Využití metod umělé inteligence při modelování asynchronního stroje

Use of Artificial Intelligence Methods for Modeling of Induction Machine

conference paper

cs

Příspěvek se zabývá problematikou návrhu architektury neuronové sítě pro simulaci dynamického chování asynchronního stroje. Využití matematického modelu vede přímo ke stanovení vstupních a výstupních veličin neuronové sítě, přičemž tento postup je determinován typem použitého, v každém případě však zjednodušeného modelu stroje. Jiný přístup, výpočetně mnohem náročnější, ale umožňující si vytvořit komplexnější představu o chování neuronové sítě, je generování většího počtu architektur neuronové sítě a jejich ohodnocení na základě tréninkových a testovacích dat. Tento postup je obecnější, přináší však s sebou problém daleko větší výpočtové náročnosti. Řešení tohoto problému je umožněno paralelizací celkového výpočtového procesu s využitím software Parallel Virtual Machine (PVM), poskytujícího možnost sloučit výpočetní výkon několika počítačů spojených prostřednictvím sítě.

Příspěvek se zabývá problematikou návrhu architektury neuronové sítě pro simulaci dynamického chování asynchronního stroje. Využití matematického modelu vede přímo ke stanovení vstupních a výstupních veličin neuronové sítě, přičemž tento postup je determinován typem použitého, v každém případě však zjednodušeného modelu stroje. Jiný přístup, výpočetně mnohem náročnější, ale umožňující si vytvořit komplexnější představu o chování neuronové sítě, je generování většího počtu architektur neuronové sítě a jejich ohodnocení na základě tréninkových a testovacích dat. Tento postup je obecnější, přináší však s sebou problém daleko větší výpočtové náročnosti. Řešení tohoto problému je umožněno paralelizací celkového výpočtového procesu s využitím software Parallel Virtual Machine (PVM), poskytujícího možnost sloučit výpočetní výkon několika počítačů spojených prostřednictvím sítě.

This paper presents modeling of the induction machine by using artificial neural networks (ANN). The architecture of proposed model is optimized through the change of number of inputs and number of neurons in the hidden layer. This approach is computationally very time-consuming, but this problem was reduced using the Parallel Virtual Machine (PVM) software. This software allows integration of a computational power of several network-connected computers into one virtual machine. Due to fact that adaptation of neural network is an independent process, computational power of virtual machine is proportional to a number of used computers.

theory of modelling, neural networks, induction machine, prediction of stator currents

01.01.2001

FEI VUT v Brně

Brno

Measurement, Analysis and Experimental Parameters Identification

8