بکارگیری الگوریتم ژنتیک و شبکه های عصبی در بهینه سازی و طراحی ژنراتورهای سنکرون
Abstract(in Persian; no English abstract is available)
بهینه سازی طراحی ماشین های سنکرون قطب برجسته (هیدروژنراتورها) با الگوریتم ژنتیک استاندارد، الگوریتم ژنتیک یافته (که با تغییر در روش انتخاب استاندارد بدست آمده است ) و استراتژی تکاملی، در این پژوهش بررسی شده است . تابع هدف هزینه مواد است و مواردی مانند بازدهی و تنش مکانیکی یوغ رتور به همراه برخی از دیگر پارامترهای ماشین به عنوان محدودیت در نظر گرفته شده اند. متغیرهای بهینه سازی 12 عدد هستند و مسئله بهینه سازی از گونه آمیخته با عدد صحیح (mixed integer) است . محدودیتها با روش تابع جریمه خارجی در نظر گرفته می شوند توان فنهای خنک سازی دو سوی ماشین برای خیز درجه حرارت بیشینه استاندارد با برنامه مدلسازی حرارتی برآورد می شوند. برای مدلسازی حرارتی نخست سرعت و دبی هوا در نقاط گوناگون ماشین بدست می آید و پس از برآورد ضرایب انتقال حرارت بر پایه این مقادیر، مدلسازی حرارتی ماشین در سه بعد صورت می گیرد. شبکه های عصبی پرسپترون چند لایه و شبکه radial basis function برای تخمین تابع بین ورودی های اصلی برنامه مدلسازی حرارتی و خروجی آن (توان فنهای) بکار رفته اند تا از اجرای برنامه مدلسازی حرارتی در بهینه سازی جلوگیری شود و سرعت اجرای برنامه افزایش یابد. همچنین دو شبکه از دید توانایی تخمین فراگیر مقایسه و بررسی شده اند.
