Постановка проблемы. Для сокращения энергозатрат источника питания и, как следствие, повышения эффективности энергоустановки автономного транспортного средства необходимо снижать время переходных процессов в режимах перерегулирования электродвигателями. Минимальная длительность переходных процессов достигается предсказанием возможного режима функционирования электродвигателя с заданным наперед временным интервалом. Это позволит заранее формировать управляющие сигналы для электродвигателя по предопределенному сценарию. Учитывая многовариантность сценариев, такой режим управления можно обеспечить только с помощью интеллектуальной, адаптивной системы управления. Цель. Разработать модель энергоустановки с интеллектуальным управлением, позволяющую получать наборы данных о токах, напряжениях и оборотах двигателя в различных режимах работы. Результаты. Рассмотрена проблема повышения эффективности энергоустановок автономных электротранспортных средств. Выделена задача создания перспективного устройства управления энергосистемами. Определено, что при создании таких устройств значимые результаты могут быть получены при использовании интеллектуального модуля в контуре управления электроприводом. Предложена архитектура интеллектуального управляющего устройства - ПИД-регулятора, функционирующего на основе нейронной сети, при этом рекомендуется исключить из классического контура обратной связи датчики угловой скорости ротора. Определен тип и архитектура нейросети. В программной среде MatLab разработана модель нейроэмулятора двигателя для формирования обучающей выборки нейросети методом Левенберга - Марквардта. Обученная нейросеть внедрена в разработанную модель контура управления электродвигателем. Практическая значимость. Полученные результаты моделирования интеллектуального устройства управления показали хорошую сходимость генерируемых нейроэмулятором выходных воздействий с действительными параметрами электродвигателя.
The problem of increasing the efficiency of power units of autonomous electric transport vehicles is considered. The task of creating a promising power system control device has been singled out. It is determined that in creating such devices, significant results can be obtained by using an intelligent module in the control loop of the electric drive. Goal. It is necessary to develop a power plant model with intelligent control, allowing to obtain data sets about currents, voltages and engine speeds in different modes of operation. The architecture of an intelligent control device, a PID controller based on a neural network, has been proposed; it has been proposed to exclude rotor angular velocity sensors from the classical feedback loop. The type and architecture of the neural network is defined. In the software environment MatLab the model of neuroemulator of the engine for formation of a training sample of a neural network by a method of Levenberg - Marquardt is developed. The trained neural network is implemented in the developed model of the electric motor control loop. The results of simulation of the intelligent control device showed a good convergence of the output influences generated by the neuroemulator with the actual parameters of the electric motor.
