Wyniki wyszukiwania - BazTech

1

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

Cvetkovski Goga, Petkovska Lidija

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 6

119--122

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.

2

Grey Wolf optimization based breast cancer detection using 1D Convolution LSTM classifier

Jebarani Esther P., Umadevi N.

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 1

1--9

EN

Women are particularly vulnerable to breast cancer. Breast cancer diagnosis has benefited greatly from the utilization of ultrasound imaging. Breast UltraSound (BUS) image segmentation remains a difficult challenge due to low image quality. Furthermore, BUS image segmentation, as well as classification, is an important stage in the analysis process. Initially, the image associated with breast cancer is gathered from MIAS database. The gathered image undergoes pre-processing operation using the adaptive median filtering technique. Subsequently, the segmentation is performed in the pre-processed images using the hybrid method consisting of GMM and K-Means. These segmented images undergo the feature extraction steps further where the features are extracted by utilizing the Gray Level Co-occurrence Matrix (GLCM). Grey Wolf Optimization (GWO) selects the optimal features for further classification using a novel 1D Convolution LSTM. Here, the pooling layer of 1D CNN is replaced by the LSTM. The objective function behind the optimal feature selection and classification is the accuracy maximization. Finally, the novel One Dimensional Convolution Long Short Term Memory (1 DCLSTM) classifies the outcome into normal, benign, and malignant, respectively. The proposed method is compared with the other state of art methods related to this research.

PL

Kobiety są szczególnie narażone na raka piersi. Diagnostyka raka piersi bardzo skorzystała na wykorzystaniu obrazowania ultrasonograficznego. Segmentacja obrazu UltraSound (BUS) piersi pozostaje trudnym wyzwaniem ze względu na niską jakość obrazu. Ponadto segmentacja obrazu BUS, a także klasyfikacja, jest ważnym etapem procesu analizy. Początkowo obraz związany z rakiem piersi pozyskiwany jest z bazy MIAS. Zgromadzony obraz jest poddawany wstępnemu przetwarzaniu przy użyciu techniki adaptacyjnego filtrowania medianowego. Następnie na wstępnie przetworzonych obrazach przeprowadzana jest segmentacja metodą hybrydową składającą się z GMM i K-Means. Te podzielone na segmenty obrazy przechodzą kolejne etapy ekstrakcji cech, w których cechy są wyodrębniane przy użyciu macierzy współwystępowania poziomu szarości (GLCM). Optymalizacja Gray Wolf (GWO) wybiera optymalne funkcje do dalszej klasyfikacji przy użyciu nowatorskiego rozwiązania 1D Convolution LSTM. W tym przypadku warstwa łączenia 1D CNN zostaje zastąpiona przez LSTM. Funkcją celu stojącą za optymalnym doborem i klasyfikacją cech jest maksymalizacja dokładności. Wreszcie, powieść jednowymiarowa pamięć krótkoterminowa z konwolucją jednowymiarową (1 DCLSTM) klasyfikuje wynik odpowiednio na normalny, łagodny i złośliwy. Proponowana metoda jest porównywana z innymi nowoczesnymi metodami związanymi z tymi badaniami.

3

Three phase MLI implementation of V/F control for three phase induction motor based on FPGA and Gary wolf algorithm

Hussein Taha A., Mohammed Laith A., Hamdy Laith A.

Przegląd Elektrotechniczny

|

2022

|

R. 98, nr 8

41--46

EN

Due to their efficient characteristics multilevel inverters (MLI) find numerous applications in industry. In this work design and implementation of three phase 15 level inverter is used to control the speed of three phase induction motor with V/F strategy. The power circuit consist of 10 MOSFET switches per phase. Spartan 3E FPGA kit is used as a control circuit. The triggering angles for the thirty MOSFET power transistor are determined with optimum values based on gray wolf optimization algorithm (GWO). Results in the form of output voltage, current, speed, and torque are shown for different reference speeds. The torque is shown to be constant as expected for all speeds. The total harmonic distortion (THD) is reduced to a significant value compared with a traditional sinusoidal PWM technique.

PL

Ze względu na swoją wydajność, falowniki wielopoziomowe (MLI) znajdują liczne zastosowania w przemyśle. W pracy wykorzystano projekt i wykonanie trójfazowego falownika 15-stopniowego do sterowania prędkością trójfazowego silnika indukcyjnego ze strategią V/F. Obwód zasilający składa się z 10 przełączników MOSFET na fazę. Jako obwód sterujący zastosowano zestaw Spartan 3E FPGA. Kąty wyzwalania dla trzydziestu tranzystorów mocy MOSFET są określane z optymalnymi wartościami w oparciu o algorytm optymalizacji szarego wilka (GWO). Wyniki w postaci napięcia wyjściowego, prądu, prędkości i momentu obrotowego są wyświetlane dla różnych prędkości odniesienia. Pokazano, że moment obrotowy jest stały, zgodnie z oczekiwaniami dla wszystkich prędkości. Całkowite zniekształcenia harmoniczne (THD) są zredukowane do znaczącej wartości w porównaniu z tradycyjną techniką sinusoidalnego PWM.