Swarm intelligence algorithms in function of efficiency optimisation of PM synchronous motor

• Autorzy: Cvetkovski Goga , Petkovska Lidija

Identyfikatory

DOI

10.15199/48.2023.06.23

Warianty tytułu

PL

Algorytmy inteligencji roju w funkcji optymalizacji wydajności silnika synchronicznego PM

• Języki publikacji: EN

Abstrakty

EN

This paper presents a novel approach to the efficiency improvement of permanent magnet synchronous motor using several swarm intelligence algorithms (particle swarm optimisation, cuckoo search, grey wolf algorithm and dragonfly optimisation algorithm) as an optimisation tool. The idea is to implement those novel optimisation algorithms for the efficiency improvement of permanent magnet synchronous motor, where the objective function in the optimisation process is the efficiency of the investigated motor. Comparative optimisation analysis results are given.

PL

W artykule przedstawiono nowatorskie podejście do poprawy wydajności silnika synchronicznego z magnesami trwałymi przy użyciu kilku algorytmów inteligencji roju (optymalizacja roju cząstek, wyszukiwanie kukułki, algorytm szarego wilka i algorytm optymalizacji ważki) jako narzędzia optymalizacyjnego. Ideą jest wdrożenie tych nowatorskich algorytmów optymalizacyjnych do poprawy sprawności silnika synchronicznego z magnesami trwałymi, gdzie funkcją celu w procesie optymalizacji jest sprawność badanego silnika. Podano wyniki porównawczej analizy optymalizacyjnej.

Słowa kluczowe

EN

swarm intelligence algorithm; cuckoo search; grey wolf algorithm; dragonfly optimisation algorithm

PL

algorytmy inteligencji roju; wyszukiwanie z kukułką; algorytm szarego wilka; algorytm optymalizacji ważki

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2023
• Tom: R. 99, nr 6
• Strony: 119--122
• Opis fizyczny: Bibliogr. 7 poz., rys., tab.

Twórcy

autor

Cvetkovski Goga

• Saints Cyril and Methodius University, Faculty of Electrical Engineering and Information Technologies, Rugjer Boskovic 18, 1000 Skopje

• https://orcid.org/0000-0002-2071-273X%3B

autor

Petkovska Lidija

• Saints Cyril and Methodius University, Faculty of Electrical Engineering and Information Technologies, Rugjer Boskovic 18, 1000 Skopje

• https://orcid.org/0000-0002-9664-8279

Bibliografia

• [1] Spall J. C., Introduction to Stochastic Search and Optimization: Estimation, Simulation, and Control, John Wiley & Sons, Inc., New Jersey, 2003, pp. 1-617.
• [2] Uryasev S., Pardalos P. M., Stochastic Optimization: Algorithms and Applications, Applied Optimization, Vol. 54(2001), Springer, New York, pp. 1-438.
• [3] Kennedy J., The Particle Swarm: Social Adaptation of Knowledge, Proceedings of the IEEE International Conference on Evolutionary Computation, 1997 pp. 303-308.
• [4] Yang X-S., Deb S., Engineering Optimization by Cuckoo Search, International Journal of Mathematical Modelling and Numerical Optimization, Vol. 1 (4), 2010, pp. 330–343.
• [5] Mirjalili S., Mirjalili M., Lewis A., Grey Wolf Optimizer, Advances in Engineering Software, Vol. 69 (2014), pp. 46– 61.
• [6] Mirjalili S., Dragonfly Algorithm: A New Meta-Heuristic Optimization Technique for Solving Single-Objective, Discrete, and Multi-Objective Problems, Neural Computer & Application, Vol. 27(2016), pp. 1053–1073.
• [7] Petkovska L., Cvetkovski G., Innovative Motors and Shape Optimisation, Chapter 4 of the Book Optimal Design Exploiting 3D Printing and Metamaterials, IET, 2021, pp.139-188. (Editors: Paolo Di Barba, Sławomir Wiak)