Streszczenie: W pracy przedstawiono dwuetapową procedurę identyfikacji modelu matematycznego silnika indukcyjnego. Parametry modelu matematycznego silnika wyznaczono w dwóch etapach: w pierwszym etapie z zastosowaniem algorytmu genetycznego (AG), natomiast w drugim - metody Boxa, przy czym wyniki identyfikacji otrzymane w etapie I stanowić będą warunki początkowe dla etapu II. Połączenie tego typu umożliwia wykorzystanie zalet obu metod, czyli z jednej strony skuteczności AG w przeszukiwaniu znacznych przestrzeni, a z drugiej dobrej zbieżności metody klasycznej w otoczeniu punktu ekstremum.
Abstract: This paper presents the problem of parametric identification of induction motor mathematical model with the use of two-stage procedure of minimization of performance index, based on genetic algorithm (GA) with steady state (first stage of identification process) and classical Box's method (second stage of identification process). The results of genetic search are the start conditions for classical method. Such approach allows to use global capabilities of GA and good convergence of the classical method in surroundings of the global extremum point. This procedure with regard to convergence and accuracy for the parametric identification problem and the time of numerical calculations was analysed.
B I B L I O G R A F I A[1] T. Stefański: 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.
[2] H. In-Joong, L. Sang-Hoon: An Online Identification Method for Both Stator and Rotor Resistances of Induction Motors without Rotational Transducers. IEEE Transactions on Industrial Electronics, Vol. 47, No. 4, 2000, pp. 842-853.
[3] K. Mańczak, Zb. Nahorski: Komputerowa identyfikacja obiektów dynamicznych. PWN, Warszawa 1983.
[4] T. Söderström, P. Stoica: Identyfikacja systemów. PWN, Warszawa 1997.
[5] P. Vas: Artificial-Intelligence-Based Electrical Machines and Drives. Oxford University Press, New York 1999.
[6] K. Rutczyńska-Wdowiak, T. Stefański: Identyfikacja modelu matematycznego silnika indukcyjnego przy pobudzeniu napięciem stojana. Materiały XIV Krajowej Konferencji Automatyki kka 2002, tom I, str. 389-394, Zielona Góra 2002.
[7] K. Rutczyńska-Wdowiak: Modyfikacje algorytmu genetycznego w problemie identyfikacji modelu matematycznego silnika indukcyjnego. PAK, Vol. 53, nr 8 2007.
[8] Wł. Pełczewski, M. Krynke: Metoda zmiennych stanu w analizie dynamiki układów napędowych. WNT, Warszawa 1984.
[9] D. Rutkowska, M. Piliński, L. Rutkowski: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN, Warszawa 1997.
[10] Zb. Michalewicz: Algorytmy genetyczne + struktury danych = pro-gramy ewolucyjne. WNT, Warszawa 1999.
[11] Zb. Michalewicz, Fogel D. B.: How to Solve It: Modern Heuristics. Springer Verlag, 2000.
[12] A. E. Eiben, R. Hinterding, Zb. Michalewicz: Parameter Control in Evolutionary Algorithms. IEEE Transactions on Evolutionary Computation, Vol. 3, No. 2, 1999, pp. 124-141.
[13] K. Szabat, T. Orłowska-Kowalska: Identyfikacja parametrów napędu prądu stałego za pomocą algorytmów genetycznych. Materiały V Krajowej Konferencji Naukowej SENE 2001, tom II, str. 597-604, Łódź 2001. 
Pełny tekst 
YADDA/CEON