|
|
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.
|
|
|
Utilizing artificial neural networks to accelerate evolutionary algorithms
Wimberský, Antonín ; Holeňa, Martin (advisor) ; Gemrot, Jakub (referee)
In the present work, we study possibilities of using artificial neural networks for accelerating of evolutionary algorithms. Improving consists in decreasing in number of calls to the fitness function, the evaluation of which is in some kinds of optimization problems very time- consuming and expensive. We use neural network as a regression model, which serves for fitness estimation in a run of evolutionary algorithm. Together with the regression model, we work also with the real fitness function, which we use for re-evaluation of individuals that are selecting according to a beforehand chosen strategy. These individuals re-evaluated by the real fitness function are used for improving the regression model. Because a significant number of individuals are evaluated only with the regression model, the number of calls to the real fitness function, that is needed for finding of a good solution of the optimization problem, is substantially reduced.
|
|
|
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.
|
|
|
Utilizing artificial neural networks to accelerate evolutionary algorithms
Wimberský, Antonín ; Holeňa, Martin (advisor) ; Gemrot, Jakub (referee)
In the present work, we study possibilities of using artificial neural networks for accelerating of evolutionary algorithms. Improving consists in decreasing in number of calls to the fitness function, the evaluation of which is in some kinds of optimization problems very time- consuming and expensive. We use neural network as a regression model, which serves for fitness estimation in a run of evolutionary algorithm. Together with the regression model, we work also with the real fitness function, which we use for re-evaluation of individuals that are selecting according to a beforehand chosen strategy. These individuals re-evaluated by the real fitness function are used for improving the regression model. Because a significant number of individuals are evaluated only with the regression model, the number of calls to the real fitness function, that is needed for finding of a good solution of the optimization problem, is substantially reduced.
|
guest ::
