×

基于粒子群算法的单相异步电机优化设计。 (英语) Zbl 1121.78021号

小结:本文旨在在满足一组性能约束的同时最大化电机效率的基础上,将粒子群优化(PSO)技术应用于单相感应电机(SPIM)的优化设计。在最大化电机效率的基础上,将SPIM的设计问题描述为一个非线性优化问题。在优化过程中施加了一组性能约束。使用粒子群优化技术作为优化工具,以获得与最大效率对应的电机尺寸。将粒子群优化算法作为一种无导数优化技术引入SPIM优化设计问题的求解中,大大减轻了对优化目标函数的假设。该方法已应用于两个样本电机,并将结果与进化规划(EP)结果进行了比较。结果表明,所提出的方法是有效和稳健的。

MSC公司:

78M50型 光学和电磁理论中的优化问题
65千5 数值数学规划方法
90 C59 数学规划中的近似方法和启发式
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 内政部:10.1080/15325000490466645·doi:10.1080/15325000490466645
[2] DOI:10.1016/S0142-0615(01)00067-9·doi:10.1016/S0142-0615(01)00067-9
[3] 内政部:10.1109/TEC.2002.801992·doi:10.1109/TEC.2002.801992
[4] 内政部:10.1049/ip-cta:19982408·doi:10.1049/ip-cta:19982408
[5] Angeline,P.(1998),“进化优化与粒子群优化:原理和性能差异”,Proc。Ann.7,Conf.Evolutionary Programming,第601-10页·doi:10.1007/BFb0040811
[6] 卡尔·乔杜里。,Chowdhury,S.、Chowdhuri,S.P.和Pal,S.K.(2001),“电容运行单相感应电动机设计的软件包”,《工程师学会期刊》,第82卷,印度,第137-45页。
[7] DOI:10.1009/60.8080·doi:10.1109/60.8080
[8] 内政部:10.1109/60.4742·数字对象标识代码:10.1109/60.4742
[9] 内政部:10.1109/60.4741·doi:10.1009/60.4741
[10] 内政部:10.1109/TPWRS.2004.831275·doi:10.1109/TPWRS.2004.831275
[11] Kennedy,J.(1997),“粒子群:知识的社会适应”,Proc。IEEE国际协调进化计算。,印第安纳波利斯,印第安纳州,第303-8页·doi:10.1109/ICEC.1997.592326
[12] Ozcan,E.和Mohan,C.(1998),“简单粒子群优化系统的分析”,《智能》。工程系统。通过Artif。神经网络,第8卷,第253-8页。
[13] 内政部:10.1109/28.633806·数字对象标识代码:10.1109/28.633806
[14] 内政部:10.1109/60.736318·数字对象标识代码:10.1109/60.736318
[15] Sames,M.(2001),“感应电机设计的优化”,Zeszyty Naukow Politechniki Slaskiej Seria Elektryka z,第176卷,第103-10页。
[16] Shi,Y.和Eberhart,R.(1998),“粒子群优化中的参数选择”,Proc。《Conf.进化计划》,第7年,第591-600页·doi:10.1007/BFb0040810
[17] Subramanian,S.和Bhuvaneswari,R.(2005),“使用进化编程优化单相感应电机设计”,系统科学与工程期刊PARITANTRA,第12卷,第30-7页。
[18] 内政部:10.1109/20.728298·数字对象标识代码:10.1109/20.728298
[19] 内政部:10.1109/60.986430·数字对象标识代码:10.1109/60.986430
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。