Iнтелектуальний підхід до проектування параметрів роторів вітроенергетичної установки

Автор(и)

  • V. M. Sineglazov Національний авіаційний університет, Київ
  • S. A. Khok Національний авіаційний університет, Київ

DOI:

https://doi.org/10.18372/1990-5548.58.13514

Ключові слова:

Вертикально-осьовий ротор, генетичний алгоритм, оптимізація вітроустановки

Анотація

У даній роботі розглянуто підхід для багатокритеріальної оптимізації вітроенергетичних установок. Об’єктом дослідження є вітрові енергетичні установки з вертикальною віссю обертання. Алгоритмом оптимізації обрано «Strength Pareto Evolutionary Algorithm» генетичний алгоритм, а для вибору найкращих хромосом метод домінування Парето. Проведення даної роботи дозволяє створити програмні пакети для оптимізації вітроенергетичних установок з вертикальною віссю обертання які дають високий результат в короткі строки.

Біографії авторів

V. M. Sineglazov, Національний авіаційний університет, Київ

Кафедра авіаційних комп’ютерно-інтегрованих комплексів, Навчально-науковий інститут інформаційно-діагностичних систем

Доктор технічних наук. Професор. Зав. кафедри

S. A. Khok, Національний авіаційний університет, Київ

Кафедра авіаційних комп’ютерно-інтегрованих комплексів, Навчально-науковий інститут інформаційно-діагностичних систем

Магістр

Посилання

Melanie Mitchell, An Introduction to Generic Algorithms, 1996, 155 p.

C A. Coello, An Empirical Study of Evolutionary Techniques for Multiobjective Optimization in Engineering Design. Kyiv: Naukova Dumka, 1996, 105 p.

V. B. Zvonkov, “Comparative research of genetic algorithms and covey algorithm of optimization,” SibGAU Krasnoyarsk, 2012, pp. 786–797. (in Russian) [Online] http://www.ssc.smr.ru/media/ipuss_conf/14/7_14.pdf

J. Horn, N. Nafpliotis, and D. E. Goldberg, “A niched Pareto genetic algorithm for multiobjective optimization,” іn Proceedings of the First IEEE Conference on Evolutionary Computation, vol. 1, Piscataway, 1994, pp. 82–87.

Lu Zhenyu, Wu Xindong, Zhu Xingquan, and Josh Bongard, “Ensamble Pruning via Individual Contribution Ordering,” Department of Computer Science University of Vermont, Burlington. NSW. 2007, pp. 635–745.

E. Zitzler, M. Laumanns, and L. Thiele, “SPEA2: Improving the Performance of the Strength Pareto Evolutionary Algorithm,” in Technical Report 103, Computer Engineering and Communication Networks Lab (TIK), Swiss Federal Institute of Technology ETH) Zurich. 2001, pp. 236–296.

V. А. Golovko, Neural networks: educating, organization and application. Мoscow: IPRZHR, 2001, 256 p. (Series are "Neurocomputers and their application," Book 4). (in Russian)

V. V. Kruglov, M. I. Dli, R. Yu. Golunov, Fuzzy logic and artificial neural networks, Мoscow: Fizmatlit, 2001, 221 p. (in Russian)

R. S. Satton, Educating with a reinforcement. Мoscow: BINOM. Laboratory of knowledge, 2012, 399 p. (in Russian)

##submission.downloads##

Номер

Том 4 № 58 (2018)

Розділ

АВТОМАТИЗОВАНІ СИСТЕМИ ПРОЕКТУВАННЯ

Ліцензія

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).