Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: evolutionary algorithm ES

Sortuj według:

Ogranicz wyniki do:

Application of mixed algorithms of optimization in designing of big power low voltage induction motors

Łacheciński S.

Zeszyty Naukowe. Elektryka / Politechnika Łódzka

2009

z. 117

23-33

The thesis deals with a problem of designing low voltage high power induction motors. Hybrid optimization algorithms are used. Selected global and deterministic optimization algorithms with modifications are applied. These modifications are the author's original scientific contribution to their basic form.

Rozprawa dotyczy wykorzystania hybrydowych algorytmów optymalizacji do projektowania niskonapięciowych silników indukcyjnych dużych mocy. W pracy przedstawiono opracowane hybrydowe algorytmy optymalizacji: GA-R, ES-R, PSO-R, będące połączeniem trzech algorytmów optymalizacji globalnej, tj.: algorytmu genetycznego GA, strategii ewolucyjnej ES i algorytmu optymalizacji rojem cząstek PSO z odpowiednio zmodyfikowaną metodą Rosen-brocka. Ponadto dokonano porównania wyników obliczeń optymalizacyjnych silnika dla algorytmów optymalizacji globalnej jak i algorytmów hybrydowych. Zaimplementowane algorytmy wymagały wprowadzenia wielu zmian, tj. adaptacja do pracy tylko ze zmiennymi ciągłymi, tylko dyskretnymi oraz ciągłymi i dyskretnymi, przez zastosowanie odpowiednich funkcji dekodujących pojedyncze rozwiązanie dla metody deterministycznej oraz całe populacje rozwiązań dla algorytmów optymalizacji globalnej; dla algorytmu ES zmodyfikowanie wektora odchyleń standardowych w przypadku naruszenia ograniczeń kostkowych, oraz wprowadzenie procedury tasowania populacji rozwiązań zadaną ilość razy przed kolejną reprodukcją; dla algorytmów ES i PSO wprowadzenie procedur naprawy w przypadku naruszenia ograniczeń kostkowych przez danego osobnika. Zastosowanie hybrydowych algorytmów optymalizacji do optymalizacji silnika zmniejszyło koszty materiałowe i eksploatacyjne o około 20% w stosunku do silnika istniejącego, a uzyskane rozwiązania mają lepsze parametry eksploatacyjne.