Badania skuteczności algorytmu immunologicznego w optymalizacji silników indukcyjnych

• Autorzy: Rudeński A.

Warianty tytułu

EN

Investigation of effectiveness of immune algorithm in optimization of induction motors

• Języki publikacji: PL

Abstrakty

PL

Przedstawiono algorytm optymalizacyjny wzorowany na działaniu systemu immunologicznego ssaków (CSA - Clonal Selection Algorithm), który wytwarza przeciwciała zwalczające szkodliwe organizmy - antygeny. W optymalizacji przyjmuje się, że antygenem jest hipotetyczne rozwiązanie optymalne, a przeciwciałami - rozwiązania uzyskiwane podczas działania algorytmu. Wyniki obliczeń optymalizacyjnych silników indukcyjnych dwuklatkowych uzyskane przy zastosowaniu algorytmu CSA potwierdziły jego przydatność w zadaniach optymalizacji.

EN

Optimization algorithm based on fundamental behavior of mammal immune system (CSA - Clonal Selection Algorithm) have been presented. That system create antibodies, which eliminates harmful organisms - antigens. In optimization the hypothetical optimal solution is assumed as antigen, and solutions obtained during process - as antibodies. The results of four double-cage induction motor optimization obtained from CSA procedure, has been proved its usefulness for induction motors optimization.

Słowa kluczowe

PL

maszyna elektryczna; silnik indukcyjny; optymalizacja; metody niedeterministyczne

EN

electrical machine; induction motor; optimization; non-deterministic methods

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2008
• Tom: R. 84, nr 12
• Strony: 96--99
• Opis fizyczny: Bibliogr. 11 poz., rys., tab.

Twórcy

autor

Rudeński A.

• Instytut Elektrotechniki, Zakład Maszyn Elektrycznych, ul. Pożaryskiego 28, 04-703 Warszawa,

Bibliografia

• [1] Campelo F., Guimaräes G., Igarashi H., Ramirez J.A.: A Clonal Selection Algorithm for Optimization in Electromagnetics. I.E.E.E. Trans. on Magnetics, Vol. 41, No. 5, (2005), 1736-1739.
• [2] Chun J-S., Kim M-K., Jung H-K.: Shape Optimization of electromagnetic devices using Immune Algorithm. IEEE Trans. on Magnetics, Vol. 33, No 2, (1997), 1876-1879.
• [3] Chun J-S., Jung H-K., Hahn S-Y.: A Study on Comparison of Optimization Performances between Immune Algorithm and other Heuristic Algorithms. IEEE Trans. on Magnetics, Vol. 34, No 5, (1998), 2972-2975.
• [4] de Castro L.N., Von Zuben F.J.: Learning and Optimization Using the Clonal Selection Principle. I.E.E.E. Trans. on Evolutionary Computation, Vol. 6, No 3, (2002), 239-251.
• [5] Kennedy J., Eberhart R. C.: Particle Swarm Optimization, Proc. of the IEEE Conf. on Neural Networks, Piscatawyy NJ, (1995), 1942-1948.
• [6] Ray T., Liew K.M.: Society and Civilization: An Optimization Algorithm Based on the Simulation of Social Behavior. I.E.E.E. Trans. on Evolutionary Computation, Vol. 3, No. 4, (2003), 386-396.
• [7] Dąbrowski M., Rudeński A.: Badanie skuteczności nieewolucyjnych niedeterministycznych metod optymalizacji w projektowaniu silników indukcyjnych. Proc. of XLIV International Symposium on Electrical Machines SME’08. 213-214.
• [8] Dąbrowski M., Rudeński A.: Application of evolutionary algorithms for optimization of electrical machines. Proc. of ZkwE 2005, 106-113.
• [9] Rudeński A.: Zagadnienia kary za przekroczenie ograniczeń w projektowaniu optymalnych maszyn elektrycznych za pomocą metod ewolucyjnych. Przegląd Elektrotechniczny, Nr 12/2007, 73-78.
• [10] Dąbrowski M., Rudeński A.: Hybrydowa metoda optymalizacji w projektowaniu trójfazowych silników indukcyjnych przy zwiększonej liczbie zmiennych decyzyjnych. Proc. XLII International Symposium on Electrical Machines SME 2006. s. 131-134.
• [11] Dąbrowski M., Rudeński A.: Application of non-deterministic hybrid method for optimization of three-phase induction motors by increased number of independent variables. Poznan University of Technology Academic Journals, No.52, pp. 145-157.