Exportação concluída — 

Otimização multiobjetivo de uma máquina pentafásica utilizando NSGA-II

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Dias, Tiago Fouchy
Orientador(a): Haffner, Sérgio Luís
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Otimização matemática
Algoritmo genético
Motor de indução
Palavras-chave em Inglês:
Optimization of induction machine
Five-phase induction machine
Multiobjective optimization
NSGA-II
Link de acesso: http://hdl.handle.net/10183/156471
Resumo: Neste trabalho é desenvolvida uma metodologia de otimização multiobjetivo baseada no NSGA-II (Nondominated Sorting Genetic Algorithm), a qual visa a otimização do projeto de máquinas de indução pentafásicas. A escolha deste tipo de máquina se justifica pelo fato de que elas apresentam vantagens importantes quando comparadas com as trifásicas convencionais, tais como maior potência e maior torque para um mesmo volume de material ativo, além da possibilidade de operar na ocorrência de falhas (perda de uma ou duas fases). Na otimização de máquinas de indução vários objetivos podem ser definidos, sendo estes muitas vezes conflitantes. Neste contexto, este trabalho visa obter soluções que representam um compromisso entre dois objetivos: rendimento e custo do material ativo (ferro e material condutor). O algoritmo de otimização desenvolvido e implementado utiliza dois controles de diversidade da população, um baseado no fenótipo dos indivíduos, que é característico do NSGA-II, e outro adicional que é baseado no genótipo. A geometria do estator e do rotor da máquina e o seu modo de acionamento são parametrizados por 14 variáveis inteiras. O método desenvolvido foi implementado no Matlab R e aplicado a um caso prático de otimização de uma máquina de indução pentafásica considerando os dois objetivos citados. Os resultados práticos mostram que o método é capaz de obter projetos otimizados com maior rendimento e menor custo aproveitando as características particulares deste tipo de máquina.
id URGS_e88e795b2c6655d885a39d1cae7281b2
oai_identifier_str oai:www.lume.ufrgs.br:10183/156471
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str
spelling Dias, Tiago FouchyHaffner, Sérgio LuísPereira, Luís Alberto2017-04-05T02:42:17Z2016http://hdl.handle.net/10183/156471001015749Neste trabalho é desenvolvida uma metodologia de otimização multiobjetivo baseada no NSGA-II (Nondominated Sorting Genetic Algorithm), a qual visa a otimização do projeto de máquinas de indução pentafásicas. A escolha deste tipo de máquina se justifica pelo fato de que elas apresentam vantagens importantes quando comparadas com as trifásicas convencionais, tais como maior potência e maior torque para um mesmo volume de material ativo, além da possibilidade de operar na ocorrência de falhas (perda de uma ou duas fases). Na otimização de máquinas de indução vários objetivos podem ser definidos, sendo estes muitas vezes conflitantes. Neste contexto, este trabalho visa obter soluções que representam um compromisso entre dois objetivos: rendimento e custo do material ativo (ferro e material condutor). O algoritmo de otimização desenvolvido e implementado utiliza dois controles de diversidade da população, um baseado no fenótipo dos indivíduos, que é característico do NSGA-II, e outro adicional que é baseado no genótipo. A geometria do estator e do rotor da máquina e o seu modo de acionamento são parametrizados por 14 variáveis inteiras. O método desenvolvido foi implementado no Matlab R e aplicado a um caso prático de otimização de uma máquina de indução pentafásica considerando os dois objetivos citados. Os resultados práticos mostram que o método é capaz de obter projetos otimizados com maior rendimento e menor custo aproveitando as características particulares deste tipo de máquina.In this work, it is developed a method of multiobjective optimization based on NSGAII (Nondominated Sorting Genetic Algorithm), which aims at optimizing the design of five-phase induction machines. The choice of this particular type of machine is justified by the fact that they have important advantages over conventional three-phase machines, such as higher power and higher torque for the same volume of material; in addition, they can operate under fault (loss of one or even two phases). When optimizing induction machines, several objectives can be defined, which are often conflicting. In this context, this work aims to obtain solutions that represent a trade-off between two objectives: efficiency and cost of active material (iron and conductor materials). The optimization algorithm that was developed and implemented uses two types of control for the diversity of the population, one based on the phenotype of the individuals, characteristic of the NSGA-II, and another one based on the genotype. The geometrical dimensions of the stator and rotor, together with the driving strategy, are parameterized by 14 integer variables. The developed method was implemented using Matlab R and applied to a practical case of a five-phase induction machine considering the aforementioned objectives. The practical results show that the method can lead to an optimized design with higher efficiency and at a lower cost, accounting for the special characteristics of this type of machine.application/pdfporOtimização matemáticaAlgoritmo genéticoMotor de induçãoOptimization of induction machineFive-phase induction machineMultiobjective optimizationNSGA-IIOtimização multiobjetivo de uma máquina pentafásica utilizando NSGA-IIinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia ElétricaPorto Alegre, BR-RS2016mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001015749.pdf001015749.pdfTexto completoapplication/pdf3043878http://www.lume.ufrgs.br/bitstream/10183/156471/1/001015749.pdf8e6667008e1e0f8d3f354ca53b7fcd15MD51TEXT001015749.pdf.txt001015749.pdf.txtExtracted Texttext/plain120106http://www.lume.ufrgs.br/bitstream/10183/156471/2/001015749.pdf.txt00404d67eca118d763d58192dac362fbMD52THUMBNAIL001015749.pdf.jpg001015749.pdf.jpgGenerated Thumbnailimage/jpeg999http://www.lume.ufrgs.br/bitstream/10183/156471/3/001015749.pdf.jpg4db1a0031310e9e4d139f644683f5b95MD5310183/1564712018-10-25 09:15:18.367oai:www.lume.ufrgs.br:10183/156471Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532018-10-25T12:15:18Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Otimização multiobjetivo de uma máquina pentafásica utilizando NSGA-II
title Otimização multiobjetivo de uma máquina pentafásica utilizando NSGA-II
spellingShingle Otimização multiobjetivo de uma máquina pentafásica utilizando NSGA-II
Dias, Tiago Fouchy
Otimização matemática
Algoritmo genético
Motor de indução
Optimization of induction machine
Five-phase induction machine
Multiobjective optimization
NSGA-II
title_short Otimização multiobjetivo de uma máquina pentafásica utilizando NSGA-II
title_full Otimização multiobjetivo de uma máquina pentafásica utilizando NSGA-II
title_fullStr Otimização multiobjetivo de uma máquina pentafásica utilizando NSGA-II
title_full_unstemmed Otimização multiobjetivo de uma máquina pentafásica utilizando NSGA-II
title_sort Otimização multiobjetivo de uma máquina pentafásica utilizando NSGA-II
author Dias, Tiago Fouchy
author_facet Dias, Tiago Fouchy
author_role author
dc.contributor.author.fl_str_mv Dias, Tiago Fouchy
dc.contributor.advisor1.fl_str_mv Haffner, Sérgio Luís
dc.contributor.advisor-co1.fl_str_mv Pereira, Luís Alberto
contributor_str_mv Haffner, Sérgio Luís
Pereira, Luís Alberto
dc.subject.por.fl_str_mv Otimização matemática
Algoritmo genético
Motor de indução
topic Otimização matemática
Algoritmo genético
Motor de indução
Optimization of induction machine
Five-phase induction machine
Multiobjective optimization
NSGA-II
dc.subject.eng.fl_str_mv Optimization of induction machine
Five-phase induction machine
Multiobjective optimization
NSGA-II
description Neste trabalho é desenvolvida uma metodologia de otimização multiobjetivo baseada no NSGA-II (Nondominated Sorting Genetic Algorithm), a qual visa a otimização do projeto de máquinas de indução pentafásicas. A escolha deste tipo de máquina se justifica pelo fato de que elas apresentam vantagens importantes quando comparadas com as trifásicas convencionais, tais como maior potência e maior torque para um mesmo volume de material ativo, além da possibilidade de operar na ocorrência de falhas (perda de uma ou duas fases). Na otimização de máquinas de indução vários objetivos podem ser definidos, sendo estes muitas vezes conflitantes. Neste contexto, este trabalho visa obter soluções que representam um compromisso entre dois objetivos: rendimento e custo do material ativo (ferro e material condutor). O algoritmo de otimização desenvolvido e implementado utiliza dois controles de diversidade da população, um baseado no fenótipo dos indivíduos, que é característico do NSGA-II, e outro adicional que é baseado no genótipo. A geometria do estator e do rotor da máquina e o seu modo de acionamento são parametrizados por 14 variáveis inteiras. O método desenvolvido foi implementado no Matlab R e aplicado a um caso prático de otimização de uma máquina de indução pentafásica considerando os dois objetivos citados. Os resultados práticos mostram que o método é capaz de obter projetos otimizados com maior rendimento e menor custo aproveitando as características particulares deste tipo de máquina.
publishDate 2016
dc.date.issued.fl_str_mv 2016
dc.date.accessioned.fl_str_mv 2017-04-05T02:42:17Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/156471
dc.identifier.nrb.pt_BR.fl_str_mv 001015749
url http://hdl.handle.net/10183/156471
identifier_str_mv 001015749
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/156471/1/001015749.pdf
http://www.lume.ufrgs.br/bitstream/10183/156471/2/001015749.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/156471/3/001015749.pdf.jpg
bitstream.checksum.fl_str_mv 8e6667008e1e0f8d3f354ca53b7fcd15
00404d67eca118d763d58192dac362fb
4db1a0031310e9e4d139f644683f5b95
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1831316013474381824

Registros relacionados