SavedAdd your journal

Journals / Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi / 2008 / Cilt: 23 Sayı: 3

ÇOK KRİTERLİ BULANIK GENETİK ALGORİTMA İLE DALGIÇ ASENKRON MOTORLARIN TASARIM OPTİMİZASYONU

Mehmet Çunkaş
Abdullah Ürkmez
Pages
—
Publication Date
2013-02-18
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Optimizasyon sonuçları amaçlanan yöntemin etkisini ve başarısını gösterdi.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada, dalgıç asenkron motorların tasarım optimizasyonu çok kriterli genetik algoritma kullanılarak gerçekleştirildi.
📊
Key Findings & Data:Motor tasarımı, bulanık kümeler ve bulanık karar yapma kavramlarından faydalanarak çok kriterli bulanık optimizasyon problemi olarak formüle edildi ve genetik algoritmalar ile çözüldü.
💡
Conclusion & Impact:Optimizasyon sonuçları amaçlanan yöntemin etkisini ve başarısını gösterdi.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Çok kriterli optimizasyon · dalgıç motor · genetik algoritmalar

Özet

Bu çalışmada, dalgıç asenkron motorların tasarım optimizasyonu çok kriterli genetik algoritma kullanılarak gerçekleştirildi. Motor tasarımı, bulanık kümeler ve bulanık karar yapma kavramlarından faydalanarak çok kriterli bulanık optimizasyon problemi olarak formüle edildi ve genetik algoritmalar ile çözüldü. Optimal tasarımın geçerliliğini doğrulamak için iki boyutlu Sonlu Elemanlar Yöntemi (SEY) kullanıldı. Optimizasyon sonuçları amaçlanan yöntemin etkisini ve başarısını gösterdi.

🔖

Cite This Article

Çunkaş, M., Ürkmez, A. (2013). ÇOK KRİTERLİ BULANIK GENETİK ALGORİTMA İLE DALGIÇ ASENKRON MOTORLARIN TASARIM OPTİMİZASYONU. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 23 Sayı: 3. https://ajindex.com/articles/1078757

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (78)

  1. Boldea I., Nasar, S.A., The Induction Machine
  2. Handbook, CRC Press, 2002.
  3. Appelbaum J., Fuchs E.F., White J.C.,
  4. “Optimization of three-phase induction motor
  5. design, Part I, Part II: formulation of the
  6. optimization technique”, IEEE Trans. on Energy
  7. Conv, Vol. 2, pp. 407–422, 1987.
  8. Fci R., Fuchs E.F., Huaugh H., “Comparison of
  9. two optimization techniques for the design of a
  10. three-phase induction motor design”, IEEE Trans
  11. on Energy Conv, 4(4):651-9,1989.
  12. Faiz J., Sharifian M.B.B., “Optimal design of an
  13. induction motor for electric vehicle”, Europan Trans.
  14. on Electrical Power, Vol. 16, pp. 15-33, 2006.
  15. Bianchi N., Bolognani S., Design optimization of
  16. electric motors by genetic algorithm”, IEE Proc.
  17. Electr. Power Appl., Vol.145, pp. 475-483, 1998.
  18. Wieczorek J.P., Göl Ö., Michalewicz Z., “An
  19. evolutionary algorithm for the optimal design of
  20. induction motors”, IEEE Trans. On
  21. Magnetics,Vol. 34, pp. 3882-3887, 1998.
  22. Çunkaş M., Akkaya R., Bilgin O., “Cost
  23. optimization of submersible motors using a genetic
  24. algorithm and a finite element method”, Int. J of
  25. Adv. Manuf. Technol., vol.33, pp. 223-232, 2007.
  26. Im C.H., Jung H.K., Kim Y.J., “Hybrid genetic
  27. algorithm for electromagnetic topology
  28. optimization”, IEEE Trans. On Magnetics, Vol., pp.2163-2169, 2003.
  29. Pillay P., Nolan R., Haquue T., “Application of
  30. genetic algorithms to motor parameter
  31. determination for transient torque calculations”,
  32. IEEE Trans. On Ind. Appl., Vol. 33, pp. 1273-, 1997.
  33. Kim M.K, Lee C.G, Jung H.K., Multiobjective
  34. optimal design of three-phase Induction motor
  35. using improved evolution strategy, IEEE Trans
  36. On Magnetıcs, Vol. 34, pp 2980-2983, 1998.
  37. Mirzaeian B., Moallem M., Tahani V., Lucas C.,
  38. “Multiobjective optimization method based on a
  39. genetic algorithm for switched reluctance motor
  40. design”, IEEE Trans. on Magnetics, Vol. 38,
  41. pp. 1524-1527, 2002.
  42. Liuzzi G., Lucidi S., Parasiliti F., Villani M.,
  43. « Multiobjective optimization techniques for the
  44. design of induction motors”, IEEE Trans. on
  45. Magnetics, Vol. 39, pp. 1261-1264, 2003.
  46. Bellman R.E., Zadeh L.A., Decision making in a
  47. fuzzy environment, Management science, Vol.17,
  48. pp. 141-164,1970.
  49. Trebi-Ollennu A., White B.A., “Multiobjective fuzzy
  50. genetic algorithm optimization approach to nonlinear
  51. control system design”, IEE Proc.-Control Theory
  52. Appl., Vol.144, pp. 137-142, 1997.
  53. Huang H.Z., Gu Y.K, Du X., “An interactive
  54. fuzzy multi-objective optimization method for
  55. engineering design”, Eng. Appl. of Artificial
  56. Intelligence, Vol. 19, pp. 451-460, 2006.
  57. Chen L., “Multiobjective design optimization
  58. based on satisfaction metrics”, Engineering
  59. Optimization, Vol.33, pp. 601-617, 2001.
  60. Minghua Y., Changwen X., “Multiobjective fuzzy
  61. optimization of structures based on generalized
  62. fuzzy decision-making”, Computers &
  63. Structures, pp. 411-417, 1994.
  64. Faiz J., Sharifian M.B.B, Keyhani A., Proca A.,
  65. “Performance comparison of optimally designed
  66. induction motors with aluminum and copper
  67. squirrel-cages”, Elect. Machinery and Power
  68. Systems, Vol. 28, pp. 1195-1207, 2000.
  69. Veinott C.G., Theory and design of small
  70. induction motors, McGraw-Hill, New York, 1959.
  71. De Weerdt H.R., Tuinman E., “Finite element
  72. analysis of steady state behavior of squirrel cage
  73. induction motors compared with measurements”,
  74. IEEE Trans. on Magnetics, Vol. 33, pp. 2093-
  75. Bianchi N., Bolognani S., Comelato G., “Finite
  76. element analysis of three phase induction motors:
  77. comparison of two different approaches”, IEEE
  78. Trans. on Energy Conv, Vol. 14, pp. 1523-1528,