Yeni bir genetik algoritma yaklaşımı ile çıkık kutuplu senkron makinenin ağırlık optimizasyonu
Cost optimization of salient pole synchronous machine by a new approach to the genetic algorithm
- Tez No: 139767
- Danışmanlar: PROF. DR. ASIM KASAPOĞLU
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Genetik Algoritma, Mendel Genetiği, Optimizasyon, Senkron Makine, Elektrik Makineleri. XV, Genetic Algorithm, Mendelian Genetic, Optimization, Synchronous Machine, Electric Machine. xvi
- Yıl: 2003
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 127
Özet
Genetik Algoritmalar (GA) 1970' lerden beri literatürdeki yerini almış bulunmaktadır. Bu algoritma ile ilgili çok çeşitli sahalarda ve konularda yayınlar yapılmıştır. Bu çalışmada ise elektrik makinelerine uygulanan optimizasyon tekniklerinden biri olan GA ile makinenin ağırlığını en aza indirme işlemleri yapılmış, asıl çalışma konusu olan yeni geliştirilen GA ile elde edilen sonuçlar ile klasik GA' dakiler karşılaştırılmış, ve sonuçların hemen hemen aynı olduğu görülmüştür. Yeni geliştirilen GA' da Mendel Genetiği esas tutulmuş, Mendel' in popülasyon genetiği olarak bilinen kavram algoritmaya uyarlanmıştır. Dolayısıyla, klasik GA' dan farklı olarak çaprazlama olayı daha sağlam bir temele oturtulmuş, farklı bir eşleme işlemi ortaya konmuş, mutasyon ise uygulanmamıştır. Mendel kanunları olarak bilinen bu iki esastan birincisi: Allellerin ayrışması, ikincisi: Allellerin birbirlerinden bağımsız olarak yerleşmesidir. Bu sayede, klasik GA' da uygulanan ve de tıp literatüründe oluşma tipi tam bilinemeyen çaprazlama (yani hangi şekilde, hangi kısmaların çaprazlamaya gireceği) ile gene tıp literatüründe mutasyon olarak bilinen ve yine anormal bir durum addedilen olayın (ve olma ihtimalinin çok düşük olmasına rağmen) klasik GA' da sanki gayet doğalmış gibi mutasyon operatörünün olması ve frekansının azaltılıp yükseltilebilmesi, çaprazlamanın neye göre hangi şekilde olacağı gibi muallakta kalmış sorulara kesin çözüm bulunamaması, uygulanan çaprazlama metotlarının tatminkar olmaktan uzak olduğu vs. gibi meseleler ortadan kalkmıştır. Klasik GA' da her bir sayı dizisine kromozom denirken, yeni geliştirilen GA' da bunların her birine“gamet”denmiş, biri erkekten biri dişiden olmak üzere iki gametin birleşmesi ile yeni bir 'Tert“ vücuda gelmiştir (tıp literatüründe olduğu gibi). Sonra da bu fert üzerinde ”fenotip“ ve ”genotip" kavramları uygulanmıştır (Mendel Genetiği). Dolayısıyla her bir fert iki gametten oluşmuş, bunlar algoritmaya uyarlanmıştır. Klasik GA' da rasgele oluşturulan başlangıç popülasyonundan sonra rulet tekeri metoduna göre seçilen kromozomları eşleme, çaprazlama ve mutasyon rutini takip ederek yeni nesli oluştururlarken, yeni GA' da başlangıç popülasyonu olan gamet havuzundan isteğe bağlı gamet gurubu (bu çalışma için dörttür) eşleme yöntemine göre seçilerek, çaprazlama için punett karesi oluşturulup bu karedeki genotiplerden bir tanesi rulet tekeri metoduna göre seçilerek yeni nesli oluşturmaktadırlar. Klasik GA' da nesil sayısı yüzlerce olabilirken, yeni GA' da çok daha az nesil sayısı yeterli olmaktadır. Analitik hesabı yapılmış 2 MVA' lık senkron bir makinenin klasik GA ve yeni GA ile ağırlık optimizasyonu yapılmıştır. Makinenin kromozom (veya gamet) boyutu 1 1 tane parametreden oluşturulmuştur. Klasik GA' da başlangıç popülasyonu değiştirilip, alt popülasyon sabit tutulup seçim metotlarına göre, nesü sayısı arttırılıp simülasyon sonuçlan buna göre elde edilmiştir. Yeni GA' da ise başlangıç popülasyonu değiştirilirken alt popülasyon sayısı arttırılıp nesil sayısına dokunulmamış (çünkü yeni GA' da nesil sayısı alt popülasyon sayısına bağlıdır), simülasyon sonuçlan buna göre elde edilmiştir. Hem klasik GA' da hem de yeni GA' da simülasyon sonuçlan ve değişimleri incelenmiştir.
Özet (Çeviri)
Genetic Algorithms appeared in literature since 1970. Lots of articles and books at different departments and subjects on this topic are published. In this issue, the weight minimization of the machine is done with GA, which is one of the optimization techniques applied to the electric machines, the results are determined due to the new GA - that is the main topic of this issue - and compared with the results of classic GA. Mendelian analyze of Genetics are based to the new GA, the concept which was known as the population genetics of Mendel, is applied to the algorithm. Consequently some different techniques are shown, the crossover operation became more feasible, a different reproduction way is proposed and mutation is not applied. The first rule of Mendel is known as: the segregation of Alleles and the second: the independent assortment of Alleles. So that, in spite of the crossover operation that is not known completely in medical science (anyone know the reason of creation of crossover and which segment of chromosome will be crossed over), and also the mutation operation that is an abnormal situation in medical science (and in spite of mutation have a very little probability), the reduction and increment of frequency of mutation are very normally operated in classic GA and non-satisfactory case of randomization of crossing over and of the crossover methods etc. are discarded with the new GA. While each one of the number string is called chromosome in classic GA, each of this number string is called“gamete”in the new GA, and the combination of the two gametes (one from male and one from female) is created a new“individual'' (as in the medical science literature). Afterwards, ”genotype“ and ”phenotype" concepts are applied on this individual (Mendelian analyze of inheritance). In the respect of this, the creation of every individual from two gametes is applied to the new algorithm. While new generation is created with the randomly produced initial population, with reproduction which was based on roulette wheel selection method, with crossover and with mutation routines, respectively in classic GA, the new generation is created with the same initial population (gamete population), with the determination of Punett square for crossover, and with selection of one of these genotypes with roulette wheel selection method routines respectively in the new GA. Moreover, the generation number is less effective in the new GA the classic GA. In this task an analytically designed 2 MVA synchronous machine is optimized by classic and new GA. The chromosome (or gamete) of the machine contains 11 parameters. While the sub population number is fixed, the initial population number is changed and the results are determined for different selection methods beyond the increment of generation number in classic GA. While the initial population number and the sub population number are changed, the generation number is not important (the generation number depends on the sub population number in the new GA), the results are determined on this way. The results of classic and new GA are compared.
Benzer Tezler
- Yapay sinir ağlarında öğrenme algoritmalarının analizi
Analysis of learning algorithms in neural networks
SEVİNÇ BAKLAVACI
Yüksek Lisans
Türkçe
1994
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiDOÇ.DR. LEYLA GÖREN
- Fuzzy-PSO control of linear and nonlinear systems
Doğrusal ve doğrusal olmayan sistemlerde bulanık sürü parçacığı optimizasyonu yaklasımı ile kontrol
TOLGA KAYA
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
YRD. DOÇ. GÜLAY ÖKE
- A robust process model with two-stage optimization methodology for liquid composite molding process
Sıvı kompozit kalıplama yöntemi için iki aşamalı optimizasyon metotolojisi ile güçlendirilmiş bir süreç modeli
MAHSA SEYED NOURANI
Yüksek Lisans
İngilizce
2020
Makine MühendisliğiSabancı ÜniversitesiÜretim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HATİCE SİNEM ŞAŞ ÇAYCI
PROF. DR. MEHMET YILDIZ
- Çok seviyeli inverterler için gerçek zamanlı seçici harmonik eliminasyonu
Real-time selective harmonic elimination for multi-level inverters
YASİN BEKTAŞ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HULUSİ KARACA
- Model predictive control of a turbocharged diesel engine with exhaust gas recirculation
Aşırı doldurmalı ve egzoz gaz çevrimli dizel motorda model öngürülü kontrol
MUHARREM UĞUR YAVAŞ
Yüksek Lisans
İngilizce
2015
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. METİN GÖKAŞAN