Fırçasız DA motorunun hız kontrolünde PI katsayılarının Pareto tabanlı çok amaçlı optimizasyonu
Notice bibliographique
Résumé
Bu makale PI kontrolör katsayılarının (Oransal kazanç Kp and Integral kazanç Ki) optimum değerlerini bulmak için Elman Yapay Sinir Ağları (EYSA) modeli kullanılan Pareto tabanlı çok amaçlı optimizasyonu ve Yanıt Yüzey Yöntemi’nin (YYY) karşılaştırılmasını sunmaktadır. Amaç fonksiyonu olarak oturma süresi (Ts) ve maksimum aşma (Mo) seçilmiştir. Çalışmanın amacı, PI kontrolör parametre katsayıları olan Kp ve Ki’nin optimum değerlerinin bulunmasıdır. İlk olarak, Minitab programı kullanılarak deney tasarımı gerçekleştirilmiştir. Daha sonra fırçasız doğru akım motoru hız kontrol sisteminin matematiksel modelinin oluşturulması için YYY ve EYSA modeli ayrı ayrı elde edilmiştir. Son olarak da, optimizasyon işlemi her iki yöntem ile ayrı ayrı gerçekleştirilmiştir. Optimizasyon işlemleri sonucunda, katsayıların optimum değerleri ve Pareto eğrisi elde edilmiştir. Elde edilen optimum değerler, sistemde kontrolör içerisine yazılarak fırçasız DA motorun gerçek zamanlı çıkışları elde edilmiştir. Sonuçlar karşılaştırıldığında, Pareto tabanlı EYSA yönteminde daha iyi performans sağlandığı görülmüştür.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».