|
|
Electromagnetic analysis and modeling of a solid rotor induction machine
Bílek, Vladimír ; Vítek, Ondřej (oponent) ; Bárta, Jan (vedoucí práce)
This Master's thesis deals with the electromagnetic analysis and modeling of a solid rotor induction machine. The work includes a state-of-review on the topic of high-speed electrical machines, with the description of their advantages and disadvantages compared to conventional electrical machines with gearboxes, division of high-speed electrical machines with solid rotors, and comparison of their advantages and disadvantages, where the emphasis is placed mainly on high-speed induction machines with solid rotors and their use and applications in industry. Furthermore, the work deals with methods of calculation of electrical induction machines with solid rotors. Thus, methods for analytical calculation and finite element calculation of induction machines with solid rotors are described here. Above all, the emphasis is placed on the finite element method in a 2D space using correction end-effect factors, which are divided and described in detail here. Based on the obtained literature, an electric machine with a solid rotor is calculated using electromagnetic FEM analysis. The calculation of the machine is automatized with Python script. As another main objective of this work is to describe the so called surrogate models, their advantages and disadvantages, their use in industry and especially the application of surrogate models to a electrical machines with a solid rotor. Using surrogate models, the case study machine with a solid rotor is then optimized using SymSpace and Optimizer. For the optimizations, 3 machine designs were considered and eventually compared with each other from an electromagnetic performance point of view.
|
|
| |
|
|
Využiti náhradní plochy odezvy a formátů bezpečnosti v pravděpodobnostní analýze konstrukcí
Novák, Lukáš ; Sýkora,, Miroslav (oponent) ; Šejnoha,, Michal (oponent) ; Novák, Drahomír (vedoucí práce)
Předložená disertační práce je zaměřena na vývoj teoretických metod pro pravděpodbnostní návrh a posouzení konstrukcí. Za účelem snížení výpočetní náročnosti pravděpodobnostního přístupu jsou vytvořené metody založené na technikách náhradní plochy odezvy. Konkrétně byl využit Taylorův rozvoj k odvození originální analytické metody pro zjednodušený polo-pravděpodobnostní návrh a posouzení konstrukcí reprezentovaných nelineárním konečněprvkostním modelem. Nově navržený přístup je zaměřen na odhad rozptylu zájmové veličiny a vliv korelace mezi vstupními náhodnými veličinami. Druhá část disertační práce se zabývá vývojem efektivních numerických algoritmů pro tvorbu plochy odezvy založenou na rozvoji polynomiálního chaosu a její využití pro kvantificakci nejistot. Ačkoli je představený algoritmus založen na aktuálních pokročilých technikách, bylo vhodné zvýšit jeho efektivitu také pokročilým statistických vzorkováním. Tudíž byla konkrétně pro PCE vyvinuta technika adaptivního sekvenčního vzorkování, která zohledňuje jak průzkum návrhové domény, tak i využití informace o náhradní ploše odezvy.
|
|
|
Numerical realization of the Bayesian inversion accelerated using surrogate models
Bérešová, Simona
The Bayesian inversion is a natural approach to the solution of inverse problems based on uncertain observed data. The result of such an inverse problem is the posterior distribution of unknown parameters. This paper deals with the numerical realization of the Bayesian inversion focusing on problems governed by computationally expensive forward models such as numerical solutions of partial differential equations. Samples from the posterior distribution are generated using the Markov chain Monte Carlo (MCMC) methods accelerated with surrogate models. A surrogate model is understood as an approximation of the forward model which should be computationally much cheaper. The target distribution is not fully replaced by its approximation. Therefore, samples from the exact posterior distribution are provided. In addition, non-intrusive surrogate models can be updated during the sampling process resulting in an adaptive MCMC method. The use of the surrogate models significantly reduces the number of evaluations of the forward model needed for a reliable description of the posterior distribution. Described sampling procedures are implemented in the form of a Python package.
|
|
|
Využiti náhradní plochy odezvy a formátů bezpečnosti v pravděpodobnostní analýze konstrukcí
Novák, Lukáš ; Sýkora,, Miroslav (oponent) ; Šejnoha,, Michal (oponent) ; Novák, Drahomír (vedoucí práce)
Předložená disertační práce je zaměřena na vývoj teoretických metod pro pravděpodbnostní návrh a posouzení konstrukcí. Za účelem snížení výpočetní náročnosti pravděpodobnostního přístupu jsou vytvořené metody založené na technikách náhradní plochy odezvy. Konkrétně byl využit Taylorův rozvoj k odvození originální analytické metody pro zjednodušený polo-pravděpodobnostní návrh a posouzení konstrukcí reprezentovaných nelineárním konečněprvkostním modelem. Nově navržený přístup je zaměřen na odhad rozptylu zájmové veličiny a vliv korelace mezi vstupními náhodnými veličinami. Druhá část disertační práce se zabývá vývojem efektivních numerických algoritmů pro tvorbu plochy odezvy založenou na rozvoji polynomiálního chaosu a její využití pro kvantificakci nejistot. Ačkoli je představený algoritmus založen na aktuálních pokročilých technikách, bylo vhodné zvýšit jeho efektivitu také pokročilým statistických vzorkováním. Tudíž byla konkrétně pro PCE vyvinuta technika adaptivního sekvenčního vzorkování, která zohledňuje jak průzkum návrhové domény, tak i využití informace o náhradní ploše odezvy.
|
|
|
Využití umělých neuronových sítí k urychlení evolučních algoritmů
Wimberský, Antonín ; Holeňa, Martin (vedoucí práce) ; Gemrot, Jakub (oponent)
V předkládané práci studujeme možnosti využití umělých neuronových sítí k urychlení evolučních algoritmů. Urychlení spočívá ve snížení počtu volání fitness funkce, jejíž vyhodnocení je u některých typů optimalizačních úloh značně časově i finančně náročné. Jako regresní model používáme neuronovou síť, která slouží pro odhadnutí hodnoty fitness jedinců v průběhu evolučního algoritmu. Zároveň s regresním modelem pracujeme i se skutečnou fitness funkcí, kterou používáme pro přehodnocení jedinců vybraných podle předem zvolené strategie. Tyto jedince ohodnocené skutečnou fitness funkcí pak využijeme pro zlepšení regresního modelu. Díky tomu, že je velká část jedinců ohodnocována pouze regresním modelem, se podstatně snižuje celkový počet volání skutečné fitness funkce, který je potřebný pro nalezení kvalitního řešení optimalizační úlohy.
|
|
|
Model-based evolutionary optimization methods
Bajer, Lukáš ; Holeňa, Martin (vedoucí práce) ; Brockhoff, Dimo (oponent) ; Pošík, Petr (oponent)
Statistické modely se používají pro urychlení optimalizace jak v akademické sféře, tak v průmyslu. Právě v reálných aplikacích, kde je optimalizovaná funkce často finančně nebo časově náročná, mohou statistické modely ušetřit zdroje nebo urychlit optimalizaci. Každá ze tří částí dizertační práce se zabývá jedním takovým modelem: v první části práce nahrazují kopule grafické modely v algoritmech odhadující distribuci, RBF sítě slouží jako náhradní model v genetických algoritmech pro kombinaci spojitých a diskrétních proměnných ve druhé části a třetí část práce používá gaussovské procesy jednak jako model pro vzorkování v bayesovských optimalizačních algoritmech, jednak jako náhradní model v evoluční strategii adaptující kovarianční matici (CMA-ES). Poslední kombinaci, která je popsána klíčové části práce, využívá navržený algoritmus DTS-CMA-ES---dvojitě trénovaný CMA-ES s náhradním modelem. Tento algoritmus využívá nejistotu predikovanou gaussovským procesem, aby vybral část populace CMA-ES k ohodnocení drahou originální funkcí, zatímco zbytek populace je ohodnocen modelem---predikovanou nejpravděpodobnější hodnotou. Výsledky ukázaly, že DTS-CMA-ES konverguje na několika syntetických funkcích rychleji než současné spojité optimalizační algoritmy s náhradním modelem.
|
|
|
Electromagnetic analysis and modeling of a solid rotor induction machine
Bílek, Vladimír ; Vítek, Ondřej (oponent) ; Bárta, Jan (vedoucí práce)
This Master's thesis deals with the electromagnetic analysis and modeling of a solid rotor induction machine. The work includes a state-of-review on the topic of high-speed electrical machines, with the description of their advantages and disadvantages compared to conventional electrical machines with gearboxes, division of high-speed electrical machines with solid rotors, and comparison of their advantages and disadvantages, where the emphasis is placed mainly on high-speed induction machines with solid rotors and their use and applications in industry. Furthermore, the work deals with methods of calculation of electrical induction machines with solid rotors. Thus, methods for analytical calculation and finite element calculation of induction machines with solid rotors are described here. Above all, the emphasis is placed on the finite element method in a 2D space using correction end-effect factors, which are divided and described in detail here. Based on the obtained literature, an electric machine with a solid rotor is calculated using electromagnetic FEM analysis. The calculation of the machine is automatized with Python script. As another main objective of this work is to describe the so called surrogate models, their advantages and disadvantages, their use in industry and especially the application of surrogate models to a electrical machines with a solid rotor. Using surrogate models, the case study machine with a solid rotor is then optimized using SymSpace and Optimizer. For the optimizations, 3 machine designs were considered and eventually compared with each other from an electromagnetic performance point of view.
|
|
|
Model-based evolutionary optimization methods
Bajer, Lukáš ; Holeňa, Martin (vedoucí práce) ; Brockhoff, Dimo (oponent) ; Pošík, Petr (oponent)
Statistické modely se používají pro urychlení optimalizace jak v akademické sféře, tak v průmyslu. Právě v reálných aplikacích, kde je optimalizovaná funkce často finančně nebo časově náročná, mohou statistické modely ušetřit zdroje nebo urychlit optimalizaci. Každá ze tří částí dizertační práce se zabývá jedním takovým modelem: v první části práce nahrazují kopule grafické modely v algoritmech odhadující distribuci, RBF sítě slouží jako náhradní model v genetických algoritmech pro kombinaci spojitých a diskrétních proměnných ve druhé části a třetí část práce používá gaussovské procesy jednak jako model pro vzorkování v bayesovských optimalizačních algoritmech, jednak jako náhradní model v evoluční strategii adaptující kovarianční matici (CMA-ES). Poslední kombinaci, která je popsána klíčové části práce, využívá navržený algoritmus DTS-CMA-ES---dvojitě trénovaný CMA-ES s náhradním modelem. Tento algoritmus využívá nejistotu predikovanou gaussovským procesem, aby vybral část populace CMA-ES k ohodnocení drahou originální funkcí, zatímco zbytek populace je ohodnocen modelem---predikovanou nejpravděpodobnější hodnotou. Výsledky ukázaly, že DTS-CMA-ES konverguje na několika syntetických funkcích rychleji než současné spojité optimalizační algoritmy s náhradním modelem.
|
|
| |
host ::
RSS.