Выбор алгоритма обучения нейроэмулятора угловой скорости электропривода по схеме ТРН-АД; Электротехника. Электротехнология. Энергетика; Ч. 1 : Электротехника

Выбор алгоритма обучения нейроэмулятора угловой скорости электропривода по схеме ТРН-АД

Dettagli Bibliografici
Parent link:Электротехника. Электротехнология. Энергетика: сборник научных трудов VII международной научной конференции молодых ученых, г. Новосибирск, 9–12 июня 2015 г./ Новосибирский государственный технический университет (НГТУ).— , 2015
Ч. 1 : Электротехника.— 2015.— [С. 111-113]
Autore principale: Козлова Л. Е. Людмила Евгеньевна
Enti autori: Национальный исследовательский Томский политехнический университет (ТПУ) Энергетический институт (ЭНИН) Кафедра электрических сетей и электротехники (ЭСиЭ), Национальный исследовательский Томский политехнический университет (ТПУ) Энергетический институт (ЭНИН) Кафедра электропривода и электрооборудования (ЭПЭО)
Altri autori: Боловин Е. В. Евгений Владимирович
Riassunto:Заглавие с экрана
В статье приводятся исследование и выбор наилучшего алгоритма обучения нейроэмулятора угловой скорости электропривода по схеме ТРН-АД. Исследовались такие алгоритмы, как алгоритм градиентного спуска, алгоритм градиентного спуска с возмущением, алгоритм обучения Левенберга-Марквардта, алгоритм обучения М.Ф. Моллера. Входными параметрами нейроэмулятора послужили предварительно обработанные сигналы с датчиков тока и напряжения статора и их задержки, а также сигнал обратной связи по оцененной скорости с задержкой.
In this article presents the research and selection of the best learning algorithm of the neuroemulator angular velocity of the electric drive TVR-IM type. Investigated such learning algorithm as gradient descent backpropagation, gradient descent with momentum backpropagation, algorithm of Levenberg - Marquardt, scaled conjugate gradient backpropagation (SCG). The input parameters of the neuroemulator were the pretreatment signals from the real sensors the stator current and the stator voltage and their delay, as well as a feedback signal from the estimated speed with delay.
Lingua:russo
Pubblicazione: 2015
Serie:Электропривод и автоматика
Soggetti:
электронный ресурс
труды учёных ТПУ
Accesso online:http://eee.nauka.edu54.ru/download/Part%201%20Electrical%20engineering.pdf#page=111
Natura: Elettronico Capitolo di libro
KOHA link:https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=643726
Descrizione
Riassunto:Заглавие с экрана
В статье приводятся исследование и выбор наилучшего алгоритма обучения нейроэмулятора угловой скорости электропривода по схеме ТРН-АД. Исследовались такие алгоритмы, как алгоритм градиентного спуска, алгоритм градиентного спуска с возмущением, алгоритм обучения Левенберга-Марквардта, алгоритм обучения М.Ф. Моллера. Входными параметрами нейроэмулятора послужили предварительно обработанные сигналы с датчиков тока и напряжения статора и их задержки, а также сигнал обратной связи по оцененной скорости с задержкой.
In this article presents the research and selection of the best learning algorithm of the neuroemulator angular velocity of the electric drive TVR-IM type. Investigated such learning algorithm as gradient descent backpropagation, gradient descent with momentum backpropagation, algorithm of Levenberg - Marquardt, scaled conjugate gradient backpropagation (SCG). The input parameters of the neuroemulator were the pretreatment signals from the real sensors the stator current and the stator voltage and their delay, as well as a feedback signal from the estimated speed with delay.

Documenti analoghi