Wyniki wyszukiwania - BazTech

1

Optymizacja sprawności silnika indukcyjnego z zastosowaniem algorytmów sztucznej inteligencji

Pieńkowski Krzysztof

Napędy i Sterowanie

|

2019

|

R. 21, nr 2

78--82

PL

W artykule przedstawiono algorytmy optymizacji sprawności silnika indukcyjnego, czyli minimalizacji strat mocy silnika indukcyjnego. Rozpatrywane algorytmy optymizacji sprawności silnika indukcyjnego należą do nowoczesnych algorytmów sztucznej inteligencji. Zagadnienia optymizacji sprawności silnika indukcyjnego mają duże znaczenie w układach napędowych z silnikami indukcyjnymi klatkowymi, które pracują często przy zmiennych obciążeniach, mniejszych od znamionowych. Jest to powodem nieoptymalnej pracy silnika przy wartości sprawności mniejszych od znamionowej. W artykule omówiono ogólne strategie sterowania silnika indukcyjnego klatkowego zapewniające optymizację sprawności silnika indukcyjnego: sterowanie z optymalizacją wartości wybranej wielkości elektromagnetycznej, sterowanie oparte na modelu strat mocy silnika, sterowanie poszukiwawcze oraz sterowanie hybrydowe, stanowiące połączenie kilku strategii sterowania. Dla realizacji tych strategii optymizacji sprawności silnika zastosowano metody sztucznej inteligencji. W artykule przedstawiono następujące metody sztucznej inteligencji: metody sterowania rozmytego, metody sztucznych sieci neuronowych, algorytmy genetyczne i metodę roju cząstek. Omówiono zasady działania i właściwości poszczególnych algorytmów sztucznej inteligencji w zastosowaniach do optymizacji sprawności silnika indukcyjnego. Dla poszczególnych opisywanych algorytmów sztucznej inteligencji przedstawiono przekształtnikowe układy sterowania polowo zorientowanego silnika indukcyjnego, zapewniające realizację optymizacji sprawności silnika podczas eksploatacji układu napędowego.

EN

In the paper, the optimization algorithms of induction motor efficiency, that is the minimization of power losses of induction motor is presented. The considered optimization algorithms of induction motor efficiency can be classified as the modern algorithms from the group of artificial intelligence. The problems of improvement of induction motor efficiency is very important in electrical drive systems, that are often operated with the mechanical loads lower than nominal load. This is the reason of non-optimal operation of induction motor with the efficiencies considerably lower than rated efficiency. In the article, the general control strategies used for optimization of induction motor efficiency are presented and discussed: the Simple State Control, the Loss Model Control, the Search Control and the methods of hybrid control, that are combinations of several basic strategies. For the realization of these control strategies for efficiency optimization, the control methods of artificial intelligence have been implemented: the Fuzzy Control, the Artificial Neural Network, the Genetic Algorithms end the Particle Swarm Optimization. The principles of operation and the properties of individual methods of artificial intelligence, applied for induction motor efficiency, have been discussed. The field-oriented control systems of induction motor, with control blocks used for realization of individual control methods of artificial intelligence are presented.

2

Optymizacja sprawności silnika indukcyjnego z zastosowaniem algorytmów sztucznej inteligencji

Pieńkowski K.

Maszyny Elektryczne : zeszyty problemowe

|

2018

|

Nr 3 (119)

83--88

PL

W artykule przedstawiono algorytmy optymizacji sprawności silnika indukcyjnego, czyli minimalizacji strat mocy silnika indukcyjnego. Rozpatrywane algorytmy optymizacji sprawności silnika indukcyjnego należą do nowoczesnych algorytmów sztucznej inteligencji. Zagadnienia optymizacji sprawności silnika indukcyjnego mają duże znaczenie w układach napędowych z silnikami indukcyjnymi klatkowymi, które pracują często przy zmiennych obciążeniach, mniejszych od znamionowych. Jest to powodem nieoptymalnej pracy silnika przy wartości sprawności mniejszych od znamionowej. W artykule omówiono ogólne strategie sterowania silnika indukcyjnego klatkowego zapewniające optymizację sprawności silnika indukcyjnego: sterowanie z optymalizacją wartości wybranej wielkości elektromagnetycznej, sterowanie oparte na modelu strat mocy silnika, sterowanie poszukiwawcze oraz sterowanie hybrydowe, stanowiące połączenie kilku strategii sterowania. Dla realizacji tych strategii optymizacji sprawności silnika zastosowano metody sztucznej inteligencji. W artykule przedstawiono następujące metody sztucznej inteligencji: metody sterowania rozmytego, metody sztucznych sieci neuronowych, algorytmy genetyczne i metodę roju cząstek. Omówiono zasady działania i właściwości poszczególnych algorytmów sztucznej inteligencji w zastosowaniach do optymizacji sprawności silnika indukcyjnego. Dla poszczególnych opisywanych algorytmów sztucznej inteligencji przedstawiono przekształtnikowe układy sterowania polowo-zorientowanego silnika indukcyjnego zapewniające realizację optymizacji sprawności silnika podczas eksploatacji układu napędowego.

EN

In the paper, the optimization algorithms of induction motor efficiency, that is the minimization of power losses of induction motor is presented. The considered optimization algorithms of induction motor efficiency can be classified as the modern algorithms from the group of artificial intelligence. The problems of improvement of induction motor efficiency is very important in electrical drive systems, that are often operated with the mechanical loads lower than nominal load. This is the reason of non-optimal operation of induction motor with the efficiencies considerably Lower than rated efficiency. In the article, the general control strategies used for optimization of induction motor efficiency are presented and discussed: the Simple State Control, the Loss Model Control, the Search Control and the methods of hybrid control, that are combinations of several basic strategies. For the realization of these control strategies for efficiency optimizati on, the control methods of artificial intelligence have been implemented: the Fuzzy Control, the Artificial Neural Network, the Genetic Algorithms end the Particle Swarm Optimization. The principles of operation and the properties of individual methods of artificial interligence, applied for induction motor efficiency, have been discussed. The field-oriented control systems of induction motor, with control blocks used for realization of individual control methods of artificial intelligence are presented

3

Metoda oceny zarządzania zużyciem granicznym obiektów technicznych z wykorzystaniem fuzji klasyfikatorów rozmytych i heurystycznych

Topolska K.

Autobusy : technika, eksploatacja, systemy transportowe

|

2016

|

R. 17, nr 6

1789--1795

PL

Planowanie zarządzania matematycznymi modelami systemów technicznych opiera się na różnych modelach. Najprostsze z nich modeli zaliczane są do twardych metod obliczeniowych tj. statystyka i probabilistyka. Do miękkich bardziej złożonych metod obliczeniowych zaliczyć można sztuczne sieci neuronowe, algorytmy genetyczne, zbory rozmyte. Stosowanie tej drugiej grupy modeli staje się coraz bardziej powszechne. Zaliczane są one do metod sztucznej inteligencji. Sieci neuronowe i algorytmy genetyczne ze względu na swoje mechanizmy uczenia, stosowane są w celach optymalizacyjnych. Pozwalają one opisać różne nieliniowe struktury danych, jak i poprawnie je klasyfikować. Bardzo złożone problemy decyzyjne z jakimi mamy coraz częściej do czynienia często nie dają się efektywnie zoptymalizować. Są to problemy. Wtedy bardzo przydatne stają się metody heurystyczne, którym poświęcony jest niniejszy artykuł. Wykorzystywane w inteligentnych systemach metody wieloagentowe pozwalają na dokładne symulowanie rzeczywistości z dużą liczbą obiektów, o różnym poziomie abstrakcji. Stanowią one metodę pozwalającą opisać różne związki między uczestnikami ruchu na drogach. Artykuł prezentuje zadanie optymalizacyjne pozwalające dokonać obserwacji cech obiektu w wielowymiarowej przestrzeni cech go opisujących.

4

Metody sztucznej inteligencji w organizacji inteligentnej

Wyskwarski M.

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2015

|

z. 86

159--168

PL

Tradycyjne struktury i modele zarządzania stają się w obecnych czasach coraz mniej przydatne dla nowych form i warunków funkcjonowania. Od pewnego czasu w teorii i praktyce zarządzania stosuje się koncepcję organizacji inteligentnej. W artykule rozważano możliwość wykorzystania wybranych metod sztucznej inteligencji, tj. systemów ekspertowych, sztucznych sieci neuronowych oraz algorytmów ewolucyjnych, w przedsiębiorstwach funkcjonujących zgodnie z koncepcją organizacji inteligentnej.

EN

he traditional structures and forms of managing are not flexible enough to current form and conditions of corporations’ environment. Due to that point of view the concept of intelligent organization has appeared. This article presents the possibility of use of AI methods (expert systems, neural networks, evolutionary algorithms) in enterprises based on intelligent organization way of management.

5

Zastosowanie zmodyfikowanego algorytmu symulowanego wyżarzania do określenia kierunków rozwoju sieci transportowej

Król A.

Logistyka

|

2014

|

nr 6

14382--14391, CD 6

PL

Obecna postać sieci transportowej na danym obszarze jest wynikiem rozwoju trwającego nawet setki lat. Niektóre etapy tego procesu były wymuszane przez losowe czynniki, które teraz często nie mają już żadnego znaczenia. Dodatkowo obecnie w gwałtowny sposób rosną potrzeby transportowe. Jest zatem prawie pewne, że konieczna jest rozbudowa i modernizacja zastanej sieci transportowej. Mając na uwadze ograniczenia budżetowe należy wskazać te elementy, których modyfikacja przyniesie jak najwięcej korzyści. Ze względu na złożoność problemu obiecujące jest zastosowanie metod sztucznej inteligencji. Jedną z najprostszych w implementacji metod jest symulowane wyżarzenie, które po wprowadzeniu pewnych modyfikacji jawi się jako bardzo szybki i skuteczny sposób znajdowania globalnego optimum. W pracy stworzono uproszczony, ale realistyczny model sieci transportowej centralnej części Górnego Śląska, potrzeby transportowe określono w oparciu o dane z Generalnego Pomiaru Ruchu 2010. Stosując zmodyfikowany algorytm symulowanego wyżarzania poszukiwano najlepszych możliwości rozwoju badanej sieci transportowej.

EN

The present structure of the transportation network in the given area is the result of the ongoing development lasting even hundreds of years. Some stages of this process were forced by random factors, which are now without any meaning. Additionally the transportation demands are growing rapidly in recent times. Therefore it is almost certain that it is now necessary to develop the existing transportation network. Taking into account the budgetary constraints those elements whose modification will be most beneficial should be specified. Due to the complexity of the problem it is likely to use the artificial intelligence methods. One of the simplest for the implementation is the simulated annealing algorithm. After introduction of some modifications it appears as a quick and efficient way for the global optimum searching. The simplified, but realistic model of the transportation network of the central part of Upper Silesia was created, the transportation demands were determined with the use of the data from the General Traffic Measurement 2010. With the use of the modified simulated annealing algorithm the best possibilities of the development of the examined transportation network were searched for.

6

Metody sztucznej inteligencji w sterowaniu serwonapędami pneumatycznymi

Gawor T., Dindorf R.

Zeszyty Naukowe Politechniki Świętokrzyskiej. Nauki Techniczne

|

2009

|

Z. 13

147--152

PL

W niniejszym artykule przedstawiono metody sztucznej inteligencji, jakie używane są w sterowaniu obiektów. W pracy omówiono podstawowe metody stosowane w sterowaniu, ze szczególnym uwzględnieniem sztucznych sieci neuronowych. Sterowanym obiektem był serwonapęd pneumatyczny. Układy pneumatyczne jako układy nieliniowe, które są trudne w szczegółowym opisie, są jednocześnie dobrym przykładem wykorzystania sztucznej inteligencji korzystającej jedynie z przygotowanego zbioru danych uczących. Odwzorowanie danych realizowane jest poprzez uczenie sztucznej sieci neuronowej.

EN

The paper presents methods of artificial intelligence that are used in the control object. The paper discusses the basic methods used in control, with specific regard artificial neural networks. Controlled object in this work was the pneumatic servomotor. Pneumatic systems as nonlinear systems which are difficult to describe in detail, are a good example of the use of artificial intelligence that uses only the prepared data set of learners. Mapping data is accomplished through learning artificial neural network.