دو پروپوزال آماده کاهش تلفات در موتورهای القایی(با دو روش هوشمند فازی-ژنتیک و یادگیری تقویتی)*
پروژه ۹۱۲: دو پروپوزال کامل در مورد کاهش تلفات در موتورهای القایی
در این پروژه قصد داریم دو نمونه پروپوزال در مورد کاهش تلفات در موتور های القایی به کمک محرکه ها و درایو ها صورت گرفته است. از اینورتر به این منظور استفاده شده است. از دو روش هوشمند برای کاهش تلفات بهره برده ایم. روش فازی -ژنتیک و روش یادگیری تقویتی برای کاهش تلفات پیشنهاد گردیده است.
هدف ما در این بخش فقط کمک کردن به دوستانی است که می خواهند تازه اقدام به نوشتن پروپوزال نمایند. و تا به حال هنوز طریقه نوشتن را نمی دانند.
به عنوان نمونه مثلا خلاصه ای از بخش بیان مساله: (کاهش تلفات با روش یادگیری تقویتی)
موتورهای الکتریکی در حدود ۴۰% از مصرف برق کل جهان را شامل می شوند. استفاده گسترده از موتورهای القایی ، نشان می دهد که اگر تلفات موتور القایی را به میزان چند درصد کاهش دهیم ، تاثیر بسیار بالایی را در کل مصرف انرژی الکتریکی خواهد داشت. لذا بهبود بازده موتور یک روند اجتناب ناپذیر از توسعه موتور در جهان است. موتور القایی معمولا برای بالاترین راندمان در بار نامی خود طراحی شده اند. در اکثر کاربردها ، بار ماشین ، بار نامی آن نیست و بازده موتور نسبت به حالت نامی آن کاهش می یابد و درصد بزرگتری از توان ورودی به تلفات تبدیل می شود. بازده موتور را می توان با کار در شار بهینه با کنترل جریان محور d در مرجع qd بهبود داد. در حدود ۸۰% از تلفات کل مربوط به تلفات مسی و آهن می باشد. بنابراین در این تحقیق ما روی این دو نوع تلفات که در مجموع به عنوان تلفات الکترومغناطیسی نامیده می شود ، متمرکز شده ایم. با تنظیم مناسب شار مغناطیسی ، یک تعادل مناسب بین تلفات مسی و آهنی برای بدست آوردن حداقل تلفات الکترومغناطیسی ایجاد خواهیم کرد. تکنیک یادگیری تقویتی(RL) برای کاهش تلفات موتور IM به کار رفته و ازاینرو، بازده با تنظیم جریان مغناطیسی به مقدار مطلوب خود خواهد رسید. یادگیری تقویتی یعنی مسیر یابی از موقعیت به عمل به گونه ای که پاداش عددی آن عمل حداکثر باشد. در این روش به یادگیرنده گفته نمی شود که چه اقدامی مناسب است ولی در صورت انجام یک عمل که نتیجه خوبی دارد به یادگیرنده پاداش داده می شود در غیر تینصورت تنبیه می شود. یادگیرنده با سعی و خطا , عمل با بالا ترین پاداش را کشف می کند. مدل یادگیری تقویتی در شکل زیر دیده می شود.
یادگیری تقویتی (Reinforcement Learning) یکی از روش های یادگیری در سیستم های هوشمند است که براساس رابطه ی علت و معلولی عمل می کند. در این روش یادگیری عامل هوشمند (Agent) با توجه به وضعیتی که در محیط دارد، عملی را بر روی محیط انجام می دهد و منتظر نتیجه ی عملش می ماند. این نتیجه می تواند در قالب یک پاداش یا تنبیه باشد. اگر نتیجه در قالب پاداش باشد، عمل انجام شده مطلوب بوده و عامل به هدفی که در آن محیط دارد نزدیک شده است. ولی اگر نتیجه در قالب تنبیه باشد، عمل انجام شده نامطلوب بوده و عامل از هدفش دور شده است. عامل باید یاد بگیرید که چه اعمالی را انجام دهد تا پاداش بیش تری را کسب کند و در نهایت به هدفش برسد.
به عنوان نمونه مثلا خلاصه ای از بخش بیان مساله: (کاهش تلفات با روش فازی-ژنتیک)
موتورهای الکتریکی در حدود ۸۳ % از مصرف برق کل جهان را شامل می شوند. استفاده گسترده از موتورهای القایی ، نشان می دهد که اگر تلفات موتور القایی را به میزان چند درصد کاهش دهیم ، تاثیر بسیار بالایی را در کل مصرف انرژی الکتریکیخواهد داشت. لذا بهبود بازده موتور یک روند اجتناب ناپذیر از توسعه موتور در جهان است. موتور القایی معمولا برای بالاترین راندمان در بار نامی خود طراحی شده اند. در اکثر کاربردها ، بار ماشین ، بار نامی آن نیست و بازده موتور نسبت به حالت نامی آن کاهش می یابد و درصد بزرگتری از توان ورودی به تلفات تبدیل می شود. بازده موتور را می توان با کار در شار بهینه با کنترل جریان محور d در مرجع qd بهبود داد. در حدود ۲۳ % از تلفات کل مربوط به تلفات مسی و آهن می باشد. بنابراین در این تحقیق ما روی این دو نوع تلفات که در مجموع به عنوان تلفات الکترومغناطیسی نامیده می شود ، متمرکز شده ایم. با تنظیم مناسب شار مغناطیسی ، یک تعادل مناسب بین تلفات مسی و آهنی برای بدست آوردن حداقل تلفات الکترومغناطیسی ایجاد خواهیم کرد. تکنیک GA برای کاهش تلفات موتور IM به کار رفته و ازاینرو، بازده با تنظیم جریان مغناطیسی به مقدار مطلوب خود خواهد رسید. در این پروژه ، بیشینه سازی راندمان با به حداقل ساندن تلفات موتور القایی بااستفاده از الگوریتم ژنتیک ) GA ( و منطق فازی ) FUZZY LOGIC ( را انجام خواهیم داد.
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید .
دیگر پروپوزال های آماده:
پروپوزال آماده حذف نویز و مات شدگی در تصاویر با الگوریتم اسپارس
پروپوزال آماده انتقال حداکثر انرژی از سیستم های فتوولتائیک به بار با روش MPPT آنلاین
پروپوزال آماده ساختار خطی سازی کنترل شبکه تک فاز متصل به آرایه های خورشیدی
برای عضویت در کانال ما روی عکس زیر کلیک کنید : (آخرین اخبار مرتبط با مهندسی و سایر تکنولوژی ها)
یا آدرس لینک زیر را در تلگرام خود جستجو نمایید:
m_b_coll@