論文の概要: Brushless Motor Performance Optimization by Eagle Strategy with Firefly
and PSO
- arxiv url: http://arxiv.org/abs/2106.11135v1
- Date: Thu, 17 Jun 2021 05:47:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-26 10:30:43.807855
- Title: Brushless Motor Performance Optimization by Eagle Strategy with Firefly
and PSO
- Title(参考訳): ホタルとPSOを用いたイーグル戦略によるブラシレスモータ性能最適化
- Authors: Appalabathula Venkatesh, Pradeepa H, Chidanandappa R, Shankar
Nalinakshan, Jayasankar V N
- Abstract要約: ブラシレスモーターは、通勤時の欠如、騒音の低減、寿命の延長など、特別な特徴があるため、特別な位置にある。
BLDCモータのパラメータ追跡は、参照システムを開発することで実現できる。
この安定性は、適応システムが強力で効率的な最適化技術に組み込まれている場合にのみ保証される。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Brushless motors has special place though different motors are available
because of its special features like absence in commutation, reduced noise and
longer lifetime etc., The experimental parameter tracking of BLDC Motor can be
achieved by developing a Reference system and their stability is guaranteed by
adopting Lyapunov Stability theorems. But the stability is guaranteed only if
the adaptive system is incorporated with the powerful and efficient
optimization techniques. In this paper the powerful eagle strategy with
Particle Swarm optimization and Firefly algorithms are applied to evaluate the
performance of brushless motor Where, Eagle Strategy(ES) with the use of Levys
walk distribution function performs diversified global search and the Particle
Swarm Optimization (PSO) and Firefly Algorithm(FFA) performs the efficient
intensive local search. The combined operation makes the overall optimization
technique as much convenient The simulation results are obtained by using
MATLAB Simulink software
- Abstract(参考訳): ブラッシュレスモータは、通勤時の欠如、ノイズ低減、寿命延長などの特別な特徴により、異なるモータが利用できる特別な場所があり、BLDCモータの実験パラメータ追跡は参照システムを開発し、その安定性はリャプノフの安定定理を採用することで保証される。
しかし、適応システムが強力で効率的な最適化技術に組み込まれている場合のみ、安定性が保証される。
本稿では, 粒子群最適化とファイヤーフライアルゴリズムを用いた強力なイーグル戦略を適用し, レヴィスウォーク分布関数を用いたイーグル戦略(es)が多角的大域探索を行い, 粒子群最適化(pso)とファイヤーフライアルゴリズム(ffa)が効率的な集中局所探索を行うブラッシングレスモータの性能を評価する。
統合操作により,matlab simulinkソフトウェアを用いたシミュレーション結果が得られた場合,全体の最適化手法がより便利になる。
関連論文リスト
- LABCAT: Locally adaptive Bayesian optimization using principal
component-aligned trust regions [0.0]
主成分整列回転と適応的再スケーリング戦略を付加することにより,信頼領域ベースのBOを拡張するABCATアルゴリズムを提案する。
このアルゴリズムは、最先端のBOや他のブラックボックス最適化アルゴリズムよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-11-19T13:56:24Z) - Advancements in Optimization: Adaptive Differential Evolution with
Diversification Strategy [0.0]
この研究は2次元空間において単目的最適化を採用し、複数の反復で各ベンチマーク関数上でADEDSを実行する。
ADEDSは、多くの局所最適化、プレート型、谷型、伸縮型、ノイズの多い機能を含む様々な最適化課題において、標準Dより一貫して優れている。
論文 参考訳(メタデータ) (2023-10-02T10:05:41Z) - Learning Regions of Interest for Bayesian Optimization with Adaptive
Level-Set Estimation [84.0621253654014]
本稿では,高信頼領域を適応的にフィルタするBALLETというフレームワークを提案する。
理論的には、BALLETは探索空間を効率的に縮小することができ、標準BOよりも厳密な後悔を示すことができる。
論文 参考訳(メタデータ) (2023-07-25T09:45:47Z) - CONFIG: Constrained Efficient Global Optimization for Closed-Loop
Control System Optimization with Unmodeled Constraints [11.523746174066702]
OPTアルゴリズムは未知系の非モデル制約による閉ループ制御性能を最適化するために用いられる。
その結果,提案アルゴリズムは,最適性保証のないCEI (Constrained expecteded Improvement) アルゴリズムと競合する性能を達成できることが示唆された。
論文 参考訳(メタデータ) (2022-11-21T19:44:00Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳(メタデータ) (2022-10-27T01:58:10Z) - Multi-Agent Deep Reinforcement Learning in Vehicular OCC [14.685237010856953]
我々は車載OCCにおけるスペクトル効率最適化手法を提案する。
我々は最適化問題をマルコフ決定プロセス(MDP)としてモデル化し、オンラインで適用可能なソリューションの利用を可能にする。
提案手法の性能を広範囲なシミュレーションにより検証し,提案手法の様々な変種とランダムな手法との比較を行った。
論文 参考訳(メタデータ) (2022-05-05T14:25:54Z) - Evolving Pareto-Optimal Actor-Critic Algorithms for Generalizability and
Stability [67.8426046908398]
汎用性と安定性は,実世界における強化学習(RL)エージェントの運用において重要な2つの目的である。
本稿では,アクター・クリティック・ロス関数の自動設計法であるMetaPGを提案する。
論文 参考訳(メタデータ) (2022-04-08T20:46:16Z) - Hybrid Evolutionary Optimization Approach for Oilfield Well Control
Optimization [0.0]
油田生産の最適化は、地下モデルの複雑さと関連する非線形性のために困難である。
本稿では,2つのハイブリッドな進化的最適化手法の有効性について述べる。
論文 参考訳(メタデータ) (2021-03-29T13:36:51Z) - Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。
我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。
すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
論文 参考訳(メタデータ) (2020-10-01T18:14:11Z) - EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm
for Constrained Global Optimization [68.8204255655161]
EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。
これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。
その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
論文 参考訳(メタデータ) (2020-07-09T10:19:22Z) - Mixed Strategies for Robust Optimization of Unknown Objectives [93.8672371143881]
そこでは,不確実なパラメータの最悪の実現に対して,未知の目的関数を最適化することを目的として,ロバストな最適化問題を考察する。
我々は,未知の目的をノイズ点評価から逐次学習する,新しいサンプル効率アルゴリズムGP-MROを設計する。
GP-MROは、最悪のケースで期待される目標値を最大化する、堅牢でランダムな混合戦略の発見を目指している。
論文 参考訳(メタデータ) (2020-02-28T09:28:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。