Metody CAD i AI w inżynierii elektrycznej

• Druk: Warszawa, 2018
• Autor: Adrian Nocoń
• Wydawca: Wydawnictwo Naukowe PWN

Rozwiązania oparte na metodach sztucznej inteligencji (AI), w szczególności w odniesieniu do napędów elektrycznych i maszyn elektrycznych pracujących w systemie elektroenergetycznym, znalazły obecnie stałe miejsce w praktyce inżynierskiej. Zaistniała wobec tego potrzeba kształcenia kadry inżynierskiej w tym zakresie.
Publikacja ta, będąca częścią serii „MASZYNY ELEKTRYCZNE” zawiera ćwiczenia i przykłady pogrupowane według zagadnień takich przykładowo, jak:
-ALGORYTMY GENETYCZNE: estymacja parametrów modelu matematycznego obcowzbudnego silnika prądu stałego,
- SZTUCZNE SIECI NEURONOWE: neuronowy estymator prędkości obrotowej silnika prądu stałego albo:
-LOGIKA ROZMYTA I ROZMYTE SIECI NEURONOWE: rozmyty regulator temperatury pieca oporowego.
Książkę kierujemy przede wszystkim do studentów kierunków technicznych i informatycznych, typu: elektrotechnika, mechatronika, automatyka i robotyka czy informatyka.

• Kategorie:
  1. Ebooki i Audiobooki »
  2. Ebooki »
  3. Ebooki popularnonaukowe i specjalistyczne »
  4. Technika
• Język wydania: polski
• ISBN: 978-83-01-19708-7
• ISBN druku: 978-83-01-19884-8
• Liczba stron: 220

1. Przedmowa 7
Podziękowania 10
2. Metody wspomagania komputerowego, systemy CAD 11
	2.1 Podstawy teoretyczne 11
	2.2 Przykłady zastosowań technik komputerowych   21
		Przykład 2.1: Modelowanie silnika prądu stałego – model własny  21
		Przykład 2.2: Modelowanie silnika prądu stałego – model standardowy 29
		Przykład 2.3: Dobór nastawień regulatorów w układzie napędowym prądu stałego   34
		Przykład 2.4: Modelowanie stanu przejściowego przy załączeniu napięcia w stanie jałowym transformatora  42
		Przykład 2.5: Modelowanie stanu ustalonego silnika asynchronicznego 49
		Przykład 2.6: Modelowanie rozruchu asynchronicznego silnika synchronicznego 58
		Przykład 2.7: Uwzględnienie niepewności metodą symulacji Monte Carlo 66
3. Algorytmy genetyczne 73
	3.1 Podstawy teoretyczne 73
	3.2 Przykłady zastosowań algorytmów genetycznych 86
		Przykład 3.1: Minimalizacja funkcji podstawowym algorytmem genetycznym 86
		Przykład 3.2: Minimalizacja funkcji zmodyfikowanym algorytmem genetycznym 95
		Przykład 3.3: Estymacja parametrów modelu matematycznego obcowzbudnego silnika prądu stałego 101
		Przykład 3.4: Optymalizacja wielokryterialna parametrów regulatora typu PI 107
4. Sztuczne sieci neuronowe 113
	4.1 Podstawy teoretyczne  113
	4.2 Przykłady zastosowań sztucznych sieci neuronowych 121
		Przykład 4.1: Aproksymacja funkcji nieliniowej 121
		Przykład 4.2: Detekcja amplitudy przebiegu odkształconego 128
		Przykład 4.3: Neuronowy model cieplny 134
		Przykład 4.4: SSN do diagnozowania zwarć wewnętrznych transformatora jednofazowego 141
		Przykład 4.5: Neuronowy estymator prędkości obrotowej silnika prądu stałego 155
5. Logika rozmyta i rozmyte sieci neuronowe 164
	5.1 Podstawy teoretyczne 164
	5.2 Przykłady zastosowania logiki rozmytej 178
		Przykład 5.1: Rozmyty regulator temperatury pieca oporowego  178
		Przykład 5.2: Rozmyty regulator prędkości wirowania silnika prądu stałego z ogranicznikiem prądu twornika 185
		Przykład 5.3: Regulator PI z rozmytą adaptacją parametrów 191
		Przykład 5.4: Neuronowo-rozmyty estymator prędkości obrotowej silnika prądu stałego 198
6. Prototypowanie w badaniach laboratoryjnych 204
7. Podsumowanie 207
8. Literatura  210