Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: neural network approximation

Sortuj według:

Ogranicz wyniki do:

Optimization of pin fin heat sink by application of CFD simulations and DOE methodology with neural network approximation

Kasza K., Malinowski Ł., Królikowski I.

International Journal of Applied Mechanics and Engineering

2013

Vol. 18, no. 2

365--381

A design optimization of a staggered pin fin heat sink made of a thermally conductive polymer is presented. The influence of several design parameters like the pin fin height, the diameter, or the number of pins on thermal efficiency of the natural convection heat sink is studied. A limited number of representative heat sink designs were selected by application of the design of experiments (DOE) methodology and their thermal efficiency was evaluated by application of the antecedently validated and verified numerical model. The obtained results were utilized for the development of a response surface and a typical polynomial model was replaced with a neural network approximation. The particle swarm optimization (PSO) algorithm was applied for the neural network training providing very accurate characterization of the heat sink type under consideration. The quasi-complete search of defined solution domain was then performed and the different heat sink designs were compared by means of thermal performance metrics, i.e., array, space claim and mass based heat transfer coefficients. The computational fluid dynamics (CFD) calculations were repeated for the most effective heat sink designs.

Calculation of hysteresis energy losses

Szymański Grzegorz, Waszak Michał

Archives of Electrical Engineering

2003

Vol. 52, nr 4

349--360

In design and optimization of electromagnetic devices the determination of hysteresis energy losses plays significant role. This paper presents comprehensive approach to the computation of hysteresis energy losses. First, the H-B relationship in terms of the Classical Preisach Model and the formula for dissipated energy are given. In order to perform computations efficiently the hysteresis model takes advantage of the neural network approximation of Preisach function. Next, the finite element field solver described in terms of magnetic vector potential using the Newton - Raphson technique to deal with nonlinearities is presented. Transient operation of a coil with toroidal core under voltage excitation has been investigated. The computation results and measurements have been compared.

Podczas projektowania i optymalizacji konstrukcji urządzeń elektromagnetycznych istotną rolę odgrywa możliwość określania strat histerezowych. W artykule omówiony został model Preisaca wyznaczający zależność H-B i umożliwiający obliczanie strat hisierezowych podczas przemagnesowania. W celu zwiększenia efektywności obliczeń do aproksymacji charakterystyk wykorzystano sztuczną sieć neuronową. Przedstawiono algorytm rozwiązywania równań opisujących trójwymiarowe pole magnetyczne. Równania pola sprzężono z modelem histerezy. W celu rozwiązania zagadnienia nieliniowego wykorzystano metodę Newtona-Raphsona. Jako przykład przedstawiono symulację stanu nieustalonego toroidalnej cewki z rdzeniem z materiału z histerezą przy wymuszeniu napięciowym; porównano wyniki pomiaru i obliczeń.