Создание проектов с применением нейронных сетей глубокого обучения часто связано
с решением ряда технических задач: выбор сенсоров для получения качественных входных данных при умеренных затратах, оптимизация использования вычислительных ресурсов аппаратной платформы (особенно, если речь идёт об устройствах Интернета вещей – IoT), подготовка качественных обучающих датасетов и реализация их возможностей. Цели исследования – формулирование принципов решения перечисленных задач и разработка метода повышения качества распознавания для случаев, когда базовые решения достигли максимума своей эффективности.
В данной статье это будет продемонстрировано на примере проекта Sortomat – автомата по приёму у населения перерабатываемой упаковки от различных товаров. Методика исследования базируется на применении воссоздаваемых результатов в ходе серии экспериментов и при математическом моделировании. Результатом является модификация автомата, которая с точки зрения практической значимости позволяет, сохраняя общую стоимость технического проекта, улучшать ряд характеристик Sortomat. Так, в качестве сенсоров в Sortomat выбраны камеры, позволяющие получать видеосигнал. Это значительно дешевле применения более сложных устройств анализа объекта, но позволяет добиться в большинстве случаев аналогичного качества распознавания. Для оптимизации использования вычислительных ресурсов применяются оптимизатор Adam и циклическое обучение. Это позволило уменьшить вес файла, описывающего веса, в два раза без потери качества распознавания (с сохранением уровня количества ошибок первого и второго порядка). При создании датасетов применяются алгоритм поиска области интереса на изображении и мажоритарная система распознавания объекта. Область интереса позволяет значительно снизить объём «бесполезной» информации на входах систем. Это повышает общее качество выборки (присутствуют только искомые объекты). Мажоритарная система позволяет принимать решения в ситуациях, когда объект оказывается похож на два и более объектов из разных классов. Она, методом весовых коэффициентов, определяет достоверность результатов по каждому из датасетов и выносит общий вердикт о принадлежности объекта к классу.

Ключевые слова: Интернет вещей, нейронная сеть глубокого обучения, машинное зрение, область интереса.

Тур Александр Игоревич (Пермь, Россия) – кандидат технических наук, ассистент кафедры «Автоматика и телемеханика» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: tur.aleksandr93@mail.ru).

Кокоулин Андрей Николаевич (Пермь, Россия) – кандидат технических наук, доцент кафедры «Автоматика и телемеханика» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: a.n.kokoulin@at.pstu.ru).

1. Shrestha A., Mahmood A. Review of Deep Learning Algorithms and Architectures // IEEE Access. – 2019. – Vol. 7. – P. 53040–53065. DOI: 10.1109/ACCESS.2019.2912200
2. Efficient Embedded Machine Learning applications using Echo State Networks / L Cerina, M.D. Santambrogio, G. Franco, C. Gallicchio, A. Micheli // Design, Automation & Test in Europe Conference & Exhibition (DATE). – 2020. – P. 1299–1302. DOI: 10.23919/DATE48585.2020.9116334
3. Roberto Saracco. TinyML: a glimpse into a future of Massive Distributed AI // IEEE Future Directions. – January 2021. – URL: https://cmte.ieee.org/futuredirections/2021/01/25/tinyml-a-glimpse-into-a-future-of-massive-distributed-ai/ (дата обращения: 04.04.2021).
4. Ibrahim A., Valle M. Real-Time Embedded Machine Learning for Tensorial Tactile Data Processing // IEEE Transactions on Circuits and Systems I: Regular Papers. – Nov. 2018. – Vol. 65, no. 11. – P. 3897–3906. DOI: 10.1109/TCSI.2018.2852260
5. Powering the IoT through embedded machine learning and LoRa / V.M. Suresh, R. Sidhu, P. Karkare, A. Patil, Z. Lei, A. Basu // 4th World Forum on Internet of Things (WF-IoT). – Singapore, 2018. – P. 349–354. DOI: 10.1109/WF-IoT.2018.8355177
6. Integrating machine learning in embedded sensor systems for Internet-of-Things applications / J. Lee, M. Stanley, A. Spanias, C. Tepedelenlioglu // International Symposium on Signal Processing and Information Technology (ISSPIT). – Limassol, 2016. – P. 290–294. DOI: 10.1109/ISSPIT.2016.7886051
7. Andrade L., Prost-Boucle A., Pétrot F. Overview of the state of the art in embedded machine learning // Design, Automation & Test in Europe Conference & Exhibition (DATE). – Dresden, 2018. – P. 1033–1038, DOI: 10.23919/DATE.2018.8342164
8. Soldatos John. The Embedded Machine Learning Revolution: The Basics You Need to Know // Информационный портал Wevolver. – URL: https://www.wevolver.com/article/the-embedded-machine-learning-revolution-the-basics-you-need-to-know (дата обращения: 04.04.2021).
9. Beverage Container Collecting Machine Project / A.I. Tur, A.N. Kokoulin, A.A. Yuzhakov, S.V. Polygalov, A.S. Troegubov, V.N. Korotaev // IOP Conf. Series: Earth and Environmental Science. – 2019. – Vol. 317. – Art. 012006. – 9 p.
10. Szegedy Christian. Intriguing properties of neural networks. – URL: https://arxiv.org/pdf/1312.6199.pdf
11. Hierarchical Convolutional Neural Network Architecture in Distributed Facial Recognition System / A.I. Tur, A.N. Kokoulin, A.A. Yuzhakov, A.I. Knyazev // Proceedings of the 2019 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). – 2019. – P. 1–5.
12. Akhmetzyanov K.R., Yuzhakov A.A. Waste Sorting Neural Network Architecture Optimization // Proceedings 2019 International Russian Automation Conference (RusAutoCon). – 2019. – P. 1–5.
13. Kokoulin A.N., Kiryanov D.A. The Optical Subsystem for the Empty Containers Recognition and Sorting in a Reverse VendingMachine // 4th International Conference on Smart and Sustainable Technologies, SpliTech. – 2019 (статья No 8782990).
14. Kokoulin, A.N.,Yuzhakov, A.A.,Tur, A.I.,Knyazev, A.I. The optical method for the plastic waste recognition and sorting in a reverse vending machine // International Multidisciplinary Scientific GeoConference Surveying Geology and Mining Ecology Management, SGEM. – 2019. – 19(4.1). – P. 793–800.
15. Kokoulin A., May I., Kokoulina A. Image Processing Methods in Analysis of Component Composition and Distribution of Dust Emissions for Environmental Quality Management // Proceedings of 10th  International Conference on Large-Scale Scientific Computations (LSSC); Bulgarian Acad Sci, Sozopol, BULGARIA. – 2015. – Jun. 08–12. – Vol. 9374. – P. 352–359.
16. Supriya Suresh & Subaji Mohan. ROI-based feature learning for efficient true positive prediction using convolutional neural network for lung cancer diagnosis // Neural Computing and Applications. – 2020.
17. Тур А.И., Кокоулин А.Н., Дзыгарь А.В. Иерархическая система поиска и распознавания штрихкода на повреждённой таре в автомате раздельного сбора отходов // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2019. – № 29. – С. 44–57.
18. Clay D. Spence, John C. Pearson, Jim Bergen. Coarse-to-Fine Image Search Using Neural Networks. – URL: https://papers.nips.cc/paper/982-coarse-to-fine-image-search-using-neural-networks.pdf
19. Cheng Lei, Yee-Hong Yang. Optical Flow Estimation on Coarse-to-Fine Region-Trees using Discrete Optimization. – URL: https://cs.brown.edu/courses/cs296-4/Papers/2010/iccv2009_201.pdf
20. Кулаков И.Ю., Вологин Д.А., Пикалов В.В. Многосеточный алгоритм в задаче веерной ROI-томографии // Теория и численные ме-тоды решения обратных и некорректных задач: материалы V Междунар. молодеж. науч. шк.-конф. (Новосибирск, 8–13 октября 2013 г.). – Новосибирск, 2013.
21. End to end learning for self-driving cars / M. Bojarski [et al.] // arXiv preprint arXiv:1604.07316. – 2016.
22. Bekey G.A., Goldberg K.Y. (eds.). Neural networks in robotics // Springer Science & Business Media. – 2012. – Vol. 202.
23. Quantization and training of neural networks for efficient integer-arithmetic-only inference / B. Jacob [et al.] // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. – 2018. – P. 2704–2713.
24. Han S., Mao H., Dally W.J. Deep compression: Compressing deep neural networks with pruning, trained quantization and huffman coding // arXiv preprint arXiv:1510.00149. – 2015.
25. Low-bit quantization of neural networks for efficient inference / Y. Choukroun [et al.] // 2019 IEEE/CVF International Conference on Computer Vision Workshop (ICCVW). IEEE. – 2019. – P. 3009–3018.

Управление качеством нефтепродуктов является важнейшим условием обеспечения стабильной работы нефтеперерабатывающих предприятий. Основными критериями при контроле технологического процесса являются время определения отклонений оптимальных значений параметров, а также достоверность получаемых данных при анализе технологического процесса. Цель исследования: разработка виртуального анализатора управления качеством процесса атмосферной перегонки товарной нефти. Методы: рассмотрены три основных метода контроля качества на предмет соответствия критериям времени определения отклонений оптимальных значений параметров и достоверности получаемых данных: проведение анализов в химических лабораториях, применение поточных анализаторов и применение виртуальных анализаторов. Последний метод является наиболее перспективным, кроме прочего, в связи с тем, что интеграция виртуального анализатора в технологический процесс не требует больших затрат. Результаты: принцип работы виртуальных анализаторов заключается в непрерывном анализе требуемого показателя качества по математической модели, которая описывает функциональную зависимость с текущими значениями измеряемых технологических переменных. Таким образом, виртуальный анализатор позволяет оценивать не само качество компонентов технологического процесса, а непосредственно необходимые показатели качества продукта по таким измеряемым параметрам технологического процесса, как температура, давление, расход, которые непрерывно контролируются современными системами управления. Для создания математической модели автоматизированной системы управления процессом атмосферной перегонки товарной нефти были получены статистические данные параметров технологического процесса, предположительно имеющих влияние на показатель качества, а также лабораторные данные по качеству целевого продукта. Также был произведен расчет системы регулирования температурой и давлением куба колонны, показаны основные характеристики процесса, определены показатели качества товарной нефти. Практическая значимость: внедрение виртуального анализатора управления качеством технологического процесса атмосферной перегонки товарной нефти позволит повысить его эффективность.

Ключевые слова: виртуальный анализатор, регрессионный анализ, управление качеством, автоматизированная система регулирования, процесс атмосферной перегонки товарной нефти.

Шулаева Екатерина Анатольевна (Стерлитамак, Россия) – кандидат технических наук, доцент кафедры «Автоматизированные технологические и информационные системы» филиала Уфимского государственного нефтяного технического университета в Стерлитамаке (453118, Республика Башкортостан, Стерлитамак, пр. Октября, 2, e-mail: eshulaeva@mail.ru).

Павлов Владимир Борисович (Стерлитамак, Россия) – кандидат физико-математических наук, доцент кафедры «Оборудование нефтехимических заводов» филиала Уфимского государственного нефтяного технического университета в Стерлитамаке (453118, Республика Башкортостан, Стерлитамак, пр. Октября, 2, e-mail: vb_pavlov@mail.ru).

1. Гурьева Е.М., Кольцов А.Г. Применение виртуальных анализаторов для определения качества нефтепродуктов. – Омск: Изд-во ОмГТУ, 2016. – № 1. – С. 1–2.
2. Тугашева Л.Г. Виртуальные анализаторы показателей качества процесса ректификации // Электротехнические и информационные комплексы и системы. – 2013. – № 3. – С. 98–99.
3. Исследование моделей виртуальных анализаторов массообменного технологического процесса ректификации / Г.Б. Диго, Н.Б. Диго, И.С. Можаровский, А.Ю. Торгашов // Моделирование систем. – 2011. – № 4. – С. 384–387.
4. Мусаев А.А. Виртуальные анализаторы: концепция построения и применения в задачах управления непрерывными технологическими процессами // Автоматизация в промышленности. – 2003. – № 8. – С. 1–2.
5. Орлова И.В. Экономико-математические методы и модели: компьютерное моделирование: учеб. пособие. – М.: Вузовский учебник, 2007. – С. 170–207.
6. Khan R.M. Problem solving and data analysis using minitab: a clear and easy guide to six sigma methodology. – Wiley, 2013. – P. 344–406.
7. Shultz D.S., Krainov A.Y. Mathematical modeling of SHS process in heterogeneous reactive powder mixtures // Computer Research and Modeling. – 2011. – Vol. 3. – Р. 147–153.
8. Vasenin I.M., Krainov A.Y., Isaychenkov A.B. Mathematical modeling of drying of coal particles in the gas stream // Computer Research and Modeling. – 2012. – Vol. 4, no. 2. – Р. 357–367.
9. Tokarev S.M. Mathematic modeling of thermal distillation of water in film flowing under vacuum // Computer Research and Modeling. – 2013. – Vol. 5, no. 2. – Р. 205–211.
10. Shevlyakov G.L. Robust correlation: theory and applications. – 2016. – P. 10–32.
11. Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике: учеб. пособие для вузов. – 9-е изд. – М.: Высшая школа, 2004. – С. 190–206.
12. Гмурман В.Е. Теория вероятностей и математическая статистика. – 9-е изд., стер. – М.: Высшая школа, 2003. – С. 176–184.
13. Lobasov A.S., Minakov A.V. Numerical simulation of heat and mass transfer processes in microchannels using CFD-package σFlow // Computer Research and Modeling. – 2012. – Vol. 4, no. 4. – P. 781–792.
14. Koteleva N.I., Shablonsky I.E., Koshkin A.V. Computer training simulator for instructionof oil and gas technological processes operators:the analysis of existing decisions and the wayof their improvement // Journal of mining institute. – 2011. – Vol. 192. – P. 212–215.
15. Shulaeva E.A., Pavlov V.B. Multi-criteria optimization of the process of electrolytic alkali's evaporation in order to develop a resource-saving chemical-technological system // IOP Conference Series: Materials Science and Engineering chapter. – 2020. – 734(1). – P. 012121(1–5). DOI: 10.1088/1757-899X/734/1/012121
16. Шулаева Е.А., Павлов В.Б. Разработка метода многокритериальной оптимизации технологического процесса выпаривания электролитической щелочи с целью создания ресурсосберегающей химико-технологической системы // Естественные и технические науки. – 2019. – № 11(137). – С. 418–421.
17. Себер Дж. Линейный регрессионный анализ. – М.: Мир, 1980. – С. 48–94.
18. Кафтанников И.Л., Парасич А.В. Проблемы формирования обучающей выборки в задачах машинного обучения // Вестник ЮУрГУ. Сер. Компьютерные технологии, управление, радиоэлектроника. – 2016. – № 3. – С. 15–23.
19. Демиденко Е.З. Линейная и линейная регрессия. – М.: Финансы и статистика, 1981. – С. 5–14.
20. Шулаева Е.А., Павлов В.Б. Разработка усовершенствованной системы управления технологическими процессами на основе нейросетевого моделирования с целью создания ресурсосберегающей химико-технологической системы // Естественные и технические науки. – 2019. – № 12(138). – С. 328–330.
21. Grudiaeva E.K., Dushin S.E., Kuz'min N.N. Dynamic models of controlled biochemical wastewater treatment processes // Известия высших учебных заведений. Приборостроение. – 2015. – Т. 58, № 9. – С. 732–737. DOI: 10.17586/0021-3454-2015-58-9-732-737
22. Grudiaeva E.K., Dushin S.E. Logical-dynamic control of biochemical processes of wastewater treatment // Известия высших учебных заведений. Технические науки. – 2015. – 7(168). – P. 208–219.
23. Smirnov N.V., Novikov P.I. Computer simulation of the process of bio-purification with a piecewise constant hourly flow of wastewater // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные, технологии, системы управления. – 2017. – № 24. – С. 134–149.
24. Shulaeva E.A., Pavlov V.B., Burdov A.E. Simulation of the fuel gas and raw material supply system to the furnace of the atmospheric oil distillation unit and development of a computer training software // Journal of Physics: Conference Series. – 2020. – 1679(1). – P. 022093(1–6). DOI: 10.1088/1742-6596/1679/2/022093
25. Shulaeva E.A., Valitov D.R., Kubryak A.I. Simulation of the gas fractionating unit of depropanization system and development of a computer training software // Journal of Physics: Conference Series. – 2020. – 1691(1). – P. 012144 (1–7). DOI: 10.1088/1742-6596/1691/1/012144

Актуальность и цели: сегментация речь/пауза является одной из важнейших задач обработки в речевых приложениях и представляет собой обнаружение границ начала и окончания вокализованной, невокализованной речи и пауз. Точность сегментации особенно важна при анализе зашумленной речи, так как от уровня окружающего шума зависит работоспособность практически всех речевых приложений. Целью работы является повышение эффективности сегментации речь/пауза зашумленных речевых сигналов на основе метода декомпозиции на эмпирические моды. Материалы и методы: в работе использовалась уникальная технология адаптивного разложения нестационарных сигналов – улучшенная полная множественная декомпозиция на эмпирические моды с адаптивным шумом. Программная реализация способа была выполнена
в среде математического моделирования © MatLab (MathWorks). Результаты: разработан помехоустойчивый способ сегментации речь/пауза на основе применения декомпозиции на эмпирические моды на этапе предварительной обработки и последующего анализа количества пересечения сигнала через нулевую ось и кратковременной энергии речи. Особенностью разработанного сопосба является формирование набора новых исследуемых сигналов, содержащих максимально достоверную информацию о границах начала и окончания информативных участков зашумленной речи. Выводы: проведено исследование, в рамках которого оценивалось влияние метода декомпозиции и длительности исследуемых фрагментов на эффективность сегментации зашумленной речи. В соответствии с результатами исследований отмечается снижение ошибок 1-го и 2-го рода в среднем на 2,3 и 2,6 % соответственно при разных отношениях сигнал/шум (от 20 до –5 дБ с шагом 5 дБ) зашумленной речи. Помехоустойчивый способ сегментации речь/пауза может успешно тестироваться
в интеллектуальных системах оценки психоэмоционального состояния человека в реальных условиях «агрессивной» шумовой обстановки.

Ключевые слова: обработка речи, зашумленные речевые сигналы, сегментация речи, вокализованная и невокализованная речь, декомпозиция на эмпирические моды.

Алимурадов Алан Казанферович (Пенза, Россия) – кандидат технических наук, доцент кафедры «Радиотехника и радиоэлектронные системы» Пензенского государственного университета (440026, Пенза, ул. Красная, 40, e-mail: alansapfir@yandex.ru).

1. Рабинер Л.Р., Шафер Р.В. Цифровая обработка речевых сигналов: пер. с англ. – М.: Радио и связь, 1981. – 496 c.
2. Atal B., Rabiner L.R. A pattern recognition approach to voiced unvoiced-silence classification with applications to speech recognition // IEEE Trans. Acoust. Speech Signal Process. – 1976. – Vol. 24, № 3. – P. 201–212.
3. Separation of Voiced and Unvoiced Using Zero Crossing Rate and Energy of the Speech Signal / R.G. Bachu, S. Kopparthi, B. Adapa, B.D. Barkana // American Society for Engineering Education (ASEE) Zone Conference Proceedings. – Pittsburgh, USA, 2008. – P. 1–7.
4. Huang X., Acero A., Hon H.-W. Spoken Language Processing. Guide to Algorithms and System Developmen. – New Jersey: Prentice Hall, 2001. – 980 p.
5. Yang J., Li Z., Su P. Review of speech segmentation and endpoint detection // Journal of Computer Applications. – 2020. – Vol. 40, № 1. – P. 1–7.
6. Childers D.G., Hand M., Larar J.M. Silent and voiced/unvoied/ mixed excitation (four-way), classification of speech // IEEE Transaction on ASSP. – 1989. – Vol. 37, № 11. – P. 1771–1774.
7. Reliable mute model and speech activity detection in speaker logs / D.-Z. Yang, J.-M. Xu, J. Liu, S.-H. Xia // Journal of Zhejiang University (Engineering Science). – 2016. – Vol. 50, № 1. – P. 151–157.
8. Duda R.O., Hart P.E., Strok D.G. Pattern Classification. – 2nd ed. – New Jersey: A Wiley-Interscience Publ. John Wiley & Sons, Inc., 2001. – 688 p.
9. Martin A., Charlet D., Mauuary L. Robust speech/non-speech detection using LDA applied to MFCC // 2001 IEEE International Conference on Acoustics, Speech, and Signal Processing. Proceedings (Cat. No.01CH37221) (ICASSP2001) (May 7–11, 2001). – Salt Lake City, UT, USA. – Vol. 1. – P. 237–240.
10. Jiang N., Liu T. An improved speech segmentation and clustering algorithm based on SOM and k-means // Mathematical Problems in Engineering. – 2020. – Vol. 2020. – 19 p.
11. Automated analysis of connected speech reveals early biomarkers of Parkinson’s disease in patients with rapid eye movement sleep behaviour disorder / J. Hlavnička, R. Čmejla, T. Tykalová, K. Šonka, E. Růžička, J. Rusz // Scientific Reports. – 2017. – Vol. 7(12). – 13 p.
12. Zheng G. Speech endpoint recognition algorithm based on wavelet coefficient variance // 2020 5th International Conference on Smart Grid and Electrical Automation (ICSGEA) (June 13–14, 2020). – Zhangjiajie, China. – P. 226–230.
13. Schuller B.W., Batliner A.M. Computational Paralinguistics: Emotion, Affect and Personality in Speech and Language Processing. – New York: Wiley, 2013. – P. 344.
14. Повышение точности измерения частоты основного тона на основе оптимизации процесса декомпозиции речевых сигналов на эмпирические моды / А.К. Алимурадов, Ю.С. Квитка, П.П. Чураков, А.Ю. Тычков // Измерение. Мониторинг. Управление. Контроль. – 2018. – № 4(26). – С. 53–65.
15. Алимурадов А.К. Исследование частотно-избирательных свойств методов декомпозиции на эмпирические моды для оценки частоты основного тона речевых сигналов // Труды МФТИ. – 2015. – Т. 7, № 3. – С. 56–68.
16. Алимурадов А.К., Тычков А.Ю. Применение метода декомпозиции на эмпирические моды для исследования вокализованной речи в задаче обнаружения стрессовых эмоций человека // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2020. – № 3(35). – С. 7–29.
17. Фант Г.К. Акустическая теория речеобразования / пер. с англ. Л.А. Варшавского и В.И. Медведева; науч. ред. В.С. Григорьева. – М.: Наука, 1964. – 284 с.
18. Greenwood M.A., Kinghorn A. SUVing: automatic silence/unvoiced/voiced classification of speech. Undergraduate Coursework, Department of Computer Science, the University of Sheffield, UK, 1999. – 4 p.
19. Saha G., Chakroborty S., Senapat S. A new silence removal and endpoint detection algorithm for speech and speaker recognition applications // Eleventh National Conference on Communications (NCC-2005) (Jan. 28–30, 2005). – Kharagpur, India. – P. 51–61.
20. Huang, N.E., Zheng Sh., Steven R.L. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis // Proceedings of the Royal Society of London. – 1998. – A 454. – P. 903–995.
21. Zhaohua W., Huang N.E. Ensemble empirical mode decomposition: A noise-assisted data analysis method // Advances in Adaptive Data Analysis. – 2009. – № 1(1). – P. 1–41.
22. Yeh J.-R., Shieh J.-S., Huang N.E. Complementary ensemble empirical mode decomposition: A novel noise enhanced data analysis method // Advances in Adaptive Data Analysis. – 2010. – № 2(2). – P. 135–156.
23. A complete Ensemble Empirical Mode decomposition with adaptive noise / M.E. Torres, M.A. Colominas, G. Schlotthauer, P. Flandrin // IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP-11) (May 22–27, 2011). – Prague, Czech Republic, 2011. – P. 4144–4147.
24. Colominasa M.A., Schlotthauera G., Torres M.E. Improved complete ensemble EMD: a suitable tool for biomedical signal processing // Biomed. Signal Proces. – 2014. – Vol. 14. – P. 19–29.
25. Алимурадов А.К., Фокина Е.А., Журина А.Е. Исследование влияния длительности анализируемых речевых сигналов на частотно-избирательные свойства декомпозиции на эмпирические моды // Новые информационные технологии и системы: сб. науч. ст. XVI Междунар. науч.-техн. конф. (г. Пенза, 27–29 ноября 2019 г.). – Пенза: Изд-во ПГУ, 2019. – С. 201–205.
26. Improvement of the Efficiency of Voice Control Based on the Complementary Ensemble Empirical Mode Decomposition / A.K. Alimu­radov, P.P. Churakov, A.Yu. Tychkov, I.I. Artemov, A.V. Kuzmin // International Siberian Conference on Control and Communications (SIBCON 2016) (May 12–14, 2016). – Russia, Moscow, 2016. – 6 p.

В настоящее время для управления сложными, нелинейными, многосвязными объектами популярно использование нетрадиционных принципов регулирования, к которым прежде всего относятся регуляторы, основанные на принципах нечеткого управления (fuzzy controller). Использование нечетких регуляторов для управления более простыми объектами оправданно, если они сами входят в качестве подсистем в сложную комплексную систему. Одна из таких систем – система автоматического регулирования (САР) расхода воды в трубопроводе между двумя технологическими емкостями. Так как в реальных трубопроводах присутствуют сложные физические процессы, параметры которых неочевидны, использование нечеткого регулятора оправданно даже при автономном регулировании расхода.  Одной из проблем нечеткого регулирования является отсутствие разработанных процедур синтеза параметров регулятора, подобных синтезу ПИД-регулятора. Цель исследования: разработать методику синтеза параметров функций принадлежности для нечеткого регулятора, эквивалентного ПИД-регулятору, для САР расхода жидкости между двумя технологическими емкостями. Методы: разработка базы правил нечеткого регулятора и синтез его параметров для САР расхода на основе параметров классического ПИД-регулятора. Результаты: для учета характеристик и особенностей системы управления был произведен синтез объекта управления – сетевой насос. Проектирование регуляторов было осуществлено в среде разработки LabVIEW c использованием библиотеки Control Design and Simulation. Классический ПИД-регулятор выступает в роли эталонной модели, построенной на основе синтеза системы. На основе эталонного ПИД-регулятора был разработан эквивалентный ему нечеткий регулятор. При этом рассмотрена методика формального синтеза параметров такого нечеткого регулятора. Было выявлено расхождение в поведении систем, возникающее вследствие «лобового» применения дефаззификации. Предложено усложнение правил для коррекции этой ошибки. По результатам моделирования было показано, что регулятор на нечеткой логике не уступает в качестве управления классическому ПИД-регулятору.

Ключевые слова: нечеткое управление, ПИД-регулятор, технический оптимум, LabView, интегральное насыщение.

Шмидт Игорь Альбертович (Пермь, Россия) – кандидат технических наук, доцент кафедры «Микропроцессорные средства автоматизации» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: shmidt-ia@yandex.ru).

Калинин Иван Алексеевич (Пермь, Россия) – студент Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: iv.kalinin1990@yandex.ru).

Пономарева Наталья Александровна – студентка Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: ttnpnm@yandex.ru).

1. Курской Ю.С. Особенности измерений в реальных динамических системах // Энергосбережение. Энергетика. Энергоаудит. – 2013. – № 4(100). – С. 64–71.
2. Павловская О.О. Теория автоматического управления. Ч.2: Нелинейные системы: учеб. пособие. – Челябинск: Изд. центр ЮУрГУ. – 2011. – С. 90.
3. Wescott T. PID Without a PhD // Wescott Design Services. – 2009. – P. 29.
4. Чернецкая И.В., Чернецкий В.О. Нечеткие регуляторы в системах автоматического регулирования // Вестник ЮУрГУ. Сер. Компьютерные технологии, управление, радиоэлектроника. – 2006. – № 14(69). – С. 156–159.
5. Цветков В.Я. Сложные технические системы // Образовательные ресурсы и технологии. – 2017. – № 3(20). – С. 86–91.
6. Costa, Bruno & Costa, J & Bezerra, Clauber & Guedes, Luiz Affonso & Oliveira, H. Java fuzzy logic toolbox for industrial process control // XVIII Congresso Brasileiro de Automática. – 2010. – P. 207–214.
7. Ignatyev Vladimir & Finaev V.I. The use of hybrid regulator in design of control systems // World Applied Sciences Journal. – 2013. – № 23. – P. 1291–1297. DOI: 10.5829/idosi.wasj.2013.23.10.13144
8. Ahmed M. Ahmed., Amr Ali-Eldin, Mohamed S. Elksasy, Faiz F. Areed. Brushless DC Motor Speed Control using both PI Controller and Fuzzy PI Controller // International Journal of Computer Applications. – 2015. – № 109. – P. 29–35. DOI: 10.5120/19227-0933
9. Nnochiri U. Comparison Study between Fuzzy Logic Controller (FLC) and Proportional-IntegralDerivative (PID) in Controlling of Liquid Flow // International Journal of Engineering and Technical Research (IJETR). – 2014. – № 2.
10. Sabri, Laith & Al-mshat, Hussein. Implementation of Fuzzy and PID Controller to Water Level System using LabView // International Journal of Computer Applications. – 2015. – № 116. – P. 6–10. DOI: 10.5120/20378-2599
11. Хижняков Ю.Н. Алгоритмы нечеткого, нейронного и нейро-нечеткого управления в системах реального времени: учеб. пособие. Пермь: Изд-во ПНИПУ, 2013.
12. Пенской И.С., Рогозин О.В. Нейронечеткий ПИД-регулятор в задаче угловой стабилизации мультироторного БПЛА // Новые информационные технологии в автоматизированных системах. – 2018. – № 21. – С. 320–327.
13. Первушина Н.А., Доновский Д.Е., Хакимова А.Н. Разработка методики синтеза нейронечеткого регулятора с настройкой генетическим алгоритмом // Фундаментальные исследования. – 2018. – № 4(27). – С. 82–90.
14. Мунасыпов Р.А., Ахмеров К.А. Методика оптимизации нечеткого регулятора с помощью генетических алгоритмов // Фундаментальные исследования. – 2015 – № 2–15. – С. 3275–3280.
15. Дивеев А.И., Пупков К.А., Софронова Е.А. Синтез системы управления – задача тысячелетия // Вестник РУДН. Сер. Инженерные исследования. – 2011. – № 2. – С. 113–124.
16. Гаджиев Ф.Г. Об одном подходе к построению и аппроксимации функций принадлежности // Universum: технические науки. – 2018. – № 5(50).
17. Есилевский В.С., Кузнецов В.Н., Уварова Л.В. Минимизация энергозатрат на управление насосными станциями путем использования регуляторов с нечеткой логикой // Сантехника. Водоснабжение. Водоотведение. – 2009. – № 1. – С. 64–70.
18. Система нечетко-нейронного управления канализационной насосной станцией с использованием генетических алгоритмов / В.Н. Кузнецов, В.С. Есилевский, С.В. Дядюн, А.В. Белогурова // Sciencerise. – 2015. – Т. 6, № 2(11). – С. 26–29.
19. Даденков Д.А., Шиляев Д.В. Сравнительный анализ методов синтеза систем регулирования скорости микроприводов постоянного тока // Вестник ПНИПУ. Электротехника, информационные технологии, системы управления. – 2013. – № 7. – С. 74–82.
20. Колесников В.Л., Бракович А.И., Жук Я.А. Фазификация и дефаззификация данных при решении многокритериальных задач // Труды БГТУ. Сер. 3. Физико-математические науки и информатика. – 2014. – № 6(170). – С. 125–127.
21. Простой регулятор на базе нечеткой логики. Создание и настройка: petuhoff. – 7 июня 2018, 17:21. – URL: https://habr.com/ru/post/413539/
22. Бурцев М.В., Поворознюк А.И. Выбор функций принадлежности для описания симптомокомплексов в комбинированном решающем правиле // Вестник НТУ ХПИ. – 2010. – № 31. – С. 10–15.
23. Носов Г.В., Колчанова В.А., Кулешова Е.О. Теоретические основы электротехники: учеб. пособие. Ч. 2 // Национальный исследовательский Томский политехнический университет. − Томск: Изд-во Томск. политехн. ун-та, 2012. – С. 202.
24. Денисенко В.В. ПИД-регуляторы: вопросы реализации // СТА. – 2007. – № 4. – С. 86–97.
25. Astrom K.J., Hagglund T. Advanced PID control // The Instrumentation, Systems, and Automation Society. – 2006.
26. Олсон Г., Пиани Д. Цифровые системы автоматизации и управления. – СПб.: Невский диалект, 2001. – 557 с.
27. Visioli A. Practical PID Control. – Springer. – 2006. – P. 314.

В процессе управления техническими системами часто возникают задачи принятия решений. Для повышения эффективности и достоверности процедуры принятия решений задачи должны быть автоматизированы и основываться на объективных знаниях о сфере функционирования системы. Процедуры принятия решений в таких системах обычно являются многокритериальными, это значит, что для принятия решения необходимо учесть множество факторов. Введение такого параметра, как важность критериев, позволяет использовать универсальные методы принятия решений в различных системах, по-разному учитывая критерии, от которых это решение зависит. Численное определение важности критериев для автоматического принятия решений в сложных технических системах в настоящее время является актуальной задачей. Это связано с развитием систем мониторинга и диагностики как средств повышения эксплуатационной надежности систем управления и их элементов. При неверно принятых решениях в системах диагностики под угрозу ставится работоспособность диагностируемой системы. Целью исследования является разработка метода численного определения важности критериев для принятия решений в многокритериальных задачах. Методы и результаты исследования: проведён сравнительный анализ существующих методик численного определения важности критериев, обнаружены их недостатки, обозначена актуальность решаемой проблемы. Разработана методика численного определения важности критериев применительно к рассматриваемой предметной области – технической диагностики. На примере реальной задачи распределения диагностической нагрузки между автономными элементами встроенной системы тестового диагностирования был определён набор критериев и характеристик, для которых произведен численный расчёт.
В заключении проанализированы результаты применения разработанной методики, описаны направления дальнейших исследований.

Ключевые слова: надежность, безотказность, ремонтопригодность, диагностика, критерии, важность критерия.

Клейман Лев Александрович (Пермь, Россия) – аспирант кафедры «Автоматика и телемеханика», младший научный сотрудник Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр-кт, 29, e-mail: smarttty@yandex.ru).

1. Фролов Н.А. Анализ проблем управления сложными организационно-техническими системами // Вестник Оренбург. гос. ун-та – 2007. – № 6. – C. 27–32.
2. Юркова Т.М. К проблеме многокритериального выбора в системах принятия решений // НиКа. – 2008. – № 2. – С. 333–335.
3. Бойко А.А., Дягтерёв И.С. Метод оценки весовых коэффициентов элементов организационно-технических систем // Системы управления, связи и безопасности. – 2018. – № 2.
4. Zaritskyi O., Pavlenko P., Classification of decision-making information models as a part of aircraft control system // 4th International Conference on Methods and Systems of Navigation and Motion Control (MSNMC). – October, 2016. – P. 228–231. DOI: 10.1109/MSNMC.2016.7783149
5. Hubka V., Eder W. Theory of Technical Systems, A Total Concept Theory for Engineering Design // Springer-Verlag. – 1988. – C. 270.
6. Повышение надёжности функционирования элементов информационно-управляющих систем с применением встроенных средств диагностирования / Л.А. Клейман, В.И. Фрейман, Е.Л. Кон [и др.] // Вестник Поволж. гос. технолог. ун-та. Сер. Радиотехнические и инфокоммуникационные системы. – 2019. – № 3. – С. 29–40. DOI: 10.25686/2306-2819.2019.3.29
7. Харебов В.Г., Бородин Ю.П., Шапорев В.А. Система комплексного диагностического мониторинга опасных производственных объектов // Техническое регулирование. Управление рисками, промышленная безопасность, контроль и мониторинг: сб. материалов междунар. конф.; 03–06 октября. – М., 2006. – 492 с.
8. Fault diagnostics between different type of components: A transfer learning approach / X. Li, Y. Hu, M. Li [et al.] // Applied Soft Computing. – 2020. – Vol. 86. – P. 1–11. DOI: 10.1016/j.asoc.2019.105950
9. Фрейман В.И. Методы обработки и количественной оценки результатов диагностирования элементов систем управления распределенными инфраструктурами // Известия СПбГЭТУ «ЛЭТИ». – 2018. – № 1. – С. 83–94.
10. Лобов Б.Н., Белокопытов С.Л., Ким Р.А. Метод равнозначных критериев и его применение для выбора конструкции дугогасительного устройства // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. – 2004. – № 1. – С. 32–36.
11. Noghin V.D. Relative importance of criteria: a quantative approach // Journal of Multi-Criteria Decision Analysis. – 1997. – Vol. 6. – P. 355–363.
12. Подиновский В.В. Введение в теорию важности критериев в многокритериальных задачах принятия решений. – М.: Физматлит, 2007. – 64 с.
13. Saaty T.L. Relative Measurement and its Generalization in Decision Making: Why Pairwise Comparisons are Central in Mathematics for the Measurement of Intangible Factors – The Analytic Hierarchy/Network Process // RACSAM (Review of the Royal Spanish Academy of Sciences, Series A, Mathematics). – 2008. – Vol. 102. – № 2. – P. 251–318.
14. Consensus Modeling in Multiple Criteria Multi-expert Real Options-Based Valuation of Patents / A. Barbazza, M. Collan, M. Fedrizzi [et al.] // Intelligent Systems. Advances in Intelligent Systems and Computing. – 2014. – Vol. 322. DOI: 10.1007/978-3-319-11313-5_25
15. Гуцыкова С.В. К вопросу согласованности экспертных оценок профессионально важных качеств // Знание. Понимание. Умение. – 2009. – № 4. – С. 200–204.
16. Соколов Д.С., Попукайло В.С. Особенности применения Q-критерия Диксона для обнаружения выбросов в экспериментальных данных // Вестник Приднестров. ун-та. Сер. Физико-математические и технические науки. Экономика и управление. – 2017. – № 3. – С. 140–144.
17. Miao Z., Jiang X. Weighted Iterative Truncated Mean Filter // IEEE Transactions on Signal Processing. – 2013. – Vol. 61. – № 16. – P. 4149–4160. DOI: 10.1109/TSP.2013.2267739
18. Рупосов В.Л. Методы определения количества экспертов // Вестник ИрГТУ. – 2015. – № 3. – С. 1–7.
19. Edwards W., Barron F.H., Smarts and Smarter: Improved Simple Methods for Multiattribute Utility Measurement // Organizational Behavior and Human Decision Processes. – 1994. – Vol. 60, iss. 3. – P. 306–325.
20. ГОСТ 20911-89. Техническая диагностика. Термины и определения. – М.: Изд-во стандартов, 1990.
21. Фрейман В.И. К вопросу о проектировании и реализации элементов и устройств распределенных информационно-управляющих систем // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2019. – № 30.
22. Kleiman L.A., Freyman V.I. Improving the functioning reliability of the information management system elements, using built-in diagnostic tools // Radio Electronics, Computer Science, Control. – 2021. – № 1. – P. 158–171. DOI: 10.15588/1607-3274-2021-1-16
23. Карамов Д.Н., Наумов И.В., Пержабинский С.М. Математическое моделирование отказов элементов электрической сети (10 кВ) автономных энергетических систем с возобновляемой распределенной генерацией // Известия Томск. политехн. ун-та. Инжиниринг георесурсов. – 2018. – № 7. – С. 116–130.
24. Марюхненко В.С. Показатели надежности информационных управляющих систем с аппаратными и информационными отказами как комплексные функции времени // Вестник СГАУ. – 2009. – № 2. – C. 143–149.
25. Карпов Ю.Г., Трифонов П.В. Сложность алгоритмов и программ // Компьютерные инструменты в образовании. – 2007. – № 6. – C. 3–10.

Рассмотрено комбинированное резервирование логических элементов программируемых логических интегральных схем (ПЛИС) для обеспечения высокой надежности цифровой аппаратуры критического применения. С учетом ограничений Мида–Конвея по количеству последовательно соединенных транзисторов показано, что глубокое мажоритирование с частичным расчетверением является более предпочтительным по сравнению с чистым резервированием.
В случае жестких ограничений по времени задержки наиболее эффективным будет являться мажоритирование в сочетании с расчетверением. Представленные расчеты целесообразно выполнять в предлагаемой опции «Анализ надёжности» САПР Quartus фирмы Intel. Наиболее целесообразно использовать транзисторное резервирование в мажоритарных схемах, схемах сравнения по модулю два в дублированных системах, диагностических и конфигурационных контроллерах. В оперативных запоминающих устройствах (LUT) транзисторное резервирование рекомендуется в выходных каскадах, чтобы при отказе одной половины информация передавалась на выход для использования хотя бы части функциональности. Часть LUT небольшой разрядности целесообразно полностью охватить транзисторным резервированием, чтобы использовать их в качестве эталона, например, в диагностических процедурах. Цель исследования: экспериментальное подтверждение концепции и теоретических основ масштабирования надёжности ПЛИС на основе гибридной избыточности. Методы: теория вероятностей, комбинирование избыточности, синтез масштабируемой по надёжности архитектуры логики ПЛИС. Результаты: методика масштабирования элементов ПЛИС по заданным требованиям позволяет создавать структурную схему надежности с различными вариантами отказоустойчивости, и выбрать вариант, удовлетворяющий заданным требованиям. Практическая значимость: полученные оценки сложности в количестве транзисторов позволяют рассчитывать вероятность безотказной (бессбойной) работы и другие показатели надёжности ПЛИС.

Ключевые слова: транзисторное резервирование, ПЛИС, гибридная избыточность,
надёжность.

Греков Артем Владимирович (Пермь, Россия) – кандидат технических наук, доцент кафедры «Программное обеспечение вычислительной техники и автоматизированных систем» Пермского военного института войск национальной гвардии Российской Федерации (614112, Пермь, ул. Гремячий Лог, 1, e-mail: grekartemvl@mail.ru).

1. Война шестого поколения: радиоэлектронная борьба [Электронный ресурс]. – URL: https://bumerang777.livejournal.com/1324477.html (дата обращения: 26.02.2021).
2. El-Maleh A.H., Al-Yamani A., Al-Hashimi B.M. Transistor-Level Defect Tolerant Digital System Design at the Nanoscale. Research Proposal Submitted to Internal Track Research Grant Programs [Электронный ресурс]. – URL: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.474.3844&rep=rep1&type=pdf (дата обращения: 12.02.2021).
3. Тюрин С.Ф. Проблема сохранения функциональной полноты булевых функций при «отказах» аргументов // Автоматика и телемеханика. – 1999. – № 9. – С. 176–186.
4. Греков А.В., Тюрин С.Ф. Повышение надежности электронных регуляторов авиадвигателей на основе инновационных логических элементов // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2018. – № 25. – С. 177–188.
5. Греков А.В. Масштабирование надежности ПЛИС // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2021. – № 1. – С. 165–173.
6. Tyurin S.F. Investigation of a Hybrid Redundancy in the Fault-Tolerant Systems // Radio Electronics, Computer Science, Control. – 2019. – № 2. – P. 23–33. DOI: 10.15588/1607-3274-2019-2-3
7. Tyurin S. A Quad CMOS gates checking method // International Journal of Computing. – 2019. – Vol. 18, iss. 3. – P. 258–264.
8. Tyurin S.F., Grekov A.V. Functionally Complete Tolerant Elements // International Journal of Applied Engineering Research. – 2015. – Vol. 10, № 14. – P. 34433–34442.
9. Weibull W. A statistical distribution function of wide applicability [Электронный ресурс]. – URL: https://pdfs.semanticscholar.org/88c3/7770028e7ed61180a34d6a837a9a4db3b264.pdf. (дата обращения: 12.01.2021).
10. ГОСТ 27.002–2015. Надежность в технике. Основные понятия. Термины и определения. – Введ. 2017–03–01. – М.: Стандартинформ, 2016. – 23 с.
11. ГОСТ Р 51901.14-2007 (МЭК 61078:2006). Менеджмент риска. Структурная схема надежности и булевы методы [Электронный ресурс]. – URL: http://docs.cntd.ru/document/1200065647 (дата обращения: 11.02.2021).
12. Intel Reliability Report [Электронный ресурс]. – URL: https://www.intel.com/content/dam/www/programmable/us/en/pdfs/literature/rr/rr.pdf (дата обращения: 10.02.2021).
13. Carver A. Mead, Lynn Conway. Introduction to VLSI Systems [Электронный ресурс]. – URL: http://ai.eecs.umich.edu/people/conway/VLSI/ VLSIText/PP-V2/V2.pdf (дата обращения: 12.01.2021).
14. Kamenskih A.N., Tyurin S.F. The optimization of energy-efficiency and reliability using complex redundancy in computing systems // Radio Electronics, Computer Science, Control. – 2018. – № 3. – P. 135–142.
15. Иванова К.М., Скорнякова А.Ю. Алгоритм выбора оптимального набора конфигурируемых строго самосинхронных логических элементов // Вестник Пермского университета. Сер. Математика. Механика. Информатика. – 2020. – № 3(50). – С. 85–90.
16. Иванова К.М., Скорнякова А.Ю. Алгоритм оптимизации комплекта конфигурируемых строго самосинхронных генераторов логических функций для заданных параметров систем функций // Наноиндустрия. – 2020. – Т. 13. – № S4 (99). – С. 334–336.
17. Иванова К.М., Тюрин С.Ф., Скорнякова А.Ю. Программа выбора оптимального набора строго самосинхронных логических элементов: св-во о регистр. программы для ЭВМ 2020666738, 16.12.2020; заявка № 2020660893 от 22.09.2020.
18. ГОСТ 20911-89. Техническая диагностика. Термины и определения. – М.: Стандартинформ, 2009. – 11 с.
19. Tyurin S.F. LUT's Sliding Backup // IEEE transactions on device and materials reliability. – Mar. 2019. – Vol. 19, iss. 1. – P. 221–225. DOI: 10.1109/TDMR.2019.2898724
20. Тюрин С.Ф. Особенности архитектуры гиперфлекс // Вестник Воронежского гос. ун-та. Сер. Системный анализ и информационные технологии. – 2018. – № 1. – С. 56–62.
21. Тюрин С.Ф., Чудинов М.А. FPGA LUT с двумя выходами декомпозиции по Шеннону // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2019. – № 29. – С. 136–147.
22. Tyurin S.F., Grekov A.V. Study of the multy input LUT complexity // Radio Electronics, Computer Science, Control. – 2018. – № 1. – P. 14–21. DOI: 10.15588/1607-3274-2018-1-2
23. Tyurin S.F. Green Logic: Green LUT FPGA Concepts, Models and Evaluations // Green IT Engineering: Concepts, Models, Complex Systems Architectures, Studies in Systems, Decision and Control / V. Kharchenko, Y. Kondratenko, J. Kacprzyk (Eds.). – XIV. – 355 p; Berlin, Heidelberg: Springer International Publishing. – 2017. – P. 241–261. DOI: 10.1007/978-3-319-55595-9_12
24. Тюрин С.Ф., Вихорев Р.В. Адаптивный логический модуль ПЛИС с архитектурой FPGA // Вестник Рязан. гос. радиотехн. ун-та. – 2018. – № 63. – С. 69–76.
25. Хаханов В.И. Инфраструктура диагностического обслуживания SoC [Электронный ресурс] // Вестник Томск. ун-та. – 2008. – № 4(5). – URL: http://sun.tsu.ru/mminfo/000063105/inf/05/image/05-074.pdf (дата обращения: 05.05.2019).
26. Парфентий А.Н., Хаханов В.И., Литвинова Е.И. Модели инфраструктуры сервисного обслуживания цифровых систем на кристаллах // АСУ и приборы автоматики. – 2007. – Вып. 138. – С. 83–99.

Процессы приготовления однородных по составу смесей порошкообразных материалов применяются во многих отраслях промышленности. Цель исследования: рассматривается применение для смешивания порошковых материалов электромагнитных вращателей. В таких электромагнитных аппаратах в качестве рабочих тел выступают ферромагнитные активные элементы. Под действием вращающегося магнитного поля ферромагнитные элементы распределяются по всему объему рабочей камеры и совершают вращательное движение вокруг оси, увлекая частицы перемешиваемых дисперсных материалов. Преимуществами электромагнитных вращателей являются малые размеры, высокая надежность и простота управления процессом перемешивания. Обзор литературных источников показал, что помимо перемешивания порошковых
и мелкозернистых материалов электромагнитные вращатели могут обеспечивать выполнение целого ряда других технологических операций: измельчение и диспергирование сыпучих материалов, очистка поверхности изделий, абразивная обработка поверхности заготовок и изделий, упрочнение поверхностей, перемешивание пульп и суспензий, гомогенизация топлива и др. Расширение сфер применения таких аппаратов делает актуальными их моделирование и исследование с целью развития их теории. Методы и результаты исследований: предлагается математическая модель электромагнитного вращателя. На основе решения уравнений электромагнитного поля в цилиндрических координатах получены выражения для электромагнитных усилий, действующих в магнитном поле на элементарные ферромагнитные частицы. Анализ таких выражений позволяет объяснить поведение рабочих тел в рассматриваемых аппаратах и получить рекомендации по выбору параметров аппарата. В частности, для улучшения качества перемешивания порошков рекомендуется использовать двухполюсный индуктор. В таком индукторе обеспечивается распределение рабочих тел по всему объему рабочей камеры. В случае многополюсных индукторов возрастает влияние сил магнитного притяжения, и в центре рабочей камеры ферромагнитные элементы отсутствуют. Для проверки теоретических выводов и детального изучения процессов перемешивания порошков в электромагнитных вращателях выполнены исследования опытных установок. Эксперименты проводились как при отсутствии порошков в рабочей зоне, так и при наличии порошков. Результаты таких исследований подтверждают теоретические выводы. В то же время сложность физических процессов в рассматриваемых аппаратах указывает на необходимость продолжения их исследований.

Ключевые слова: электромагнитные смесители порошков, ферромагнитные активные элементы, математическая модель, результаты исследований.

Коняев Андрей Юрьевич (Екатеринбург, Россия) – доктор технических наук, профессор кафедры «Электротехника» Уральского федерального университета (УрФУ) им. первого Президента России
Б.Н. Ельцина (620002, Екатеринбург, ул. Мира, 19, e-mail: a.u.konyaev@urfu.ru).

Багин Дмитрий Николаевич (Екатеринбург, Россия) – кандидат технических наук, профессор Военно-учебного центра УрФУ (620002, Екатеринбург, ул. Комсомольская, 62, e-mail: bagin19@ mail.ru).

1. Макаров Ю.И. Аппараты для смешения сыпучих материалов. − М.: Машиностроение, 1973. − 215 с.
2. Гарабажиу А.А. Интенсификация процессов перемешивания сухих сыпучих материалов в современных конструкциях смесителей // Строительная наука и техника (Беларусь). − 2010. − № 4. − С. 27–42.
3. Логвиненко Д.Д., Шеляков О.П. Интенсификация технологических процессов в аппаратах с вихревым слоем. – Киев: Техника, 1976. – 143 с.
4. Вершинин И.Н., Вершинин Н.П. Аппараты с вращающимся электромагнитным полем. – Сальск–Москва: Передовые технологии XXI века, 2007. – 368 с. 
5. Вершинин Н.П. Установки активации процессов. – Ростов-н/Д: Инноватор, 2004. – 96 с.
6. Беззубцева М.М., Волков В.С. Исследование смесителя с магнитоожиженным слоем ферромагнитных тел // Известия Санкт-Петербург. гос. аграрного ун-та. – 2020. – № 59. – С. 129–134.
7. Пат. 2319546 Рос. Федерация, МПК51 B02C 19/00. Способ магнитомеханического измельчения материалов ферромагнитными мелющими телами / Борисков Ф.Ф., Борисков Д.Ф., Филатов А.Л., Мотовилов В.А., Парамонов Л.А.; заяв. и патентообл. Институт электрофизики УрО РАН. – 2005134598/03, заявл. 08.11.05; опубл. 20.03.08. Бюл. № 8. – 5 с.
8. Кочубей А.А., Лебедев В.А. Эффективность применения вращающегося магнитного поля для отделочно-упрочняющей обработки деталей летательных аппаратов // Аэрокосмическая техника, высокие технологии и инновации. – 2015. – Т. 1. – С. 175–178.
9. Мищенко М.В., Боков М.М., Гришаев М.Е. Активация технологических процессов обработки материалов в аппаратах с вращающимся электромагнитным полем // Фундаментальные исследования. – 2015. – № 2. – С. 3508–3512.
10. Гиль Н.А., Жаров В.П., Смехунов Е.А. Факторы конструктивной оптимизации процессов в аппаратах вихревого слоя // Вестник Дон. гос. техн. ун-та. – 2015. – Т. 15, вып. 3. – С. 73–80.
11. Company GlobeCore. Vortex Layers Machine ABC-100. – URL: www.globecore.de; www.globecore.ru (дата обращения: 19.04.2021).
12. May F. Possible uses of vortex layer systems // Global Recycling. – 2020. – Vol. 6, iss. 1. – P. 48–51.
13. Куимов Д.Н., Павленко А.В., Белов А.В. Электромеханический преобразователь со вторичной дискретной частью в системах обработки нефти и нефтепродуктов // Известия высших учебных заведений. Электромеханика. – 2017. – № 5. – С. 39–46.
14. Данилина Э.М., Володин Г.И., Бреславец В.П. Потери энергии на вихревые токи в электромагнитных аппаратах вихревого слоя и способы их снижения // Известия высших учебных заведений. Электромеханика. – 2014. – № 1. – С. 43–47.
15. Milykh V.I., Shilkova L.V. Numerical-Field Calculation of the Angle Torque Characteristic of the Three-Phase Inductor of the Magnetic Field of the Electromagnetic Stirrer in Processing Dissimilar Mixtures // Problemele energeticii regionale. – 2019. – № 1–2(42). – P. 55–64. DOI: 10.5281/zenodo.3239174
16. А. с. SU 1023573 A1. МКИ H 02 K 41/025. Линейный индукционный аппарат / Шинкаренко В.Ф., Попков В.С., Славинский И.Л.; заяв. № 3384131 от 23.11.1981; опубл. 15.06.1983. Бюл. № 22.
17. А. с. SU 1713634 A1. МКИ B 01 F 13/08. Индукционный аппарат / Шульга В.Г., Шинкаренко В.Ф., Попков В.С., Баранник А.М.; заяв. № 4690941 от 12.05.1989; опубл. 23.02.1992. Бюл. № 7.
18. Поливанов К.М. Теоретические основы электротехники. – М.: Энергия, 1975. – Т. 3. – 208 с.
19. Тамм И.Е. Основы теории электричества. – 11-е изд. – М.: Наука: ФИЗМАТЛИТ, 2003. – 616 с.
20. Аполлонский С.М. Дифференциальные уравнения математической физики в электротехнике. – СПб.: Питер, 2012. – 352 с.
21. Laithwait E.R. Induction machines for special purposes. – New York: Chemical Publishing Co, 1966. – 337 р.
22. Вольдек А.И., Попов В.В. Электрические машины. Электрические машины переменного тока. – СПб.: Питер, 2007. – 350 с.

Внедрение различных по мощности объектов генерации на основе возобновляемых источников энергии и технологий гибких управляемых электропередач переменного тока значительно изменяет динамические свойства электроэнергетических систем, что приводит к необходимости проведения мероприятий по обеспечению надежности их функционирования. Данные мероприятия могут заключаться в использовании возможностей новых внедряемых объектов или в адаптации традиционных средств, к которым, в частности, относятся автоматические регуляторы возбуждения синхронных генераторов. Цель исследований заключалась в обосновании необходимости осуществления настройки автоматических регуляторов возбуждения, наиболее адекватной реальным условиям их функционирования в составе энергосистем с возобновляемыми источниками энергии и технологиями гибких электропередач переменного тока, а также
в разработке необходимых для этого средств в составе «всережимного моделирующего комплекса реального времени электроэнергетических систем». Для проведения исследований использовались метод математического моделирования энергосистем и отдельные положения концепции гибридного моделирования для формирования и разработки необходимых программно-аппаратных средств. Результатом исследования является комплексная оценка достоверности результатов моделирования, получаемых с помощью разработанных средств, которая позволяет заключить о возможности их применения. Практическая значимость выполненных исследований состоит в дальнейшем использовании разработанных средств в составе гибридного моделирующего комплекса, позволяющего достаточно полно и достоверно воспроизводить современные энергосистемы с возобновляемыми источниками энергии и технологиями гибких электропередач переменного тока, для формирования концепции и методики настройки автоматических регуляторов возбуждения, учитывающих особенности функционирования подобных энергосистем.

Ключевые слова: электроэнергетическая система, возобновляемые источники энергии, технологии FACTS, математическое моделирование, автоматический регулятор возбуждения, настройка, гибридное моделирование.

Аскаров Алишер Бахрамжонович (Томск, Россия) – аспирант отделения электроэнергетики и электротехники Инженерной школы энергетики Национального исследовательского Томского политехнического университета (634050, Томск, пр. Ленина, 30, e-mail: aba7@tpu.ru).

Андреев Михаил Владимирович (Томск, Россия) – кандидат технических наук, доцент, доцент отделения электроэнергетики
и электротехники Инженерной школы энергетики Национального исследовательского Томского политехнического университета (634050, Томск, пр. Ленина, 30, e-mail: andreevmv@tpu.ru).

Чикишев Евгений Михайлович (Тюмень, Россия) – кандидат технических наук, доцент кафедры эксплуатации автомобильного транспорта Института транспорта Тюменского индустриального университета (625000, Тюмень, ул. Володарского, 38, e-mail: chikishev_e@mail.ru).

Суворов Алексей Александрович (Томск, Россия) – кандидат технических наук, доцент отделения электроэнергетики и электротехники Инженерной школы энергетики Национального исследовательского Томского политехнического университета (634050, Томск,
пр. Ленина, 30, e-mail: suvorovaa@tpu.ru).

Рудник Владимир Евгеньевич (Томск, Россия) – аспирант отделения электроэнергетики и электротехники Инженерной школы энергетики Национального исследовательского Томского политехнического университета (634050, Томск, пр. Ленина, 30, e-mail: ver3@tpu.ru).

1. Шескин Е.Б. Проблемы использования потенциала возобновляемых источников энергии для регулирования частоты в электрических системах // Известия НТЦ Единой энергетической системы. – 2019. – № 1(80). – С. 97–104.
2. Ахмедов С.Б., Климов П.Л. Влияние распределенной генерации на базе возобновляемых источников энергии с использованием силовой электроники на резонанс на гармонических частотах // Вестник Иркутск. гос. техн. ун-та. – 2020. – Т. 24, № 1(150). – С. 97–111. DOI: 10.21285/1814-3520-2020-1-97-111
3. Елпидифоров В.Ю. Авария в энергосистеме Великобритании, приведшая к масштабному отключению электроэнергии в августе 2019 года // Электроэнергия. Передача и распределение. – 2020. – № 1 (58). – С. 152–159.
4. Overview of emerging subsynchronous oscillations in practical wind power systems / J. Shair, X. Xie, L. Wang, W. Liu, J. He, H. Liu // Renewable and Sustainable Energy Reviews. – 2019. – Vol. 99. – P. 159–168. DOI: 10.1016/j.rser.2018.09.047
5. Li Y., Fan L., Miao Z. Replicating Real-World Wind Farm SSR Events // IEEE Transactions on Power Delivery. – 2020. – Vol. 35, № 1. – P. 339–348. DOI: 10.1109/TPWRD.2019.2931838
6. Subsynchronous Interaction Between Direct-Drive PMSG Based Wind Farms and Weak AC Networks / H. Liu, X. Xie, J. He, T. Xu, Z. You, C. Wang, C. Zhang // IEEE Transactions on Power Systems. – 2017. – Vol. 32, № 6. – P. 4708–4720. DOI: 10.1109/TPWRS.2017.2682197
7. Лямов А.С., Смоловик С.В., Солодянкин С.А., Тупицина А.Л., Шишкин А.С. Исследование влияния быстродействующих устройств режимного регулирования на показатели устойчивости // Известия НТЦ единой энергетической системы. – 2018. – № 1 (78). – С. 35–44.
8. Stability and control of power systems with high penetrations of inverter-based resources: An accessible review of current knowledge and open questions / R.W. Kenyon, M. Bossart, M. Marković, K. Doubleday, R. Matsuda-Dunn, S. Mitova, S.A. Julien, E.T. Hale, B.-M. Hodge // Solar Energy. – 2020. – Vol. 210. – P. 149–168. DOI: 10.1016/j.solener.2020.05.053
9. Liu J., Miura Y., Ise T. Comparison of Dynamic Characteristics Between Virtual Synchronous Generator and Droop Control in Inverter-Based Distributed Generators // IEEE Transactions on Power Electronics. – 2016. – Vol. 31, № 5. – P. 3600–3611. DOI: 10.1109/TPEL.2015.2465852
10. Yazdi S.S.H., Milimonfared J., Fathi S.H. Adaptation of VSC-HVDC connected DFIG based offshore wind farm to grid codes: A comparative analysis // International Journal of Renewable Energy Development. – 2019. – Vol. 8, № 1. – P. 91–101. DOI: 10.14710/ijred.8.1.91-101
11. Гуриков О.В., Зеленин А.С., Кабанов Д.А. Разработка методики настройки системных стабилизаторов зарубежного типа с использованием частотных методов анализа // Электрические станции. – 2015. – № 12 (1013). – С. 9–17.
12. Седойкин Д.Н., Юрганов А.А. Новая структура канала стабилизации режима синхронного генератора и общие принципы его настройки на основе нечеткого аппроксиматора // Известия НТЦ Единой энергетической системы. – 2016. – № 1 (74). – С. 67–74.
13. Коган Ф.Л. Особенности сильного регулирования возбуждения синхронных генераторов в сложной энергосистеме // Электрические станции. – 2019. – № 7 (1056). – С. 27–35.
14. Илюшин П.В., Куликов А.Л. Особенности реализации автоматики управления режимами энергорайонов с объектами распределительной генерации // Релейная защита и автоматизация. – 2019. – № 3(36). – С. 14–23.
15. Rezkalla M., Pertl M., Marinelli M. Electric power system inertia: requirements, challenges and solutions // Electrical Engineering. – 2018. – Vol. 100. № 4. – P. 2677–2693. DOI: 10.1007/s00202-018-0739-z
16. Анализ влияния возобновляемых источников энергии с силовыми преобразователями на процессы в современных энергосистемах / Н.Ю. Рубан, А.Б. Аскаров, М.В. Андреев, А.В. Киевец, В.Е. Рудник // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2020. – № 36. – С. 7–30. DOI: 10.15593/2224-9397/2020.4.01
17. Темгеневская Т.В. Выбор настроек АРВ-СД в многомашинной электроэнергетической системе // Труды Братск. гос. ун-та. Сер. Естественные и инженерные науки. – 2015. – Т. 1. – С. 105–109.
18. Булатов Ю.Н., Крюков А.В. Применение генетических алгоритмов для настройки автоматических регуляторов установок распределенной генерации // Информационные и математические технологии в науке и управлении. – 2016. – № 2. – С. 30–45.
19. Есипович А.Х., Кабанов Д.А. Технология настройки цифровых АРВ сильного действия отечественной структуры // Известия НТЦ единой энергетической системы. – 2016. – № 1 (74). – С. 113–126.
20. Аскаров А.Б., Суворов А.А., Андреев М.В. Применение Всережимного моделирующего комплекса для энергосистем с распределенной генерацией // Вестник Иркутск. гос. техн. ун-та. – 2019. – Т. 23, № 1 (144). – С. 75–89. DOI: 10.21285/1814-3520-2019-1-75-89
21. Generic Dynamic Models for Modeling Wind Power Plants and Other Renewable Technologies in Large-Scale Power System Studies / P. Pourbeik, J.J. Sanchez-Gasca, J. Senthil, J.D., Weber P.S. Zadehkhost, Y. Kazachkov, S. Tacke, J. Wen, A. Ellis // IEEE Transactions on Energy Conversion. – 2017. – Vol. 32, № 3. – P. 1108–1116. DOI: 10.1109/TEC.2016.2639050
22. A Multi-Rate Co-Simulation of Combined Phasor-Domain and Time-Domain Models for Large-Scale Wind Farms / Y. Li, D. Shu, F. Shi, Z. Yan, Y. Zhu, N. Tai // IEEE Transactions on Energy Conversion. – 2020. – Vol. 35, no. 1. – P. 324–335. DOI: 10.1109/TEC.2019.2936574
23. Концепция и базовая структура всережимного моделирующего комплекса / М.В. Андреев, Ю.С. Боровиков, А.С. Гусев, А.О. Сулайманов, А.А. Суворов, Н.Ю. Рубан, Р.А. Уфа // Газовая промышленность. – 2017. – № 5 (752). – С. 18–27.
24. Крылова И.А., Кавалеров Б.В., Чабанов Е.А. Модель синхронного генератора с учетом насыщения магнитной цепи в среде MATLAB/SIMULINK для исследования автоматических регуляторов // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2017. – № 24. – С. 178–191.
25. Данеев А.В., Данеев Р.А., Сизых В.Н. Моделирование многофазных синхронных машин в различных системах координат // Известия Самар. науч. центра Рос. акад. наук. – 2020. – Т. 22, № 4(96). – С. 104–115. DOI: 10.37313/1990-5378-2020-22-4-104-115

Погружные асинхронные электродвигатели находятся среди основных типов привода, используемого в установках электроприводных центробежных насосов. Данные о коэффициенте мощности двигателя в каталогах приводятся при номинальном напряжении на его клеммах. Однако в условиях промышленной эксплуатации напряжение на клеммах двигателя, как правило, отличается от номинального. Это приводит к изменению коэффициента мощности и должно учитываться при расчете параметров режима электротехнического комплекса. Цель: разработка методики расчета, которая позволяет оценить изменение коэффициента мощности двигателя
в зависимости от напряжения на его клеммах. Результаты: предложена методика идентификации параметров схемы замещения электрического двигателя на основании каталожных нагрузочных характеристик двигателя. На основе результатов моделирования построены поверхности отклика коэффициента мощности двигателя в зависимости от напряжения на клеммах и загрузки двигателя для различных моделей двигателей. Результаты расчетов показывают, что снижение напряжения на клеммах двигателя имеет положительный эффект с точки зрения уменьшения потерь в кабельной линии только при загрузке двигателя 30 % и ниже. Увеличение напряжения на клеммах двигателя позволяет снизить потери в кабеле при загрузке двигателя от 45 %. Получены полиномы, описывающие полученные поверхности отклика. Практическая значимость: полученные в результате исследования зависимости позволяют повысить точность моделирования погружных асинхронных электродвигателей, работающих в составе электротехнического комплекса нефтяного месторождения. При помощи разработанных моделей возможно выполнить исследования влияния номинального скольжения двигателей на характер изменения их коэффициента мощности.

Ключевые слова: электротехнический комплекс, погружной электродвигатель, коэффициент мощности, моделирование электрических режимов.

Мишуринских Сергей Владимирович (Пермь, Россия) – аспирант кафедры «Микропроцессорные средства автоматизации» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: mishurinskikh_sv@pstu.ru).

Петроченков Антон Борисович (Пермь, Россия) – доктор технических наук, заведующий кафедрой «Микропроцессорные средства автоматизации» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29,
e-mail: pab@msa.pstu.ru).

1. Takacs G. Electrical Submersible Pumps Manual: Design, Operations and Maintenance. – Burlington, MA: Gulf Professional Publishing, 2009. – 440 p. 
2. Pillay P. Practical Consideration in Applying Energy Efficient Motors in the Petrochemical Industry // IEEE, PCIC-95-21. – September, 1995.
3. Антонов М.В., Герасимова Л.С. Технология производства электрических машин: учеб. пособие для вузов. – М: Энергоиздат, 1982. – 512 c.
4. Табачникова Т.В. Оптимизация режимов работы электротехнического комплекса предприятий нефтедобывающей промышленности: автореф…дис. канд. техн. наук. – СПб., 2006. – С. 24.
5. Сибикин Ю.Д. Основы электроснабжения объектов: учеб. пособие. – 3-е – изд., стер. – Москва; Берлин: Директ-Медиа, 2020. – 328 с.
6. Development of methods for modeling of oil and gas producing enterprises electrotechnical complexes / A.V. Romodin, D.Y. Leyzgold, S.V. Mishurinskikh, N.V. Pavlov, A.S. Semenov // Journal of Physics: Conference Series. – 2021. – Vol. 1886. – Art. 012003. – 7 p. (Scopus).
7. Petrochenkov A.B., Romodin A.V., Mishurinskikh S.V. Practical aspects of modeling of the oil and gas producing enterprises electrotechnical complexes // IOP Conference Series: Materials Science and Engineering. – 2019. – Vol. 643. – Art. 012115. – 6 p. – URL: https://iopscience.iop.org/article/10.1088/1757-899X/643/1/012115. Title from screen. DOI: 10.1088/1757-899X/643/1/012115.
8. Скважинные насосные установки для добычи нефти / В.Н. Ивановский, В.И. Дарищев, А.А. Сабиров, В.С. Каштанов, С.С. Пекин. – М.: Изд-во «Нефть и газ» РГУ нефти и газа им. И.М. Губкина, 2002. – 824 с.
9. Вайнштейн Р.А., Коломиец Н.В., Шестакова В.В. Математические модели элементов электроэнергетических систем в расчетах установившихся режимов и переходных процессов: учеб. пособие. – Томск: Изд-во Томск. политехн. ун-та, 2010. – 115 с.
10. Гридин В.М. Расчет характеристик асинхронных двигателей по каталожным данным // Электричество. – 2018. – № 9. – С. 44–48. DOI: 10.24160/0013-5380-2018-9-44-48
11. Рабинович Р.С. Автоматическая частотная разгрузка энергосистем. – 2-е изд., перераб. и доп. – М.: Энергоатомиздат, 1989. – 352 с.
12. Москаленко В.В. Электрический привод: учебник для студ. высш. учеб. заведений. – М.: Академия, 2007. – 368 с.
13. Бурков А.Ф., Юрин В.Н., Аветисян В.Р. Исследование асинхронных двигателей с целью определения возможностей повышения их энергетических показателей // Вестник Гос. ун-та морского и речного флота им. адм. С.О. Макарова. – 2018. – Т. 10, № 3. – С. 619–628. DOI: 10.21821/2309-5180-2018-10-3-619-6
14. Бекиров Э.А., Воскресенская С.Н., Абибуллаев А.Н. Зависимость скольжения, мощности и вращающего момента асинхронных машин от частоты сети при переходном режиме работы // Строительство и техногенная безопасность. – 2018. – № 11. – С. 161–170.
15. Соловьев В.А. Расчет характеристик трехфазного асинхронного двигателя: метод. указания к самостоят. работе студ. по дис. «Электротехника и электроника», «Основы электропривода». – М.: Изд-во МГТУ им. Н.Э. Баумана, 2014. – 44 с.
16. Калинов А.П., Огарь В.А. Характеристики асинхронных двигателей с учетом нелинейности кривой намагничивания // Вестник КДПУ. – 2006. – С. 226–229.
17. Experience in Developing a Physical Model of Submersible Electrical Equipment for Simulator Systems: Research and Training Tasks on the Agenda of a Key Employer [Электронный ресурс] / A.B. Petrochenkov, A.V. Romodin, S.V. Mishurinskikh, V.V. Seleznev, V.A. Shamaev // Proceedings of 2018 XVII Russian Scientific and Practical Conference on Planning and Teaching Engineering Staff for the Industrial and Economic Complex of the Region (PTES); Saint Petersburg, Russia, Nov. 14–15, 2018; IEEE Russia North-West section. – Saint Petersburg Electrotechn. Univ. LETI; IEEE, 2018. – P. 114–117. – URL: https://ieeexplore.ieee.org/document/8604169. DOI 10.1109/PTES.2018.8604169
18. Погружные насосные системы: каталог продукции [Электронный ресурс]. – URL: https://www.novometgroup.com/rus/products-and-services/artificial-lift/electrical-submersible-pumping-systems/standard-esp/ (дата обращения: 30.12.2020).
19. Аникин В.В. Методика и средства предварительной идентификации параметров модели послеремонтных регулируемых погружных асинхронных электродвигателей: дис. канд. техн. наук: 05.09.01, 05.09.03. – Ханты-Мансийск, 2020. – 182 с.
20. Определение эксплуатационных параметров погружных асинхронных электродвигателей по идентификационным параметрам Т-образной схемы замещения / В.З. Ковалев, Р.Н. Хамитов, Е.М. Кузнецов, В.В. Аникин, В.О. Бессонов // Омск. науч. вестник. Электротехника. Энергетика. – 2018. – № 6. – С. 36–40. DOI: 10.25206/1813-8225-2018-162-36-40
21. Гуревич Ю.Е., Либова Л.Е., Окин А.А. Расчеты устойчивости и противоаварийной автоматики в энергосистемах. – М.: Энергоатомиздат, 2009. – 309 с.
22. Воронин В.А. О допустимых отклонениях напряжения для асинхронных двигателей // Россия молодая: материалы VIII Всерос. науч.-практ. конф. молодых ученых с междунар. участ. / Кузбас. гос. техн. ун-т им. Т.Ф. Горбачева. – Кемерово, 2016.
23. Браславский И.Я. Энергосберегающий асинхронный электропривод: учеб. пособие для вузов. – М.: Академия, 2004. – 202 c.
24. Электрические машины: машины переменного тока:учебник / А.И. Вольдек, В.В. Попов [и др.]. – СПб.: Питер, 2008. – 349 с.
25. Ключев В.И. Теория электропривода: учеб. для вузов. – 2-е изд. перераб. и доп. – М.: Энергоатомиздат, 1998. – 704 с.

На настоящий момент существует проблема обеспечения надежности работы электрических машин с целью увеличения срока ее эксплуатации. Применяются различные методы оценки технического состояния машин. Наибольший интерес представляют методы неразрушающего контроля состояния, поскольку невмешательство в конструкцию машины позволит продолжить ее эксплуатацию после проведения планово-предупредительных работ. Таким образом, снижается финансовая нагрузка на предприятие, так как чем дольше машина выполняет свои функции, тем меньше средств потратит организация на ее ремонтные работы и переоснащение. Со временем, в ходе использования, оборудование стареет и постепенно приходит в негодность, что может привести к аварийным ситуациям на производстве. Эта проблема с каждым годом становится все более актуальной не только в России, но и во всем мире. Цель исследования: исследовать возможности определения дефекта в синхронной машине на раннем этапе его появления с целью своевременного ремонта оборудования. Методы: рассматривается реализация метода оценки технического состояния синхронной машины с помощью вейвлет-анализа на примере: простых гладких сигналов из одной и двух синусоид; переходного процесса опыта внезапного симметричного короткого замыкания в синхронном турбогенераторе ТТК-50-2УЗ-П. Исследования проводились с применение программной среды LabVIEW. Результаты: исследования на примере гладких простых сигналов позволили выработать ряд рекомендаций при анализе вейвлетов реальных электрических машин. Исследования вейвлетов, их срезов и интегральных вейвлет-спектров переходных процессов в опыте внезапного симметричного короткого замыкания синхронного генератора позволили оценить техническое состояние рабочей машины на данный момент времени и выдвинуть гипотезу о наличии в ней дефектов. Практическая значимость: предложенный подход отличается большей объективностью и практичностью, чем другие методы, потому что анализу могут подвергаться электрические машины в рабочем режиме без снятия их с рабочих агрегатов. Вейвлет-анализ в отличие от спектрального анализа позволяет исследовать, кроме прочего, быстропротекающие переходные процессы.

Ключевые слова: синхронный турбогенератор, вейвлет-анализ, оценка технического состояния, переходные процессы, внезапное симметричное короткое замыкание, диагностика неисправностей.

Колпакова Марина Алексеевна (Пермь, Россия) – студентка Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: KolpMA@yandex.ru).

Заборовцев Евгений Андреевич (Пермь, Россия) – студент Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29); ПАО «Пермская научно-производственная приборостроительная компания», Служба главного технолога, Конструкторское бюро сервоэлектроприводов
(КБ СЭП), инженер-конструктор (614990, Пермь, ул. 25 Октября, 106, e-mail: zbrvtsv@ya.ru).

Чабанов Евгений Александрович – кандидат технических наук, доцент кафедры «Электротехника и электромеханика» Пермского национального исследовательского политехнического университета (614990, Пермь, Комсомольский пр., 29, e-mail: ceapb@mail.ru).

1.           Попов В.В. Электрические машины: введение в электромеханику: машины постоянного тока и трансформаторы: учебник для вузов по направл. подготовки «Электротехника, электромеханика и электротехнологии» и «Электроэнергетика». – СПб.: Питер, 2008.

2.           Переходные процессы в электроэнергетических системах / И.П. Крючков, В.А. Старшинов, Ю.П. Гусев, М.В. Пираторов; под ред. И.П. Крючкова. – 2-е., изд., стер. – М.: Изд. дом МЭИ, 2009. – 416 с.

3.           Петухов В.С., Соколов В.А. Диагностика состояния электродвигателей. Метод спектрального анализа потребляемого тока // Новости электротехники. – 2005. – №1(31). – С. 50–52.

4.           Диагностика электродвигателей // Новости электротехники. – 2009. – № 3(57).

5.           Sudakov A.I., Chabanov E.A., Shulakov N.V. Novel approaches to analysis of transition processes identification error by probability-statistical methods during sudden symmetric short-circuit tests of synchronous machines // Acta Technica CSAV (Ceskoslovensk Akademie Ved). – 2013. – Vol. 58, № 4. – P. 381–392.

6.           Sudakov A.I., Chabanov E.A. Precise and reliable identification of the transient processes of a powerful synchronous machine by probabilistic statistical methods // Russian Electrical Engineering. – 2015. – Vol. 86,
№ 11. – P. 640–645.

7.           Sudakov A.I., Chabanov E.A., Kamenskikh I.A. The Development of Probabilistic and Statistical Methods for Identification of Noisy Transient Processes of Synchronous Machines // Russian Electrical Engineering. – 2017. – Vol. 88, № 11. – P. 714–719.

8.           Токарев Р.О., Шапошников В.В., Чабанов Е.А. Способы диагностики электрических машин // Автоматизированные системы управления и информационные технологии: материалы всерос. науч.-практ. конф. (г. Пермь, 9–11 июня 2020) в 2 т. – Пермь, Изд-во Перм. нац. исследов. политехн. ун-та, 2020. – Т. 2. – С. 93–99.

9.           Методы неразрушающего контроля [Электронный ресурс]. – URL: https://www.geo-ndt.ru/nerazrush_kontrol_metodi.htm (дата обращения: 15.06.2021).

10.  Спектральный анализ неисправностей синхронной машины / Р.О. Токарев [и др.] // Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления. – 2019. – № 30.

11.  Астафьева Н.М. Вейвлет-анализ: основы теории и примеры применения // Успехи физических наук. – 1996. – Т. 166. – № 11. –
С. 1145–1170.

12.  Павлов А.Н. Вейвлет-анализ и примеры его применения // Известия вузов. ПНД. – 2009. – № 5. – URL: https://cyberleninka.ru/
article/n/veyvlet-analiz-i-primery-ego-primeneniya (дата обращения: 17.06.2021).

13.  Вашкевич М.И., Азаров И.С. Сравнение частотно-временных преобразований: Фурье-анализ, вейвлеты и банки фильтров на основе фазового преобразования // Цифровая обработка сигналов. – 2020. –
№ 2. – С. 13–26.

14.  Яковлев А.Н. Введение в вейвлет-преобразования. – Новосибирск: Изд-во Новосиб. гос. техн. ун-та, 2003. – 104 с.

15.  Хамухин А.А. Итерационный алгоритм вычисления дискретизированного непрерывного вейвлет-преобразования // Вестник компьютерных и информационных технологий. – 2013. – № 3. – С. 9–13.

16.  Полищук В.И., Хамухин А.А. Выявление витковых замыканий обмотки ротора синхронного генератора на основе вейвлет-анализа магнитных потоков рассеяния // Известия Томск. политехн. ун-та. Инжиниринг георесурсов. – 2013. – Т. 323. – № 5.

17.  Вольдек А.И. Электрические машины: учебник для вузов. – 2-е изд., перераб. и доп. – Л.: Энергия, 1974. – 840 с.

18.  Судаков А.И., Чабанов Е.А. Новый подход к исследованию
и идентификации переходных процессов машин: монография. – Пермь: Изд-во Пермь нац. исслед. политехн. ун-та, 2018. – 277.

19.  Reduction of the pull effect of a cylindrical linear synchronous motor / S. Shutemov, E. Сhabanov, A. Shevkunova, A. Shapshal, T. Тalakhadze // The international research conference “Key Trends in Transportation Innovation – 2019”: E3S Web of Conferences 157, 01015 (2020) KTTI-2019 (October 24–26, 2019). – Khabarovsk: Pub. Far Eastern State Transport University, 2019. – URL: https://doi.org/10.1051/e3sconf/202015701015

20.  A cylindrical linear valve electric motor for the executive mechanism of material application research / A.D. Korotaev, A.T. Kluchnikov,
S.A. Lokteev, D.A. Oparin, S.V. Shutemov // International Conference on Electrotechnical Complexes and Systems (ICOECS) (27–30 Oct. 2020). – Ufa, Russia. Pub. IEEE. – 2020. – URL: https://ieeexplore.ieee.org/
document/9278484

21.  Kavalerov B.V., Shutemov S.V., Muha M.M. Experimental Researches of the Cylindrical Linear AC Electronic Motor for the Executive Mechanism for Materials Application // International Ural Conference on Electrical Power Engineering (UralCon) (22–24 Sept. 2020). – Chelyabinsk, Russia. Pub. IEEE. – 2020. – URL: https://ieeexplore.ieee.org/document/9216246