Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały
1 Scientific Papers of The Institute of Electrical Machines, Drives and Measurements of the Wrocław University of Science and Technology Series: Studies and Research

1 2008

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: design variables

Sortuj według:

Ogranicz wyniki do:

Multicriterial optimization of the asynchronous machine

Sames M., Chrobacek K.

Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Studia i Materiały

2008

Vol. 62, nr 28

138-143

The goal of our work is to apply an optimization algorithm to design asynchronous machine and improve several output parameters simultaneously. Such optimization is called multicriterial optimization. We are looking to find compromise design with the best (at least to keep the original) output parameters and the lowest production cost. The model makes possible to compute all output parameters important for optimization which are used in optimization procedure. We have chosen the weighting method that deals with weights as the significance of output parameters. The cost function to be maximized (to reach the best output variables) is assembled and optimization algorithm applied. Because of the cost function's shape the random optimization algorithm has been chosen.

Praca dotyczy wykorzystanie algorytmów optymalizacyjnych przy projektowaniu maszyn asynchronicznych. Maszyna optymalizowana jest tak, by zachowane były ważne parametry pierwotne maszyny (sprawność, współczynnik mocy), przy minimalnych kosztach materiałów. Koszt maszyny obliczany jest z masy oraz średnich kosztów aktywnych podzespołów maszyny. Optymalizacja zawiera śledzenie nagrzewania się statora, które obliczamy za pomocą strat oraz współczynników empirycznych uzyskanych z pomiarów. Optymalizację nazywano wielokryterialną, ponieważ śledzi ona siedem wybranych parametrów wyjściowych równocześnie. Do zestawienia wartości fitness wykorzystano metodę wagową z dogodnymi funkcjami normującymi, których zaletą jest proste nastawianie ważności poszczególnych parametrów. Algorytm optymalizacji dobrano z uwzględnieniem charakteru badanego przebiegu oraz wymagań na czas rozwiązania. Wykorzystano jedną z metod wyszukiwania przypadkowego, algorytm MCRS (Modified Control Random Search), który bazuje na metodzie simpleks zaprojektowanej przez naszych kolegów z uniwersytetu. Zoptymalizowana maszyna na podstawie dobranych postulatów zachowuje wszystkie ważne parametry wyjściowe i jednocześnie wykazuje niższe koszty dzięki odpowiedniemu doborowi zmiennych projektowych oraz funkcji normowania i wag.