prikaz prve stranice dokumenta Parametrizacija regulatora primjenom evolucijskih algoritama
Pristup korisnicima matične ustanove
diplomski rad
Parametrizacija regulatora primjenom evolucijskih algoritama
2020. urn:nbn:hr:190:389078
Mavrinac, Marko
Sveučilište u Rijeci
Tehnički fakultet
Zavod za automatiku i elektroniku
Katedra za elektroniku, robotiku i automatiku

Citirajte ovaj rad

Mavrinac, M. (2020). Parametrizacija regulatora primjenom evolucijskih algoritama (Diplomski rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:389078

Mavrinac, Marko. "Parametrizacija regulatora primjenom evolucijskih algoritama." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:190:389078

Mavrinac, Marko. "Parametrizacija regulatora primjenom evolucijskih algoritama." Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:190:389078

Mavrinac, M. (2020). 'Parametrizacija regulatora primjenom evolucijskih algoritama', Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 27.11.2024., https://urn.nsk.hr/urn:nbn:hr:190:389078

Mavrinac M. Parametrizacija regulatora primjenom evolucijskih algoritama [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2020 [pristupljeno 27.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:389078

M. Mavrinac, "Parametrizacija regulatora primjenom evolucijskih algoritama", Diplomski rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:389078

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:389078
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovParametrizacija regulatora primjenom evolucijskih algoritama
Naslov (engleski)Regulator parametrization using evolutionary algorithms
AutorMarko Mavrinac
MentorZlatan Car (mentor)
Član povjerenstvaAlfredo Višković (predsjednik povjerenstva)
Član povjerenstvaZlatan Car (član povjerenstva)
Član povjerenstvaRene Prenc (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za automatiku i elektroniku)
(Katedra za elektroniku, robotiku i automatiku)
Rijeka
Datum i država obrane2020-09-22, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Sažetak
Ovaj rad bavi se primjenom genetskog algoritma za problem optimizacije sustava regulacije DC motora s nezavisnom uzbudom po kutu rotora. Teoretski je opisan koncept genetskog algoritma i njegovih elemenata, sustava regulacije koji se optimizira. a uz to je opisana i njihova implementacija u Pythonu, dizajn grafičkog sučelja za prikaz rezultata i sučelja za usporedbu svojstava genetskih algoritama različitih parametara. Uz to, implementirane su odreĎene metode optimizacije uz pomoć kojih se znatno smanjuje vrijeme izvoĎenja algoritma, a izvršena je usporedba rezultata u MATLAB-u odnosno Simulinku kako bi se utvrdila vjerodostojnost matematičkog modela u Pythonu kao i vjerodostojnost rezultata optimizacije. Kako bi se utvrdio idealan skup parametara za rješenje problema optimizacije navedenog sustava regulacije, izvršena je usporedba genetskih algoritama bazirana na veličini populacije, vjerojatnosti mutacije, relativnoj toleranciji ocjene podobnosti i različitim metodama selekcije.
Sažetak (engleski)
This paper analyzes application of genetic algorithm for the purpose of optimizing a control system with separately excited DC motor controlled according to the rotor angle. The theoretical concept of genetic algorithm and its elements has been described along with the concept of the control system being optimized. Also, Python implementation of the genetic algorithm, mathematical model of the control system, graphical user interface for result analysis and interface for genetic algorithm comparison have been described. Certain optimization methods used for noticeable execution time reduction have been implemented and comparison has been made between MATLAB and Python model simulation results to ensure credibility of optimization results given by the genetic algorithm. In order to determine an ideal set of parameters for this particular optimization problem, a comparison has been made between genetic algorithms based on population size, mutation probability, relative fitness score tolerance and different selection methods.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:389078
Studijski programNaziv: Elektrotehnika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektrotehnike (mag. ing. el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-08-27 13:09:18