but.committee	doc. Dr. Ing. Miroslav Patočka (předseda) prof. Ing. Jiří Skalický, CSc. (člen) prof. RNDr. Vladimír Aubrecht, CSc. (člen) doc. Ing. Ondřej Vítek, Ph.D. (člen) prof. Ing. Petr Toman, Ph.D. (člen) Ing. Petr Modlitba, CSc. (člen) doc. Ing. Vladislav Singule, CSc. - oponent (člen) Ing. Jiří Duroň, Ph.D. - oponent (člen)	cs
but.jazyk	čeština (Czech)
but.program	Elektrotechnika a komunikační technologie	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Ondrůšek, Čestmír	cs
dc.contributor.author	Kurfűrst, Jiří	cs
dc.contributor.referee	Duroň,, Jiří	cs
dc.contributor.referee	Singule, Vladislav	cs
dc.date.created	2013	cs
dc.description.abstract	Dizertační práce se zabývá využitím optimalizačních algoritmů umělé inteligence při návrhu elektrického stroje s permanentními magnety na rotoru (SMPM). Hlavním cílem práce je aplikovat potenciální optimalizační metody při návrhu stroje a ověřit tak jejich efektivitu a vhodnost. Optimalizace jsou obecně zaměřeny na změnu materiálu magnetů (NdFeB nebo SmCo), na zvyšování účinnosti, snižování harmonického zkreslení, eliminace parazitních složek momentu (cogging) při zachování jmenovitých hodnot stroje. Jednalo se o povrchové optimalizace tvaru magnetů, tvaru vzduchové mezery a drážky statoru. Byly vybrány dva optimalizační algoritmy. Ve světě dobře známý Genetický Algoritmus (GA) a robustní Samo-Organizující se algoritmus (SOMA), jako jeden z českých algoritmů. Na příkladech je vysvětlena podstata algoritmů a jejich nejdůležitějších funkcí (penalizační a ohodnocovací). Z hlediska perspektivy a užitečnosti optimalizačních algoritmů jsou výsledky prakticky ověřeny na vibračním generátoru (VG) výkonu 7 mW (0,1g zrychlení) a na synchronním servomotoru s PM na rotoru o výkonu 1,1 kW (6tis. min-1) vždy ve spolupráci s průmyslem. Metody se ukázaly jako vhodné pro optimalizace těchto typů strojů a jsou dále hypoteticky aplikovány u strojů se jmenovitými otáčkami do 10tis. min-1 a 120tis. min-1.	cs
dc.description.abstract	The dissertation thesis deal with the design and the optimization of the permanent magnet synchronous machine (SMPM) based on the artificial intelligence. The main target is to apply potential optimization methods on the design procedure of the machine and evaluate the effectiveness of optimization and the optimization usefulness. In general, the optimization of the material properties (NdFeB or SmCo), the efficiency maximization with given nominal input parameters, the cogging torque elimination are proposed. Moreover, the magnet shape optimization, shape of the air gap and the shape of slots were also performed. The well known Genetic algorithm and Self-Organizing migrating algorithm produced in Czech were presented and applied on the particular optimization issues. The basic principles (iterations) and definitions (penalty function and cost function) of proposed algorithms are demonstrated on the examples. The results of the vibration generator optimization (VG) with given power 7mW (0.1g acceleration) and the results of the SMPM 1,1kW (6 krpm) optimization are practically evaluated in the collaboration with industry. Proposed methods are useful for the optimization of PM machines and they are further theoretically applied on the low speed machine (10 krpm) optimization and high speed machine (120 krpm) optimization.	en
dc.description.mark	P	cs
dc.identifier.citation	KURFŰRST, J. Optimalizace stroje s permanentními magnety na rotoru pomocí umělé inteligence [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2013.	cs
dc.identifier.other	68281	cs
dc.identifier.uri	http://hdl.handle.net/11012/24951
dc.language.iso	cs	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	SMPM; SOMA; ATO; NdFeB; SmCo; Vibrační generátor; servo motor; nízkootáčkové stroje; vysokootáčkové stroje; optimalizace; umělá inteligence; Genetický Algoritmus; penalizační funkce; ohodnocovací funkce; zvyšování účinnosti	cs
dc.subject	cogging moment	cs
dc.subject	vyšší harmonické	cs
dc.subject	ztráty	cs
dc.subject	magnety.	cs
dc.subject	SMPM	en
dc.subject	SOMA	en
dc.subject	ATO	en
dc.subject	NdFeB	en
dc.subject	SmCo	en
dc.subject	vibration generator	en
dc.subject	servo machines	en
dc.subject	low speed machines	en
dc.subject	high speed machines	en
dc.subject	optimization	en
dc.subject	artificial intelligence	en
dc.subject	Genetic algorithm	en
dc.subject	penalty function	en
dc.subject	cost function	en
dc.subject	maximization of efficiency	en
dc.subject	cogging torque	en
dc.subject	harmonics	en
dc.subject	losses	en
dc.subject	magnets.	en
dc.title	Optimalizace stroje s permanentními magnety na rotoru pomocí umělé inteligence	cs
dc.title.alternative	Optimization of the permanent magnet machine based on the artificial inteligence	en
dc.type	Text	cs
dc.type.driver	doctoralThesis	en
dc.type.evskp	dizertační práce	cs
dcterms.dateAccepted	2013-11-15	cs
dcterms.modified	2013-11-15-14:58:33	cs
eprints.affiliatedInstitution.faculty	Fakulta elektrotechniky a komunikačních technologií	cs
sync.item.dbid	68281	en
sync.item.dbtype	ZP	en
sync.item.insts	2025.03.27 11:55:13	en
sync.item.modts	2025.01.17 12:35:27	en
thesis.discipline	Silnoproudá elektrotechnika a elektroenergetika	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav výkonové elektrotechniky a elektroniky	cs
thesis.level	Doktorský	cs
thesis.name	Ph.D.	cs

Optimalizace stroje s permanentními magnety na rotoru pomocí umělé inteligence

Files

Original bundle

Collections