BÍLEK, V. Využití strojového učení pro modelování a optimalizaci elektrických strojů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.
Disertační práce Ing. Vladimíra Bílka se zabývá velmi aktuální problematikou využití metod strojového učení pro modelování a multi-objektivní optimalizaci elektrických strojů. Hlavním cílem je překlenout propast mezi rychlými, ale nepřesnými analytickými výpočty a velmi přesnými, avšak výpočetně náročnými simulacemi metodou konečných prvků, které ve spojení s evolučními optimalizačními algoritmy vyžadují vyhodnocení velkého počtu návrhů. Disertant proto navrhuje metodologii náhradního modelování založenou na regresi Gaussovskými procesy, spárovanou s Bayesovskou optimalizací, která výrazně snižuje počet časově náročných simulací při zachování požadované přesnosti predikce. Práce přináší několik originálních vylepšení klasického přístupu. Vyvinutá metodologie náhradního modelování je ověřena na dvou praktických příkladech: modelování dodatečných ztrát naprázdno v distribučních transformátorech a modelování dodatečných harmonických ztrát v asynchronních strojích napájených z měniče PWM. V obou případech náhradní modely založené na GPR prokazatelně překonávají používané analytické metody z hlediska přesnosti a současně významně zkracují výpočetní čas. Dále je provedeno systematické srovnání různých jader GPR a alternativních metod strojového učení (SVR, RFR, ANN apod.), které potvrzuje, že zvolený GPR model vykazuje ve sledovaných úlohách nejlepší přesnost. Optimalizační část práce je demonstrována na dvou typech elektrických strojů: třífázovém asynchronním motoru s klecovou klecí a třífázovém synchronním stroji s tzv. SPOKE uložením permanentních magnetů v rotoru. U asynchronního motoru všechny tři varianty Bayesovské optimalizace dosahují požadovaného zmenšení rozměrů a úspor nákladů s podstatně nižším počtem vyhodnocených návrhů ve srovnání s genetickými algoritmy. U synchronního stroje dosahuje Bayesovská optimalizace srovnatelných výsledků s diferencialně-evolučním algoritmem, avšak s výrazně menším počtem simulací. Práce otevřeně diskutuje i limity navržených postupů (např. problémy s přeučením GPR modelů v některých složitějších úlohách) a navrhuje směry dalšího výzkumu. Hlavní výsledky disertační práce byly publikovány v impaktovaném časopise International Journal of Electrical Power & Energy Systems formou rozsáhlého přehledového článku o vysokootáčkových asynchronních strojích s plným rotorem a jejich multifyzikálním modelování, a dále v prestižním časopise IEEE Transactions on Industry Applications v článku zaměřeném na predikci ztrát v transformátorech pomocí metod strojového učení. Další impaktovaná publikace je v době psaní tohoto posudku ve fázi recenzního řízení a zabývá se modelováním dodatečných harmonických ztrát v asynchronních strojích napájených z měniče PWM. Tato publikační činnost jasně dokládá, že disertant dokáže výsledky své práce prezentovat a obhájit v mezinárodním odborném prostředí. Student se významně podílel i na činnosti pracoviště v oblasti výuky. Aktivně pomáhal s výukou kurzu Elektrické stroje, vedl cvičení a laboratorní úlohy a spolupodílel se na tvorbě a aktualizaci výukových podkladů pro tento kurz. Současně byl zapojen do několika projektů aplikovaného výzkumu zaměřených na výzkum a vývoj pokročilých elektrických strojů a účastnil se i přímého výzkumu ústavu. I přes své výrazné zapojení do výuky, projektů a mezinárodních spoluprací dokázal disertační práci dokončit v řádné čtyřleté době, což svědčí o jeho vysokém pracovním nasazení, samostatnosti a velmi dobré organizaci práce. Na základě výše uvedených skutečností se domnívám, že Ing. Vladimír Bílek prokázal schopnost samostatné vědecké a tvůrčí práce i potenciál pro další působení ve výzkumu a vývoji. Disertační práci Ing. Vladimíra Bílka doporučuji k obhajobě před komisí v oboru Silnoproudá elektrotechnika a elektroenergetika na FEKT VUT v Brně.
eVSKP id 169253