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: permanet magnet motor

Sortuj według:

Ogranicz wyniki do:

Aproksymacja przebiegu momentu silnika magnetoelektrycznego z wykorzystaniem sztucznej sieci neuronowej

Pietrowski W., Stachowiak D.

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

2008

Vol. 62, nr 28

163-168

W artykule przedstawiono zastosowanie sztucznej sieci neuronowej do aproksymacji przebiegu momentu silnika magnetoelektrycznego. Moment obliczono na podstawie rozwiązań równań pola magnetycznego metodą elementów krawędziowych. Układ równań metody elementów krawędziowych odpowiada równaniom siatki reluktancyjnej. Zastosowano nowe ujęcie metody elementów krawędziowych, w którym wielkości wektorowe opisuje się za pomocą funkcji interpolacyjnych elementów krawędziowych i ściankowych. Do obliczenia momentu zastosowano wielomian interpolacyjny Lagrange'a oparty na danych dla trzech położeń wirnika. Uzyskane przebiegi momentu elektromagnetycznego wykorzystano do uczenia i testowania sztucznej sieci neuronowej. Zbadano skuteczność wybranych czterech algorytmów uczenia sieci neuronowej. Wytrenowaną sieć neuronową wykorzystano do aproksymacji przebiegu momentu elektromagnetycznego dla różnych szerokości magnesu.

In the paper the approximation of electromagnetic torque waveforms using artificial neural network is presented. The waveforms of torque have been calculated on the basis of magnetic field distribution obtained by edge element method. In order to calculate the waveforms the Lagrange polynomial has been used for three rotor positions. Next, the waveforms were used to train the feed forward artificial neural network. The structure of network is three hidden layers with tan-sigmoid transfer function and linear transfer function in the output layer. The Levenberg-Marquardt backpropagation algorithm has been applied to train the artificial neural network. The elaborated artificial neural network has been used to assign electromagnetic torque waveform. The paper shows that the waveform of electromagnetic torque can be successfully approximated by artificial neural network.