Notice: Undefined index: linkPowrot in C:\wwwroot\wwwroot\publikacje\publikacje.php on line 1275
Strona główna > Publikacje
Publikacje
Pomoc (F2)
[1540] Artykuł:

Analiza wpływu wartości współczynnika wagowego wskaźnika jakości w problemie identyfikacji modelu matematycznego silnika indukcyjnego z zastosowaniem algorytmu genetycznego

(The analysis of influence of value of weight coefficient of performance index in identification of induction motor mathematical model problem)
Czasopismo: Logistyka   Zeszyt: 6, Strony: 9247-9254
ISSN:  1231-5478
Opublikowano: 2014
 
  Autorzy / Redaktorzy / Twórcy
Imię i nazwisko Wydział Katedra Procent
udziału		 Liczba
punktów
Katarzyna Rutczyńska-Wdowiak orcid logoWEAiIKatedra Systemów Informatycznych *10010.00  

Grupa MNiSW:  Publikacja w recenzowanym czasopiśmie wymienionym w wykazie ministra MNiSzW (część B)
Punkty MNiSW: 10

Słowa kluczowe:

identyfikacja parametryczna  silnik indukcyjny  algorytm genetyczny 

Keywords:

parametric identification  induction motor  genetic allgorithm 


Streszczenie:

W pracy przedstawiono rezultaty zastosowania algorytmu genetycznego z częściową wymianą populacji w
problemie identyfikacji parametrycznej modelu matematycznego silnika indukcyjnego. Wartości
identyfikowanych parametrów modelu matematycznego silnika wyznaczono w oparciu
o minimalizację błędu średniokwadratowego amplitudy prądu stojana oraz prędkości kątowej. Badania
dotyczyły określenia wpływu wartości współczynnika wagowego przyjętego wskaźnika jakości na zbieżność i
dokładność analizowanego problemu identyfikacji. Współczynnik wagowy został uwzględniony we wskaźniku
jakości w celu zachowania kompromisu pomiędzy wartością sumy kwadratów błędu prędkości kątowej i błędu
prądu stojana. Badania wykonano dla silnika indukcyjnego klatkowego o mocy 2.2 kW. Procedurę identyfikacji
uruchomiono dla populacji algorytmu genetycznego o rozmiarze 60 osobników. Z uwagi na probabilistyczny
charakter działania algorytmów genetycznych podano wartości średnie z kilku niezależnie przeprowadzonych
doświadczeń.



Abstract:

In this work the results of the use of genetic algorithm with steady-state in parametric identification of induction motor mathematical model were presented. The values of identified parameters of motor mathematical model as the result of minimization of mean-square error of stator current and angular velocity were determined. The research referred analysis of influence of value of weight coefficient accepted performance index on convergence and accuracy of identification problem. The weight coefficient into performance index for compromise between value of squares sum of angular velocity error and stator current error was taken. The experimental investigations for induction motor 2.2 kW were performed. Identification procedure for population size of genetic algorithm 60 individuals was started. Because of probabilistic character of genetic algorithms in investigations the average values obtained from several independent experiments was given.


B   I   B   L   I   O   G   R   A   F   I   A
1. Alonge F., D’Ippolito F., Ferrante G., Raimondi F. M., Parameter Identification of Induction Motor Model Using Genetic Algorithms. IEE Proceedings Control Theory and Applications, Vol. 145, No. 6, 1998, pp. 587-593.
2. Arabas J., Wykłady z algorytmów ewolucyjnych. WNT, Warszawa 2001.
3. Bäck T., Hammel U., Lewandowski R., Mandischer M., Naujoks B., Rolf S., Schütz M., Schwefel H. P., Sprave J., Theis S., Evolutionary Algorithms: Applications at the Informatik Center Dortmund. Praca zbiorowa pt. Genetic Algorithms and Evolution Strategies in Engineering and Computer Science, pod red. Quagliarella D., Periaux J., Poloni C., Winter G., wyd. John Wiley & Sons, Chichester, England 1998, pp. 175-204.
4. Bianchi N., Bolognani S., Design Optimisation of Electric Motors by Genetic Algorithms. IEE Proceedings Electric Power Applications, Vol. 145, No. 5 1998, pp. 475-483.
5. Chung P. Y., Dölen M., Lorenz R. D., Parameter Identification for Induction Machines by Continuous Genetic Algorithms. IEEE Neural Nets Council & ASME. St. Louis, MO, Nov. 5-8 2000, pp. 341-346.
6. Gorzalczany M. B., Rudzinski F., Application of genetic algorithms and Kohonen networks to cluster analysis. Lecture Notes in Computer Science 2004, vol. 3070, pp. 556-561.
7. Gorzalczany M. B., Rudzinski F., Genetic Fuzzy Rule-Based Modelling of Dynamic Systems Using Time Series. Lecture Notes in Computer Science 2012, vol. 7269, pp. 231-239.
8. Macek-Kamińska K., Estymacja parametrów modeli matematycznych silników indukcyjnych dwuklatkowych i głębokożłobkowych. WSI, Studia i Monografie, z. 61, Opole 1992.
9. Michalewicz Zb., Dasgupta D., Le Riche R. G., Schoenauer M., Evolutionary Algorithms for Constrained Engineering Problems. Computers & Industrial Engineering Journal, Vol. 30, No. 2, September 1996, pp. 851-870.
10. Michalewicz Zb., Schoenauer M., Evolutionary Algorithms for Constrained Parameter Optimization Problems. Evolutionary Computation, Vol. 4, No. 1 1996, pp. 1-32.
11. Michalewicz Zb., Algorytmy genetyczne + struktury danych = programy ewolucyjne. WNT, Warszawa 1999.
12. Pełczewski Wł., Krynke M., Metoda zmiennych stanu w analizie dynamiki układów napędowych. WNT, Warszawa 1984.
13. Rutczyńska-Wdowiak K., Algorytmy genetyczne w identyfikacji parametrycznej modelu matematycznego obiektu dynamicznego na przykładzie silnika indukcyjnego. Rozprawa doktorska Politechnika Świętokrzyska, Kielce 2005.
14. Rutczyńska-Wdowiak K., Identification of induction motor mathematical model with the use of genetic algorithms, Procc. of the International Conference CEEPUS Summer School Intelligent Control Systems, Czech Republic, Brno 2005, str. 90-95.
9254
15. Rutczyńska-Wdowiak K., Makowski M., Analiza wpływu operatora krzyżowania w problemie identyfikacji modelu tłumika MR z zastosowaniem algorytmu genetycznego. Technika transportu szynowego, 9/2012 2012, str. 123-135.
16. Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Wydawnictwo Naukowe PWN, Warszawa 1997.
17. Rutkowski L., Metody i techniki sztucznej inteligencji. PWN, Warszawa 2005.
18. Söderström T., Stoica P., Identyfikacja systemów. PWN, Warszawa 1997.
19. Stefański T., Synteza adaptacyjnych algorytmów sterowania momentem falownikowego napędu samochodu elektrycznego z silnikiem indukcyjnym. Rozprawa hab. Z. N. Politechniki Świętokrzyskiej, seria Monografie, studia, rozprawy nr 4, Kielce 1995.

POWRÓT
Strona główna > Publikacje