선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이 제어 방식을 단위 전류당 최대토크(Maximum Torque Per Ampere, MTPA)라 하며, 이를 식 (13)에 나타내었다[15]. 그러므로 본 논문에서는 MTPA를 최적설계의 목적함수로 선정하였다. MTPA의 정확한 계산을 위해 전동기의 d-q축 쇄교자속을 FEM을 통하여 구하였다.
- 그러나 탐색 전략에 기인하는 Poll Size 파라미터와 Mesh Size 파라미터에 전략적 차이를 둠으로서 변수영역에서의 지역탐색방향이 제한적이지 않게 되는 단점이 있다. 따라서 본 논문에서는 MADS의 취약점인 Random 탐색에 의한 연산시간 증가를 해결하기 위해 PSO (Particle Swarm Optimization)[9]의 주개념인 방향성을 도입한 RG-MADS를 새로이 제시한다.
- 또한 IPMSM에 RG-MADS 알고리즘을 적용하여 MPTA를 향상시키는 목적으로 최적설계를 구현하였다. 기존의 MTPA 값과 비교하였을 때 최적설계로 구현한 MTPA 값이 향상되었으며, MADS와 RG-MADS와의 수렴시간을 비교하였을 때 RG-MADS가 더 짧은 시간에 최적설계의 결과 값을 도출함을 확인할 수 있었다.
- 본 논문에서는 RG-MADS의 수렴의 수학적 신뢰성을 확보하기 위해 대표적인 테스트 함수인 Branin 함수와Schwefel 함수에 RG-MADS를 적용하였고, RG-MADS의 개선된 성능을 확인하기 위해서 MADS를 테스트 함수에 적용시켜 비교하였다.
- 본 논문에서는 전기기기 최적설계의 문제점인 막대한 수행시간을 단축하기 위해서 지역탐색기법인 MADS의 탐색전략을 수정한 RG-MADS를 제안하였다. 이 알고리즘의 효용성을 증명하기 위해서 기존의 MADS와 새로 제시한 RG-MADS를 포함한 2개의 테스트 함수에 적용하여 수렴까지의 탐색횟수를 비교하였고, 그 결과 RG-MADS의 탐색횟수가 감소함을 확인하였다.
- 본 논문에서는 현재의 해 xk를 중심으로 발생한 이웃해들의 목적함수 값을 사용하여, 다음 탐색방향을 찾기 위한 새로운 개념을 제안한다. 즉, 현재 탐색한 지점 주변의 이웃해들 중, 해가 개선된 값들의 가중치를 계산하여, 다음 단계에서 탐색하게 될 방향에 대해 개선 확률을 높인 것이다.
- 를 중심으로 발생한 이웃해들의 목적함수 값을 사용하여, 다음 탐색방향을 찾기 위한 새로운 개념을 제안한다. 즉, 현재 탐색한 지점 주변의 이웃해들 중, 해가 개선된 값들의 가중치를 계산하여, 다음 단계에서 탐색하게 될 방향에 대해 개선 확률을 높인 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.