عنوان فارسی مقاله:الگوریتم بهینه سازی ترکیبی برای برآورد پارامتر موتورهای القایی چند فازی با اعتبارسنجی تجربی
برای دانلود ترجمه مقاله اینجا کلیک کنید
عنوان انگلیسی مقاله:Hybrid optimization algorithm for parameter estimation of poly-phase induction motors with experimental verification
مجله/کنفرانس:انرژی و هوش مصنوعی - Energy and AI
رشته های تحصیلی مرتبط:مهندسی برق
گرایش های تحصیلی مرتبط:سیستم های قدرت، مهندسی الکترونیک، برق قدرت
کلمات کلیدی فارسی:موتورهای القایی چند فازی، برآورد پارامتر، تحلیل آماری، توانمندی، آزمایش تجربی، HPJOA
کلمات کلیدی انگلیسی:HPJOA - Poly-phase induction motors - Parameter estimation - Statistical analysis - Robustness - Experimental tests
نوع نگارش مقاله:مقاله پژوهشی (Research Article)
نمایه:DOAJ
شناسه دیجیتال (DOI):https://doi.org/10.1016/j.egyai.2021.100083
دانشگاه:گروه مهندسی برق، دانشکده مهندسی، دانشگاه کافلشیخ، مصر
ناشر:الزویر - Elsevier
نوع ارائه مقاله:ژورنال
نوع مقاله:ISI
سال انتشار مقاله:2021
شناسه ISSN:2666-5468
صفحات مقاله انگلیسی:15
صفحات ترجمه فارسی:32 (3 صفحه رفرنس انگلیسی)
فرمت مقاله انگلیسی:pdf
فرمت ترجمه فارسی:pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه:تایپ شده با فونت B Nazanin 14
ترجمه شده از:انگلیسی به فارسی
وضعیت ترجمه:ترجمه شده و آماده دانلود
آیا این مقاله بیس است:خیر
آیا این مقاله مدل مفهومی دارد:ندارد
آیا این مقاله پرسشنامه دارد:ندارد
آیا این مقاله متغیر دارد:ندارد
آیا منابع داخل متن درج یا ترجمه شده است:بله
آیا توضیحات زیر تصاویر و جداول ترجمه شده است:بله
آیا متون داخل تصاویر و جداول ترجمه شده است:بله
کد محصول:11861
رفرنس:دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه:در داخل متن و انتهای مقاله درج شده است
ضمیمه:ندارد
ترجمه فارسی فهرست مطالب
چکیده ترسیمی
نکات مهم
چکیده
1. مقدمه
فهرست اصطلاحات
2. خصوصیات حالت پایدار موتور القایی چند فازی
3. بیان ریاضی مسئله
4. الگوریتمهای بهینه سازی توسعه یافته
4.1 تکامل تفاضلی DE
4.2 الگوریتم ژنتیک GA
4.3 الگوریتم PSO
4.4. الگوریتم بهینه سازی JAYA
5. الگوریتم بهینه سازی PSO -JAYA ترکیبی پیشنهادی
5.1 مراحل روند پیشنهادی
6. کاربردها
6.1 مجموعه آزمایشگاهی
6.2 تنظیمات پارامترهای الگوریتمهای بهینه سازی رقابتی
6.3 ارزیابی ابزارهای رقابتی
7. نتیجه گیری
منابع
فهرست انگلیسی مطالب
Graphical abstract
Highlights
Abstract
Nomenclature
1. Introduction
2. Steady state characteristics ofpoly-phase induction motor
3. Problem formulation
4. The developed optimization algorithms
4.1. Differential evolution DE
4.2. Genetic algorithm GA
4.3. PSO algorithm
4.4. JAYA optimization algorithm
5. The proposed hybrid PSO -JAYA optimization algorithm
5.1. Proposed procedure steps
6. Applications
6.1. Experimental setup
6.2. Settings of competitive optimization algorithms’ parameters
6.3. Competitive tools assessment
7. Conclusions
References
نمونه ترجمه فارسی مقاله
چکیده
دقت پارامترهای برآورد شده از موتورهای القایی چند فازی برای پیش بینی عملکرد مؤثر و / یا کنترل در برنامههای مختلف تولید حائز اهمیت است. این مطالعه برای یافتن برآورد پارامترهای بهینه موتورهای القایی چند فازی، الگوریتم ترکیبی بین بهینه سازی ازدحام ذرات و الگوریتمهای بهینه سازی Jayaرا بررسی میکند. این کار با استفاده از خصوصیات عملکرد سازنده بر روی دو موتور القایی چند فازی انجام شده است. الگوریتم پیشنهادی در مقایسه با الگوریتمهای معمولی و همچنین الگوریتمهای تکامل تفاضلی و ژنتیکی دارای عملکرد رقابتی است. اعتبارسنجیهای تجربی بر روی موتورهای القایی سه فازی و شش فازی انجام شده است. همچنین، از نزدیکی بین پارامترهای آزمایشی و برآورد شده با همگرایی سریع در مقایسه با سایر الگوریتمهای دیگر، تقلید میشود. علاوه براین، این نتایج توانمندی بالای الگوریتم پیشنهادی را در مقایسه با الگوریتمهای دیگر از نظر اعداد تکراری متغیر، اندازه جمعیت و همگرایی نشان میدهد.
1. مقدمه
موتورهای القایی چند فازی (PIM) از پرکاربردترین ماشینهای الکتریکی هستند (1). آنها به تبدیل حدود 60٪ نیروی الکتریکی به انرژی مکانیکی کمک میکنند (2). PIM به دلیل ستبری و سادگی در بخش صنعت محبوب هستند، زیرا 90٪ موتورهای صنعتی IM هستند (3). نمونههایی از کاربردهای موتورهای القایی، عبارتند از ابزارهای موتور مجهز به موتورهای القایی، موتورهای دارای دور متغیر و پمپها (4). برای دستیابی به عملکرد هدف ماشینهای القایی، مدل سازی دقیق برای PIM ها مسئله مهمی تلقی میشود (5). این مسائل شامل رفتار حالت گذرا و پایدار هستند. این مدل تعادل بین ولتاژ سیم پیچ استاتور و روتور، لینکاژها و جریانهای شار، توان عبوری از شکاف هوایی و گشتاورهای الکترومغناطیسی را بیان میکند. بنابراین ، پیدا کردن پارامترهای ناشناخته این ماشینها، یک مسئله بهینه سازی غیریکنواخت غیرخطی پیچیده است (6). هدف آن دستیابی به بالاترین درجه نزدیکی بین پارامترهای برآورد شده و پارامترهای واقعی است. بنابراین، تابع هدف مسئله برآورد پارامتر مورد نظر، حداقل انحراف بین پارامترهای برآورد شده و واقعی با حفظ این پارامترها در مرزهای عملیاتی مجاز آنها است. برای برآوردن فرآیند شناسایی پارامتر، چندین الگوریتم بهینه سازی برای تضمین مدلهای دقیق PIM ارائه شده است. در این راستا، این مقاله الگوریتم ترکیبی بین بهینه سازی ازدحام ذرات و الگوریتمهای بهینه سازی جاوای HPJOA را برای دست یابی به پارامترهای PIM ناشناخته مطلوب پیشنهاد میکند.
نمونه متن انگلیسی مقاله
Abstract
The estimated parameters accuracy of poly-phase induction motors is crucial for effective performance prediction and/or control in various manufacturing applications. This study investigates hybrid algorithm between particle swarm optimization and Jaya optimization algorithms for finding the optimal parameters estimation of poly-phase induction motors. It is carried out using the manufacturer's operation characteristics on two poly-phase induction motors. Numerical results show the capability of the proposed hybrid optimization algorithm. The proposed algorithm has competitive performance compared with conventional algorithms as well as with differential evolution and genetic algorithms. Experimental verifications are carried out on three-phase and six-phase induction motors. Also, it emulates the closeness between experimental and estimated parameters with fast convergence compared to other algorithms. Also, the results reflect the high robustness of the proposed algorithm compared with other algorithms for varied iteration numbers, population size and convergence.
1. Introduction
The Poly-phase Induction Motors (PIMs) are the most used electrical machines [1]. They contribute around 60% of electric power converted to mechanical energy [2]. PIM are favored due to their ruggedness and simplicity in the industry section as 90% of industrial motors are IMs [3]. Examples of induction motors applications involve motor tools equipped with induction motors, adjustable speed motors and pumps [4]. To achieve the target performance of induction machines, the accurate modelling is considered as crucial issue for PIMs [5]. These issues involve the transient and steady-state behavior. The model expresses the stator and rotor windings voltage balance, flux linkages and currents, the air-gap power, and the electromagnetic torques. Therefore, finding the unknown parameters of these machines is a complicated nonlinear non-smooth optimization problem [6]. It aims at achieving the highest closeness degree between the estimated parameters and those of the actual ones. Therefore, the objective function of the considered parameter estimation problem is the minimum deviation between estimated and actual parameters with preserving these parameters within their permissible operating boundaries. To satisfy the parameter identification process, several optimization algorithms have been developed to guarantee the accurate PIM models. In this regard, this paper proposes the hybrid algorithm between particle swarm optimization and Jaya optimization algorithms HPJOA form finding the optimal unknown PIM parameters.