Księgarnia – szczegóły publikacji

Podgląd
dostępny

Metody CAD i AI w inżynierii elektrycznej

Zamów publikację

Autor:
Wydawnictwo: Wydawnictwo Naukowe PWN
Stron: 220
Data wydania: 2018-05-15
Typ: książka
Druk: tak
Wersja elektroniczna: nie
ISBN: 978-8-30-119708-7


Wersja papierowa: 64,00 PLN

Data wydania:

15-05-2018

Wymiary:

16.5 x 23.5 cm

Druk w kolorze:

nie

Papier kredowy:

nie

Twarda oprawa:

nie

 

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.

Spis treści: 

1. Przedmowa

2. Metody wspomagania komputerowego, systemy CAD

2.1. Podstawy teoretyczne

2.2. Przykłady zastosowań technik komputerowych

Przykład 2.1: Modelowanie silnika prądu stałego – model własny

Przykład 2.2: Modelowanie silnika prądu stałego – model standardowy

Przykład 2.3: Dobór nastawień regulatorów w układzie napędowym prądu stałego

Przykład 2.4: Modelowanie stanu przejściowego przy załączeniu napięcia w stanie jałowym transformatora

Przykład 2.5: Modelowanie stanu ustalonego silnika asynchronicznego

Przykład 2.6: Modelowanie rozruchu asynchronicznego silnika synchronicznego

Przykład 2.7: Uwzględnienie niepewności metodą symulacji Monte Carlo

3. Algorytmy genetyczn

3.1. Podstawy teoretyczne

3.2. Przykłady zastosowań algorytmów genetycznych

Przykład 3.1: Minimalizacja funkcji podstawowym algorytmem genetycznym

Przykład 3.2: Minimalizacja funkcji zmodyfikowanym algorytmem genetycznym

Przykład 3.3: Estymacja parametrów modelu matematycznego obcowzbudnego silnika prądu stałego

Przykład 3.4: Optymalizacja wielokryterialna parametrów regulatora typu PI

4. Sztuczne sieci neuronowe

4.1. Podstawy teoretyczne

4.2. Przykłady zastosowań sztucznych sieci neuronowych

Przykład 4.1: Aproksymacja funkcji nieliniowej

Przykład 4.2: Detekcja amplitudy przebiegu odkształconego

Przykład 4.3: Neuronowy model cieplny

Przykład 4.4: SSN do diagnozowania zwarć wewnętrznych transformatora jednofazowego

Przykład 4.5: Neuronowy estymator prędkości obrotowej silnika prądu stałego

5. Logika rozmyta i rozmyte sieci neuronowe

5.1. Podstawy teoretyczne

5.2. Przykłady zastosowania logiki rozmytej

Przykład 5.1: Rozmyty regulator temperatury pieca oporowego

Przykład 5.2: Rozmyty regulator prędkości wirowania silnika prądu stałego z ogranicznikiem prądu twornika

Przykład 5.3: Regulator PI z rozmytą adaptacją parametrów

Przykład 5.4: Neuronowo-rozmyty estymator prędkości obrotowej silnika prądu stałego

6. Prototypowanie w badaniach laboratoryjnych

7. Podsumowanie

8. Literatura

Brak załączników
Brak prenumeraty
 
Klikając “Zgoda” akceptujesz zapisywanie wszystkich danych cookie na twoim urządzeniu. Kliknięcie “Odmowa” oznacza zapisywanie tylko danych niezbędnych do funkcjonowania strony. Więcej informacji o cookie w polityce prywatności.