.png){kind=icon}
返回
Induction Motor Geometric Parameter Optimization Using a Metaheuristic Optimization Method for High-Efficiency Motor Design
.png){kind=icon}
OA
AI
DOI：10.3390/en18030733.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究通过提供感应电机（IM）的几何设计细节，实现了其最优设计。IM优化采用基于人工生态系统优化（AEO）算法的元启发式方法进行。AEO算法首次应用于IM优化，并对设计参数进行了优化。选取了10个电机设计参数作为设计变量。以IM效率的提升作为目标函数。遗传算法（GA）优化方法用于与AEO方法的结果进行比较。使用Matlab程序创建的代码生成的IM设计的优化与未优化结果，通过Ansys RMxprt EM Suite 19.2程序进行了验证，结果表明两者吻合良好。这些研究结果表明，与GA优化方法相比，AEO在确定IM几何参数时具有更好的收敛精度，并在更短的时间内达到了最优结果。观察到采用AEO方法后，IM效率平均从90.34%提升至91.575%。
Keyword:
induction motor design
motor optimization
genetic algorithm
artificial ecosystem optimization
geometric parameter optimization
high-efficiency motor
期刊
IF:
3.2
论文数:
1.6W
被引数:
14.2W
机构
暂无机构信息
引用论文
Improved Moth Flame Optimization Approach for Parameter Estimation of Induction Motor改进的飞蛾火焰优化方法用于感应电机参数估计.png)
EnergiesOAAI
EnergiesIF0
OAAI分享收藏Choosing Mutation and Crossover Ratios for Genetic Algorithms—A Review with a New Dynamic Approach遗传算法的变异和交叉比选择 -- 用一种新的动态方法综述Information
OAAI
InformationIF0
OAAI分享收藏Design Consideration on a Low-Cost Permanent Magnetization Remanufacturing Method for Low-Efficiency Induction Motors低成本低效感应电机永磁化再制造方法的设计考虑EnergiesOAAI
EnergiesIF0
OAAI分享收藏High‐speed solid rotor induction motor design with improved efficiency and decreased harmonic effect
PREAI
分享收藏分享收藏
查看更多内容