Авторы

Интеллектуальный алгоритм управления автономными комплексными энергетическими установками арктического исполнения

В статье рассмотрены информационно-технические аспекты управления инновационной автономной комплексной энергетической установкой, включающей в себя альтернативные источники энергии и дизель-генераторную установку, а также управляемые инверторы, обеспечивающие энергообеспечение потребителей различных категорий приоритета, которая может быть использована в арктических районах РФ. Рассмотрены основные аспекты создания инновационных систем и определено, что создание комплексных энергетических систем требует существенного углубления кооперации национальных производителей с целью обеспечения масштабируемости комплексных энергетических систем путем обеспечения единства информационных средств обмена данных между отдельными модулями и системой управления. Показано, что специфическим требованием к системам управления комплексными энергетическими установками является требование высокой автономности, в том числе способность обеспечивать потребителей электроэнергией при переменных условиях окружающей среды без непосредственного вмешательства оперативного персонала. Обосновано разбиение информационно-алгоритмического обеспечения системы управления комплексной энергетической установкой на два модуля – аналитический и управляющий. Для аналитического модуля предложен алгоритм, обеспечивающий выработку управляющих решений в комплексной энергетической системе, обеспечивающий стабильность обеспечения энергией наиболее важных потребителей. Одновременно алгоритм обеспечивает повышение надежности используемого в системе накопителя энергии на базе Li- Ion аккумуляторов не только на основе исключения избыточного заряда и глубокого разряда, но также путем сокращения количества циклов заряд/разряд. Решение задачи автономности системы обеспечивается многовариантным алгоритмом прогнозирования погодных условий с использованием статистических данных и методов анализа нечетких временных рядов. Читать дальше...

Метод классификации перемешивающих устройств с использованием глубоких нейронных сетей с расширенным рецептивным полем

Представлены результаты исследования, целью которого являлась разработка метода и программного инструментария для определения класса перемешивающего устройства по показателю его коэффициента сопротивления на основе обработки экспериментальных данных. В настоящее время основными методами исследования перемешивающих устройств являются методы конечных элементов, а также процедуры оценки параметров турбулентного переноса с использованием лазерной доплерометрии и химического анализа проб. Указанные методы предполагают наличие дорогостоящего оборудования и обеспечивают при этом результаты только для отдельных типов оборудования. Это затрудняет распространение полученных выводов на широкий класс устройств с различной конструкцией перемешивающего винта. Предлагаемый метод подразумевает обработку результатов эксперимента, в рамках которого на дне заполненного прозрачной жидкостью сосуда расположен точечный источник света, формирующий направленный вертикально вверх луч. В сосуд помещается перемешивающее устройство с изменяемой частотой вращения. Далее применяется двухканальная обработка видеосигнала на поверхности перемешиваемой жидкости и временной последовательности, характеризующей изменение частоты вращения лопастей устройства. В каналах предложено использовать нейронные сети различных архитектур: в одном канале сверточную, а в другом – рекуррентную сеть. Результаты функционирования каждого канала обработки данных агрегируются на основе мажоритарного правила. Новизна предлагаемого метода с вычислительной точки зрения заключается в расширении рецептивного поля для каждой из сетей за счет взаимного преобразования изображений и временных последовательностей. В результате каждая из сетей обучается на большем объеме данных с целью выявления скрытых закономерностей. Это в конечном итоге приводит к повышению точности классификации, что подтверждается результатами апробации предложенного метода с использованием разработанного в среде MatLab программного приложения. Читать дальше...