การประยุกต์ใช้มีมีติกอัลกอริทึมเพื่อประมาณค่าพารามิเตอร์ของมอเตอร์เหนี่ยวนำ
Article Sidebar
เผยแพร่แล้ว:
ก.ค. 4, 2018
คำสำคัญ:
การประมาณค่าพารามิเตอร์ มอเตอร์เหนี่ยวนำ มีมีติกอัลกอริทึม เจเนติกอัลกอริทึม ซัฟเฟิลฟรอกลิปปิงอัลกอริทึม Genetic algorithm
Main Article Content
บทคัดย่อ
บทความนี้นำเสนอการประมาณค่าพารามิเตอร์ในวงจรสมมูลสภาวะคงตัวของมอเตอร์ด้วยมีมีติกอัลกอริทึมซึ่งใช้เทคนิคซัฟเฟิลฟรอกลิปปิงในการค้นหาเฉพาะที่ การประมาณค่าพารามิเตอร์ของมอเตอร์คำนวณได้จากเทคนิคการหาค่าที่เหมาะสมที่สุดโดยใช้ข้อมูลแรงบิดสูงสุด แรงบิดโหลดเต็มพิกัดและแรงบิดเริ่มหมุน ผลของวิธีการที่นำเสนอถูกนำไปเปรียบเทียบกับวิธีเจเนติกอัลกอริทึมและวิธีซัฟเฟิลฟรอกลิปปิง ผลการทดสอบพบว่าการประมาณค่าพารามิเตอร์ของมอเตอร์ด้วยมีมีติกอัลกอริทึม มีความผิดพลาดเฉลี่ยสูงสุด 6.7 % เมื่อเปรียบเทียบกับพารามิเตอร์จากการทดสอบในห้องปฎิบัติการ
Article Details
How to Cite
ทิพจร ว., ไกลถิ่น ช., & เฉลิมกิจ จ. (2018). การประยุกต์ใช้มีมีติกอัลกอริทึมเพื่อประมาณค่าพารามิเตอร์ของมอเตอร์เหนี่ยวนำ. วิศวกรรมสาร มหาวิทยาลัยนเรศวร, 13(1), 43–52. สืบค้น จาก https://ph01.tci-thaijo.org/index.php/nuej/article/view/73028
บท
Research Paper
References
[1] Treetrong, J. (2010). Induction motor fault detection based on parameter identification using genetic algorithm. The Journal of KMUTNB, 20(3), 400-408.
[2] Sakthivel, V. P., Bhuvaneswari, R., & Subramanian, S. (2010). Multi-objective parameter estimation of induction motor using particle swarm optimization. Engineering Applications of Artificial Intelligence, 23, 302-312.
[3] RezaMohammadi, H., & Akhavan, A. (2014). Parameter estimation of three-phase induction motor using hybrid of genetic algorithm and particle swarm optimization. Journal of Engineering, 2014.
[4] Duan, F. (2014). Induction motor parameters estimation and faults diagnosis using optimisation algorithms (Doctoral dissertation, The University of Adelaide, Australia). Retrieved from https://digital.library.adelaide.edu.au/dspace/bitstream/ 2440/92052/3/02whole.pdf
[5] Jangjit, S., & Laohachai, P. (2009). Parameter estimation of three-phase induction motor by using genetic algorithm. Journal of Electrical Engineering & Technology, 4(3), 360-364.
[6] Sakthivel, V. P., Bhuvaneswari, R., & Subramanian S. (2010). Artificial immune system for parameter estimation of induction motor. Expert Systems with Applications, 37, 6109–6115.
[7] Gomez-Gonzalez, M., Jurado, F., & Perez I. (2012). Shuffled frog-leaping algorithm for parameter estimation of a double-cage asynchronous machine. IET Electric Power Applications, 6, 484–490.
[8] Jamadi, M., & Merrikh-Bayat, F. (2014). New method for accurate parameter estimation of induction motors based on artificial bee colony algorithm. Retrieved from https://arxiv.org/ftp/arxiv/papers/1402/1402.4423.pdf
[9] Chompuming, S., Itthipong, P., & Pongcharoen, P. (2007). The application of shuffled frog-leaping technic to improve the performance of a memetic algorithm, Proceedings of National Operations Research Conference 2007, 162-174.
[10] Fitzgerald, A. E. (2005). Electric machinery (6th ed.). New York: McGraw-Hill.
[2] Sakthivel, V. P., Bhuvaneswari, R., & Subramanian, S. (2010). Multi-objective parameter estimation of induction motor using particle swarm optimization. Engineering Applications of Artificial Intelligence, 23, 302-312.
[3] RezaMohammadi, H., & Akhavan, A. (2014). Parameter estimation of three-phase induction motor using hybrid of genetic algorithm and particle swarm optimization. Journal of Engineering, 2014.
[4] Duan, F. (2014). Induction motor parameters estimation and faults diagnosis using optimisation algorithms (Doctoral dissertation, The University of Adelaide, Australia). Retrieved from https://digital.library.adelaide.edu.au/dspace/bitstream/ 2440/92052/3/02whole.pdf
[5] Jangjit, S., & Laohachai, P. (2009). Parameter estimation of three-phase induction motor by using genetic algorithm. Journal of Electrical Engineering & Technology, 4(3), 360-364.
[6] Sakthivel, V. P., Bhuvaneswari, R., & Subramanian S. (2010). Artificial immune system for parameter estimation of induction motor. Expert Systems with Applications, 37, 6109–6115.
[7] Gomez-Gonzalez, M., Jurado, F., & Perez I. (2012). Shuffled frog-leaping algorithm for parameter estimation of a double-cage asynchronous machine. IET Electric Power Applications, 6, 484–490.
[8] Jamadi, M., & Merrikh-Bayat, F. (2014). New method for accurate parameter estimation of induction motors based on artificial bee colony algorithm. Retrieved from https://arxiv.org/ftp/arxiv/papers/1402/1402.4423.pdf
[9] Chompuming, S., Itthipong, P., & Pongcharoen, P. (2007). The application of shuffled frog-leaping technic to improve the performance of a memetic algorithm, Proceedings of National Operations Research Conference 2007, 162-174.
[10] Fitzgerald, A. E. (2005). Electric machinery (6th ed.). New York: McGraw-Hill.