ПРИМЕНЕНИЕ НЕЙРОННОЙ СЕТИ ДЛЯ МОДЕЛИРОВАНИЯ ЭЛЕКТРОСТАТИЧЕСКИХ РАЗРЯДОВ В КОМПЬЮТЕРНЫХ МОДЕЛЯХ

Авторы

Асан уулу Аскат Кыргызский государственный технический университет им. И. Раззакова , Kyrgyz State Technical University named after. I. Razzakova

Ключевые слова:

электростатический разряд, глубокие нейронные сети, гибридные фреймворки моделирования, частотный спектр, нейронные сети с физической информацией.

Аннотация

Моделирование электростатического разряда (ЭСР) имеет решающее значение для обеспечения надежности и безопасности электронных систем, аэрокосмических компонентов и промышленного оборудования. Однако точное моделирование событий ЭСР остается серьезной проблемой из-за их крайне нелинейной, стохастической и многомасштабной природы. Традиционные численные методы, такие как конечно-элементный анализ (КЭА) и методы конечно-разностной временной области (КРВО), часто сталкиваются с вычислительной неэффективностью и ограниченной точностью прогнозирования при моделировании сложных явлений разряда [1].

Недавние достижения в области машинного обучения, в частности глубокие нейронные сети (DNN), предлагают многообещающую альтернативу для улучшения моделирования ЭСР. Используя подходы, основанные на данных, нейронные сети могут изучать основные физические закономерности из экспериментальных или высокоточных данных моделирования, что позволяет быстрее и точнее прогнозировать поведение разряда. Такие методы, как нейронные сети с физической информацией (PINN) и гибридные фреймворки моделирования, могут преодолеть разрыв между эмпирическими наблюдениями и теоретическими моделями, повышая точность моделирования ЭСР и сокращая вычислительные затраты [2].

Библиографические ссылки

[1] M.T. Gengog“lu, M. Cebeci, “Investigation of pollution flashover on high voltage insulators using artificial neural network”, Elsevier, Expert Systems with Applications 36 7338-734, (2009).

[2] A. B. Bakasova and A. Uulu Askat, "Neuro-fuzzy approach to identification of electromagnetic fields of electrostatic discharge," 2023 5th International Youth Conference on Radio Electronics, Electrical and Power Engineering (REEPE), Moscow, Russian Federation, 2023, pp. 1-5, doi: 10.1109/REEPE57272.2023.10086745.

[3] R. Ahmed Refai, A. H. Mansour, M. A- H.Ahmed, “Estimation of the Electric Field and Potential Distribution on Three Dimension Model of Polymeric Insulator Using Finite Element Method”, IJEDR | Volume 3, Issue 2 | ISSN: 2321-9939, (2015).

[4] M.Enokizono, and Yuji Tsuchida, “Optimal Design by Boundary Element Method with Fuzzy Inference”, IEEE Trans, on Magnetics, Vol.30, No.5, pp.3447-3450, Sept 1994.

[5] Бакасова, А. Б., & Асан уулу , А. (2023). АДАПТИВНЫЙ НЕЙРО-НЕЧЕТКИЙ ПОДХОД ОЦЕНКИ ЭЛЕКТРИЧЕСКИХ ПОЛЕЙ ЭЛЕКТРОСТАТИЧЕСКОГО РАЗРЯДА. Проблемы автоматики и управления, (1), 83–95. извлечено от http://pau.imash.kg/index.php/pau/article/view/396

[6] B. Marungsri, W. Onchantuek, A. Oonsivilai “Electric Field and Potential Distributions along Surface of Silicone Rubber Polymer Insulators Using Finite Element Method” World Academy of Science, Engineering and Technology, (2008).

[7] EMS 2013 Program User’s guide, http://www.emworks.com.

[8] Aydogmus, Z., & Cebeci, M. A new flashover dynamic model of polluted HV insulators. IEEE Transactions on Dielectrics and Electrical Insulation, 11(4), 577-584, (2004).

[9] Бакасова, А., & Асан уулу, А. (2022). ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ В ЗАДАЧАХ ЭЛЕКТРОМАГНИТНЫХ ПОМЕХ. Проблемы автоматики и управления, (1), 95–103. извлечено от http://pau.imash.kg/index.php/pau/article/view/259

[10] Асан уулу, А., & Бакасова, А. Б. (2022). ОБЗОР АЛЬТЕРНАТИВНЫХ ПОДХОДОВ К МОДЕЛИРОВАНИЮ ЭЛЕКТРОМАГНИТНОЙ ОБСТАНОВКИ НА ВЫСОКОВОЛЬТНОЙ ЭЛЕКТРИЧЕСКОЙ ПОДСТАНЦИИ. Проблемы автоматики и управления, (2), 4–14. извлечено от http://pau.imash.kg/index.php/pau/article/view/307

[11] Mohamed M. Zahra, Mohamed H. Essai, Ali R. Abd Ellah, "Performance Functions Alternatives of Mse for Neural Networks Learning", International Journal of Engineering Research & Technology (IJERT), Vol. 3, Issue 1, pp. 967-970, January - (2014).

[12] Ali R. Abd Ellah, Mohamed H. Essai, Ahmed Yahya, “Robust Backpropagation Learning Algorithm Study for Feed Forward Neural Networks”, Thesis, Al- Azhar University, Faculty of Engineering, -(2016).

[13] Z. Aydogmus, “A neural network-based estimation of electric fields along high voltage insulators”, Expert Systems with Applications 36 8705-8710, www.elsevier.com/locate/eswa, (2009).

[14] Nasrat L. S., & Aly.Saleh, “Evaluation of Flashover Voltage on Hydrophobic Polymer Insulators with Artificial Neural Network”, International Journal of Electrical and Computer Engineering (IJECE) Vol.2, No.4, pp. 487~494, August (2012)

[15] Neural Network Toolbox: For use with MATLAB, the Math Works