چطور این مقاله مهندسی برق را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2008619 رایگان است. ترجمه چکیده این مقاله مهندسی برق در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل انگلیسی :
421 Kb
حجم فایل فارسی :
309 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
ترکیب هوش مصنوعی با روش های ترکیبی FEM-BE برای بهینه سازی کلی ترانسفورماتور
عنوان انگليسي
Artificial Intelligence Combined with Hybrid FEM-BE Techniques for Global Transformer Optimization
نویسنده/ناشر/نام مجله
IEEE TRANSACTIONS ON MAGNETICS
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی برق شامل 4 صفحه انگلیسی به صورت پی دی اف و 13 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
هدف بهینه سازی طرح ترانسفورماتور، تعریف ابعاد همه بخش های ترانسفورماتور بر اساس مشخصات داده شده به صورت اقتصادی با استفاده از مواد موجود به منظور دستیابی به هزینه کمتر، وزن کمتر، اندازه کوچکتر و عملکرد بهتر است. در این مقاله یک روش هوش مصنوعی/عددی ترکیبی برای انتخاب مواد سیم پیچ در ترانسفورماتورهای قدرت پیشنهاد می شود. این روش از درخت های تصمیم گیری و شبکه های عصبی مصنوعی برای دسته بندی مواد سیم پیچ به همراه مدل سازی المان محدود/المان مرزی ترانسفورماتور برای محاسبه خواص عملکردی هر طرح پیشنهادی استفاده می کند. بازده و دقت ایجاد شده که با مدل عددی ترکیبی ارائه می شود خصوصا برای استفاده در الگوریتم های بهینه سازی مناسب است. دقت این روش 96 درصد است (نرخ موفقیت دسته بندی برای مواد سیم پیچ در یک مجموعه آزمایش نامشخص) که آن را برای استفاده صنعتی بسیار کارآمد می کند.
1-مقدمه
بهینه سازی طرح ترانسفورماتور اصولا با حداقل نمودن هزینه تولید کلی ترانسفورماتور که شامل هزینه مواد و هزینه نیروی کار است، تعیین می شود. به هر حال این حداقل نمودن باید محدودیت های مرتبط با مشخصات فنی بین المللی و نیازهای کاربران ترانسفورماتور را در نظر بگیرد...
بهینه سازی ترانسفورماتور سیم پیچ ترانسفورماتور
:کلمات کلیدی
Abstract
The aim of the transformer design optimization is to define the dimensions of all the parts of the transformer, based on the given specification, using available materials economically in order to achieve lower cost, lower weight, reduced size, and better operating performance. In this paper, a hybrid artificial intelligence/numerical technique is proposed for the selection of winding material in power transformers. The technique uses decision trees and artificial neural networks for winding material classification, along with finite-element/boundary element modeling of the transformer for the calculation of the performance characteristics of each considered design. The efficiency and accuracy provided by the hybrid numerical model render it particularly suitable for use with optimization algorithms. The accuracy of this method is 96% (classification success rate for the winding material on an unknown test set), which makes it very efficient for industrial use.
Keywords:
Adaptive training artificial intelligence (AI) artificial neural networks
سایر منابع مهندسی برق در زمینه ترانسفورماتور