Geri Dön

Cost optimization of flyback converter using genetic algorithm

Flyback çevirici tasarımında genetik algoritma kullanılarak maliyet optimizasyonu

PDF İndir

  1. Tez No: 556256
  2. Yazar: GİRAY BALCI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MURAT YILMAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 143

Özet

Bu yüksek lisans tezinde bir flyback çevirici için genetik algoritma kullanarak maliyet optimizasyonu yapan bir algoritma geliştirilmiştir. Geliştirilen algoritma MATLAB ortamında kodlanmış ve fonksiyonel bir flyback çevirici tasarımı gerçekleştirilmiştir. Bir flyback çeviricinin bütün güç katı komponentleri genetik algoritma kullanılarak seçilmiştir. MATLAB'deki matematiksel hesaplamaların ardından LTspice benzetim programı ve komponent modelleri kullanılarak devrenin zaman domeninde benzetimi yapılmıştır. Sonrasında genetik algoritma tarafından seçilmiş komponentler kullanılarak şematik ve PCB çizimi yapılmıştır. PCB üretimi ve dizgisi yapılıp gerçeklenen devre test edilmiştir. Devrenin farklı yük ve gerilimlerde verim ölçümleri alınmıştır. Osiloskop yardımı ile dalga şekilleri incelenmiş ve hesaplamalara ve benzetim sonuçlara yakın sonuçlar alınmıştır. Hesaplanan, benzetim sonucu elde edilen ve gerçeklenen devreden alınan ölçüm sonuçları birbiri ile uyum içerisinde olduğu görülmüş ve tasarım doğrulanmıştır. Bu tez çalışmasının önemli çıkış noktalarından birisi elektronik komponentlerin lineer olmayan fiyatlandırma politikasıdır. Hem üretici hem de tüketici tarafında kullanımı artan komponentlerin birim fiyatları düşmektedir. Bir komponentin nominal teknik değerleri daha yüksek olsa bile fiyatlandırmada daha düşük nominal değerlere sahip bir komponentten daha uygun bit fiyat alabilmektedir. Örneğin 2 A maksimum akım değerine sahip bir MOSFET yüksek adetli tüketimi nedeniyle 1 A'lik bir komponentten daha ucuz olabilmektedir. Güç elektroniği devreleri doğası gereği yalnızca teknik açıdan dahi bakılsa optimizasyon gerektiren, tasarımı iterasyonlar ile yapılan devrelerdir. Göz önünde bulundurulması gereken birçok teknik parametre içerisine lineer olmayan fiyatlandırma da girdiğinde el ile hesaplamalar çok karmaşık ve zaman alıcı bir hal almaktadır. Ve birçok nokta gözden kaçıp hatalı tasarımlar ile sonuçlanabilmektedir. Bu çok boyutlu optimizasyon problemini klasik optimizasyon yöntemleri ile çözmek ise neredeyse imkansıza yakındır. Zorlamalı arama yöntemleri ise değişken sayısı arttıkça çözüm süreleri karesel bir oranda arttığı için çıkmaza girmektedir. Örneğin bu tez için oluşturulan veritabanındaki komponentleri kullanarak 91x10^{24} farklı flyback çevirici devresi tasarlanabilmektedir. Bu devrelerin büyük bir oranı istenen çalışma bölgesi için uygun değildir; ancak bu devrelerin tek tek ele alınması, kombinasyon çokluğundan dolayı mümkün değildir. Bu çok boyutlu optimizasyon probleminin çözümü için genetik algoritma kullanımı önerilmiştir. Genetik algoritma bir rastgele arama algoritmasıdır. Yani arama sürecinde belli bir sistematik içerisinde rastgele hareketler yaparak en uygun çözümü bulmaya çalışır. Bu yüzden genetik algoritmanın her çalıştırılması sonucunda farklı bir sonuç çıkarması doğaldır. Sonuçların tekrarlanabilir olması için rastgele sayı üreteçlerine tohum sayılar verilerek üretilen rastgele sayıların aynı olması sağlanmakta ve sonuçların tekrarlanabilir olası sağlanmaktadır. Bu tip algoritmaların diğer algoritmalar ile değerlendirmesi ise istatistik metodları kullnılarak yapılabilir. Problem boyutuna göre genetik algoritma yüzlerce ya da binlerce kez rastgele sayılar ile tekrar edilerek ulaşılan sonuçların bir dağılımı çıkarılabilir. Genetik algoritma sonuçları olasılık dağılımı şeklinde verilebilir. Bu tez çalışması ile genetik algoritma hesaplamalarında kullanmak üzere piyasada bulunan 317 ayrık komponentin verileri bir veritabanı şeklinde oluşturulmuştur. Oluşturulan komponent tipleri şu şekildedir:  Diyot  Elektrolitik kapasitör  Yüksek gerilim seramik kapasitör  Direnç  Ferit nüve ve bobin  MOSFET  Emaye kaplı kablo  şönt direnç  Kontrol entegresi  TL431 entegresi  Optokuplör Bu veritabanını oluştururken her komponentin önemli parazitik bileşenleri ve maksimum değerleri veritabanına eklenmiştir. Ayrıca transformatör sarım sayıları, hava aralığı gibi fiyatı olmayan; ancak dolaylı olarak tasarıma etki eden önemli değişkenlerin de belirli aralıklarda tabloları oluşturulmuş ve optimizasyon probleminde kullanılmıştır. Genetik algoritma ile kullanmak üzere flyback çevirici tasarımı için temel olan 20 adet değişken belirlenmiş, bunların ayrı ayrı tabloları oluşturulmuştur. Bu veritabanı ile MATLAB arasında veri aktarımı için ilgili kodlar yazılmıştır. Ayrıca MATLAB içerisinde bu komponentleri sistematik bir şekilde kontrol edebilmek için her komponent türüne özel class tanımlamaları yapılmıştır. Bu sayede ileriye dönük yeni parametreler eklenmesi kolaylaşmıştır. Genetik algoritma kullanılarak tasarlanan devrenin maliyeti 1.414$ olarak hesaplanmıştır. Bu devre daha önceden Power Integrations tarafından bir proje için tasarlanan flyback çevirici ile kıyaslanmıştır. Daha önceden tasarlanan çeviricinin maliyeti 2.212$ olarak hesaplanmıştır. Her iki devrenin fiyatı da Digikey internet sitesinden alınan fiyatlar yardımıyla hesaplanmıştır. Genetik algoritma ile tasarlanan devre % 36 oranında daha az maliyetli olarak bulunmuştur. Tez bölümlerinin konu dağılımı ise şu şekildedir: İlk bölümde optimizasyon algoritmaları ile ilgili genel bir literatür araştırması yapılmış ve literatürde çokça kullanılan optimizasyon algoritmalarının genel bir tanıtımı yapılmıştır. İkinci bölümde genetik algoritma ile ilgili daha ayrıntılı bilgilere yer verilmiştir. Genetik algoritmanın temel çalışma mantığı ve operatörleri anlatılmıştır. Genetik değişim operatörü, mutasyon operatörü, eşleştirme, skor hesaplamaları, seçim operatörleri ve sonlandırma koşulları ile ilgili bilgiler verilmiştir. Üçüncü bölümde tek çıkışlı bir flyback çevirici tasarımı için gerekli hesaplamalar verilmiştir. Devrenin tasarımında önemli olan parazitik devre elemanlarının hesaplamaları yapılmıştır. Bir flyback çevirici için önemli bir devre olan RCD baskılayıcı devre tasarımı aktarılmıştır. Ayrıca SMPS devre tasarımı için önemli bir yere sahip olan manyetik tasarım konusu da incelenmiştir. Flyback transformatörü hesaplamaları, kaçak endüktans, saçaklanma akısı, AC direnç vb. bileşenler de göz önünde bulundurularak yapılmıştır. Devrenin verim hesabı ise bütün komponentlerin ayrı ayrı güç kaybı denklemleri verilerek yapılmıştır. Dördüncü bölüm ikinci ve üçüncü bölümlerin birleştirildiği bölüm olmuştur. MATLAB içerisinde genetik algoritma araç kutusu kullanılarak ikinci ve üçüncü bölümde verilen bilgiler kodlamaya dökülmüştür. Oluşturulan komponent veritabanının içeriğinin açıklamaları da bu bölümdedir. Genetik algoritmayı çalıştırmak için gerekli kod parçaları ayrı ayrı verilmiştir. Skor ve kısıt fonksiyonlarının önemli kısımları yine bu bölümdedir. Beşinci bölümde ise genetik algoritma tarafından seçilen komponentler ile tasarlanan devrenin gerçekleme aşamasıdır. Öncelikle devre elemanlarının benzetim çalışması LTspice kullanılarak yapılmıştır. Sonrasında şematik ve PCB çalışmaları yapılmış ve devre baskısı yapılmıştır. Gerçeklenen devre üzerinde alınan ölçüm sonuçları bu bölümdedir. Altıncı bölüm sonuçlar ve gelecek çalışmalara öneriler ve yapılabilecek örnek çalışmaları içermektedir.

Özet (Çeviri)

In this master thesis, a genetic algorithm implementation for flyback converter cost optimization is given. Using proposed genetic algorithm in MATLAB, a converter is designed. All of the power stage components are selected by genetic algorithm. Using these selected components simulation is done using LTspice simulation program. After that, using calculated components schematic and PCB drawing is made in Altium Designer program. PCB is manufactured and realized converter is tested. Efficiency measurements and oscilloscope waveforms are within design specifications. Calculated, simulated and realized values are in good accordance hence design is validated. By this master thesis, a component database is created which contains 317 discrete components ranges from electrolytic capacitors to MOSFETs to resistors to controller ICs. A systematic way of importing these components with their important parameters into MATLAB is implemented. Flyback converter equations are implemented in MATLAB for using in genetic algorithm runs. By using genetic algorithm, designed converter cost is 1.414 $. Designed converter is compared with the formerly designed comparable flyback converter. Former converter is proposed by Power Integrations company for a project. Proposed converter cost is 2.212 $. To be able to compare two converters, both converter prices are calculated using components prices taken from Digikey website. A cost reduction of 36% is obtained. Layout of the thesis is given as following: In first chapter of the thesis literature review of optimization algorithm and widely used optimization algorithms are given with their mathematical equations and explanations. In second chapter, one of the widely used optimization algorithms, genetic algorithm is explained. General terminology and genetic algorithm operators are explained thoroughly. Crossover operators, mutation operators, mapping, fitness score calculations, selection operators and termination conditions are given. In third chapter, a single output flyback converter calculations is given with necessary equations and explanations. When designing, significant parasitics are also considered. Design of a RCD snubber circuitry is also given. Since magnetic design is one of the most important aspects of SMPS design transformer calculations are given extensively. Finally, power loss calculations are given for each type of component. In fourth chapter, chapter 2 and chapter 3 is combined. Genetic algorithm implementation for flyback converter design is given in this chapter. Component database formation, implemented MATLAB codes are given. Fitness, penalty and plotting functions are explained. In the fifth chapter a flyback converter is realized using components that are selected by genetic algorithm. LTspice simulation results, schematic, PCB design, oscilloscope waveform and efficiency measurements are given. In the sixth chapter, conclusions and further recommendations are given for future work.

Benzer Tezler

  1. Tez No

    874934

    Taşınabilir elektronik cihazlar için USB güç dağıtımı dönüştürücüsü tasarımı ve meta-sezgisel yöntemlerle optimizasyonu

    Design and meta-heuristics based optimisation of USB power delivery converter for portable electronic devices

    ÖMER SAİD AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ONUR GÜLBAHÇE

  2. Tez No

    770622

    Çerçeveli betonarme yapıların tasarımında beton sınıfının genetik algoritma ile maliyet optimizasyonu

    Cost optimization of concrete grade in design of reinforced concrete frame structures by genetic algorithm

    ÖMER ALDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İnşaat MühendisliğiGazi Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. ABDUSSAMET ARSLAN

  3. Tez No

    747025

    Yenilenebilir enerji sistemlerinin bulunduğu bir mikroşebekede enerji depolama sistemlerinin maliyet optimizasyonu

    Cost optimization of energy storage systems in a mikrosebde with renewable energy systems

    RECEP KAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAHADIR AKBAL

  4. Tez No

    539859

    Cost optimization of biogas based power production:comprehensive thermoeconomic analysis and evaluation methods

    Biyogaz tabanlı güç üretiminin maliyet optimizasyonu- kapsamlı termoekonomik analizler ve değerlendirme yöntemleri

    DERYA HAYDARGİL

    Doktora

    İngilizce

    İngilizce

    2019

    Makine MühendisliğiGaziantep Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞEGÜL ABUŞOĞLU

  5. Tez No

    178408

    Karma yemlerin genetik algoritmayla maliyet optimizasyonu

    Cost optimization of feed mixes by using genetic algorithms

    MEHMET AKİF ŞAHMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Bilim ve TeknolojiSelçuk Üniversitesi

    Elektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. MEHMET ÇUNKAŞ

Geri Dön