Sähkömoottorien datapohjaisen ohjauksen nykytila

Simple item page
dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorHinkkanen, Marko
dc.contributor.authorSärkilahti, Jussi
dc.contributor.schoolSähkötekniikan korkeakoulufi
dc.contributor.supervisorTurunen, Markus
dc.date.accessioned2024-12-24T09:11:05Z
dc.date.available2024-12-24T09:11:05Z
dc.date.issued2024-12-12
dc.description.abstractSähkökoneiden 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.fi
dc.format.extent51
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/132577
dc.identifier.urnURN:NBN:fi:aalto-202412248104
dc.language.isofien
dc.programmeSähkötekniikan kandidaattiohjelmafi
dc.programme.majorElektroniikka ja sähkötekniikkafi
dc.programme.mcodeELEC3013fi
dc.subject.keywordneuroverkkofi
dc.subject.keywordsähkökäyttöfi
dc.subject.keywordtahtikonefi
dc.subject.keywordvahvistusoppiminenfi
dc.titleSähkömoottorien datapohjaisen ohjauksen nykytilafi
dc.typeG1 Kandidaatintyöfi
dc.type.dcmitypetexten
dc.type.ontasotBachelor's thesisen
dc.type.ontasotKandidaatintyöfi

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
Särkilahti_Jussi_2024.pdf
Size:
3.71 MB
Format:
Adobe Portable Document Format

Collections

[kand] Sähkötekniikan korkeakoulu / ELEC