Sähkömoottorien datapohjaisen ohjauksen nykytila
No Thumbnail Available
Files
Särkilahti_Jussi_2024.pdf (3.71 MB) (opens in new window)
Aalto login required (access for Aalto Staff only).
URL
Journal Title
Journal ISSN
Volume Title
Sähkötekniikan korkeakoulu |
Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2024-12-12
Department
Major/Subject
Elektroniikka ja sähkötekniikka
Mcode
ELEC3013
Degree programme
Sähkötekniikan kandidaattiohjelma
Language
fi
Pages
51
Series
Abstract
Sähkökoneiden mallipohjaisten ohjausjärjestelmien haasteena on perinteisesti ollut tasapainottelu matemaattisen mallin tarkkuuden, käytännön mittauslaitteiston valinnan ja ohjaimen suorituskyvyn sekä systeemin energiatehokkuuden välillä. Neuroverkoilla toteutettu datapohjainen ohjaus mahdollistaa koneen toimintapisteen ja sähköisten parametrien välisten epälineaaristen riippuvuksien tallentumisen ohjaimen painomatriisiin. Tämän seurauksena mallin yksinkertaistuksista johtuvia ohjauksen epätarkkuuksia voidaan vähentää. Lisäksi datapohjaisen ohjaimen optimointi on mahdollista automatisoida, mikä nopeuttaa koneen käyttöönottoa. Tässä kandidaatintyössä käsitellään kestomagnetoidun tahtikoneen datapohjaiseen ohjaukseen kehitettyjä koneoppimissovelluksia. Työ toteutetaan kirjallisuuskatsauksena, jonka tavoitteena on tutkia neuroverkkojen tarjoamia etuja sähkökoneen ohjaukseen liittyvien keskeisten haasteiden ratkaisemisessa.Description
Supervisor
Turunen, MarkusThesis advisor
Hinkkanen, MarkoKeywords
neuroverkko, sähkökäyttö, tahtikone, vahvistusoppiminen