Помощь в учёбе, очень быстро...
Работаем вместе до победы

Управление асинхронным двигателем с изменяющейся нагрузкой при технологическом процессе помола клинкера

Диссертация: Управление асинхронным двигателем с изменяющейся нагрузкой при технологическом процессе помола клинкера
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В настоящее время на многих сложившихся производствах качество процесса помола определяется квалификацией оператора, вручную управляющего мельницами в зависимости от изменения характера вибраций, измеряемых различными акустическими датчиками, так называемым «электронным ухом». Однако получаемая оператором информация является приближенной на уровне шумов, поэтому скорость приводного асинхронного… Читать ещё >

Содержание

  • ГЛАВА 1. АНАЛИЗ МЕТОДОВ И СРЕДСТВ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМ ПРОЦЕССОМ ПОМОЛА
    • 1. 1. Технологический процесс помола и структуры технологических систем
    • 1. 2. Методы измерения степени заполнения мельницы при технологическом процессе помола клинкера
      • 1. 2. 1. Прямые методы
      • 1. 2. 2. Косвенные методы
    • 1. 3. Организация систем управления технологическим процессом."
    • 1. 4. Постановка целей и задач исследования
  • ГЛАВА 2. ВЫДЕЛЕНИЕ МАКСИМАЛЬНОЙ ДОЛЕВОЙ ЭНЕРГИИ ПРИ УПРАВЛЕНИИ ПИТАТЕЛЕМ И АСИНХРОННЫМ ДВИГАТЕЛЕМ, ВРАЩАЮЩИМ БАРАБАН МЕЛЬНИЦЫ
    • 2. 1. Выбор информационного параметра в звуковом сигнале при управлении асинхронным двигателем шаровой мельницы
    • 2. 2. Методы и алгоритмы распознавания звуковых сигналов
      • 2. 2. 1. Определение информативных характеристик сигнала во временной области
      • 2. 2. 2. Определение информативных характеристик сигнала в частотной области
    • 2. 3. Определение частотных интервалов звукового сигнала при использовании в управлении асинхронного двигателя
    • 2. 4. Разработка нейронной сети выбора частотного интервала с максимальной энергией
    • 2. 5. Выводы
  • ГЛАВА 3. СИСТЕМА УПРАВЛЕНИЯ АСИНХРОННЫМ ДВИГАТЕЛЕМ БАРАБАННОЙ ШАРОВОЙ МЕЛЬНИЦЫ
    • 3. 1. Общая структура системы управления помолом клинкера
    • 3. 2. Система управления асинхронным двигателем шаровой мельницы
    • 3. 3. Алгоритмы управления асинхронным двигателем и заполнением барабана мелющей массой шаровой мельницы помола
    • 3. 4. Техническая реализация системы
      • 3. 4. 1. Системы поддержки принятия решений выбора цифрового сигнального процессора
    • 3. 5. Выводы и результаты исследований
  • ГЛАВА 4. ИССЛЕДОВАНИЯ РАБОТЫ СИСТЕМЫ УПРАВЛЕНИЯ БАРАБАННОЙ ШАРОВОЙ МЕЛЬНИЦЫ
    • 4. 1. Исследование задатчика скорости шаровой мельницы помола клинкера
    • 4. 2. Исследование системы управления асинхронным электродвигателем шаровой мельницы помола
    • 4. 3. Расчет экономической эффективности
    • 4. 4. Выводы и результаты исследований

Управление асинхронным двигателем с изменяющейся нагрузкой при технологическом процессе помола клинкера (реферат, курсовая, диплом, контрольная)

Актуальность работы. Мельницы помола широко применяются в строительной, металлургической, мукомольной и других промышленных отраслях. Технологический процесс помола относится к энергоемким производствам. Вопросы, связанные с уменьшением энергопотребления и повышения качества процесса помола являются актуальными.

Для снижения энергозатрат используются косвенные системы управления двигателями, диапазон скорости которых рассчитывается, исходя из минимальной и максимальной загрузки мельницы.

В настоящее время на многих сложившихся производствах качество процесса помола определяется квалификацией оператора, вручную управляющего мельницами в зависимости от изменения характера вибраций, измеряемых различными акустическими датчиками, так называемым «электронным ухом». Однако получаемая оператором информация является приближенной на уровне шумов, поэтому скорость приводного асинхронного двигателя колеблется в широких пределах. Несмотря на это, достигается требуемое качество помола, но резко снижается эффективность помола, особенно при помоле материалов с разным гранулометрическим составом. Кроме того, мельницы помола являются энергозатратными агрегатами (20% электрической энергии расходуется на помол, например, при производстве цемента). Поэтому в настоящее время для снижения потребления электрической энергии мельницы помола снабжаются частотно-регулируемыми электроприводами для управления асинхронными двигателями. Но в данных системах управления также остается открытым вопрос выделения информативного параметра об акустических характеристиках мельницы, так как преобразование акустического сигнала в электрический (цифровой) является нечетким на уровне помех.

В теорию управления асинхронным двигателем в различных отраслях промышленности весомый вклад внесли российские и зарубежные ученые, такие как А. С. Сандлер, О. И. Хасаев, О. А. Косов, Р. С. Сарбатов, А. Н. Попов, Д. А. Поздеев, Ю. В. Кесслер, Р. Шенфельд, В. Дуда, Ю. В. Колоколов, И. И. Эпштейн, В. М. Перельмутер, В. И. Андерс, В. М. Феоктистов и др.

Однако, вопрос об управлении асинхронным двигателем с динамически изменяемой нагрузкой, приводящей к системе с переменной структурой, исследован недостаточно. Это обуславливает актуальность темы диссертационной работы, посвященной разработке метода управления асинхронным двигателем с изменяющейся нагрузкой при технологическом процессе помола клинкера, на основе выделения информативного сигнала об акустических характеристиках мельницы. Использование современного математического аппарата — нейронных сетей, позволяет сформировать такой управляющий сигнал для системы частотно-регулируемого электропривода, который позволит корректировать управление характеристиками асинхронного двигателя и процессом дозирования (питатель является частью технологического оборудования помола).

Разработанный на основе предложенного метода управления «нейросетевой вычислитель» позволит на уровне шумов существенно повысить эффективность управления технологическим процессом помола, а, следовательно, качество процесса помола и снизить затраты на электроэнергию.

Объектом исследования в данной работе является система управления асинхронным двигателем с изменяющейся нагрузкой при технологическом процессе помола клинкера.

В качестве предмета исследования рассматриваются методы и средства получения информации о степени загрузки мельницы и её использовании для управления скоростью вращения барабана шаровой мельницы помола.

Цель диссертационной работыЦелью настоящей работы является повышение качества процесса помола и уменьшение энергопотребления путем управления асинхронным двигателем в функции степени наполнения мельницы.

Для достижения поставленной цели решались следующие задачи:

— выявление перспективных методов и средств управления асинхронным двигателем, позволяющих повысить качество измельчения клинкера при снижении энергопотребления;

— разработка математической модели определения информативного параметра в звуковом сигнале, издаваемом работающей мельницей в зависимости от степени её заполнения;

— разработка архитектуры и алгоритма обучения нейронной сети выделения информативного параметра в шумовом звуковом сигнале, издаваемом вращающейся мельницей при различной степени заполнения;

— разработка структуры и алгоритмов управления асинхронным двигателем и питателем шаровой мельницы при использовании в качестве информативного параметра максимума долевой энергии шумового сигнала в выбранном частотном диапазоне;

— выбор процессора и программная реализация алгоритмов управления асинхронным двигателем шаровой мельницы;

— математическое моделирование частотно-регулируемого электропривода при различных законах заполнения барабана мелющей массой и проведение экспериментальных исследований.

Методы и средства исследований.

При решении указанных задач использовались основные положения теории автоматического управления, теории автоматизированного тиристорного электропривода, теории измерений, методы спектрального анализа, теории искусственных нейронных сетей, методы математической статистики и математического анализа, методы объектно-ориентированного программирования.

Содержание работы.

Диссертация состоит из введения, четырех глав и заключения, списка литературы из 100 наименований и 1 приложения.

4.4 Выводы и результаты исследований.

1. Для определения частоты в спектре сигнала с максимальной долевой энергией необходимо выделенный частотный интервал Fp разбить на под интервалы одинаковой длины, количество которых определяется минимальным дискретным приращением мелющей массы задаваемой питателем.

2. Эксперимент показывает, что при любом коэффициенте загрузки максимум энергии в спектре находится в некотором частотном диапазоне Fp, что показывает достоверность теоретических исследований, приведенных во второй главе.

3. Для плавной работы двигателя следует загрузку мелющей массой осуществлять дискретным приращением равной величиной AM до максимального значения.

4. Уменьшение загрузки барабана ведёт к перемещению частотного интервала, соответствующего максимальной долевой энергии звукового сигнала, в область более высоких частот.

ЗАКЛЮЧЕНИЕ

.

В ходе выполнения диссертационного исследования были получены следующие результаты:

1. В результате анализа известных методов и средств, используемых при управлении автоматизированной системой управления технологическим процессом, выявлена недостаточность теории управления мельницей помола, связанная с малой информативностью информационных сигналов, что при реализации системы управления асинхронным двигателем и питателем приводит к повышенному энергопотреблению.

2. Разработана математическая модель определения информативного параметра в звуковом сигнале, издаваемом работающей мельницей в зависимости от степени её заполнения.

3. Предложена архитектура и алгоритм обучения нейронной сети выделения информативного параметра в шумовом звуковом сигнале, издаваемом вращающейся мельницей при различной степени заполнения.

4. Разработана структура и алгоритм управления асинхронным двигателем и питателем шаровой мельницы при использовании в качестве информативного параметра максимума долевой энергии шумового сигнала в выбранном частотном диапазоне.

5. Выбран процессор и осуществлена программная реализация алгоритмов управления асинхронным двигателем шаровой мельницы.

6. Выполнено математическое моделирование частотно-регулируемого электропривода при различных законах заполнения барабана мелющей массой и проведены экспериментальные исследования.

Показать весь текст

Список литературы

  1. Р. А., Алиев Р. А., Алиев P.P. Синтез САУ с обучаемым на нейронной сети нечетким контроллером Текст. // Изв. РАН, Техническая кибернетика, № 2, 1994. С. 192 — 197.
  2. М.А., Шамаллах X. Применение вейвлет анализа при решении задач функционального контроля промышленных объектов Текст. // Науковий вюник НГУ.-№ 2, 2004. С. 18 — 23.
  3. Р.А., Абдикеев Н. Г., Шахназаров М. М. Производственные системы с искусственным интеллектом Текст. М.: Радио и связь, 1990. — 264 с.
  4. В.М. и др. Принципиальные возможности оптимизации процесса измельчения руд с помощью адаптивной модели. Текст. В сб. «Авт. контроль и упр. при обогащении и гидрометаллургии цветных металлов», Ташкент, 1971. 152 с.
  5. , А. С. Исследования алгоритма обнаружения пауз в речевых сообщениях Текст.// Научные ведомости БелГУ, серия «Информатика и прикладная матемашка» Белгород: Изд-во БелГУ, Вып. 7(38), 2007 г., с. 214−221
  6. B.C., Борщевский А. А., Ильин А. С., Струков В. Г., Фадин Ю. М. Технологические комплексы и линии для производства строительных материалов и изделий Текст.: Учеб. Пособие, М: Изд-во ABC- Белгород: Изд-во БелГТАСМ, 2000. -199с.
  7. Е.В., Любчик JI.M., Матусовский Г. А., Плис И. П. Об одном алгоритме таксономической классификации на основе искусственных нейронных сетей Текст. // Радиоэлектроника и информатика. 1998. — № 3. -С.65 -68.
  8. Ю.Вержбицкий, В. М. Основы численных методов Текст.: Учебник для вузов. -М.: Высш. шк, 2002. 840 с.
  9. П.Верлань А. Ф., Корсунов Н. И. Электронные функциональные преобразователи систем автоматики. Текст. — К.: Техника, 1981. — 239с.
  10. В.В. Цифровая частотная селекция сигналов. Текст. М.: Радио и связь. 1993. — 240 с.
  11. А.И. Теория нейронных сетей. Текст. М.: ИПРЖР, 2000. 416 с.
  12. , Б. Цифровая обработка сигналов Текст.: пер. с англ. / Б. Голд, Ч. Рейдер. М.: Сов. радио, 1973. 376 с.
  13. , JI. М. Цифровая обработка сигналов Текст.: Учеб. пособие для вузов. / JI.M. Гольденберг, Б. Д. Матюшкин, М. Н. Поляк. -М.: Радио и связь, 1990. 256 с.
  14. А.Н. Нейроинформатика и ее приложения Текст. // Нейрокомпьютеры, 2000. С. 3−10
  15. А.Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей Текст.//Нейрокомпьютеры.-2000. С. 12−24.
  16. И.Г., Сакбаев Ж. М., Жотобаев Ж. Р. Измерения степени загрузки мельницы рудой с помощью телеизмерительного датчика Текст.// Обогащение руд.-1962.-№ 1 .-с.27−29.
  17. , Г. Спектральный анализ и его приложения Текст.: Пер. с англ. / Г. Дженкинс, Д. Ватте- под ред. В. Ф. Писаренко. М.: Мир, 1971. 316 с.
  18. В.Д., Расрас Р. Д. Системы поддержки принятия решений при управлении технологическим процессом Текст. // Системы обработки информации. Сборник научных трудов. Вып. 1(11). ХФВ «Транспорт Украины», 2001. — С.120 — 128.
  19. М.Г. Аппроксимация многомерных функций полутораслойным предиктором с произвольными преобразователями Текст.//Сибирский журнал вычислительной математики /РАН. Сибирское отделение.-Новосибирск, 1998. С. 130 — 135.
  20. И. М. Иванов О.В., Нечитайло В. А. Вейвлеты и их использование. Обзоры актуальных проблем Текст.// Успехи физических наук.-Май 2001.-том171.-№ 5 с. 465−501.
  21. В. Цемент: Электрооборудование, автоматизация, хранение, транспортирование. Текст. -М.: Стройиздат, 1987. -373 с.
  22. Дьяконов, В.П. Matlab Текст. / В. П. Дьяконов. СПб.: Питер, 2001. 553 с.
  23. , В.П. МАТГАВ. Обработка сигналов и изображений. Специальный справочник Текст. / В. П. Дьяконов. СПб.: Питер, 2002. -608 с.
  24. , О. Н. Система распознавания речи на основе нейронной сети Текст. / Катков О. Н., Пименов В. А. // Телекоммуникации. 2004. — № 2. -С. 14−19.
  25. , М. Дж. Многомерный статистический анализ и временные ряды Текст.: Пер. с англ. / М. Дж. Кендалл, А. Стьюарт: под ред. А. II. Колмогорова. К). В.Прохорова. М.: Наука, 1976. -736 с.
  26. Н.И., Михелева М. В. Объектно-ориентированный подход к построению нейросетевых эмуляторов Текст. // III Международный студенческий форум «Образование Наука Производство», 2006. С. 138.
  27. Н.И., Михелева М. В., Розанов М. С. Нейросетевые алгоритмы генерирования сигналов заданной формы Текст. // Научные ведомости
  28. БГУ. Серия «Информатика и прикладная математика», 2006. № 2(31) Выпуск 3-С. 192−194.
  29. Н.И., Корсунова Е. В., Михелева М. В. Выделение максимума долевой энергии информационного сигнала для управления вращающейся мельницей помола Текст. // «Информационные системы и технологии». Известия ОрелГТУ, № 4/54(567) 2009, С. 81−87.
  30. Н.И., Михелева М. В. Применение вейвлет-преобразований для выделения параметров управления мельницами помола Текст. // Вестник НТУ «ХПИ». Тематический выпуск: Информатики и моделирования. — Харьков: НТУ «ХПИ». 2008, С. 89−93.
  31. Н.И., Михелева М. В. Контроль динамических режимов шаровой мельницы помола с использованием нейросетевых информационных технологий Текст.// Известия ОрелГТУ. Серия «Информационные системы и технологии», 3/ 271 (546) 2008, С. 10−17.
  32. Н.И., Михелева М. В., Агарков С. В. Нейросетевые алгоритмы экспериментальной обработки формы материалов при перемешивании компонентов смеси Текст.// Известия вузов. Строительство. -Новосибирск: Изд. НГАСА, 2007. № 9. — С. 78 — 85.
  33. Н.И., Михелева М. В. Программа «Нейроаппроксиматор 1.0″ Нейросетевой эмулятор для аппроксимации функций. Отраслевой фонд алгоритмов и программ „Государственный координационный центр информационных технологий“, 2007. — № 8275.
  34. M.JI. Введение в искусственные нейронные сети Текст. -СПб.: Изд. СПб Гос. морск. техн. унив., 1999. 139 с.
  35. , М.С. Цифровая обработка сигналов Текст. / М. С Куприянов, Б. А. Матюпткин. СПб.: Питер, 1998. 416 с.
  36. , Р. Цифровая обработка сигналов Текст.: Второе издание. Пер. с англ. М.: ООО „Бином Пресс“, 2007. — 656 с.
  37. А.Н., Кочура Е. В. Зависимости энергетических параметров электродвигателя шаровой мельницы от загрузки ее шарами и измельчаемым материалом Текст.// Известия ВУЗов. Горный журнал.-1973.-№ 2. С. 10- 14.
  38. А.Н., Кочура Е. В. Зависимости энергетических параметров приводного электродвигателя шаровой мельницы от загрузки ее шарами и измельчаемым материалом Текст. // Известия ВУЗов. Горный журнал,-1973 .-№ 3. С. 28−33.
  39. М.В. Нейронная сеть для кластеризации звуковых сигналов по степени их тональности Текст. / Н. И. Корсунов, М. В. Михелева // Вопросы радиоэлектроники. Серия „Электронная вычислительная техника“, выпуск 1,2010, С. 127−134.
  40. B.C., Потемкин В. Г. Нейронные сети. MATLAB 6. М.: ДИАЛОГ-МИФИ, 2002. — 496 с.
  41. М.В. Нейросетевые алгоритмы аппроксимации неоднозначных функций одной переменной Текст. // Известия ОрелГТУ. Серия „Информационные системы и технологии“. 2006. — № 2(6) — С. 160 — 164.
  42. Нейроинформатика Текст. / А. Н. Горбань, В.Л.Дунин-Барковский, А. Н. Кирдин и др. Новосибирск: Наука. Сибирское предприятие РАН, 1998.-296с.
  43. Нейронные сети: распознавание, управление, принятие решений Текст. / А. Б. Барский. Финансы и статистика, 2004. — 136 с.
  44. Нейросетевые алгоритмы прогнозирования и оптимизации систем Текст. / А. Назаров, А.Лоскутов. С-П., Наука и Техника, 2003. — 384 с.
  45. А.Б. Инструментальные средства и методика проектирования нейросетей Текст. // МАДИ (ГТУ), 2002. 200 с.
  46. Основные концепции нейронных сетей Текст. / Р. Каллан, — „Вильяме“, 2001. —С. 288.54.0ссовский С. Нейронные сети для обработки информации Текст. /- м.: Финансы и Статистика, 2004 г. 344 с.
  47. А.Е. Расширение допустимых диапазонов искажения формы и изменения частоты тональных колебаний, выделяемых в речевом сигнале корреляционным методом Текст. / А. Е. Панов, А. П. Типикин // Телекомуникации, -2003. № 11. С. 13−16
  48. У.Г. Численные методы Текст.: Учеб. пособие для студ. втузов.-2-е изд., перераб. и доп. М.: Дрофа, 2003. — 224с.
  49. Программирование искусственного интеллекта в приложенияхТекст. / М. Тим Джонс. М. ДМК Пресс, 2004. с. 312.
  50. Прямое управление моментом и током двигателей переменного тока. Текст. /Перельмутер В.М. X.: Основа, 2004 — 210 с.
  51. , Л. Теория и применение цифровой обработки сигналов Текст. / Л. Рабинер, Г. Голд. М.: Мир, 1988. — 512 с.
  52. , Л.Р. Цифровая обработка речевых сигналов Текст.: Пер. с англ. / Л. Р. Рабинер, Р.В. Шафер- под ред. М. В. Назарова, Ю. Н. Прохорова. М.: Радио и связь 1981. 495 с.
  53. А.П., Митюшкин Ю. И. Идентификация нелинейных зависимостей нейронными сетями Текст.// Проблемы бионики.- 1998.-№ 49.-0.168−174.
  54. Системы искусственного интеллекта Текст./ Рудинский И. Д. М.: Финансы и статистика, 2004.-344с.
  55. , А.С. Автоматическое частотное управление асинхронными двигателями Текст. / А. С. Сандлер, Р. С. Сарбатов. М.: Наука, 1971. — С. 24 — 26.
  56. М.Я. Механическое оборудование предприятий строительных материалов, изделий и конструкций. Текст.// Учеб. Для строительных вузов и факультетов. М., „Высш. школа“. 1971. 382 с.
  57. М.Я. Механическое оборудование для производства строительных материалов и изделий. Текст.// Учебник для втузов. М., Машгиз, 1962, 522 с.
  58. В.Г., Котельников А. П. Системы поддержки принятия решений: основные понятия и вопросы применения. Текст.// Учебное пособие. Белгород, 1998. 77с.
  59. О., Дацковский Л., Кузнецов И. и др., „Системы подчиненного регулирования электроприводов переменного тока с вентильными преобразователями“ Текст.//. М., Энергоатомиздат, 1983 -256 с.
  60. О. Р. Повышение эффективности работы шаровых барабанных мельниц Текст. // Строительные и дорожные машины. 2006. — № 11. -С.20−23
  61. Стелтинг, Стивен, Маасен, Олав Применение шаблонов. Библиотека профессионала. Текст.//: Пер. с англ. — М.:Издательский дом „Вильяме“, 2002. — 576 с.
  62. Н.С. Об одном методе решения задачи аппроксимации функций с помощью двуслойной сети переменной структуры. Текст. // Сб.
  63. Докл. IV Всероссийской конференции „Нейрокомпьютеры и их применение“, Москва, 2001. С.70−77.
  64. , Э.В. Основы автоматизации измельчения материалов в шаровых мельницах Текст. /, Э. В. Утеуш, З. В. Утеуш. М. Химия, 1968. — С. 16, 97.
  65. Э.В., Утеуш З. В. Управление измельчительными агрегатами Текст.-М.: Недра, 1973. 280 с.
  66. Ф.Уоссермен, Нейрокомпьютерная техника, Текст. М., Мир, 1992. 95 с.
  67. Дж., Малькольм М., Моулер К. Машинные методы математических вычислений. Текст. М.: „Мир“, 1980. 280 с.
  68. Н.И., Ремизов C.JI. Нейросетевая реализация модулярных преобразований в вейвлет обработке речевых сигналов Текст. // Нейрокомпьютеры: разработка, применение, № 5, 2005 г.-с.68−72.
  69. М.Г. Теория автоматизированного электропривода Текст.: Учеб. Пособие для вузов. М.: Энергия, 1979. — 616 с.
  70. Численные методы: Учеб. пособие для студ. вузов / М. П. Лапчик, М. И. Рагулина, Е.К. Хеннер- Под ред. М. П. Лапчика.- М. Текст.: Издательский центр „Академия“, 2004.-384 с.
  71. А.А., Козлов М. А. Эффективность внедрения систем с частотно-регулируемыми приводами Текст. // Приборы и системы управления, контроль, диагностика, № 5, 2002 г. с. 66 — 70.
  72. , X. К. Методы автоматического контроля перегрузки барабанных мельниц рудой Текст.: автореф. дис. канд. техн. наук / X. К. Шамаллах. Днепропетровск: Изд-во НТУ, 2005. — 15 с.
  73. X. Сравнительный анализ Фурье и вейвлет-преобразований сигналов Текст. //Науковий вюникНГУ .-2004.-№ 10.—с. 14−22.
  74. Р., Хабигер Э. Автоматизированные электроприводы Текст.. -Л.: Энергоатомиздат. Ленигр. Отделение, 1985. 464 с.
  75. В. А., Враславский И. Я., Шрейнер Р. Т. Асинхронный электропривод с тиристорным управлением. Текст. / Библиотека по автоматике, выпуск 237. М.: Энергия, 1967. — 96 с.
  76. ADSP-21 000 Family Application Handbook Текст., Vol. 1, Analog Devices, 1994.
  77. Braslavsky I. Ya., Zuzev A.M., Kostylev A.V. Neural control system for induction motor drive Текст. // Electromotion'99. 3'rd International symposium on Advanced Electromechanical Motion System. Patras, Greece, 1999. P. 321 324.
  78. D., Grandi G., Serra G., Tani A., „Switching Strategies in Direct Torque Control of Induction Machines"Текст. ICEM' 94 Conference Proceedings, Paris, p. 204−209.
  79. Digital Signal Processing Applications Using the ADSP-2100 Family Текст., Vol. 1 and Vol. 2, Analog Devices, 2001.
  80. Duda, R.O. Pattern classification and scene analysis Текст. / R.O. Duda, P.E. Hart.- New York: A Wiley-interscience publication John Wiley & sons, 1973. -290 c.
  81. J. T. Niu, L.J. Sun, P. Karjalainen A Neural network-based model for prediction of hotrolled austenite grain size and flow stress in microalloy steel Текст. // Acta mettalurgia sinica (Englich letters). Vol. 13, № 2, pp. 521 530, April 2000.
  82. Haykin S. Neural Networks Текст.: A Comprehensive Foundation (2nd Edition), Prentice Hall, 1999. 823 c.
  83. Gael de La Croix Vaubois, Catherine Moulinoux, Benolt Derot, The N Programming Language Текст. //Neurocomputing, NATO ASI series, vol. F68, pp.89−92.
  84. Kolmogorov A.N. On the representation of continuous functions of many variables by superposition of continuous functions of one variable and addition Текст. // American Mathematical Society Translation. 1963. — № 28. — P. 5559.
  85. On the approximate realization of continuous mappings by neural networks, Ken-Ichi Funahashi Текст. Шеига1 Networks.-1989.-№ 2. P. 183−192
  86. Paul J. Werbos, Backpropagation Through Time: What It Does and How to Do It Текст. //Artificial Neural Networks: Concepts and Theory, IEEE Computer Society Press, 1992, pp.309−319.
  87. V., „Direct Torque Control Improvement“ Текст. 10th EDPE Conference, Dubrovnik, 1998, p. 134−139.
  88. V., „А simplified modeling of induction motor drives with direct torgue control“ Текст. Proc. IEEE ISIE'99, Bled, 1999, p. 486−491.
  89. Silvia Ferrari, Robert F. Stengel Smooth Function Approximation Using Neural Networks Текст.// IEEE Transactions on Neural Networks, Vol. 16, No. 1, January 2005.
  90. I., Noguchi Т., “ A new quick-response and high-efficiency control strategy of an induction motor» Текст. IEEE Trans. Ind. Applicat., № 5, 1986, p. 820−827.
  91. K. «Uber die analytische Darstellbarkeit sogenannter willkurlicher Funktionen einer reellen veranderlichen» Текст., Sitzungsberichte der Akademie der Wissenschaften, Berlin, 1985, p. 633−639, 789−905.
Заполнить форму текущей работой

Пора сдавать?