Розробка та дослідження оцінювача ККД насоса за допомогою нейронної мережі на базі програмованої логічної інтегральної схеми

Abstract

Розглянуто актуальну задача проектування оцінювача технологічних параметрів насосної установки. Для технічної реалізації оцінювача використовується технологія нейронних мереж, яка дозволяє оцінювати значення інших координат на основі вимірюваних значень, в даному випадку, ефективності насоса. Для нейронної мережі використовуються експериментальні залучені масиви напору, ефективність та активне споживання потужності насосного агрегату. Цей підхід може бути застосований в системах, де неможливо встановити відповідні датчики без вторгнення в мережу.

Враховуючи вибір типу нейронної мережі та її параметри, математичний опис оцінки для її реалізації використано на платформі розробника Altera DE1-SoC, оснащеного програмованими полями логічного пристрою сімейства Cyclone V і процесором Nios II.

Експериментальне дослідження проводилося на лабораторному стенді, який складався з насосної установки потужністю 0,33 кВт, системи водопостачання та векторного перетворювача частот Lenze 8200, що працює в режимі управління частотою, для перевірки характеристик розробленого оцінювача. Експерименти проводилися для різних робочих точок насоса та за різних навантажень. Експериментально отримані характеристики порівнювалися з розрахунковою ефективністю та ефективністю, яка оцінювалася нейронною мережею.

Аналіз даних показав, що використання нейронної мережі для оцінки ефективності дає максимальне відхилення оцінюваних значень в порівнянні з характеристиками каталогів не перевищує 3 %, що є прийнятним. Доцільно використовувати точніші датчики і тренувати нейронну мережу в динамічних режимах, щоб зменшити похибку. Цей підхід зменшує кількість вимірюваних величин для систем управління проектами технологічних узгоджень і реалізує енергозберігаючі алгоритми керування турбо-механізмами там, де реалізація до відповідних вимірювань недозволена або неможлива.

Рассмотрена актуальная задача проектирования оценщика технологических параметров насосной установки. Этот подход может быть применен в системах, где невозможно установить соответствующие датчики без вторжения в сеть. Для технической реализации оценщика используется технология нейронных сетей, которая позволяет оценивать значения других координат на основе измеренных значений, в данном случае, эффективности насоса. Для нейронной сети использовались экспериментальные захваченные массивы давления, эффективность и активное потребление мощности насосного агрегата.

Учитывая выбор типа нейронной сети и ее параметров, математическое описание оценки для ее реализации использовано на платформе разработчика Altera DE1-Soc, оснащенного программированными полями логического устройства семейства Cyclone V и процессором Nios II.

Экспериментальное исследование проводилось на лабораторном стенде, состоящем из насосной установки 0,33 кВт, системы водоснабжения и векторного преобразователя частоты Lenze 8200, работающего в режиме управления частотой, для проверки характеристик разработанного оценщика. Эксперименты проводились для различных рабочих точек насоса и при различной нагрузке. В этом случае экспериментально полученные характеристики сравнивались с рассчитанной эффективностью и эффективностью, которая оценивалась нейронной сетью.

Анализ данных показал, что использование нейронной сети для оценки эффективности дает максимальное отклонение оценочных значений по сравнению с характеристиками каталогизации не более 3 %, что приемлемо. Целесообразно использовать более точные датчики и тренировать нейронную сеть в динамических режимах, чтобы уменьшить погрешность. Этот подход уменьшает количество измеряемых величин для систем управления проектами технологических согласований и реализует энергосберегающие алгоритмы управления турбо-механизмами, где доступ к соответствующим измерениям количества затруднен или невозможен.

This paper deals with the actual task of design the technological parameter observer of the pumping unit. This approach can be applied into the systems where it is impossible to mount appropriate sensors without invasion into the hydraulic network.

For the technical implementation of the observer, the technology of neural networks is used, which, allows estimating the values of other coordinates based on the measured values, in this case, the efficiency of the pump. For the neural network training were used experimental captured arrays of pressure, efficiency and active power consumption of the pump unit.

Based on the choice of the neural network type and its settings, a mathematical description of the estimator for its implementation was used Altera DE1-SoC developer board, which was equipped with a field programmable logic device of the Cyclone V family and the Nios II processor.

Experimental investigation was carried out on a laboratory bench, consisting of a 0,33 kWt pump plant, a water supply system and Lenze 8200 Vector frequency converter operating in frequency control mode, to test the performance of the developed observer. Experiments were carried out for different operating points of the pump and at different load. In this case, the experimentally captured characteristics were compared with the calculated efficiency and the efficiency, which was estimated by the neural network.

The data analysis showed that the use of the neural network to evaluate the efficiency yields the maximum deviation of the estimated values in comparison with the cataloging characteristics is no more than 3 %, which is acceptable, given that a small training array of static characteristics had been formed. It is expedient to use more accurate sensors and train the neural network in dynamic modes to reduce the error.

This approach reduces the number of measuring values for the design control systems of technological coordinates and realizes energy-efficient turbo-mechanism control algorithms, where access to corresponding quantities measurement is complicated or impossible.