خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : الگوریتم بهینه سازی ازدحام ذرات با کنترل هوشمند تعداد ذرات برای طراحی بهینه ماشین های الکتریکی
.
English Article Title: Particle Swarm Optimization Algorithm with Intelligent Particle Number Control for Optimal Design of Electric Machines
Year: 2018
Publisher: IEEE
Journal: IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS
DOI: https://doi.org/10.1109/TIE.2017.2760838
Keywords:
#Optimal_Design
#Optimization_Algorithm
#Particle_Swarm_Optimization
#Electric_Machine
#Interior_Permanent_Magnet_Synchronous_Motor
#طراحی_بهینه
#کنترل_هوشمند
#ماشین‌های_الکتریکی
#الگوریتم_بهینه‌سازی
#بهینه‌سازی_ذرات
#ماشین_الکتریکی
#موتور_همگام_مگنت_دائمی
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_انرژی (#Energy)
#مقاله_مهندسی (#Engineering)
چکیده مقاله:
در این مقاله، یک الگوریتم بهینه سازی ازدحام ذرات (PSO) اصلاح شده پیشنهاد می شود که نسخه ارتقاء یافته الگوریتم PSO معمولی است. برای بهبود دادن عملکرد الگوریتم PSO ، یک روش جدید برای کنترل کردن هوشمندانه تعداد ذرات به کار برده شده است. این روش جدید، مقدار هزینه بهترین جهانی (gbest) در تکرار فعلی نسبت به gbest در تکرار قبلی را با یکدیگر مقایسه می کند. اگر بین دو مقدار هزینه اختلافی وجود داشته باشد، آنگاه الگوریتم پیشنهادی در مرحله اکتشاف عمل می کند و تعداد ذرات را حفظ می کند. اما، وقتی که اختلاف در مقادیر هزینه نسبت به مقادیر تحمل تخصیص یافته توسط کاربر کوچکتر باشد، این الگوریتم پیشنهادی در مرحله استخراج عمل می کند و تعداد ذرات را کاهش می دهد. علاوه بر این، این الگوریتم ، نزدیکترین ذره به بهترین ذره را حذف می کند تا از تصادفی بودنش بر حسب فاصله ی اقلیدسی اطمینان حاصل کند. الگوریتم پیشنهادی با استفاده از پنج تابع آزمون عددی اعتبارسنجی می شود، که تعداد فراخوانی های تابع تا اندازه ای نسبت به PSO معمولی کاهش می یابد. بعد از اعتبار سنجی الگوریتم ، برای طراحی بهینه موتور سنکرون مغناطیس دائم درونی (IPMSM) به کار برده می شود تا اعوجاج هارمونیک کل (THD) نیروی ضد محرکه الکتریکی (back-EMF) کاهش یابد. با در نظر گرفتن شرط عملکرد، طراحی بهینه به دست می آید که back-EMF THD را کاهش داده و مقدار back-EMF را برآورده می کند. نهایتا، یک مدل آزمایشگاهی را ایجاد کرده و آزمایش می کنیم. برای اعتبارسنجی عملکرد طراحی بهینه و الگوریتم بهینه سازی ، یک آزمایش بدون بار انجام می شود. بر اساس نتایج آزمایشگاهی، اثربخشی الگوریتم پیشنهادی بر روی طراحی بهینه یک ماشین الکتریکی تایید می شود.
کلمات کلیدی: طراحی بهینه | الگوریتم بهینه سازی | بهینه سازی ذرات ذرات | ماشین الکتریکی | موتور همگام مگنت دائمی
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/37nuxih
.
عنوان فارسی مقاله : الگوریتم بهینه سازی ازدحام ذرات با کنترل هوشمند تعداد ذرات برای طراحی بهینه ماشین های الکتریکی
.
English Article Title: Particle Swarm Optimization Algorithm with Intelligent Particle Number Control for Optimal Design of Electric Machines
Year: 2018
Publisher: IEEE
Journal: IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS
DOI: https://doi.org/10.1109/TIE.2017.2760838
Keywords:
#Optimal_Design
#Optimization_Algorithm
#Particle_Swarm_Optimization
#Electric_Machine
#Interior_Permanent_Magnet_Synchronous_Motor
#طراحی_بهینه
#کنترل_هوشمند
#ماشین‌های_الکتریکی
#الگوریتم_بهینه‌سازی
#بهینه‌سازی_ذرات
#ماشین_الکتریکی
#موتور_همگام_مگنت_دائمی
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_انرژی (#Energy)
#مقاله_مهندسی (#Engineering)
چکیده مقاله:
در این مقاله، یک الگوریتم بهینه سازی ازدحام ذرات (PSO) اصلاح شده پیشنهاد می شود که نسخه ارتقاء یافته الگوریتم PSO معمولی است. برای بهبود دادن عملکرد الگوریتم PSO ، یک روش جدید برای کنترل کردن هوشمندانه تعداد ذرات به کار برده شده است. این روش جدید، مقدار هزینه بهترین جهانی (gbest) در تکرار فعلی نسبت به gbest در تکرار قبلی را با یکدیگر مقایسه می کند. اگر بین دو مقدار هزینه اختلافی وجود داشته باشد، آنگاه الگوریتم پیشنهادی در مرحله اکتشاف عمل می کند و تعداد ذرات را حفظ می کند. اما، وقتی که اختلاف در مقادیر هزینه نسبت به مقادیر تحمل تخصیص یافته توسط کاربر کوچکتر باشد، این الگوریتم پیشنهادی در مرحله استخراج عمل می کند و تعداد ذرات را کاهش می دهد. علاوه بر این، این الگوریتم ، نزدیکترین ذره به بهترین ذره را حذف می کند تا از تصادفی بودنش بر حسب فاصله ی اقلیدسی اطمینان حاصل کند. الگوریتم پیشنهادی با استفاده از پنج تابع آزمون عددی اعتبارسنجی می شود، که تعداد فراخوانی های تابع تا اندازه ای نسبت به PSO معمولی کاهش می یابد. بعد از اعتبار سنجی الگوریتم ، برای طراحی بهینه موتور سنکرون مغناطیس دائم درونی (IPMSM) به کار برده می شود تا اعوجاج هارمونیک کل (THD) نیروی ضد محرکه الکتریکی (back-EMF) کاهش یابد. با در نظر گرفتن شرط عملکرد، طراحی بهینه به دست می آید که back-EMF THD را کاهش داده و مقدار back-EMF را برآورده می کند. نهایتا، یک مدل آزمایشگاهی را ایجاد کرده و آزمایش می کنیم. برای اعتبارسنجی عملکرد طراحی بهینه و الگوریتم بهینه سازی ، یک آزمایش بدون بار انجام می شود. بر اساس نتایج آزمایشگاهی، اثربخشی الگوریتم پیشنهادی بر روی طراحی بهینه یک ماشین الکتریکی تایید می شود.
کلمات کلیدی: طراحی بهینه | الگوریتم بهینه سازی | بهینه سازی ذرات ذرات | ماشین الکتریکی | موتور همگام مگنت دائمی
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/37nuxih
ieeexplore.ieee.org
Particle Swarm Optimization Algorithm With Intelligent Particle Number Control for Optimal Design of Electric Machines
In this study, we propose a modified particle swarm optimization (PSO) algorithm, which is an improved version of the conventional PSO algorithm. To improve the performance of the conventional PSO, a novel method is applied to intelligently control the number…
خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : چارچوب بیوفیزیکی نو برای پیش بینی انتشار CO2 در هند
.
English Article Title: A Novel Bio-Inspired Framework for CO2 Emission Forecast in India
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2017.12.048
Keywords:
#Air_pollution
#Artificial_Neural_Network
#Bio_Inspired_Computing
#CO2_Emission_Estimation
#CO2_Emission_Forecasting
#Particle_Swarm_Optimization
#چارچوب_بیوفیزیکی
#آلودگي_هوا
#شبکه‌های_عصبی_مصنوعی
#محاسبات_بیو_الهام
#ارزیابی_انتشار_CO2
#پیش‌بینی_میزان_انتشار_CO2
#بهینه‌سازی_ذرات
#مقاله_کامپیوتر (#Computer_Science)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#علوم_زیستی_و_کشاورزی (#Life_Sciences)
#مقاله_محیط_زیست (#Environmental_Science)
#مقاله_ایمونولوژی
#مقاله_میکروبیولوژی (#Immunology_and_Microbiology)
چکیده مقاله:
گازهای گلخانه ای (GHG) ناشی از احتراق سوخت های فسیلی منجر به تغییرات اقلیمی نامنظم و ایجاد مشکل شدید زیست محیطی در سراسر جهان می شود. انتشار گازهای گلخانه‌ای از منابع متنوع تاثیرات مضر بر کیفیت هوا، آب، خاک و موجودات زنده دارد. کربن دی اکسید (CO 2 ) یکی از گازهای گلخانه ای است که نقش مهمی در آلایندگی هوا بازی می کند، از این رو تخمین و پیش بینی انتشار CO 2 برای برنامه ریزی انرژی و تصمیم گیری های استراتژیک زیست محیطی ضروری است. هدف این تحقیق، ارزیابی و پیش بینی انتشار CO 2 در هند از منابع مختلف مصرف انرژی است. مدل رگرسیون خطی چندگانه و الگوریتم PSO بر اساس مدل غیرخطی برای برآورد انتشار CO 2 استفاده شده است. نتایج به دست آمده نشان داده است که انتشار CO 2 در هند طی دهه گذشته هشدار دهنده بوده است. نتایج نشان می دهد که مدل PSO می تواند برآورد بسیار دقیق را نسبت به مدل MLR بدست آورد. از نتيجه برآورد PSO، پيشبيني آينده انتشار CO 2 در هند براي سالهاي 2017 تا 2030 با استفاده از شبكه عصبي مصنوعي انجام شد. نتایج پیش بینی همچنین تأکید می کنند که باید برای جلوگیری از انتشار CO 2 در سراسر کشور، باید اقدامات لازم را انجام داد ، زیرا افزایش ناگهانی آن در هند به تهدید شدید طبیعت و محیط منجر می شود.
کليدواژگان: آلودگي هوا , شبکه های عصبی مصنوعی , محاسبات بیو الهام , ارزیابی انتشار CO2 , پیش بینی میزان انتشار CO2 , بهینه سازی ذرات
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2sDS1kK
.
عنوان فارسی مقاله : چارچوب بیوفیزیکی نو برای پیش بینی انتشار CO2 در هند
.
English Article Title: A Novel Bio-Inspired Framework for CO2 Emission Forecast in India
Year: 2018
Publisher: ELSEVIER
Journal: Procedia Computer Science
DOI: https://doi.org/10.1016/j.procs.2017.12.048
Keywords:
#Air_pollution
#Artificial_Neural_Network
#Bio_Inspired_Computing
#CO2_Emission_Estimation
#CO2_Emission_Forecasting
#Particle_Swarm_Optimization
#چارچوب_بیوفیزیکی
#آلودگي_هوا
#شبکه‌های_عصبی_مصنوعی
#محاسبات_بیو_الهام
#ارزیابی_انتشار_CO2
#پیش‌بینی_میزان_انتشار_CO2
#بهینه‌سازی_ذرات
#مقاله_کامپیوتر (#Computer_Science)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#علوم_زیستی_و_کشاورزی (#Life_Sciences)
#مقاله_محیط_زیست (#Environmental_Science)
#مقاله_ایمونولوژی
#مقاله_میکروبیولوژی (#Immunology_and_Microbiology)
چکیده مقاله:
گازهای گلخانه ای (GHG) ناشی از احتراق سوخت های فسیلی منجر به تغییرات اقلیمی نامنظم و ایجاد مشکل شدید زیست محیطی در سراسر جهان می شود. انتشار گازهای گلخانه‌ای از منابع متنوع تاثیرات مضر بر کیفیت هوا، آب، خاک و موجودات زنده دارد. کربن دی اکسید (CO 2 ) یکی از گازهای گلخانه ای است که نقش مهمی در آلایندگی هوا بازی می کند، از این رو تخمین و پیش بینی انتشار CO 2 برای برنامه ریزی انرژی و تصمیم گیری های استراتژیک زیست محیطی ضروری است. هدف این تحقیق، ارزیابی و پیش بینی انتشار CO 2 در هند از منابع مختلف مصرف انرژی است. مدل رگرسیون خطی چندگانه و الگوریتم PSO بر اساس مدل غیرخطی برای برآورد انتشار CO 2 استفاده شده است. نتایج به دست آمده نشان داده است که انتشار CO 2 در هند طی دهه گذشته هشدار دهنده بوده است. نتایج نشان می دهد که مدل PSO می تواند برآورد بسیار دقیق را نسبت به مدل MLR بدست آورد. از نتيجه برآورد PSO، پيشبيني آينده انتشار CO 2 در هند براي سالهاي 2017 تا 2030 با استفاده از شبكه عصبي مصنوعي انجام شد. نتایج پیش بینی همچنین تأکید می کنند که باید برای جلوگیری از انتشار CO 2 در سراسر کشور، باید اقدامات لازم را انجام داد ، زیرا افزایش ناگهانی آن در هند به تهدید شدید طبیعت و محیط منجر می شود.
کليدواژگان: آلودگي هوا , شبکه های عصبی مصنوعی , محاسبات بیو الهام , ارزیابی انتشار CO2 , پیش بینی میزان انتشار CO2 , بهینه سازی ذرات
لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2sDS1kK