 |
Ученые Пермского Политеха создали «самонастраивающийся» алгоритм, который избавит лифты и электромобили от рывков
Рывки электромобиля возникают из-за системы управления: стандартные алгоритмы не успевают подстроиться под резкие изменения нагрузки. Ученые Пермского Политеха разработали «самонастраивающийся» алгоритм, адаптирующий регулятор к реальным условиям. Точность управления выросла на 14,8%.
Статья опубликована в «Russian Electrical Engineering».
Вы наверняка замечали, как дергается лифт, когда вы заходите с тяжелыми сумками, или как прыгает и гудит стиральная машинка на отжиме. А владельцы электромобилей иногда сталкиваются с тем, что при резком нажатии на газ авто не сразу летит вперед, а сперва будто задумывается и лишь потом дергается с места. И вот что интересно: причина всех этих рывков — не просто в двигателе, а в его системе управления.
Почти во всех современных устройствах — от электросамоката до заводского станка — стоит синхронный двигатель с постоянными магнитами. Внутри него находится ротор — вращающийся столик с магнитами по кругу, и статор — кольцо с электромагнитами вокруг.
Управляет всем этим процессом контроллер — маленький компьютер с алгоритмами, который находится в щитке или спрятан внутри корпуса устройства. Он по очереди включает электромагниты статора, создавая бегущее магнитное поле. Магниты на роторе начинают догонять этот поток и зацепляются за него. За счет этого здесь нет проскальзывания и задержек — а значит, двигатель работает с максимальной точностью: скорость всегда соответствует заданной.
Однако у такой технологии есть ограничение: все алгоритмы рассчитаны на стабильные условия работы — инженеры закладывают в них усредненные параметры, например, что в лифте будет ехать не больше четырех человек или что белье в стиральной машине распределено равномерно. Пока нагрузка остается постоянной, они работают нормально. Но в реальности она может меняться резко и непредсказуемо.
Например, в лифте: сначала едет два человека, а на следующем этаже заходят шесть. Из-за резкого увеличения веса блоку управления требуется время, чтобы скорректировать ток. Пока контроллер подстраивается, возникает задержка, и кабина дергается. В стиральной машине белье сбивается в комок — барабан крутится то с усилием, то свободно, система не успевает среагировать, и машинка начинает прыгать по комнате. В электромобиле при резком нажатии на газ нужна мгновенная мощность. Если контроллер вовремя не распознает запрос, машина либо не разгонится, либо дернется.
И дело тут не только в дискомфорте. Постоянные перепады нагрузки создают ударные воздействия на все движущиеся части техники. Из-за этого быстрее изнашиваются подшипники, ремни, крепления и другие механические элементы. В результате оборудование ломается раньше срока — происходят внезапные остановки и застревания (например, лифта между этажами). К тому же из-за скачков нагрузки мотор потребляет больше электроэнергии, чем нужно для плавной работы.
Для решения этой проблемы ученые Пермского Политеха разработали «самонастраивающийся» алгоритм, который в реальном времени подстраивает настройки регулятора в зависимости от текущей нагрузки на двигатель.
Они научили контроллер не действовать вслепую по заложенной программе, а чувствовать ситуацию: как только условия меняются, алгоритм мгновенно корректирует подачу тока, чтобы мотор работал плавно и мощно без рывков и задержек. Благодаря этому система управления перестает запаздывать с реакцией и успевает подстроиться даже под самые резкие перепады нагрузки.
— Мы добавили в регулятор специальный блок — алгоритм, который работает как «цифровой наблюдатель». Он постоянно следит за разницей между тем, с какой скоростью должен крутиться мотор, и как быстро он крутится на самом деле. Если эта разница появляется, программа сразу добавляет корректирующий сигнал к командам обычного регулятора — так система подстраивается быстрее и точнее, — пояснил Сергей Сторожев, доцент кафедры «Автоматика и телемеханика» ПНИПУ, кандидат технических наук.
Эффективность разработки проверили с помощью компьютерного моделирования. Исследователи сравнили поведение обычного мотора и мотора с новым алгоритмом при резком увеличении нагрузки. Базовые настройки регуляторов сделали одинаковыми.
— При нормальной нагрузке оба контроллера показывают схожие результаты. Но как только условия меняются — например, вес кабины резко вырастает, — классический регулятор начинает терять стабильность, появляются провалы скорости и рывки. Адаптивный регулятор продолжает точно управлять двигателем, быстро и плавно возвращая его к заданным оборотам, — прокомментировал Александр Южаков, заведующий кафедрой «Автоматика и телемеханика» ПНИПУ, профессор, доктор технических наук.
Результаты показали, что качество управления с новым алгоритмом улучшилось на 14,8%. Для систем управления электродвигателями, где каждый процент повышения точности требует сложнейших расчетов и балансировки, это значимый показатель. Даже когда ученые специально ухудшали настройки системы, имитируя нестабильную работу, адаптивный регулятор все равно работал точнее обычного — прирост качества составил 9,6%. Благодаря этому двигатель стал стабильнее удерживать заданную скорость и быстрее реагировать на отклонения, возвращаясь к норме.
Таким образом, алгоритм пермских ученых обеспечивает плавную и точную работу синхронных двигателей при любых режимах. Это значит, что лифты перестанут дергать пассажиров, стиральные машины будут работать тише и стабильнее. При этом для внедрения разработки не нужно менять оборудование — достаточно обновить программу в уже существующем микроконтроллере.
Контактное лицо: Макарова Татьяна Андреевна (написать письмо автору)
Компания: ПНИПУ (все новости этой организации)
Добавлен: 21:58, 12.03.2026
Количество просмотров: 436
Страна: Россия
| Ученый ПНИПУ рассказал о приближающемся июньском звездопаде, ПНИПУ, 06:56, 29.06.2026, Россия |
36 |
| В ночь с 27 на 28 июня люди увидят Июньские Боотиды. Метеоры этого потока втрое медленнее Персеид и оставляют на небе яркие оранжево-желтые линии. Ученый ПНИПУ рассказал, почему гравитация Юпитера «сбивает» комету-прародительницу с курса, как астрономы научились прогнозировать звездопад и как увидеть максимум падающих звезд. |
|
|
|
