SIECI NEURONOWE I METODY UCZENIA MASZYNOWEGO W MODELOWANIU I STEROWANIU AKCELERATORóW CZ?STEK PRZYK?AD WDRO?ENIA KONTROLERA NN W SYSTEMIE CH?ODZENIA FOTOIN?EKTORA W INSTALACJI FAST WIELOPARAMETROWA OCENA WYDAJNO?CI

摘要

G?ównym celem opisanych prac badawczych i wdro?eniowych, by?o opracowanie kontrolera opartego na sieciach neuronowych, dostosowuj?cego ustawienia cz?stotliwo?ci fali zasilaj?cej wn?k? dzia?a elektronowego i mocy ogrzewacza HP tak, aby uzyskiwa? ??dan? cz?stotliwo?? rezonansow?. Dodatkowo, jego zadaniem powinno by? kontrolowanie szybko?ci, z jak? moc RFjest doprowadzana do warto?ci operacyjnej podczas w??czania. Dla ka?dej kandyduj?cej architektury modelu i zestawu danych wej?ciowych przeszkolono kilka indywidualnych sieci, a nast?pnie przetestowano na zestawach wyselekcjonowanych danych. Ze wzgl?du na d?ugie sta?e czasowe przep?ywu wody powrotnej z dzia?a i obecno?? dwóch zmiennych kontrolowanych, zosta? wybrany schemat modelu sterowania predykcyjnego (Model Predictive Control - MPC), w którym model systemu i algorytmy optymalizacji s? u?ywane w celu okre?lenia optymalnej sekwencji przysz?ych dzia?ań kontrolera takich, ?e docelowy stan wyj?cia zostanie osi?gni?ty w jakim? przysz?ym horyzoncie czasowym, Taki schemat jest przydatny do kompensacji opó?nionego zachowania systemu. Ponadto, je?li seria przysz?ych nastaw jest znana z góry, sterownik mo?e dzia?a? wyprzedzaj?co. Zaprezentowane zosta?y wyniki zarejestrowane w procesie regulacji. Rozwa?ono mo?liwo?ci modyfikacji i rozszerzeń sterownika tak, aby ??dana operacyjna moc RF osi?gana by?a bez znacz?cego wzrostu mocy fali odbitej.