KaydedilenlerDerginizi ekleyin

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

Çok kriterli bulanık genetik algoritma ile dalgıç asenkron motorların tasarım optimizasyonu

Design optimization of submersible induction motors by multiobjective fuzzy genetic algorithm

Mehmet ÇUNKAŞ
Abdullah ÜRKMEZ
Sayfa
645–653
Yayın Tarihi
2022-10-18
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Optimizasyon sonuçları amaçlanan yöntemin etkisini ve başarısını gösterdi.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, dalgıç asenkron motorların tasarım optimizasyonu çok kriterli genetik algoritma kullanılarak gerçekleştirildi.
📊
Temel Bulgular & Veri:Motor tasarımı, bulanık kümeler ve bulanık karar yapma kavramlarından faydalanarak çok kriterli bulanık optimizasyon problemi olarak formüle edildi ve genetik algoritmalar ile çözüldü.
💡
Sonuç & Katkı:Optimizasyon sonuçları amaçlanan yöntemin etkisini ve başarısını gösterdi.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

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.

Abstract

This paper presents multiobjective fuzzy genetic algorithm optimization approach to a submersible motor design. Utilizing the concept of fuzzy sets and convex fuzzy decision making, the motor design task is formulated as a multiobjective fuzzy optimization problem and solved using a genetic algorithm. The two-dimensional Finite Element Method (FEM) is then used to confirm the validity of the optimal design. The optimization results show the effectiveness and achievement of the proposed method.

🔖

Bu Makaleye Atıf Yap

ÇUNKAŞ, M., ÜRKMEZ, A. (2022). Çok kriterli bulanık genetik algoritma ile dalgıç asenkron motorların tasarım optimizasyonu. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 23 - Sayı: 3, 645–653. https://ajindex.com/articles/523984

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. Boldea I., Nasar, S.A., The Induction Machine Handbook, CRC Press, 2002
  2. Appelbaum J., Fuchs E.F., White J.C., “Optimization of three-phase induction motor design, Part I, Part II: formulation of the optimization technique”, IEEE Trans. on Energy Conv, Vol. 2, pp. 407–422, 1987
  3. Fci R., Fuchs E.F., Huaugh H., “Comparison of two optimization techniques for the design of a three-phase induction motor design”, IEEE Trans on Energy Conv, 4(4):651-9,1989
  4. Faiz J., Sharifian M.B.B., “Optimal design of an induction motor for electric vehicle”, Europan Trans. on Electrical Power, Vol. 16, pp. 15-33, 2006
  5. Bianchi N., Bolognani S., Design optimization of electric motors by genetic algorithm”, IEE Proc. Electr. Power Appl., Vol.145, pp. 475-483, 1998
  6. Wieczorek J.P., Göl Ö., Michalewicz Z., “An evolutionary algorithm for the optimal design of induction motors”, IEEE Trans. On Magnetics,Vol. 34, pp. 3882-3887, 1998
  7. Çunkaş M., Akkaya R., Bilgin O., “Cost optimization of submersible motors using a genetic algorithm and a finite element method”, Int. J of Adv. Manuf. Technol., vol.33, pp. 223-232, 2007
  8. Im C.H., Jung H.K., Kim Y.J., “Hybrid genetic algorithm for electromagnetic topology optimization”, IEEE Trans. On Magnetics, Vol. 39, pp.2163-2169, 2003
  9. Pillay P., Nolan R., Haquue T., “Application of genetic algorithms to motor parameter determination for transient torque calculations”, IEEE Trans. On Ind. Appl., Vol. 33, pp. 1273- 1282, 1997
  10. Kim M.K, Lee C.G, Jung H.K., Multiobjective optimal design of three-phase Induction motor using improved evolution strategy, IEEE Trans On Magnetıcs, Vol. 34, pp 2980-2983, 1998
  11. Mirzaeian B., Moallem M., Tahani V., Lucas C., “Multiobjective optimization method based on a genetic algorithm for switched reluctance motor design”, IEEE Trans. on Magnetics, Vol. 38, pp. 1524-1527, 2002
  12. Liuzzi G., Lucidi S., Parasiliti F., Villani M., « Multiobjective optimization techniques for the design of induction motors”, IEEE Trans. on Magnetics, Vol. 39, pp. 1261-1264, 2003
  13. Bellman R.E., Zadeh L.A., Decision making in a fuzzy environment, Management science, Vol.17, pp. 141-164,1970
  14. Trebi-Ollennu A., White B.A., “Multiobjective fuzzy genetic algorithm optimization approach to nonlinear control system design”, IEE Proc.-Control Theory Appl., Vol.144, pp. 137-142, 1997
  15. Huang H.Z., Gu Y.K, Du X., “An interactive fuzzy multi-objective optimization method for engineering design”, Eng. Appl. o