Sanoat mashinalarida qo‘llaniladigan elektr motor haydovchilari ko‘pincha ishga tushirishda mutaxassis texniklar tomonidan qo‘lda sozlanadi. Bu sozlash jarayoni motorning tez javob berishi, barqaror ishlashi, ortiqcha tebranish qilmasligi va kerakli tokni to‘g‘ri kuzatishi uchun muhimdir.

David Petrovic, Gian Antonio Susto va Angelo Cenedese tomonidan tayyorlangan ushbu tadqiqot sanoat motor haydovchisining tok boshqaruv siklini avtomatik sozlash uchun Bayesian Optimization deb ataladigan ma’lumotlarga asoslangan optimallashtirish usulidan foydalanadi. Tizim motor haydovchisini qora quti sifatida ko‘radi; ya’ni motorning batafsil matematik modelini talab qilmaydi. Har bir urinishda turli boshqaruv parametrlari haqiqiy apparatga yuboriladi, motorning bergan javobi o‘lchanadi va algoritm keyingi urinishda yaxshiroq sozlamalarni topishga harakat qiladi.

Tadqiqotning e’tiborga loyiq tomoni shuki: usul faqat simulyatsiyada emas, haqiqiy sanoat motor haydovchisida sinovdan o‘tkazilgan. Natijalar avtomatik usul bir necha daqiqa ichida mutaxassis sozlamasiga yaqin, ba’zi mezonlarda esa undan yaxshiroq natijalar berishi mumkinligini ko‘rsatadi. Biroq tadqiqot faqat yuksiz sharoitlarda va bitta motor-haydovchi tizimida sinovdan o‘tkazilgani sababli, haqiqiy zavod sharoitlarida kengroq tasdiqlash talab etiladi.

Muammo nima?

Sanoat elektr motorlari zavodlarda konveyerlardan robototexnika tizimlarigacha, qadoqlash mashinalaridan CNC stanoklarigacha ko‘plab joylarda qo‘llaniladi. Bu motorlarning kerakli tarzda ishlashi uchun haydovchi ichidagi boshqaruv sikllari to‘g‘ri sozlanishi zarur.

Bu boshqaruv sikllarida odatda PI yoki PID boshqaruvchilari ishlatiladi. Oddiy qilib aytganda, bu boshqaruvchilar motorning haqiqiy xatti-harakatini maqsadli xatti-harakatga yaqinlashtirishga harakat qiladi. Masalan, motor haydovchisi ma’lum tok qiymatini talab qilsa, boshqaruvchi haqiqiy tokni shunga yaqinlashtiradi.

Muammo shuki: bu sozlash har doim oson emas. Parametrlar past tanlansa, tizim sekin javob berishi mumkin. Juda agressiv tanlansa, ortiqcha chiqish, tebranish yoki salinish paydo bo‘lishi mumkin. Sanoatda bu sozlamalar ko‘pincha tajribali texniklarning tajribasiga tayanadi. Bu esa vaqt oladi, shaxsga bog‘liq bo‘ladi va turli mashinalarda standartlashtirishni qiyinlashtirishi mumkin.

Tadqiqotchilarning maqsadi — bu qo‘lda sozlash jarayonini avtomatlashtirishga yana bir qadam yaqinlashishdir.

Usul nima taklif qiladi?

Tadqiqot motor haydovchisining tok boshqaruv siklidagi ikki asosiy PI parametrini sozlashga e’tibor qaratadi:

• Kp: Proportsional kuchaytirish. Xato yuzaga kelganda tizimning qanchalik kuchli javob berishini belgilaydi.
• Ki: Integral kuchaytirish. Vaqt o‘tishi bilan to‘planadigan xatoni kamaytirishga harakat qiladi.

Tadqiqotchilar bu ikki parametrni bevosita haqiqiy apparatda sinab ko‘radi. Usul quyidagi mantiq bilan ishlaydi:

1. Algoritm bir Kp va Ki qiymatini tanlaydi.
2. Bu qiymatlar motor haydovchisiga yuboriladi.
3. Haydovchiga oldindan belgilangan tok referensi qo‘llanadi.
4. Haydovchining haqiqiy tok javobi o‘lchanadi.
5. O‘lchangan javobga ko‘ra xato, ortiqcha chiqish va salinish kabi unumdorlik mezonlari hisoblanadi.
6. Algoritm oldingi urinishlardan o‘rganib, yangi parametr juftligini taklif qiladi.

Bu yerda qo‘llaniladigan yondashuv Bayesian Optimization, ya’ni Bayes optimallashtirish. Bu usul ayniqsa har bir urinish qimmat yoki vaqt oladigan hollarda qo‘llaniladi. Chunki har bir imkoniyatni birma-bir sinab ko‘rish o‘rniga, o‘tmishdagi urinishlardan olingan bilim bilan umidvorroq sozlamalarni tanlashga harakat qiladi.

Maqolaning muhim jihatlaridan biri — tizim motorning batafsil matematik modelini talab qilmasligi. Tadqiqotchilar haydovchini «qora quti» sifatida ko‘radi. Ya’ni faqat «bu sozlamani sinadik, tizim shunday javob berdi» ma’lumoti bilan oldinga siljiydi.

Tadqiqotda ayniqsa TPE asosidagi Bayesian Optimization ajralib turadi. TPE — Tree-structured Parzen Estimator iborasining qisqartmasi. Bu usul uzluksiz va silliq matematik sirtni taxmin qilish o‘rniga, yaxshi natija beradigan parametr hududlarini statistik jihatdan qidiradi. Bu shovqinli o‘lchovlar, cheklangan urinishlar soni va butun son ko‘rinishida tanlangan parametrlar uchun afzallik berishi mumkin.

Formulalar nima haqida?

Maqoladagi formulalar birinchi qarashda murakkab ko‘rinishi mumkin; ammo asosiy g‘oya ancha tushunarli: algoritm bitta muvaffaqiyat o‘lchoviga qaramaydi. To‘rt xil mezonni bir vaqtda yaxshilashga harakat qiladi.

Tadqiqotchilar unumdorlikni quyidagi to‘rt mezon bilan baholaydi:

1. IAE – Umumiy mutlaq xato
IAE maqsadli tok bilan haqiqiy tok orasidagi farqning umumiy kattaligini o‘lchaydi. Qiymat qancha past bo‘lsa, tizim maqsadni shunchalik yaxshi kuzatayotganini bildiradi.

2. ITAE – Vaqt bilan og‘irlashtirilgan xato
ITAE ayniqsa kech so‘naydigan xatolarni ko‘proq jazolaydi. Ya’ni tizim boshida xato qilsa ham tez tiklansa, yaxshiroq deb hisoblanadi; xato uzoq davom etsa, bahosi yomonlashadi.

3. OS – Ortiqcha chiqish
Ortiqcha chiqish tizimning maqsad qiymatidan qanchalik oshib ketganini ko‘rsatadi. Masalan, maqsad 1 amper bo‘lsa, tizim qisqa muddatga undan yuqoriga chiqishi mumkin. Bu ortiqcha chiqish ba’zi ilovalarda nomaqbul xatti-harakat hisoblanadi.

4. OSC – Salinish / tebranish o‘lchovi
Bu mezon tizim maqsadga yaqinlashgandan keyin ham hali tebranayotganini so‘raydi. Sanoat haydovchilarida keraksiz salinish issiqlanish, samarasizlik, mexanik stress yoki sifat muammolarini keltirib chiqarishi mumkin.

Maqolaning asosiy formula mantiqi shunday umumlashtirilishi mumkin:

«Eng yaxshi sozlama» bitta son emas. Bir sozlama tez bo‘lishi mumkin, lekin ortiqcha chiqish qilishi mumkin. Boshqa sozlama yumshoqroq bo‘lishi mumkin, lekin maqsadga sekinroq yetishi mumkin. Shu sababli tadqiqotchilar Pareto-optimal deb ataladigan yondashuvdan foydalanadi.

Pareto-optimal yechim quyidagini anglatadi: bir sozlamani yaxshilash uchun boshqa mezondan voz kechish kerak bo‘lsa, o‘sha sozlama oqilona muvozanat nuqtasidir. Ya’ni algoritm bitta «mutlaq g‘olib» izlash o‘rniga, turli foydalanish ustuvorliklariga mos yaxshi sozlama variantlarini topishga harakat qiladi.

Grafik / jadval / sxema bo‘lsa, asosiy xabar nima?

Maqoladagi tasvirlar va jadval o‘quvchiga quyidagi asosiy xabarlarni beradi:

Tajriba tizimi sxemasi / tasviri:
Tadqiqotchilar usulni faqat kompyuter simulyatsiyasida qoldirmagan. Haqiqiy sanoat motor haydovchisi, brushless AC motor va tashqi kompyuter ishlatilgan. Kompyuter haydovchi bilan Modbus orqali aloqa qilgan. Bu usulning amaliy sanoat apparatiga ulanishi mumkinligini ko‘rsatishi jihatidan muhim.

Giperhajm grafigi:
Maqoladagi unumdorlik grafigi turli optimallashtirish usullarining urinishlar davom etgan sari Pareto yechim sifatini qanday oshirganini ko‘rsatadi. Dastlabki 10 urinish tasodifiy bo‘lgani uchun usullar bir-biriga yaqin boshlanadi. Keyinroq TPE asosidagi usul tezroq yaxshilanishni namoyon etadi. Bu cheklangan urinish byudjetida tezroq yaxshi sozlama topish salohiyatiga ishora qiladi.

Kp va Ki taqsimot grafiklari:
Maqoladagi parametr fazosi grafiklari turli Kp va Ki kombinatsiyalarining turli unumdorlik natijalarini berganini ko‘rsatadi. Ba’zi hududlar past xato beradi, ba’zilari esa ko‘proq ortiqcha chiqish yoki salinish yaratadi. Asosiy xabar shuki: boshqaruv parametrlari bir-biridan mustaqil emas; Kp va Ki birgalikda tanlanganda tizim xatti-harakati o‘zgaradi.

Taqqoslash jadvali:
Jadval Random Search, GP asosidagi Bayesian Optimization va TPE asosidagi Bayesian Optimization usullarini turli urinishlar sonida taqqoslaydi. TPE usuli ayniqsa kengroq Pareto yechimlar to‘plamini topishi va erta yaqinlashish xatti-harakati bilan ajralib turadi. GP asosidagi usul ba’zi yakuniy metrikalarda juda kuchli natija berishi mumkin; biroq TPE sanoat amaliyoti nuqtai nazaridan tezlik, past hisoblash yuklamasi va yechimlar xilma-xilligi jihatidan muvozanatliroq ko‘rinadi.

Javob egri chiziqlari:
Maqoladagi tok javobi grafiklari mutaxassis sozlamasi bilan avtomatik tanlangan sozlamaning xatti-harakatini taqqoslaydi. Avtomatik usul ba’zi xato va salinish mezonlarida mutaxassis sozlamasidan yaxshiroq natija bersa-da, mutaxassis sozlamasi pastroq ortiqcha chiqish ko‘rsatishi mumkin. Bu tadqiqotning ochiq tomonlaridan biri: usul har bir metrikada mutlaq ustun emas; turli unumdorlik maqsadlari o‘rtasida muvozanat o‘rnatadi.

Tajribalar qanday o‘tkazilgan?

Tajribalar haqiqiy sanoat motor haydovchi tizimida o‘tkazilgan. Ishlatilgan motor 230 V qiymatida, 6 qutbli, 1.8 A nominal tok va 3000 rpm nominal tezlikka ega brushless AC motor.

Tadqiqot motor haydovchisining eng ichki boshqaruv sikli — tok sikliga e’tibor qaratadi. Tezlik va pozitsiya kabi tashqi boshqaruv sikllari o‘zgartirilmagan. Shunday qilib, tajriba ayniqsa elektr tokini boshqarish xatti-harakatini o‘rganishga yo‘naltirilgan.

Tajribalarda motor yuksiz ishlatilgan. Shuningdek, q-o‘qi tok referensi nol holatida saqlangan. Bu moment hosil bo‘lishining oldini olib, xavfsizroq va takrorlanadigan sinov muhitini ta’minlagan.

Tizimga to‘rtburchak impuls shaklida tok referensi qo‘llangan. Tuning bosqichida taxminan 1.53 A darajasida, 40 ms davom etgan musbat tok qadami ishlatilgan. Bundan tashqari, tanlangan boshqaruvchi tuningda ishlatilmagan boshqa tasdiqlash signali bilan ham sinovdan o‘tkazilgan: taxminan -2.55 A amplitudali va 60 ms davom etgan manfiy tok qadami.

Parametr oralig‘i Kp va Ki uchun 500 dan 10000 gacha belgilangan. Parametrlar butun son sifatida ko‘rilgan. Bu muhim; chunki haqiqiy sanoat apparatlari har doim cheksiz aniqlikdagi parametrni qabul qilmaydi.

Urinishlar 15, 20, 30, 50 va 100 urinish byudjetlari bilan o‘tkazilgan. Har bir byudjet uchun 5 mustaqil takrorlash ishlatilgan. Shunday qilib, natijalar faqat bitta tasodifga bog‘liq emasligi ham o‘rganilgan.

Taqqoslangan usullar quyidagilar:

• Mutaxassis texnik sozlamasi
• Random Search, ya’ni tasodifiy qidiruv
• GP asosidagi Bayesian Optimization
• TPE asosidagi Bayesian Optimization

Natijalar nima ko‘rsatadi?

Natijalar avtomatik optimallashtirishning haqiqiy apparatda mutaxassis sozlamasiga yaqinlashishi va ba’zi mezonlarda undan o‘zib ketishi mumkinligini ko‘rsatadi.

Masalan, 30 urinishlik TPE asosidagi Bayesian Optimization natijasida mutaxassis sozlamasiga nisbatan IAE mezonida taxminan %30, ITAE mezonida taxminan %27 yaxshilanish xabar qilinadi. Bu tizimning maqsadli tokni yaxshiroq va tezroq kuzatishi mumkinligini anglatadi.

TPE asosidagi usul, shuningdek, salinishni kamaytirish tomonida ham kuchli ko‘rinadi. Biroq mutaxassis sozlamasi pastroq ortiqcha chiqish beradi. Bu muhim farq: avtomatik usul hamma narsani bir vaqtda eng yaxshi qilmaydi; turli maqsadlar o‘rtasida muvozanat o‘rnatadi.

100 urinishgacha chiqilganda TPE usuli kengroq Pareto yechimlar to‘plamini topadi. Bu bitta sozlama o‘rniga turli ustuvorliklarga ko‘ra tanlanishi mumkin bo‘lgan ko‘proq yaxshi variantlar deganidir. Masalan, ba’zi ilovalarda tez javob ustuvor bo‘lishi mumkin, ba’zilarida esa yumshoq va kam salinishli xatti-harakat muhimroq bo‘lishi mumkin.

Vaqt jihatidan ham amaliy natija bor. 15 urinish taxminan 1.5 daqiqa, 100 urinish taxminan 12 daqiqa davom etgan. GP asosidagi usul 100 urinishda taxminan 18 daqiqagacha chiqqan. Chunki GP asosidagi yondashuvda model hisoblash yuklamasi yuqoriroq. TPE esa ushbu tadqiqotdagi haqiqiy apparat sharoitlarida yengilroq va tezroq variant sifatida ajralib turadi.

Bu nima uchun muhim?

Sanoat avtomatlashtirishida ishga tushirish jarayoni vaqt oladi. Har bir mashina, har bir motor va har bir yuk sharoiti bir xil xatti-harakat ko‘rsatmaydi. Shu sababli boshqaruvchi sozlamasi ko‘pincha tajriba talab qiladi.

Ushbu tadqiqot kelajakda ba’zi sozlash jarayonlarining avtomatikroq, o‘lchanadiganroq va standartroq bo‘lishi mumkinligini ko‘rsatadi. Ayniqsa quyidagi jihatlardan muhim:

• Mutaxassis texnikga bog‘liqlikni kamaytirishi mumkin.
• Ishga tushirish vaqtini qisqartirishi mumkin.
• Turli unumdorlik ustuvorliklari uchun bir nechta yaxshi sozlama variantini taklif qilishi mumkin.
• Mavjud haydovchi firmware’ini o‘zgartirmasdan ishlashi mumkin.
• Haqiqiy apparatdan o‘lchov olib oldinga siljigani uchun to‘liq simulyatsiyaga bog‘liq emas.

Bu yondashuv nafaqat motor haydovchilari, balki turli sanoat boshqaruv tizimlarida ham shunga o‘xshash avtomatik sozlash g‘oyalariga yo‘l ochishi mumkin.

E’tibor berish kerak bo‘lgan nuqtalar

Ushbu tadqiqot umidvor bo‘lsa-da, ba’zi cheklovlar bor.

Birinchidan, tajribalar faqat yuksiz sharoitlarda o‘tkazilgan. Haqiqiy sanoat tizimlarida motorlar ko‘pincha yuk ostida ishlaydi. Yuk o‘zgarishlari, mexanik ishqalanish, ishlab chiqarish sharoitlari va xavfsizlik chegaralari natijalarga ta’sir qilishi mumkin.

Ikkinchidan, tadqiqot bitta motor-haydovchi tizimida o‘tkazilgan. Turli ishlab chiqaruvchilarning haydovchilari, turli motor turlari va turli quvvat sinflari uchun alohida sinov kerak.

Uchinchidan, usul haqiqiy apparatda urinish qilgani uchun xavfsizlik chegaralari juda muhim. Noto‘g‘ri parametrlar ba’zi tizimlarda ortiqcha tok, tebranish yoki mexanik xavf yaratishi mumkin. Shu sababli sanoat ilovalarida himoya limitlari, xavfsiz sinov tartiblari va muhandis nazorati zarur.

To‘rtinchidan, maqola arXiv preprint sifatida taqdim etilganga o‘xshaydi. Shu sababli topilmalar qimmatli bo‘lsa-da, peer-review nashr va kengroq tajribaviy tasdiqlash jarayoni alohida muhimdir.

Xulosa

Ushbu tadqiqot sanoat motor haydovchilarining tok boshqaruv siklini avtomatik sozlash uchun Bayes optimallashtirish amaliy variant bo‘lishi mumkinligini ko‘rsatadi. Tadqiqotchilar motorning batafsil matematik modelidan foydalanmasdan, haqiqiy apparatda yopiq sikl urinishlari bilan yaxshi boshqaruv parametrlarini topishga harakat qiladi.

Natijalar TPE asosidagi Bayesian Optimization usulining cheklangan urinishlar soni, shovqinli o‘lchov va butun son parametrlari kabi sanoat haqiqatlariga yaxshi mos kelishini ko‘rsatadi. Usul mutaxassis sozlamasini har bir metrikada o‘zib ketmaydi; biroq ba’zi xato va salinish mezonlarida yaxshiroq natija berib, kengroq yaxshi sozlama variantlari to‘plamini taklif qiladi.

Verianla nuqtai nazaridan ushbu maqolaning asosiy xabari shuki: sanoat avtomatlashtirishida «qo‘lda sozlash» an’anasi to‘liq yo‘qolmasa ham, ma’lumotlarga asoslangan optimallashtirish usullari ishga tushirish jarayonlarini tezroq, o‘lchanadiganroq va takrorlanadiganroq qilishi mumkin. Biroq haqiqiy zavod sharoitlari uchun kengroq sinovlar va xavfsizlik tasdiqlari shart.

Manba va usul eslatmasi

Bu kontent David Petrovic, Gian Antonio Susto va Angelo Cenedese tomonidan tayyorlangan “Towards Autonomous Commissioning of Industrial Drives via Multi-Objective Bayesian Optimization” nomli akademik ishdan foydalanib, Verianla tahririy formatida mustaqil tayyorlangan. Tadqiqot arXiv’da 27 May 2026 sanali preprint sifatida ko‘rinadi.

Bu yozuv so‘zma-so‘z tarjima emas; maqoladagi usul, tajriba tizimi, formulalar, grafklar, jadval va natijalar soddalashtirilib, o‘zbek o‘quvchi uchun qayta bayon etilgan. Kontent ma’lumot va ta’lim maqsadida. Sanoat motor, haydovchi, boshqaruv tizimi yoki ishlab chiqarish liniyasi sozlamasi uchun professional muhandislik tasdig‘i, xavfsizlik tartibi va ishlab chiqaruvchi hujjatlari o‘rnini bosmaydi.