POLECAMY
Autor:
Wydawca:
Format:
epub, mobi, ibuk
Rozwiązania oparte na metodach sztucznej inteligencji (AI), w szczególności w odniesieniu do napędów elektrycznych i maszyn elektrycznych pracujących w systemie elektroenergetycznym, znalazły obecnie stałe miejsce w praktyce inżynierskiej. Zaistniała wobec tego potrzeba kształcenia kadry inżynierskiej w tym zakresie.
Publikacja ta, będąca częścią serii „MASZYNY ELEKTRYCZNE” zawiera ćwiczenia i przykłady pogrupowane według zagadnień takich przykładowo, jak:
-ALGORYTMY GENETYCZNE: estymacja parametrów modelu matematycznego obcowzbudnego silnika prądu stałego,
-SZTUCZNE SIECI NEURONOWE: neuronowy estymator prędkości obrotowej silnika prądu stałego albo:
-LOGIKA ROZMYTA I ROZMYTE SIECI NEURONOWE: rozmyty regulator temperatury pieca oporowego.
Książkę kierujemy przede wszystkim do studentów kierunków technicznych i informatycznych, typu: elektrotechnika, mechatronika, automatyka i robotyka czy informatyka.
Rok wydania | 2018 |
---|---|
Liczba stron | 220 |
Kategoria | Elektrotechnika i energetyka |
Wydawca | Wydawnictwo Naukowe PWN |
ISBN-13 | 978-83-01-19708-7 |
Numer wydania | 1 |
Język publikacji | polski |
Informacja o sprzedawcy | ePWN sp. z o.o. |
POLECAMY
Ciekawe propozycje
Spis treści
1. Przedmowa | 7 |
Podziękowania | 10 |
2. Metody wspomagania komputerowego, systemy CAD | 11 |
2.1 Podstawy teoretyczne | 11 |
2.2 Przykłady zastosowań technik komputerowych | 21 |
Przykład 2.1: Modelowanie silnika prądu stałego – model własny | 21 |
Przykład 2.2: Modelowanie silnika prądu stałego – model standardowy | 29 |
Przykład 2.3: Dobór nastawień regulatorów w układzie napędowym prądu stałego | 34 |
Przykład 2.4: Modelowanie stanu przejściowego przy załączeniu napięcia w stanie jałowym transformatora | 42 |
Przykład 2.5: Modelowanie stanu ustalonego silnika asynchronicznego | 49 |
Przykład 2.6: Modelowanie rozruchu asynchronicznego silnika synchronicznego | 58 |
Przykład 2.7: Uwzględnienie niepewności metodą symulacji Monte Carlo | 66 |
3. Algorytmy genetyczne | 73 |
3.1 Podstawy teoretyczne | 73 |
3.2 Przykłady zastosowań algorytmów genetycznych | 86 |
Przykład 3.1: Minimalizacja funkcji podstawowym algorytmem genetycznym | 86 |
Przykład 3.2: Minimalizacja funkcji zmodyfikowanym algorytmem genetycznym | 95 |
Przykład 3.3: Estymacja parametrów modelu matematycznego obcowzbudnego silnika prądu stałego | 101 |
Przykład 3.4: Optymalizacja wielokryterialna parametrów regulatora typu PI | 107 |
4. Sztuczne sieci neuronowe | 113 |
4.1 Podstawy teoretyczne | 113 |
4.2 Przykłady zastosowań sztucznych sieci neuronowych | 121 |
Przykład 4.1: Aproksymacja funkcji nieliniowej | 121 |
Przykład 4.2: Detekcja amplitudy przebiegu odkształconego | 128 |
Przykład 4.3: Neuronowy model cieplny | 134 |
Przykład 4.4: SSN do diagnozowania zwarć wewnętrznych transformatora jednofazowego | 141 |
Przykład 4.5: Neuronowy estymator prędkości obrotowej silnika prądu stałego | 155 |
5. Logika rozmyta i rozmyte sieci neuronowe | 164 |
5.1 Podstawy teoretyczne | 164 |
5.2 Przykłady zastosowania logiki rozmytej | 178 |
Przykład 5.1: Rozmyty regulator temperatury pieca oporowego | 178 |
Przykład 5.2: Rozmyty regulator prędkości wirowania silnika prądu stałego z ogranicznikiem prądu twornika | 185 |
Przykład 5.3: Regulator PI z rozmytą adaptacją parametrów | 191 |
Przykład 5.4: Neuronowo-rozmyty estymator prędkości obrotowej silnika prądu stałego | 198 |
6. Prototypowanie w badaniach laboratoryjnych | 204 |
7. Podsumowanie | 207 |
8. Literatura | 210 |