Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Przegląd Elektrotechniczny

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Analysis of transient processes in a power supply system of concentrated and distributed parameters based on variational approaches

Chaban A., Lis M., Szafraniec A., Chrzan M., Levoniyk V.

Przegląd Elektrotechniczny

2018

R. 94, nr 12

154--157

Starting with variational approaches using a modified Hamilton-Ostrogradsky principle, a mathematical model of a power system is developed and analysed as a concentrated parameters system for power autotransformer feeder reactors and capacitors and as a distributed parameters system for supply lines. The final discretised state equations of the power system are represented in Cauchy format. Results of computer simulations are presented as drawings.

Korzystając z podejść wariacyjnych przy użyciu zmodyfikowanej zasady Hamiltona-Ostrogradzkiego, opracowano matematyczny model systemu elektroenergetycznego, który analizuje się jako układ o parametrach rozproszonych. Końcowe, dyskretyzowane równania stanu systemu elektroenergetycznego są przedstawione w formacie Cauchy'ego. Wyniki symulacji komputerowych przedstawiono na rysunkach.

Model matematyczny układu napędowego z silnikiem synchronicznym jako nauczyciel sztucznej sieci neuronowej

Chaban A, Lis M.

Przegląd Elektrotechniczny

2013

R. 89, nr 12

320-323

W pracy wykorzystując model matematyczny elektrycznego układu napędowego z silnikiem synchronicznym o biegunach jawnych, zaproponowano sztuczną siec neuronową do wyznaczenia momentu obciążenia. Model matematyczny układu zastosowano jako nauczyciela sieci neuronowej. Dla formułowania różniczkowych równań stanu wykorzystano metody wariacyjne. Wyniki symulacji komputerowych przedstawiono w postaci graficznej.

In the paper the application of an artificial natural network is proposed in order to determine the load torque of electric motor. The mathematical model of electric drive system, based on a synchronous motor with salient poles, was used as a supervisor for the artificial neural network. The variational methods were used in order to formulate the differential state equations. Results of computer simulations are presented as graphs.