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

Разработка и исследование адаптивной системы автоматического управления исполнительными механизмами гребнечесального оборудования периодического действия

Диссертация: Разработка и исследование адаптивной системы автоматического управления исполнительными механизмами гребнечесального оборудования периодического действия
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Разработана параллельная схема нейросетевого управления динамическими режимами работы отделительным механизмом гребнечесальной машины. Найдено достаточное число нейронов в скрытом слое ИНС. Обучение строится на алгоритме с использованием оценок прогноза ошибки обучения нейросети в структуре обобщенного настраиваемого объекта, что позволяет получить быстрые отклики системы. Ошибка обучения была… Читать ещё >

Содержание

  • ГЛАВА 1. ОБЗОР И АНАЛИЗ ТЕХНОЛОГИИ ПРОЦЕССА ГРЕБНЕЧЕСАНИЯ ШЕРСТИ НА ГРЕБНЕЧЕСАЛЬНЫХ МАШИНАХ ПЕРИОДИЧЕСКОГО ДЕЙСТВИЯ
    • 1. 1. Применение гребнечесания в прядении шерсти
    • 1. 2. Анализ работы гребнечесальных машин периодического 14 действия
    • 1. 3. Причины, обуславливающие разрыв волокон при 21 гребнечесании шерсти
    • 1. 4. Сравнительные характеристики гребнечесальных машин
    • 1. 5. Современное и перспективное алгоритмическое обеспечение 29 частотно — регулируемых электроприводов
    • 1. 6. Принципиальные решения управляемого 32 электромеханического комплекса для контроля и управления силой чесания волокон
  • ВЫВОДЫ ПО ГЛАВЕ
  • ГЛАВА 2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ МОДЕЛИ АСИНХРОННОГО ЭЛЕКТРОДВИГАТЕЛЯ С КОРОТКОЗАМКНУТЫМ РОТОРОМ В ПРИВОДЕ ГРЕБНЕЧЕСАЛЬНОЙ МАШИНЫ
    • 2. 1. Вводные замечания
    • 2. 2. Общие сведения
    • 2. 3. Математическое описание асинхронного электродвигателя
      • 2. 3. 1. Математическое описание АКЗ во вращающейся системе координат
      • 2. 3. 2. Структурная схема АКЗ во вращающейся системе 49 координат
      • 2. 3. 3. Структурная схема АКЗ в неподвижной системе 54 координат
  • ВЫВОДЫ ПО ГЛАВЕ
  • ГЛАВА 3. РАЗРАБОТКА И АНАЛИЗ ЗАМКНУТОЙ СИСТЕМЫ УПРАВЛЕНИЯ СКОРОСТНЫМИ ПАРАМЕТРАМИ ИСПОЛНИТЕЛЬНЫХ МЕХАНИЗМОВ МАШИНЫ ПРИ ВЕКТОРНОМ УПРАВЛЕНИИ АСИНХРОННЫМ ЭЛЕКТРОПРИВОДОМ
    • 3. 1. Динамическая модель системы векторного управления АЭП
    • 3. 2. Динамическая модель системы векторного управления 66 приводом гребнечесальной машины
      • 3. 2. 1. Система векторного управления приводом 67 отделительных цилиндров
      • 3. 2. 2. Система векторного управления приводом гребенного 74 барабанчика
    • 3. 3. Синтез структуры и расчет коэффициентов регуляторов 78 системы векторного управления АД гребнечесальной машины
      • 3. 3. 1. Настройка токовых контуров
      • 3. 3. 2. Настройка контура скорости
    • 3. 4. Построение и синтез адаптивного алгоритма управления 83 скоростными нестационарными параметрами при чесании волокон гребенным барабанчиком
    • 3. 5. Нейро-нечеткая идентификация скоростных нестационарных 94 параметров отделительных цилиндров
    • 3. 6. Искусственная нейросетевая система управления динамическими режимами работы отделительными цилиндрами
      • 3. 6. 1. Многослойная нейронная сеть прямого распространения 102 в нейросетевой системе управления процессом
      • 3. 6. 2. Динамический алгоритм обучения многослойной 108 нейронной сети в нейросетевой системе управления процессом
      • 3. 6. 3. Анализ устойчивости нейросетевой системы управления 110 процессом в дискретные моменты времени
      • 3. 6. 4. Функциональная структура адаптивной нейросетевой 115 системы управления процессом
  • ВЫВОДЫ ПО ГЛАВЕ
  • ГЛАВА 4. СИСТЕМА МИКРОПРОЦЕССОРНОГО КОНТРОЛЯ И УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИХ ПАРАМЕТРОВ ПРОЦЕССА ГРЕБНЕЧЕСАНИЯ. ТЕХНИЧЕСКАЯ РЕАЛИЗАЦИЯ
    • 4. 1. Общие положения по аппаратной реализации 126 микропроцессорной системы
    • 4. 2. DSP-процессор платформы SPEEDY-33 Texas Instruments, как 129 инструмент разработки и отладки алгоритмов контроля и управления в режиме реального времени
    • 4. 3. Разработка и реализация аппаратно-программного комплекса 134 системы управления процессом чесания волокон на базе DSP -процессора платформы SPEEDY
    • 4. 4. Разработка и реализация идентификационной математической 136 модели системы супервизорного контроля скоростных параметров при рассортировке волокон на базе DSP — процессора платформы SPEEDY
    • 4. 5. Разработка и реализация адаптивной системы управления 141 процессом рассортировки волокон на базе DSP — процессора платформы SPEEDY
  • ВЫВОДЫ ПО ГЛАВЕ

Разработка и исследование адаптивной системы автоматического управления исполнительными механизмами гребнечесального оборудования периодического действия (реферат, курсовая, диплом, контрольная)

Актуальность работы. Получение высококачественной пряжи для тканей, трикотажных изделий, швейных ниток и технических изделий для промышленности осуществляется по гребенной системе прядения, где важнейшим является гребнечесальный переход. От режимов гребнечесания зависят условия последующих технологических процессов прядения, экономичность производства пряжи и ее физико-механические свойства.

Увеличение производительности современных гребнечесальных машин тесно связано с повышением их скоростных режимов. Так на гребнечесальных машинах различных фирм «Текстима» (Германия), «Шлюмберже» (Франция), «Сант-Андреа Навара» (Италия) наиболее распространенных на отечественных камвольных предприятиях число циклов в минуту возросло от 150 до 250.

Но наряду с таким важным преимуществом машин последних моделей, как повышение выхода гребенной ленты за счет увеличения числа рабочих циклов, возникает задача — обеспечить протекание процесса гребнечесания с максимальной сохранностью волокон (особенно при чесании тонкой шерсти, где наиболее вероятен разрыв волокон) и поддерживать на требуемом уровне качественные показатели гребенной ленты. Это может быть достигнуто правильным выбором скоростного режима работы машины, зависящего от различных условий и входных параметров процесса.

Важной частью системы управления гребнечесальной машины является ее электропривод, который выполнен на базе трехфазного асинхронного электродвигателя с короткозамкнутым ротором (АКЗ), то есть представляет асинхронный электропривод (АЭП).

Таким образом, в качестве объекта управления предполагается рассмотрение указанного электропривода, при управлении которым требуются наиболее эффективные алгоритмы управления, реализуемые на современной микропроцессорной технике.

Анализ современной технологии гребнечесания и используемого оборудования в гребенной системе прядения шерсти, показал, что для важнейшего на производстве перехода, отсутствуют современные методы прогнозирования и идентификации качественных и количественных характеристик получаемой гребенной ленты, а также компьютерные методы для гибкого управления технологическим процессом.

Цель и задачи работы. Целью диссертационной работы является разработка адаптивной системы управления процессом формирования гребенной ленты на гребнечесальной машине «Текстима», осуществляющей программное управление и стабилизацию частоты вращения исполнительных органов машины, в зависимости от задающего воздействия. Данная система должна быть реализована на современных микропроцессорных устройствах и силовой элементной базе, и поддерживать частоту вращения на заданном уровне.

Для достижения поставленной цели необходимо решить следующие задачи:

1. Провести анализ особенностей технологического процесса чесания волокон на гребнечесальной машине периодического действия.

2. Провести построение модели исследуемой электромеханической системы в непрерывные моменты времени, расчет параметров этой модели.

3. Исследовать АКЗ в приводе гребнечесальной машины как объекта управления, построить математическую модель и провести моделирование данного объекта управления.

4. Разработать и исследовать замкнутую систему векторного управления АКЗ гребнечесальной машины.

5. Разработать и исследовать адаптивные алгоритмы управления скоростными параметрами исполнительных механизмов гребнечесальной машины при векторном управлении АЭП.

6. Провести моделирование разработанных адаптивных систем управления для оценки переходных характеристик, выполнить анализ характеристик.

7. Практическая реализация адаптивной системы управления и системы управления без адаптирующего контура скоростными параметрами с использованием современных микропроцессорных программно-технических комплексов.

На защиту выносятся:

1. Уточненная математическая модель и результаты компьютерного моделирования АКЗ как объекта управления в приводе гребнечесальной машины.

2. Модель замкнутой системы векторного управления и результаты компьютерного моделирования АЭП отделительного механизма гребнечесальной машины как объекта управления.

3. Модель замкнутой системы векторного управления и результаты компьютерного моделирования скоростного процесса рассортировки волокон гребенным барабанчиком гребнечесальной машины.

4. Модель и результаты компьютерного моделирования адаптивного алгоритма управления скоростными параметрами гребенного барабанчика гребнечесальной машины при векторном управлении АЭП.

5. Модель, функциональная структура и результаты компьютерного моделирования адаптивной нейросетевой системы управления динамическими режимами работы отделительного механизма гребнечесальной машины с использование искусственной нейронной сети (ИНС), при векторном управлении АЭП.

6. Программная реализация алгоритмов управления исполнительными механизмами гребнечесальной машины, разработанных на базе современных микропроцессорных программно-технических комплексов.

Методика проведения исследования. В работе использована комплексная методика исследования, сочетающая методы математического моделирования и инструментальные средства. При построении моделей использованы методы теории электрических машин, теории автоматического управления, методы экспериментально-теоретического моделирования, компьютерной обработки информации, а также методы математической статистики и вычислительной математики с применением ЭВМ.

Расчеты параметров моделей, переходных характеристик и моделирование системы автоматического управления проводились в пакете прикладных программ MATL AB и его приложений Simulink, System Identification Toolbox, Fuzzy Logic Toolbox, Optimization Toolbox и Toolbox Neural Network/Fitting Tool.

Реализация алгоритмов системы управления скоростными процессами осуществлена с помощью платформы SPEED Y-33 компании National Instruments, включающая в себя цифровой сигнальный процессор VC33 Texas Instruments и порты сопряжения с объектом, а также программные средства разработки и визуализации для ЭВМ Lab VIEW и NI Lab VIEW DSP Module. В качестве исполнительного устройства для АКЗ выступал преобразователь частоты фирмы Schneider Electric (Франция).

Научная новизна. В результате выполнения диссертационной работы построены математические модели системы векторного управления исполнительными механизмами АЭП гребнечесальной машины в приложении Simulink и структурные схемы системы управления АЭП. Разработаны системы управления скоростными параметрами гребнечесальной машины с учетом адаптирующего контура регулятора, предложена параллельная архитектура нейронного управления при векторном управлении АЭП.

Проведена нейро-нечеткая идентификация скоростных нестационарных параметров отделительных цилиндров, построена нелинейная модель процесса по гибридной технологии адаптивной нейро-нечеткой системы заключений ANFIS (Adaptive Neuro-Fuzzy Inference System). Выполнен выбор динамического алгоритма обучения, и анализ устойчивости нейросетевой системы управления динамическими режимами работы отделительного механизма в дискретные моменты времени.

Выполнена программная реализация алгоритмов, разработанная на базе современных микропроцессорных программно-технических комплексов.

Достоверность результатов работы. Адекватность полученной модели асинхронного двигателя и системы управления АЭП подтверждена совпадением результатов теоретических и экспериментальных исследований, используя математическое моделирование и макетирование систем управления.

Практическая ценность. Использование разработанных систем автоматического управления электроприводом гребнечесальной машины позволит повысить качество чесания волокон, а также повысить КПД при пуске и повысить срок эксплуатации электропривода.

Разработанные в диссертационной работе методы управления могут найти широкое применение не только в различных отраслях текстильной промышленности, но и на других производствах. Полученные результаты могут быть использованы при создании и совершенствовании систем управления машин переменного тока.

Апробация работы. Материалы диссертационной работы доложены, обсуждены и получили положительную оценку специалистов на Международных и Всероссийских научно-технических конференциях, в том числе на конференциях «Современные технологии и оборудование текстильной промышленности» (ТЕКСТИЛЬ-2009, ТЕКСТИЛЬ-2010), «Современные наукоемкие технологии и перспективные материалы текстильной и легкой промышленности» (ПРОГРЕСС-2010, ПРОГРЕСС-2011), «Инновационность научных исследований в текстильной и легкой промышленности — 2010», «Современные информационные технологии в образовании, науке и промышленности» (2009, 2011), «Системный анализ и семиотическое моделирование» (SASM — 2011), «Измерения, автоматизация и моделирование в промышленности и научных исследованиях» (ИАМП-2010), «Образовательные, научные и инженерные приложения в среде Lab VIEW и технологии National Instruments, 2010».

Публикации. По теме диссертационной работы опубликовано 18 печатных работ, в том числе 3 в журналах ВАК.

Структура и объем работы. Диссертационная работа изложена на 175 страницах машинописного текста и состоит из введения, четырех глав, выводов по главам и общих выводов по работе, списка литературы из 153 наименований и 3 приложений. Работа иллюстрирована 75 рисунками и 3 таблицами.

ВЫВОДЫ ПО РАБОТЕ.

1. Разработана математическая модель трехфазного асинхронного двигателя, которая используется при моделировании и построении замкнутой системы векторного управления АЭП гребнечесальной машины. Модель была реализована в среде компьютерного моделирования MATLAB.

2. Построена функциональная схема АЭП векторного управления скоростью нижнего отделительного цилиндра и гребенного барабанчика гребнечесальной машины как объекта управления. Приведена динамическая модель в среде компьютерного моделирования MATLAB. Выполнен синтез базовой структуры системы регулирования, параметров и алгоритмов работы регуляторов. Показанные результаты моделирования подтвердили преимущества векторного управления для АКЗ в приводе гребнечесальной машины.

3. Исследовано применение адаптивного алгоритма управления скоростными нестационарными параметрами при чесании волокон гребенным барабанчиком, в виду нелинейности в диапазоне цикла работы машины. Выполнена идентификация электромеханической системы скоростного режима работы гребенного барабанчика. Разработка системы основана на построении математической модели процесса и управления по этой модели. В качестве косвенного показателя выступает закон адаптации, где путь исследования устойчивости основан на прямом втором методе A.M. Ляпунова. Выполнен выбор настраиваемого звена контура адаптации. Представлены результаты моделирования системы, сделан анализ адаптивной системы с системой, где управляющее воздействие формируется линейным законом. Получены реакции систем на Random-возмущение. Выполнена оценка запаса устойчивости по фазе и амплитуде представленных систем автоматического управления. Приведенные результаты моделирования показали преимущества системы векторного управления АКЗ с адаптирующем контуром скорости.

4. Выполнена нейро-нечеткая идентификация скоростных параметров при движении цилиндров отделительного механизма гребнечесальной машины. В качестве предиктора нейронного эмулятора предложена гибридная технология адаптивного нейро-нечеткой вывода типа Сугено в виде пятислойной нейронной сети прямого распространения сигнала. Выполнено формирование АОТК — модели в среде МАТЪАВ. Получены обучающие и тестовые выборки данных идентификации. Построены кривые обучения А№Т8 — модели, найдено необходимое число выборок экспериментальных данных по среднеквадратичной ошибке. Приведенные результаты моделирования показали преимущества А№Т8-технологии, при котором основной задачей будет являться прогнозирование, оптимизация и анализ процесса, а также как «средство» получения априорной информации о процессе при построении адаптивного нейросетевого управления.

5. Разработана параллельная схема нейросетевого управления динамическими режимами работы отделительным механизмом гребнечесальной машины. Найдено достаточное число нейронов в скрытом слое ИНС. Обучение строится на алгоритме с использованием оценок прогноза ошибки обучения нейросети в структуре обобщенного настраиваемого объекта, что позволяет получить быстрые отклики системы. Ошибка обучения была найдена для восходящей конечной разности второго порядка уравнения системы. Был выполнен анализ устойчивости нейросетевой системы, с использованием классического метода функций Ляпунова. Получены реакции нейросетевой системы при моделировании ее в среде МАТЪАВ. Выделены ошибки обучения нейронной сети и быстродействие обучения сети от количества нейронов в скрытом слое. Полученные результаты моделирования показали высокие мультирежимные свойства системы, что гарантирует ей адекватно отражать работу системы управления и отклики объекта во всех режимах работы, при условии наличия соответствующих экспериментальных данных.

6. Выполнена программная реализация алгоритмов управления исполнительными механизмами гребнечесальной машины на языке О в среде графического программирования ЬаЬУ1Е?- система разработана на базе современных микропроцессорных программно-технических комплексов компании National Instruments. В качестве исполнительного устройства для АКЗ выступал преобразователь частоты фирмы Schneider Electric (Франция).

7. Разработанные алгоритмы для цифрового управления АКЗ являются компактными и позволяют управлять скоростью вращения механизмов гребнечесальной машины.

8. Разработанные методы, математические модели и программное обеспечение позволят повысить эффективность процесса гребнечесания и оптимизировать заправочные параметры гребнечесальной машины.

Показать весь текст

Список литературы

  1. A.C., Кадыров Э. Д., Харазов В. Г. Техническое и программное обеспечение распределенных систем управления. СПб.: «П-2», 2004. — с. 368.
  2. .Р., Фрадков А. Л. Избранные главы теории автоматического управления с примерами на языке MATLAB. СПб.: Наука, 2000.-с. 475.
  3. Айфичер Эммануил С., Джервис Барри У. Цифровая обработка сигналов: практический подход, 2-е издание. Пер. с англ. М.: Издательский дом Вильяме, 2004. — с. 992.
  4. .Р., Козлов Ю. М. Методы управления в условиях неопределенности. Учебное пособие. СПб.: ЛМИ, 1989. — с. 88.
  5. А.П. Язык описания цифровых устройств AlteraHDL. Практический курс. М.: ИП РадиоСофт, 2001. — с. 224.
  6. A.C., Козаченко В. Ф. Архитектура и программирование DSP -микроконтроллеров TMS320X24XX для управления двигателями в среде CODE COMPOSER: Лабораторный практикум. М.: Из-во МЭИ, 2003. — с. 96.
  7. М., Фабл П. Оптимальное управление. М.: Машиностроение, 1968.-е. 124.
  8. В.К., Бессонов A.C., Мошкин B.B. LabVIEW: Практикум по электронике и микропроцессорной технике. М.: ДМК Пресс, 2005. — с. 182.
  9. К.И., Жоховский В. В., Осьмин H.A. Прядение хлопка и других текстильных волокон. М.: Легпромбытиздат, 1988. — с. 342.
  10. Баран Е.Д. LabVIEW FPGA. Реконфигурируемые измерительные и управляющие системы. М.: ДМК Пресс, 2009. — с. 448.
  11. И.З. Основные операции нечеткой логики и их обобщения. Казань: Отечество, 2001. — с. 100.
  12. В.В., Ваксенбург В. Я., Дьяконов В. П. Схемотехника устройств на мощных полевых транзисторах: Справочник. М: Радио и связь, 1994.-с. 280.
  13. В.А., Попов Е. П. Теория систем автоматического управления. СПб.: Из-во Профессия, 2003. — с. 750.
  14. Е.И. Компьютерное моделирование и оптимизация процессов формирования гребенной ленты в шерстопрядении. М.: Информ — Знание, 2007. — с. 240.
  15. Е.И. Моделирование рассортировки волокон шерсти по длине при гребнечесании с учетом их разрыва. Изв. вузов. Технология текстильной промышленности, № 6, 2002. с. 28−32.
  16. А.Н., Крумберг O.A., Федоров И. П. Принятие решений на основе нечетких моделей: примеры использования. Рига: Зинатне, 1990. — с. 184.
  17. В.В. Нечеткие модели и сети / Борисов В. В., Круглов В. В., Федулов A.C. М.: Горячая линия-Телеком, 2007. — с. 284.
  18. Ю.А., Поляхов Н. Д., Путов В. В. Электромеханические системы с адаптивным и модальным управлением. СПб.: Энергоатомиздат, 1984.-с. 215.
  19. М.И. Язык программирования Си. Справочник: Пер. с англ. -М.: Радио и связь, 1988. с. 96.
  20. A.A., Каримов Р. Н. Методы обработки многомерных данных и временных рядов. Учебное пособие для вузов. М.: Горячая линия -Телеком, 2007. — с. 522.
  21. К., Зиффлинг Г. Фильтр Калмана Бьюси. Пер. с нем. — М.: Наука, 1982.-с. 200.
  22. В.Н., Косов М. Г., Протопопов С. П., Соломенцев Ю. М., Султан Заде Н.М., Схиртладзе А. Г. Теория автоматического управления. — М.: Высшая школа, 2000. — с. 268.
  23. В.Н. Адаптивные прогнозирующие системы управления полетом. M.: Наука, 1987. — с. 230.
  24. П.А., Васьковская Т. А., Каратаев В. В., Материкин C.B. Автоматизация физических исследований и эксперимента: компьютерные измерения и виртуальные приборы на основе Lab VIEW 7 / Под ред. П. А. Бутырина. М.: ДМК Пресс, 2005. — с. 264.
  25. В.И., Ильясов Б. Г. Интеллектуальные системы управления с использованием нечеткой логики. — Уфа: УГАТУ, 1995. с. 203.
  26. В.И., Ильясов Б. Г., Валеев С. С., Жернаков C.B. Интеллектуальные системы управления с использованием нейронных сетей. — Уфа: УГАТУ, 1997. с. 265.
  27. А.И. Электрические машины. СПб.: Энергия, 1974. — с. 840.
  28. Выставочные проспекты и технические паспорта технологического оборудования хлопкопрядильного производства.
  29. А.И. Нейрокомпьютеры и их применение на рубеже тысячелетий в Китае. В 2-х томах. М.: Горячая линия — Телеком, 2004. — с. 831.
  30. О.В. Введение в теорию экспертных систем и обработку знаний. — Минск: ДизайнПРО, 1995. с. 367.
  31. Герман-Галкин С. Г. Компьютерное моделирование полупроводниковых систем в MATLAB 6.0. Учебное пособие. СПб.: КОРОНА принт, 2001. — с. 320.
  32. Герман-Галкин С.Г. MATLAB&Simulink. Проектирование мехатронных систем на ПК. СПб.: КОРОНА-Век, 2008. — с. 368.
  33. JI.A., Курейчик В. В., Курейчик В. М. Генетические алгоритмы / под ред. В. М. Курейчика. 2-е изд., исп. и доп. — М.: ФИЗМАТ ЛИТ, 2006. — с. 320.
  34. В.А. Нейроинтеллект: Теория и применение. Организация и обучение нейронных сетей с прямыми и обратными связями. Брест: Изд-во БПИ, 1999.-с. 264.
  35. А.Н. Обучение нейронных сетей. — М.: СП Параграф, 1990. -с. 249.
  36. Д. Методы идентификации систем. Пер. с англ. / Под ред. Е. И. Кринецкого. М.: Мир, 1979. — с. 304.
  37. А. Ф., Кириллов В. X., Коломиец JI. В., Оробей В. Ф. MATLAB в инженерных и научных расчетах. Одесса: Астропринт, 2003. — с. 214.
  38. Н.П. Программные средства оптимизации настройки систем управления. М.: Издательство МГТУ им. Н. Э. Баумана, 2006. — с. 246.
  39. Д.Н., Фрадков A.JI. Прикладная теория дискретных адаптивных систем управления. М.: Наука, 1981. — с. 216.
  40. Д., Джонсон Дж., Мур Г. Справочник по активным фильтрам. Пер. с англ. М.: Энергоатомиздат, 1983. — с. 128.
  41. Джон фон Нейман. Теория самовоспроизводящихся автоматов. Пер. с англ.-М.: Мир, 1971.-е. 281.
  42. Р., Бишоп Р. Современные системы управления / Пер. с англ. Б. И. Копылова. М.: Юнимедиастайл, 2002. — с. 831.
  43. А.И. Гребенное прядение шерсти. М.: Легкая индустрия, 1964. -с. 367.
  44. Дьяконов В.П. MATLAB 6. Учебный курс. СПб.: Питер, 2001. — с.592.
  45. Дьяконов В. SIMULINK 4. Специальный справочник. СПб.: Питер, 2002.-е. 528.
  46. Дьяконов В.П. MATLAB R2006/2007/2008 + Simulink 5/6/7. Основы применения. 2-е изд., перераб. и доп. — М.: СОЛОН-ПРЕСС, 2008. — с. 800.
  47. В.П. Круглов В.В. MATLAB 6.5/7.0/7 SP1/7 SP2 + Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики. — М.: СОЛОН-ПРЕСС, 2005. с. 405.
  48. В.П., Круглов В. В. Математические пакеты расширения MATLAB. Специальный справочник. СПб.: Питер, 2001. — с. 480.
  49. Ю.К., Линдваль В. Р., Щербаков Г.И. Lab VIEW для радиоинженера: от виртуальной модели до реального прибора. Практическое руководство для работы в программной среде Lab VIEW. М.: ДМК Пресс, 2007. — с. 400.
  50. С.Д., Рутковский В. Ю. Синтез алгоритмов изменения перестраиваемых коэффициентов в самонастраивающихся системах с эталонной моделью // Докл. АН СССР, 1967. Т. 174. № 1. с. 47−49.
  51. В.И. Электронная лаборатория на IBM PC. Моделирование элементов аналоговых систем на Electronics Workbench и MATLAB. М.: Солон — Пресс, 2006. — с. 672.
  52. Т. Шаговые двигатели и их микропроцессорные системы управления. Пер. с англ. М.: Энергоатомиздат, 1987. — с. 200.
  53. Ким Д. П. Теория автоматического управления. Т. 1. Линейные системы. М.: ФИЗМАТЛИТ, 2003. — с. 288.
  54. В.И., Терехов В. М. Электропривод и автоматизация общепромышленных механизмов. М.: Энергия, 1980. — с. 360.
  55. Д.А., Кузелин М. О. ПЛИС фирмы «Xilinx»: описание структуры основных семейств. М.: ДОДЭКА — XXI. — с. 238.
  56. В.А., Желтов С. Ю., Визильтер Ю. В. Обработка и анализ цифровых изображений с примерами на Lab VIEW и IMAQ Vision. М.: ДМК Пресс, 2007. — с. 464.
  57. А.Е., Рудаков В. В., Народицкий А. Г. Современное и перспективное алгоритмическое обеспечения частотно-регулируемых электроприводов. СПб.: Электротехническая компания, 2004. — с. 127.
  58. A.A. Синергетическая теория управления. М.: Энергоатомиздат, 1994. — с. 344.
  59. В.И., Смирнов Д.А, Нейронные сети и их применение в системах управления и связи. М.: Горячая линия — Телеком, 2003. — с. 94.
  60. Контроль качества продукции прядения в текстильной промышленности с помощью автоматических измерительных приборов за рубежом. Шерстяная промышленность. № 2. ЦНИИТЭИлегпром, 1986.
  61. И.П., Клюкова Б. К. Справочник по электрическим машинам. Т. 1. М.: Энергоатомиздат, 1988. — с. 456.
  62. И.П., Клюкова Б. К. Справочник по электрическим машинам. Т. 2. М.: Энергоатомиздат, 1989. — с. 688.
  63. А.Р. Автоматизированный частотно-регулируемый электропривод с асинхронными двигателями. Владивосток: Издательство дальневосточного Университета, 1992.
  64. Н.Т. Модальное управление и наблюдающие устройства. -М.: Машиностроение, 1976. с. 184.
  65. Ла-Салль Ж., Лефшец С. Исследование устойчивости прямым методом Ляпунова. Пер. с анг. М.: Мир, 1964. — с. 168.
  66. Л. Идентификация систем. Теория для пользователя. Пер. с англ. / Под ред. Я. З. Цыпкина. М.: Наука. Гл. ред. физ.-мат. лит., 1991. — с. 432.
  67. С. Цифровые сигнальные процессоры. Книга 1. М.: Микроарт, 1996. — с. 144.
  68. A.B. Занимательно о микроконтроллерах. СПб.: БХВ -Петербург, 2006. — с. 432.
  69. М., Пейперт С. Перцептроны. М.: Мир, 1971. — с. 262.
  70. И.В. Согласованное управление многоканальными системами. СПб.: Энергоатомиздат, 1990. — с. 128.
  71. Ю.И., Мокин Б. И., Ротштейн А.П. Soft-Computing: идентификация закономерностей нечеткими базами знаний. Винница: УНИВЕРСУМ-Винница, 2002. — с. 145.
  72. Л.Т., Яковлев И. К. Усовершенствование процесса гребнечесания шерсти. М.: Легкая индустрия, 1970.
  73. Дж.Г., Финк К. Д. Численные методы. Использование MATLAB. Пер. с англ. М.: Изд. Дом «Вильяме», 2001. — с. 720.
  74. .К. Интегральные операционные усилители. Справочное пособие по применению. М.: Энергоиздат, 1982. — с. 127.
  75. Основы математического моделирования. Учебное пособие. 2-е изд. / Под ред. А. Л. Фрадкова. СПб.: БГТУ, 1996. — с. 192.
  76. С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Радио и связь, 1981.-е. 286.
  77. Т.В. Генетические алгоритмы: учебно-методическое пособие /под ред. Ю. Ю. Тарасевича. Астрахань: Астраханский университет, 2007.-е. 87.
  78. Паспорт на гребнечесальную машину для шерсти Текстима 1603.1976.
  79. В.М. Пакеты расширения MATLAB. Control System Toolbox и Robust Control Toolbox. M.: Солон-пресс, 2008. — с. 224.
  80. И.В. Программируемые контроллеры. Стандартные языки и инструменты. М.: СОЛОН — Пресс, 2003. — с. 256.
  81. .Н., Рутковский В. Ю., Крутова И. Н., Земляков С. Д. Принципы построения и проектирования самонастраивающихся систем управления. М.: машиностроение, 1972. — с. 260.
  82. В.Г. Система MATLAB. Справочное пособие. -М.:ДИАЛОГ-МИФИ, 1997. с. 350.
  83. Ф. Принципы нейродинамики: Перцептрон и теория механизмов мозга. М.: Мир, 1965. — с. 480.
  84. А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети / А. П. Ротштейн. -Винница: УНИВЕРСУМ-Винница, 1999. с. 320.
  85. Руш Н., Абетс Н., Лалуа Н. Прямой метод Ляпунова в теории устойчивости. М.: Мир, 1980. — с. 300.
  86. А.Г. Методы и средства исследования механико-технологических процессов в текстильной промышленности. М.: МГТУ им. А. Н. Косыгина, 2007. с.
  87. А.Г. Некоторые вопросы теории гребнечесания. Диссертация. М.: МТИ, 1939. — с.
  88. А.Г. Исследование неровноты при смешивании текстильных волокон и при вытягивании продуктов прядения. Диссертация. МТИ. 1960.-с.
  89. .Ю. Микроконтроллеры М8Р430. Первое знакомство. М.: СОЛОН — Пресс, 2006. — с. 128.
  90. .Ю. Силовая электроника для любителей и профессионалов. М.: СОЛОН — Р, 2001. — с. 327.
  91. .Ю. Силовая электроника от простого к сложному. М.: СОЛОН — Пресс, 2005. — с. 416.
  92. Сигеру Омату, Марзуки Халид, Рубия Юсоф. Нейроуправление и его приложения. Пер. с англ. Н. В. Батина. М: ИПРЖР, 2000. — с. 272.
  93. Современные семейства ПЛИС фирмы ХШпх: справ, пособие / М. О. Кузелин, Д. А. Кнышев, В. Ю. Зотов. 2004. — с. 440.
  94. Н.И., Рутковский В. Ю., Судзиловский Н. Б. Адаптивные системы автоматического управления летательными аппаратами. М.: Машиностроение, 1988.-е. 208.
  95. С. Аналоговые интегральные схемы. Пер. с англ. М.: Мир, 1988.-е. 583.
  96. Соловьев А. Н, Кирюхин С. М. Оценка качества и стандартизация текстильных материалов. М.: Легкая индустрия, 1974. с. 248.
  97. В.В., Плотников В. Н., Яковлев A.B. Теория автоматического управления техническими системами. М.: Издательство МГТУ, 1993.-е. 492.
  98. В.В., Филимонов Н. Б. Динамическое качество систем автоматического управления. М.: Изд-во МГТУ им. Н. Баумана, 1987. с. 84.
  99. А.И., Улихович Д. А., Арбузов С. М., Соловьева Е. Б. Основы цифровой обработки сигналов. Курс лекций. СПб.: БХВ — Петербург, 2005.-е. 768.
  100. А.И., Улихович Д. А., Яковлев Л. А. Алгоритмы и процессы цифровой обработки сигналов. СПб.: БХВ-Петербург, 2004. — с. 464.
  101. Суранов А.Я. Lab VIEW 8.20: Справочник по функциям. М.: ДМК Пресс, 2007. — с. 536.
  102. В.А., Ефимов Д. В., Тюкин И. Ю. Нейросетевые системы управления. М.: Высш. шк., 2002. — с. 183.
  103. В.М., Осипов О. И. Система управления электроприводов. -М.: Академия, 2005. с. 301.
  104. A.B. Построение адаптивных систем управления программным движением. СПб.: Энергия, 1980. — с. 88.
  105. В. Измерение, управление и регулирование с помощью AVR микроконтроллеров.: Пер. с нем. — К.: МК — Пресс, 2006. — с. 208.
  106. Тревис Джеффри. Lab VIEW для всех / пер. с англ. H.A. Клушина, под ред. В. В. Шаркова, В. А. Гурьева. М.: ДМК Пресс- ПриборКомплект, 2005. -с. 544.
  107. Е.И. Цифровая схемотехника. СПб.: БХВ — Санкт-Петербург, 2000. — с. 528.
  108. A.A., Кузьмин A.B. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. М.: Горячая линия — Телеком, 2004. — с. 143.
  109. В.П., Нестеренко А. К. Цифровая обработка сигналов в Lab VIEW. M.: ДМК Пресс, 2007. — с. 472.
  110. Ч., Харбор Р. Системы управления с обратной связь. М.: Лаборатория Базовых Знаний, 2001. — с. 616.
  111. В.Н., Фрадков А. Л., Якубович В. А. Адаптивное управление динамическими объектами. М.: Наука, 1981. — с. 448.
  112. А.Л. Адаптивное управление в сложных системах. М.: Наука, 1980.-с. 292.
  113. Функциональные устройства на микросхемах. Под ред. В. З. Найдерова. М.: Радио и связь, 1985. — с. 198.
  114. П., Хилл У. Искусство схемотехники. Пер. с англ. М.: Мир, 1998.-с. 118.
  115. В.П. Автоматизированный вентильный электропривод. -М.: Энергия, 1968. с. 400.
  116. Ю.А. Программирование на языке С для AVR и PIC микроконтроллеров. К.: МК — Пресс, 2006. — с. 400.
  117. С. Д. Проектирование нечетких систем средствами MATLAB. М.: Горячая линия — Телеком, 2007. — с. 288.
  118. С.Д. Идентификация нелинейных зависимостей с помощью нечеткого логического вывода в системе MATLAB // Exponenta Pro: Математика в приложениях. 2003. — № 2. — с. 9−15.
  119. Шульце К.-П., Реберг К.-Ю. Инженерный анализ адаптивных систем. Пер. с нем. М.: Мир, 1992. — с. 280.
  120. Abraham A. Neuro-Fuzzy Systems: State-of-the-Art Modeling Techniques / A. Abraham // Connectionist Models of Neurons, Learning Processes, and Artificial Intelligence / Eds.: J. Mira and A. Prieto. Granada: Springer-Verlag, 2001.-c. 269−276.
  121. Getting Started with LabVIEW. National Instruments Corp., 2007.
  122. Kazuo Tanaka and Hua O. Wang. Fuzzy Control Systems Design And Analysis: A Linear Matrix Inequality Approach.: John Wiley & Sons, 2001.
  123. К Series Intelligent DAQ Frequently Asked Questions (FAQ) // http ://zone .ni. com/de vzone/cda/tut/p/id/2 883.128. LabVIEW Help.
  124. LabVIEW Fundamentals. National Instruments Corp., 2007.
  125. LabVIEW Digital Filter Design Toolkit User Manual. National Instruments Corp., 2005.
  126. MATLAB Simulink&Toolboxes. The Mathworks, Inc.
  127. NI CompactRIO Control and Acquisition System // http://www.ni.com/compactrio/whatis.htm.
  128. NI LabVIEW: History and Awards // http://www.ni.com/labliew/presskitawards.htm.
  129. Virtual Instrumentation // http://zone.ni.eom/devzone/cda/tut/p/id/4752.
  130. Fuzzy Logic Toolbox. User’s Guide, Version 2.1 The Mathworks, Inc., 2001.
  131. В.А., Макаров А. А., Битус Е. И. Разработка SIMULINK-модели системы управления процессом отделения волокон при гребнечесании шерсти. // Химические волокна. 2009. № 3. — С. 50−53.
  132. А.А., Червяков А. В., Ганявин В. А. Расчет вектора настроек оптимального регулятора и моделирование электромеханической системы универсальной раскройной машины. // Текстильная промышленность. Научный альманах. 2010. № 3. — С. 19−21.
  133. A.A., Битус Е. И., Ганявин В. А. Оценка эффективности адаптивного алгоритма управления параметрами при чесании волокон гребенным барабанчиком. // Электронное научное издание. Технологии XXI века в текстильной промышленности. 2011. № 5.
  134. Технические данные асинхронного двигателя с короткозамкнутым ротором ЬС21Я112М4 64, 65. представлены в таблице 1.
Заполнить форму текущей работой

Пора сдавать?