|
|
Electromagnetic analysis and modeling of a solid rotor induction machine
Bílek, Vladimír ; Vítek, Ondřej (referee) ; Bárta, Jan (advisor)
Tato diplomová práce se zabývá elektromagnetickou analýzou a modelováním asynchronního stroje s plným rotorem. Tato práce tedy zahrnuje literární rešerši na téma vysokootáčkových elektrických strojů s porovnáním s klasickými elektrickými stroji s převodovkou a popisem jejich výhod či nevýhod, rozdělení vysokootáčkových elektrických strojů s plnými rotory a srovnání jejich výhod či nevýhod, kde se tato práce nejvíce soustřeďuje na vysokootáčkové asynchronní stroje s plnými rotory a jejich použití v průmyslu. Dále se tato práce zabývá metodami výpočtu elektrických asynchronních strojů s plnými rotory. Proto jsou zde uvedeny a popsány metody výpočtu stroje mezi které patří analytické metody i metoda konečných prvků. Vzhledem k povaze elektrických strojů s plnými rotory je hlavně kladen důraz v této práci na výpočet stroje pomocí metody konečných prvků ve 2D prostoru s využitím korekčních činitelů konců plných rotorů, které jsou zde velmi detailně popsány a rozděleny. Na základě dostupné literatury je vypočítaný elektrický stroj s plným rotorem pomocí MKP analýzy. Elektromagnetický výpočet stroje je automatizován pomocí skriptu vytvořeného v Pythonu. Dalším hlavním cílem této práce je popis tzv. náhradních modelů, uvedení jejich výhod či nevýhod, použití v jiných průmyslových odvětvích a hlavně použití náhradních modelů na elektrický stroj s plným rotorem. S využitím náhradních modelů je dále optimalizovaný vybraný asynchronní stroj s plným rotorem a to pomocí programů SymSpace a Optimizer. Pro samotnou optimalizaci byly uvažovány 3 návrhy stroje, které byly na závěr mezi sebou porovnány a to hlavně z hlediska jejich elektromagnetického výkonu.
|
|
|
Model-based evolutionary optimization methods
Bajer, Lukáš ; Holeňa, Martin (advisor) ; Brockhoff, Dimo (referee) ; Pošík, Petr (referee)
Model-based black-box optimization is a topic that has been intensively studied both in academia and industry. Especially real-world optimization tasks are often characterized by expensive or time-demanding objective functions for which statistical models can save resources or speed-up the optimization. Each of three parts of the thesis concerns one such model: first, copulas are used instead of a graphical model in estimation of distribution algorithms, second, RBF networks serve as surrogate models in mixed-variable genetic algorithms, and third, Gaussian processes are employed in Bayesian optimization algorithms as a sampling model and in the Covariance matrix adaptation Evolutionary strategy (CMA-ES) as a surrogate model. The last combination, described in the core part of the thesis, resulted in the Doubly trained surrogate CMA-ES (DTS-CMA-ES). This algorithm uses the uncertainty prediction of a Gaussian process for selecting only a part of the CMA-ES population for evaluation with the expensive objective function while the mean prediction is used for the rest. The DTS-CMA-ES improves upon the state-of-the-art surrogate continuous optimizers in several benchmark tests.
|
|
|
Electromagnetic analysis and modeling of a solid rotor induction machine
Bílek, Vladimír ; Vítek, Ondřej (referee) ; Bárta, Jan (advisor)
Tato diplomová práce se zabývá elektromagnetickou analýzou a modelováním asynchronního stroje s plným rotorem. Tato práce tedy zahrnuje literární rešerši na téma vysokootáčkových elektrických strojů s porovnáním s klasickými elektrickými stroji s převodovkou a popisem jejich výhod či nevýhod, rozdělení vysokootáčkových elektrických strojů s plnými rotory a srovnání jejich výhod či nevýhod, kde se tato práce nejvíce soustřeďuje na vysokootáčkové asynchronní stroje s plnými rotory a jejich použití v průmyslu. Dále se tato práce zabývá metodami výpočtu elektrických asynchronních strojů s plnými rotory. Proto jsou zde uvedeny a popsány metody výpočtu stroje mezi které patří analytické metody i metoda konečných prvků. Vzhledem k povaze elektrických strojů s plnými rotory je hlavně kladen důraz v této práci na výpočet stroje pomocí metody konečných prvků ve 2D prostoru s využitím korekčních činitelů konců plných rotorů, které jsou zde velmi detailně popsány a rozděleny. Na základě dostupné literatury je vypočítaný elektrický stroj s plným rotorem pomocí MKP analýzy. Elektromagnetický výpočet stroje je automatizován pomocí skriptu vytvořeného v Pythonu. Dalším hlavním cílem této práce je popis tzv. náhradních modelů, uvedení jejich výhod či nevýhod, použití v jiných průmyslových odvětvích a hlavně použití náhradních modelů na elektrický stroj s plným rotorem. S využitím náhradních modelů je dále optimalizovaný vybraný asynchronní stroj s plným rotorem a to pomocí programů SymSpace a Optimizer. Pro samotnou optimalizaci byly uvažovány 3 návrhy stroje, které byly na závěr mezi sebou porovnány a to hlavně z hlediska jejich elektromagnetického výkonu.
|
|
|
Model-based evolutionary optimization methods
Bajer, Lukáš ; Holeňa, Martin (advisor) ; Brockhoff, Dimo (referee) ; Pošík, Petr (referee)
Model-based black-box optimization is a topic that has been intensively studied both in academia and industry. Especially real-world optimization tasks are often characterized by expensive or time-demanding objective functions for which statistical models can save resources or speed-up the optimization. Each of three parts of the thesis concerns one such model: first, copulas are used instead of a graphical model in estimation of distribution algorithms, second, RBF networks serve as surrogate models in mixed-variable genetic algorithms, and third, Gaussian processes are employed in Bayesian optimization algorithms as a sampling model and in the Covariance matrix adaptation Evolutionary strategy (CMA-ES) as a surrogate model. The last combination, described in the core part of the thesis, resulted in the Doubly trained surrogate CMA-ES (DTS-CMA-ES). This algorithm uses the uncertainty prediction of a Gaussian process for selecting only a part of the CMA-ES population for evaluation with the expensive objective function while the mean prediction is used for the rest. The DTS-CMA-ES improves upon the state-of-the-art surrogate continuous optimizers in several benchmark tests.
|
|
|
Accelerating evolutionary algorithms by decision trees and their generalizations
Klíma, Jan ; Holeňa, Martin (advisor) ; Hauzar, David (referee)
Evolutionary algorithms are one of the most successful methods for solving non-traditional optimization problems. As they employ only function values of the objective function, evolutionary algorithms converge much more slowly than optimization methods for smooth functions. This property of evolutionary algorithms is particularly disadvantageous in the context of costly and time-consuming empirical way of obtaining values of the objective function. However, evolutionary algorithms can be substantially speeded up by employing a sufficiently accurate regression model of the empirical objective function. This thesis provides a survey of utilizability of regression trees and their ensembles as a surrogate model to accelerate convergence of evolutionary optimization.
|
guest ::
