The generating new individuals of the population in the parametric identification of the induction motor problem with the use of the genetic algorithm

• Autorzy: Rutczyńska-Wdowiak Katarzyna

Identyfikatory

DOI

10.4467/2353737XCT.19.025.10161

Warianty tytułu

PL

Tworzenie nowych osobników populacji w problemie parametrycznej identyfikacji silnika indukcyjnego z użyciem algorytmu genetycznego

• Języki publikacji: EN

Abstrakty

EN

This paper presents the problem of the identifying parameters for use in mathematical models of induction motors with the use of a genetic algorithm (GA). The effect of arithmetical crossover and the generation of new populations on identification results is analysed. The identified parameters of the model were determined as a result of the minimisation of the performance index defined as the mean-square error of stator current and angular velocity. The experiments were performed for the low power induction motor. The steady-state genetic algorithm with regard to convergence and accuracy of the identification process and calculation time is analysed.

PL

W artykule przedstawiono problem identyfikacji parametrów modeli matematycznych silników indukcyjnych z zastosowaniem algorytmu genetycznego (AG). Analizowano wpływ krzyżowania arytmetycznego i generowania potomków na wyniki identyfikacji. Identyfikowane parametry modelu wyznaczono w rezultacie minimalizacji wskaźnika jakości zdefiniowanego jako błąd średniokwadratowy prądu stojana i prędkości kątowej. Badania eksperymentalne przeprowadzono dla silnika indukcyjnego małej mocy. Algorytm genetyczny z częściową wymianą populacji analizowano ze względu na zbieżność i dokładność procesu identyfikacji i czas obliczeń numerycznych.

Słowa kluczowe

EN

identification; mathematical model; induction motor; genetic algorithm; crossover

PL

identyfikacja; model matematyczny; silnik indukcyjny; algorytm genetyczny; krzyżowanie

• Wydawca: Wydawnictwo Politechniki Krakowskiej im. Tadeusza Kościuszki
• Czasopismo: Technical Transactions
• Rocznik: 2019
• Tom: Vol. 116, iss. 2
• Strony: 109--117
• Opis fizyczny: Bibliogr. 21 poz., wz., tab., wykr.

Twórcy

autor

Rutczyńska-Wdowiak Katarzyna

• Department of Control & Management Systems, Faculty of Electrical Engineering, Automatic Control and Computer Science, Kielce University of Technology

Bibliografia

• [1] Arabas J., Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2016.
• [2] Bai H., Yang F., German X., Chang C., Panda S., Tan W., Stability Analysis of Adjustablespeed Induction-motor Drive using Genetic Algorithm, Proc. of 8th International Conference on Advances in Power System Control, Operation and Management 2009, 1-6.
• [3] Dybkowski M., Orłowska-Kowalska T., Estymacja prędkości i wybranych parametrów schematu zastępczego silnika indukcyjnego w bezczujnikowym układzie napędowym, Przegląd Elektrotechniczny, 88, 4b/2012, 64-69.
• [4] Goldberg D. E., Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley Publishing Company, 2002.
• [5] Gorzalczany M. B., Rudzinski F., Genetic Fuzzy Rule-Based Modeling of Dynamic Systems Using Time Series, Lecture Notes in Computer Science, 7269/2012, 231-238.
• [6] Gorzalczany M. B., Rudzinski F., A Modified Pittsburg Approach to Design a Genetic Fuzzy Rule-Based Classifier from Data, Lecture Notes in Computer Science, 6113/2010, 88-96.
• [7] Grzyb A., Algorytmy ewolucyjne, Optymalizacja i polioptymalizacja w technice, Wyd. Politechniki Koszalińskiej, 2011, 263-281.
• [8] Kisielewski P., Grzyb A., Algorytmy ewolucyjne w optymalizacji z dwuwartościowymi zmiennymi decyzyjnymi, Mat. XXVIII Konferencji Naukowej Polioptymalizacja i CAD, Wyd. Politechniki Koszalińskiej, 2009.
• [9] Kisielewski P., Zmodyfikowany algorytm węgierski optymalnego pokrycia zbiorów, Mat. XXVIII Konferencji Naukowej Polioptymalizacja i CAD, Wyd. Politechniki Koszalińskiej, 2009.
• [10] Lubo F. G., Lima C. F., Michalewicz Z., Parameter Setting in Evolutionary Algorithms, Springer-Verlag, 2010.
• [11] Michalewicz Z., Fogel D. B., How to Solve it: Modern Heuristics, Springer, 2000.
• [12] Michalewicz Z., Genetic Algorithms + Data Structures = Evolution Programs, Springer-Verlag Berlin Heidelbderg GmbH, 2010.
• [13] Michalewicz Z., The Emperor is Naked: Evolutionary Algorithms for Real-World Applications, ACM Ubiquity 2012, 1-13.
• [14] Orłowska-Kowalska T., Szabat K., Ritter W., Identyfikacja parametrów silnika indukcyjnego za pomocą algorytmów genetycznych, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej Nr 54, Studia i Materiały Nr 23/2013.
• [15] Pełczewski W., Krynke M., Metoda zmiennych stanu w analizie dynamiki układów napędowych, WNT, 1984.
• [16] Rutczyńska-Wdowiak K., Analiza wpływu wartości współczynnika wagowego wskaźnika jakości na wyniki identyfikacji parametrycznej modelu matematycznego silnika indukcyjnego z zastosowaniem algorytmu genetycznego, Logistyka, 6/2014, 9247-9254.
• [17] Rutczynska-Wdowiak K., Dobór kryterium zatrzymania algorytmu genetycznego na przykładzie identyfikacji parametrycznej modelu matematycznego silnika indukcyjnego, Przegląd Elektrotechniczny R. 92, 12/2016, 283-288.
• [18] Rutczynska-Wdowiak K., Analiza wpływu wskaźnika jakości na wyniki identyfikacji parametrycznej modelu matematycznego silnika indukcyjnego z zastosowaniem algorytmu genetycznego, Przegląd Elektrotechniczny R. 92, No 4/2016, 202-204.
• [19] Rutkowski L., Metody sztucznej inteligencji, PWN, 2005.
• [20] Stefański T., Synteza adaptacyjnych algorytmów sterowania momentem falownikowego napędu samochodu elektrycznego z silnikiem indukcyjnym, Politechnika Świętokrzyska, seria Monografie, Studia, Rozprawy, 4/1995.
• [21] Simon D., Evolutionary Optimization Algorithms, Wiley & Sons, 2013.

Uwagi

EN

Section "Electrical Engineering"

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).