طراحی بهینه موتور القایی قفس سنجابی با استفاده از الگوریتم چندهدفه اجتماع سالپ
Publish place: Journal of Energy Engineering & Management، Vol: 9، Issue: 2
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 130
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ENERGY-9-2_001
تاریخ نمایه سازی: 29 آبان 1401
Abstract:
طراحی موتورهای القایی سه فاز کارآمد، یک چالش مهم در مهندسی برق است. به همین منظور، به طور مداوم تکنیک های طراحی جدیدی معرفی می شوند. در این مقاله، برای طراحی موتورهای القایی قفس سنجابی، با هدف افزایش راندمان و کاهش هزینه ها، از روش بهینه سازی فراابتکاری استفاده شده است. در این روش، مدل سازی موتور القایی به صورت دقیق انجام شده و برای حل این مسئله بهینه سازی، از روش جدید الگوریتم بهینه سازی چندهدفه اجتماع سالپ (MSSA) استفاده شده است. این الگوریتم از رفتار اجتماعی سالپ ها الهام گرفته شده است. روش پیشنهادی بر روی یک موتور القایی ۵/۲ کیلووات و با استاندارد بازدهی (IE۲) اعمال شده است. نتایج حاصل از بهینه سازی تک هدفه و چندهدفه نشان می دهد که طراحی موتور القایی با دو تابع هدف، باعث افزایش راندمان و کاهش هزینه شده است. در ادامه، برای بررسی کارایی الگوریتم MSSA، نتایج آن، با روش الگوریتم های ژنتیک مرتب سازی غیرمستقیم (NSGA-II) و الگوریتم بهینه سازی اجتماع ذرات چندهدفه (MOPSO) مقایسه شده است. بررسی ها نشان می دهد که الگوریتم MSSA دارای سرعت همگرایی و تعداد مجموعه جواب های بهینه بالایی است، که باعث عملکرد مطلوب این الگوریتم در طراحی بهینه موتور القایی جهت افزایش راندمان و کاهش هزینه های آن است.
Keywords:
Optimal Design , Squirrel Cage Induction Motor , Optimization Algorithm , Multi-Objective Salp Swarm Algorithm. , طراحی بهینه , موتور القایی قفس سنجابی , الگوریتم بهینه سازی , الگوریتم چندهدفه اجتماع سالپ.
Authors
سیدرضا موسوی اقدم
Ardabil University
سعیده منصوری
Ardabil University
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :