, содержащий веса и смещения нейронной сети,

.                        (30)

Критерий оптимальной настройки нейросетевой модели, т.е. текущую ошибку обучения в каждый момент времени, обозначим

.                                (31)

Задача обучения сети представляет собой задачу многомерной нелинейной оптимизации

.                                        (32)

Предложен алгоритм адаптивного обучения нейросетевой модели рабочего процесса ЗТМ, основанный на рекуррентном методе наименьших квадратов (методе экспоненциального забывания) и алгоритме динамического обратного распространения ошибки обучения Forward Perturbation.

В процессе обучения нейронная сеть накапливает информацию о динамике рабочего процесса, причем новые тенденции развития процесса превалируют над более ранними. Степень важности предыдущей информации о динамике процесса учитывается с помощью параметра забывания . Градиент критерия оптимального обучения сети содержит частные производные ошибки обучения по настраиваемым параметрам нейросетевой модели:

(33)

Разработан и программно реализован алгоритм адаптивного обучения нейросетевой модели рабочего процесса ЗТМ. На каждом шаге по времени корректируется вектор весовых коэффициентов и смещений сети в соответствии с рекуррентным выражением

,                        (34)

где – интервал дискретизации по времени.

Используемая в алгоритме матрица ковариации вектора параметров нейросети

.        (35)

Адаптивная нейросетевая модель процесса резания грунта позволяет моделировать и прогнозировать зависимость силы сопротивления перемещению тензометрической тележки в зависимости от глубины резания грунта и скорости тележки в динамике. Оценена точность прогнозирования , средняя относительная ошибка после обучения сети составляет 4,5%.

Для обоснования применимости нейросетевого подхода к идентификации и моделированию различных ЗТМ разработана нейросетевая модель рабочего процесса бульдозера, позволяющая моделировать зависимость тяговой мощности от заглубления отвала. Для обучения нейросетевой модели рабочего процесса бульдозера использованы экспериментальные сигналы, приведенные в предыдущей главе: заглубление отвала , сила сопротивления копанию и действительная скорость . Заглубление отвала влияет на толщину вырезаемой стружки грунта и на сцепной вес трактора. Нейросетевая модель (рис. 16), состоит из двух нейронных сетей: сеть 1 моделирует зависимость силы от заглубления отвала , а сеть 2 – зависимость скорости от силы и заглубления отвала . Модель функционирует в двух режимах, переключение между которыми обозначено ключевым элементом (рис. 16). В режиме обучения модели на входы нейронных сетей подаются экспериментально измеренные сигналы и , для обучения сети 2 используется сигнал . В режиме моделирования и прогнозирования на вход модели подается сигнал , на вход сети 2 поступает выходной сигнал сети 1, т.е. моделируемое значение силы . Выходом модели является моделируемое значение тяговой мощности бульдозера .

Каждая из нейронных сетей 1 и 2 представляет собой нелинейную модель авторегрессии с внешними входами, в частности, динамическую рекуррентную двухслойную нейронную сеть.

Рис. 16. Нейросетевая модель рабочего процесса бульдозера

Входной сигнал модели, использованный для обучения, моделирования и верификации, представлен на рис. 17. Адаптивное обучение модели остановлено в момент времени  c. При полученных в этот момент времени значениях параметров нейросетевой модели выполнено моделирование силы сопротивления копанию и скорости машины (рис. 18, 19), а также построен прогноз на 0,5 с вперед.

На рис. 20 представлен выход нейросетевой модели – тяговая мощность бульдозера. При моделировании и прогнозировании выход нейронной сети близок к экспериментальным данным только на временном интервале 7 – 10 с. Это связано с неизмеряемым изменением толщины стружки, а также быстро изменяющимися условиями сцепления движителей с грунтом. Поэтому параметры адаптивной нейросетевой модели необходимо подстраивать в реальном времени. Оценена точность прогнозирования тяговой мощности , средняя относительная ошибка составляет 14,7% на интервале от 7 до 10 с.

Рис. 17. Заглубление бульдозерного отвала

Рис. 18. Моделирование силы сопротивления копанию

Рис. 19. Моделирование действительной скорости машины

Рис. 20. Моделирование тяговой мощности бульдозера

Методика идентификации рабочих процессов ЗТМ и модели, полученные на ее основе, предназначены для использования при разработке адаптивных систем автоматического управления рабочими процессами ЗТМ.

В шестой главе представлена методика разработки адаптивных систем управления рабочими процессами ЗТМ, основанная на применении нейросетевых технологий. Для формирования управляющих воздействий на ЗТМ, в частности, электрических сигналов включения гидрораспределителей гидроцилиндров подъема-опускания рабочего органа, разработана структура и алгоритмы функционирования адаптивного нейросетевого регулятора.

Разработана САУ рабочим органом ЗТМ, функционирующая в режиме поддержания заданного значения силы сопротивления перемещению ЗТМ (рис. 21). В качестве объекта управления (ОУ) использована имитационная модель рабочего процесса автогрейдера из главы 3.

Управляющее устройство (УУ) вырабатывает электрический сигнал управления для включения пропорционального гидропривода рабочего органа ЗТМ. При производится заглубление рабочего органа ЗТМ, при – подъем. Управляемой величиной является сила сопротивления перемещению ЗТМ . Управляющее устройство содержит задатчик (З), формирующий заданное значение силы сопротивления , нейросетевой регулятор (НСР) и нейросетевую модель (НСМ) объекта управления. Заданное значение силы сравнивается с текущим выходом объекта , ошибка управления поступает на вход нейросетевого регулятора. Регулятор формирует управляющий сигнал , который поступает на входы объекта управления и нейросетевой модели. Пунктирными стрелками показано обратное распространение ошибки, необходимое для настройки параметров управляющего устройства. Выход нейросетевой модели сравнивается с реальным выходом объекта , и обратное распространение ошибки моделирования используется для коррекции параметров модели. НСМ накапливает информацию о динамике ОУ. Выход модели также сравнивается с заданным значением силы , и оценка ошибки управления , согласно алгоритму обратного распространения и с учетом параметров НСМ, используется для настройки параметров регулятора.

Рис. 21. Структура адаптивной системы управления

Регулятор и модель объекта в составе УУ представляют собой каскадно-соединенные динамические двухслойные рекуррентные нейронные сети (рис. 22). НСР и НСМ – это нейросетевые модели авторегрессии с внешними входами. TDL – линии задержки сигналов, IW, LW – массивы весовых коэффициентов, b – векторы смещений, f – функции активации нейронов. 1, 2 и 3 слой нейронов содержат нелинейные функции активации – гиперболический тангенс, 4 слой – линейную функцию активации. Длина линий задержки входов определена методами корреляционного анализа сигналов (гл. 5): линия TDL1,1 имеет длину 12, TDL2,2 и TDL4,2 – длину 11, TDL4,4 – длину 17. Количество нейронов в 1 слое составляет 42, слой 3 содержит 56 нейронов, слои 2 и 4 – по одному нейрону. В программной реализации нейронной сети использован пакет расширения MATLAB Neural Network Toolbox.

Разработан алгоритм адаптивной настройки УУ, преследующий две цели. Первая – это коррекция вектора весов и смещений модели, исходя из условия минимизации текущей ошибки моделирования

       .                        (36)

Вторая цель – коррекция вектора весов и смещений регулятора из условия минимизации оценки ошибки управления

       .                        (37)

Рис. 22. Нейронная сеть в структуре управляющего устройства

На каждом шаге по времени выполняется прямое распространение сигналов нейронной сети, затем – коррекция параметров НСМ и НСР. При этом на выходе 2 слоя сети формируется управляющий сигнал . Для оценки эффективности нейросетевого управления рабочим процессом ЗТМ выполнено сравнение адаптивного нейросетевого управления с традиционным пропорциональным регулированием. Управляющее устройство должно поддерживать заданный уровень силы сопротивления перемещению ЗТМ  кН. Среднеквадратическое отклонение управляемой величины, т.е. силы сопротивления перемещению ЗТМ, при использовании заранее настроенного пропорционального регулятора составляет  кН, при адаптивном нейросетевом управлении снижается до  кН. Среднеквадратическое отклонение тяговой мощности снижается на 13% с величины  кВт до  кВт. Нейросетевое управляющее устройство автоматически подстраивается под изменение статистических характеристик возмущений и динамических свойств объекта, что избавляет от необходимости ручной настройки параметров регулятора.

Поддержание максимального математического ожидания и минимизация дисперсии тяговой мощности ЗТМ является важнейшей задачей управления тяговыми режимами. Предложена адаптивная система управления рабочим органом ЗТМ, предназначенная для поддержания максимального значения тяговой мощности.

Моделирование процесса адаптивного управления тяговой мощностью ЗТМ осуществляется согласно схеме на рис. 23. УУ состоит из нейросетевой модели рабочего процесса, предназначенной для учета информации о динамике рабочего процесса ЗТМ, и нейросетевого регулятора, предназначенного для формирования управляющего сигнала включения гидрораспределителей . Нейросетевая модель рабочего процесса ЗТМ в составе УУ состоит из двух нейронных сетей. Нейросетевая модель 1 (НСМ1) воспроизводит зависимость между сигналом включения гидрораспределителей и силой сопротивления . Обучение НСМ1 выполняется методом обратного распространения ошибки моделирования силы сопротивления. Нейросетевая модель 2 (НСМ2) имитирует зависимость действительной скорости от силы и обучается методом обратного распространения ошибки моделирования скорости .

Рис. 23. Структура нейросетевой системы управления тяговой мощностью

Задатчик (З) формирует заданное значение силы сопротивления . Значение кН выбрано в результате имитационного моделирования рабочего процесса автогрейдера (гл. 3), т.к. при этом значении силы сопротивления тяговая мощность приближается к максимальному уровню кВт. Задатчик также формирует заданное максимальное значение тяговой мощности кВт. Это необходимо для такой настройки нейросетевого регулятора, чтобы автоматически поддерживалось максимальное значение тяговой мощности. Рассогласование между действительным и заданным значениями силы сопротивления поступает на вход регулятора НСР. Выход нейросетевой модели, т.е. оценка тяговой мощности сравнивается с заданным уровнем , и оценка ошибки управления тяговой мощностью используется для адаптивной настройки параметров НСР. Для коррекции параметров нейронной сети реализован алгоритм адаптивного обучения НСМ1, НСМ2 и НСР, основанный на рекуррентном методе наименьших квадратов.

Выполнено сравнение показателей рабочего процесса ЗТМ при использовании традиционного пропорционального регулирования и при использовании нейросетевого управляющего устройства. В процессе поддержания максимального значения тяговой мощности математическое ожидание силы сопротивления возросло до  кН, среднеквадратическое отклонение составило  кН по сравнению с  кН для П-регулятора. Математическое ожидание тяговой мощности составляет при адаптивном управлении   кВт, при использовании пропорционального регулятора –  кВт. Среднеквадратическое отклонение тяговой мощности при адаптивном управлении снизилось на 20% и составило  кВт. Таким образом, по критерию тяговой мощности адаптивная нейросетевая САУ имеет более высокое качество управления. Кроме того, преимуществом адаптивной системы является самонастройка регулятора при изменяющихся условиях рабочего процесса. Более полное использование тяговых возможностей машины позволяет увеличить объем призмы волочения и повысить производительность ЗТМ.

Выполнено сравнение эффективности адаптивной САУ с традиционными подходами к управлению рабочими процессами по критерию удельной энергоемкости. Удельная энергоемкость единицы продукции в режиме поперечного перемещения грунта автогрейдером определена по имитационной модели процесса управления:

,                        (38)

где – крутящий момент, развиваемый двигателем;

– угловая скорость вала двигателя; – длительность рабочего прохода;

– объем перемещенного грунта.

Исследован рабочий процесс автогрейдера на протяжении 90 с. Удельная энергоемкость единицы перемещенного грунта для автогрейдера, оснащенного САУ с релейным регулятором, составляет . Отключение регулятора после выхода на заданный нагрузочный режим, т.е. работа автогрейдера без автоматического управления отвалом, вызывает повышение удельной энергоемкости до . Использование в системе управления отвалом гидрораспределителей пропорционального действия позволяет применять пропорциональный регулятор. С его использованием удельная энергоемкость снижается до за счет более быстрого набора призмы волочения по сравнению с релейным регулятором. Моделирование процесса адаптивного управления показало, что удельная энергоемкость единицы продукции при использовании нейросетевой системы управления снижается до значения . Таким образом, эффективность ЗТМ повышается за счет разработанной системы адаптивного управления рабочим процессом.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ ПО РАБОТЕ

1. Выполнен анализ работ по моделированию динамики рабочих процессов ЗТМ, по управлению рабочими процессами ЗТМ, обзор методов адаптивного и интеллектуального управления. Сделан вывод о целесообразности разработки адаптивных систем автоматического управления рабочими процессами ЗТМ, функционирующих на основе нейросетевых технологий.

2. Разработана методика аналитико-имитационного моделирования рабочих процессов ЗТМ, согласно которой аналитические и имитационные модели подсистем рабочего процесса включаются в общую имитационную модель.

3. Предложены математические модели случайных возмущений, действующих на ЗТМ со стороны неровностей микропрофиля грунтовой поверхности, а также вызванные неоднородностью свойств грунта. Для формирования случайных сигналов возмущений получены выражения передаточных функций формирующего фильтра, позволяющие учесть переменную скорость движения машины.

4. Разработана модель зависимостей между геометрическими параметрами автогрейдера, координатами рабочего органа и глубиной резания грунта.

5. Предложена динамическая модель формирования призмы волочения на поворотном отвале ЗТМ, позволяющая учесть переменную глубину резания грунта и скорость ЗТМ.

6. Предложены динамические модели приводов ЗТМ с механической и гидромеханической трансмиссиями. Модели устанавливают связи между регуляторной характеристикой двигателя, характеристикой трансмиссии, нелинейной зависимостью коэффициента буксования от внешних нагрузок, инерционными характеристиками, скоростью ЗТМ и переменными сопротивлениями на рабочем органе ЗТМ.

7. Получены имитационные модели рабочих процессов автогрейдера, позволяющие провести вычислительные эксперименты. Имитационные модели имеют практическую ценность, поскольку позволяют исследовать виртуальный прототип ЗТМ в различных режимах и сократить затраты на проведение дорогостоящих натурных экспериментов.

Исследованы тяговые режимы и процессы профилирования земляного полотна автогрейдером с механической и гидромеханической трансмиссиями. Исследованы рабочие процессы автогрейдера, оснащенного релейным и пропорциональным регулятором системы автоматического управления отвалом. В частности, установлено, что в тяговом режиме математическое ожидание тяговой мощности автогрейдера с механической трансмиссией выше на 20%, чем с гидромеханической, но среднеквадратическое отклонение тяговой мощности выше на 62%.

8. Проведены экспериментальные исследования рабочих процессов тензометрической тележки, автогрейдера и бульдозера. Результаты экспериментальных исследований использованы для доказательства адекватности имитационных моделей, а также разработки методики нейросетевой идентификации рабочих процессов ЗТМ.

9. Предложена методика автоматизированного сбора экспериментальных данных о рабочих процессах ЗТМ, создан измерительный комплекс, имеющий практическую ценность.

10. Разработана методика нейросетевой идентификации и моделирования рабочих процессов ЗТМ. Впервые применен математический аппарат нейронных сетей для создания адаптивных динамических моделей рабочих процессов. Верификация моделей тензометрической тележки и бульдозера подтверждает хорошую точность моделей.

11. Предложена методика разработки адаптивных систем управления рабочими процессами ЗТМ. Обоснована структура и алгоритмы функционирования систем управления. Программная реализация алгоритмов функционирования систем имеет практическую ценность и может быть использована для разработки реальных систем управления.

12. Выполнена оценка эффективности адаптивной системы управления по критерию удельной энергоемкости. Удельная энергоемкость для тягового режима автогрейдера с релейным регулятором составляет 598 кДж/м3, с пропорциональным регулятором снижается на 17%, а с адаптивным нейросетевым регулятором – на 21%. Таким образом, адаптивное управление рабочим процессом приводит к повышению эффективности ЗТМ.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИ ОПУБЛИКОВАНЫ

В СЛЕДУЮЩИХ РАБОТАХ:

  1. Мещеряков В. А. Повышение производительности автогрейдера при планировочных работах// Труды СибАДИ.– Омск: Изд-во СибАДИ, 1998.– Вып. 2, ч. 1.– С. 28–32.
  2. Амельченко В. Ф., Денисов В. П., Мещеряков В. А. Модернизированный рабочий орган автогрейдера в технологическом процессе// Тезисы II Международной научно-технической конференции “Автомобильные дороги Сибири”.– Омск, СибАДИ, 1998. – С. 229–230.
  3. Мещеряков В. А. Выбор режима управления рабочим органом автогрейдера при планировочных работах. – Омск, СибАДИ, 1998. – 7 с. – Деп. ВИНИТИ 04.12.98, № 3553-В98.
  4. Мещеряков В. А. Устойчивость систем автоматического управления рабочим органом автогрейдера. – Омск, СибАДИ, 1998. – 14 с. – Деп. ВИНИТИ 04.12.98, № 3554-В98.
  5. Денисов В. П., Мещеряков В. А. Основы автоматизированного мониторинга строительных процессов: Отчет о НИР (заключит.)/СибАДИ. – № ГР 01980006081; Инв. № 02200002398. – Омск, 1999. – 64 с.
  6. Амельченко В. Ф., Денисов В. П., Мещеряков В. А. Исследование систем стабилизации высотной координаты рабочего органа автогрейдера// Известия вузов. Строительство. – 1999. – № 23. – С. 108–111.
  7. Амельченко В. Ф., Денисов В. П., Мещеряков В. А. Исследование устойчивости двухканальной системы управления рабочим органом автогрейдера// Известия вузов. Строительство. – 1999. – № 10. – С. 81–85.
  8. Прибор для оценки ровности дорожных покрытий: Патент 2136805 РФ, МПК E 01 C 23/07/ В. Ф. Амельченко, В. П. Денисов, И. И. Матяш, В. А. Мещеряков. – Опубл. 1999. – 7 с.: ил.
  9.  Рабочее оборудование автогрейдера: Патент 2133317 РФ, МПК E 02 F 3/76/ В. Ф. Амельченко, В. П. Денисов, В. А. Мещеряков, А. А. Славский. – Опубл. 1999. – 10 с.: ил.
  10.  Рабочий орган землеройно-транспортной машины: Патент 2135698 РФ, МПК E 02 F 3/76/ В. Ф. Амельченко, В. П. Денисов, И. И. Матяш, В. А. Мещеряков, А. А. Славский. – Опубл. 1999. – 9 с.: ил.
  11.  Денисов В. П., Матяш И. И., Мещеряков В. А. Как сибиряки автогрейдер вылечили// Автомобильные дороги. – 2000.– № 7.– С. 43.
  12.  Денисов В. П., Мещеряков В. А., Матяш И. И. Повышение производительности автогрейдера при перемещении грунта изменением длины отвала// Современные проблемы транспортного строительства, автомобилизации и высокоинтеллектуальные научно-педагогические технологии: Тез. докл. на Междунар. научной конференции, посв. 70летию СибАДИ.– Омск: Изд-во СибАДИ, 2000.– Т. III. Машины и процессы в строительстве. – с. 7–9.
  13.  Денисов В. П., Мещеряков В. А. Оценка качества выполняемых автогрейдером профилировочных работ// Машины и процессы в строительстве: Сб. науч. тр. № 3 – Омск: Изд-во СибАДИ, 2000. – С.130-134.
  14.  Автогрейдер: Патент 2164576 РФ, МПК E 02 F 3/76/ В. Ф. Амельченко, В. П. Денисов, И. И. Матяш, В. А. Мещеряков. – Опубл. 2001. – 6 с.: ил.
  15.  Денисов В. П., Мещеряков В. А., Матяш И. И. Результаты экспериментальных исследований автогрейдера с отвалом переменной длины// Строительные и дорожные машины. – 2001.– № 5.– С. 13–15.
  16.  Денисов В. П., Мещеряков В. А., Матяш И. И. Повышение производительности автогрейдера при перемещении грунта// Тезисы докладов Международной научно-практической конференции “Проблемы автомобильных дорог России и Казахстана”.– Омск, СибАДИ, 2001. – С. 85–86.
  17.  Исследование одномассовой модели автогрейдера в режиме перемещения грунта / В. П. Денисов, В. А. Мещеряков,  И. И. Матяш // Труды СибАДИ. – Омск: Изд-во СибАДИ, 2001.– Вып. 4.– Ч. 4.– С. 59-64.
  18.  Волобоев В. Г., Мещеряков В. А., Коротких П. В. Теоретические основы снижения нагруженности пространственных конструкций землеройных и транспортных машин: Отчет о НИР (промежуточный)/СибАДИ. – № ГР 01200103843; Инв. № 02200202206. – Омск, 2001. – 84 с.
  19.  Волобоев В. Г., Мещеряков В. А. Конечно-элементная модель процесса резания грунта рабочим органом землеройно-транспортной машины// Строительные и дорожные машины. – 2002.– № 3.– С. 8–11.
  20.  Волобоев В. Г., Мещеряков В. А. Исследование конечно-элементной модели взаимодействия рабочего органа с грунтом// Строительные и дорожные машины. – 2002.– № 5.– С. 40–41.
  21.  Денисов В. П., Мещеряков В. А. Оптимизация длины отвала автогрейдера для режима перемещения грунта// Строительные и дорожные машины. – 2002.– № 5.– С. 31–33.
  22. Денисов В. П., Мещеряков В. А. Максимизация экономического эффекта от внедрения нового оборудования// Вестник филиала ВЗФЭИ в г. Омске.– 2002. – № 1.– С. 21–22.
  23.  Денисов В. П., Мещеряков В. А. Предпосылки проектирования системы автоматического управления скоростью автогрейдера// Образование и социально-экономические проблемы современного общества: Сб. науч. тр./ Омский институт предпринимательства и права/ Под ред. А.И. Барановского. – Омск: Изд-во «Прогресс» Омского института предпринимательства и права, 2002 г. – С. 227–229.
  24.  Денисов В. П., Мещеряков В. А. Прогнозирующая модель буксования автогрейдера// Образование и социально-экономические проблемы современного общества: Сб. науч. тр./ Омский институт предпринимательства и права/ Под ред. А.И. Барановского. – Омск: Изд-во «Прогресс» Омского института предпринимательства и права, 2002 г. – С. 230–233.
  25.  Волобоев В. Г., Мещеряков В. А., Коротких П. В. Исследование влияния на нагруженность рабочего оборудования упругих элементов связи: Отчет о НИР (промежуточный)/СибАДИ. – № ГР 01200103843; Инв. № 02200303624. – Омск, 2002. – 62 с.
  26.  Денисов В. П., Мещеряков В. А. Исследование системы автоматического управления скоростью автогрейдера// Строительные и дорожные машины. – 2003.– № 5.– С. 39–41.
  27.  Волобоев В. Г., Мещеряков В. А., Сачук А. Ю. Предпосылки идентификации системы «грунт – рабочий орган землеройно-транспортной машины»//Дорожно-транспортный комплекс, экономика, экология, строительство и архитектура: Материалы Международной научно-практической конференции, 21–23 мая 2003 г. – Омск: Изд-во СибАДИ, 2003. – Книга 2. – С. 161–162.
  28.  Волобоев В. Г., Мещеряков В. А., Коротких П. В. Теория управления режимом нагружения пространственных конструкций землеройных и транспортных машин: Отчет о НИР (заключит.)/ СибАДИ. – № ГР 01200103843; Инв. № 02200402087. – Омск, 2003. – 60 с.
  29.  Мещеряков В. А. Идентификация землеройно-транспортных машин как динамических объектов на основе нейросетевых технологий// Проблемы создания и эксплуатации автомобилей, специальных и технологических машин в условиях Сибири и Крайнего Севера. Материалы 43й Международной научно-технической конференции Ассоциации автомобильных инженеров. – Омск: Изд-во «ЛЕО», 2004. – С. 176.
  30.  Волобоев В. Г., Мещеряков В. А., Сачук А.Ю. Результаты теоретического и экспериментального исследования процесса резания грунта рабочим органом землеройно-транспортной машины // Проблемы создания и эксплуатации автомобилей, специальных и технологических машин в условиях Сибири и Крайнего Севера. Материалы 43й Международной научно-технической конференции Ассоциации автомобильных инженеров. – Омск: Изд-во «ЛЕО», 2004. – С. 177–178.
  31.  Волобоев В. Г., Мещеряков В. А., Сачук А. Ю. Результаты лабораторных исследований процесса резания грунта рабочим органом землеройно-транспортный машины// Строительные и дорожные машины. – 2004.– № 1.– С. 44–45.
  32.  Мещеряков В. А. Нейросетевая динамическая модель рабочего процесса землеройной машины // Межвузовский сборник трудов молодых ученых, аспирантов и студентов. – Омск: СибАДИ, 2004. – Вып. 1, ч. 1. – С. 135–141.
  33.  Мещеряков В. А., Вебер В. В. Динамический анализ рабочего оборудования автогрейдера с применением CAD/CAEтехнологий // Межвузовский сборник трудов молодых ученых, аспирантов и студентов. – Омск: СибАДИ, 2004. – Вып. 1, ч. 1. – С. 141–146.
  34.  Мещеряков В. А. Основы научных исследований: Методические указания к курсу лабораторных работ. – Омск: Изд-во СибАДИ, 2004. – 28 с.
  35.  Мещеряков В. А. Оптимальное проектирование металлоконструкций строительных и дорожных машин: Методические указания к курсу лабораторных работ. – Омск: Изд-во СибАДИ, 2004. – 24 с.
  36.  Мещеряков В. А. Идентификация строительных машин как нелинейных динамических систем на основе нейросетевых технологий// Труды Второй Всероссийской научной конференции «Проектирование инженерных и научных приложений в среде MATLAB».– М.: Институт проблем управления им. В. А. Трапезникова РАН, 2004. – С. 1300–1308.
  37.  Волобоев В. Г., Мещеряков В. А., Малыгин В. И. Определение жесткости металлоконструкции рабочего оборудования бульдозера методом конечных элементов// Вестник Сибирской государственной автомобильно-дорожной академии (СибАДИ). – Омск: Издательский дом «ЛЕО», 2004. – Вып. 1. – С. 191–193.
  38.  Мещеряков В. А. Методика разработки информационных систем для формирования, представления и обработки экспериментальных данных в Internet: Отчет о НИР (заключит.)/ СибАДИ. – № ГР 01200307543. – Омск, 2004. – 89 с.
  39.  Волобоев В. Г., Мещеряков В. А., Сурма В. М. Динамический анализ рабочего оборудования скрепера с применением программ SolidWorks и MCS.visualNastran Desktop 4D// Машины и процессы в строительстве: Сб. науч. тр. № 5 – Омск: Изд-во СибАДИ, 2004. – С. 117–121.
  40.   Денисов В. П., Матяш И. И., Мещеряков В. А. Обоснование структуры и определение параметров одномассовой модели землеройно-транспортной машины// Машины и процессы в строительстве: Сб. науч. тр. № 5 – Омск: Изд-во СибАДИ, 2004. – С. 172–178.
  41.  Мещеряков В. А. Моделирование динамики землеройной машины на основе рекуррентной нейронной сети// Машины и процессы в строительстве: Сб. науч. тр. № 5 – Омск: Изд-во СибАДИ, 2004. – С. 231–237.
  42.  Денисов В. П., Мещеряков В. А. Исследование статистических характеристик показателей рабочего процесса землеройно-транспортных машин с учетом нелинейностей в структуре их математических моделей// Машины и процессы в строительстве: Сб. науч. тр. № 5 – Омск: Изд-во СибАДИ, 2004. – С. 237–243.
  43.  Мещеряков В. А. Идентификация строительных машин как нелинейных динамических систем на основе рекуррентных нейронных сетей// Труды IV Международной конференции «Идентификация систем и задачи управления» SICPRO ‘05. Москва, 25–28 января 2005 г. Институт проблем управления им. В. А. Трапезникова РАН. М.: Институт проблем управления им. В. А. Трапезникова РАН, 2005. – С. 904–915.
  44.  Мещеряков В. А., Денисов В. П. Исследование статистических характеристик математической модели строительной машины как нелинейной динамической системы с переменными параметрами// Труды IV Международной конференции «Идентификация систем и задачи управления» SICPRO ‘05. Москва, 25–28 января 2005 г. Институт проблем управления им. В. А. Трапезникова РАН. М.: Институт проблем управления им. В. А. Трапезникова РАН, 2005. – С. 586–592.
  45.  Мещеряков В. А. Прогнозирование динамики строительных машин на основе рекуррентных нейронных сетей// Вестник Сибирской государственной автомобильно-дорожной академии (СибАДИ). – Омск: Издательский дом «ЛЕО», 2005. – № 1 (2). – С. 179–184.
  46.  Волобоев В. Г., Мещеряков В. А., Малыгин В. И. Имитационная модель рабочего оборудования бульдозера// Дорожно-транспортный комплекс как основа рационального природопользования: Материалы Международной научно-технической конференции, посв. 100-летию … проф. К. А. Артемьева, 23–25 ноября 2004 г. – Омск: Изд-во СибАДИ, 2005. – Книга 1. – С. 5–7.
  47.  Денисов В. П., Мещеряков В. А. Синтез регулятора системы автоматического управления рабочим процессом землеройно-транспортной машины // Качество. Инновации. Наука. Образование: Материалы Международной научно-технической конференции, 15–17 ноября 2005 г. – Омск: Изд-во СибАДИ, 2005. – Кн. 1. – С. 135–140.
  48.  Мещеряков В. А. Динамическая модель привода землеройно-транспортной машины с гидромеханической трансмиссией// Вестник Сибирской государственной автомобильно-дорожной академии (СибАДИ). – Омск, 2007. – Вып. 5. – С. 229–233.
  49.  Мещеряков В. А. Динамическая модель формирования призмы волочения поворотного отвала землеройно-транспортной машины // Известия вузов. Строительство. – 2007. – № 7.
  50.  Мещеряков В. А. Рекуррентный алгоритм нейросетевой идентификации рабочего процесса землеройно-транспортной машины // Вестник Ижевского государственного технического университета. – 2007. – № 3.
  51.  Мещеряков В. А. Нейросетевое адаптивное управление тяговыми режимами землеройно-транспортных машин: Монография.– Омск: Изд-во СибАДИ, 2007. – 219 с.

Подписано к печати ___._____.2007

Формат 60х90 1/16. Бумага писчая.

Оперативный способ печати.

Усл. п. л.  . Уч.изд.  .

Тираж 110. Заказ  .

__________________________________________

ПО УМУ СибАДИ

Омск, пр. Мира, 5






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.