Comparison of machine learning training sampling schemes for induction machine modeling

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F23%3APU148091" target="_blank" >RIV/00216305:26220/23:PU148091 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.eeict.cz/eeict_download/archiv/sborniky/EEICT_2023_sbornik_2_v2.pdf" target="_blank" >https://www.eeict.cz/eeict_download/archiv/sborniky/EEICT_2023_sbornik_2_v2.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Comparison of machine learning training sampling schemes for induction machine modeling

Popis výsledku v původním jazyce

The aim of the paper is to demonstrate the modeling of an induction machine using a chosen machine learning technique, followed by a comparison of the training sampling schemes for this technique. A simple 3-phase induction machine with an axially slitted solid rotor has been selected for the case study, where FEM-based program Ansys Electronics Desktop has been used for its calculation. A total of 3 training schemes were considered and compared with each other for the machine learning technique. Some of the comparison results are given and discussed at the end of this paper. The described methodology can be used to accelerate the design and optimization of any type of electrical machine.

Název v anglickém jazyce

Comparison of machine learning training sampling schemes for induction machine modeling

Popis výsledku anglicky

The aim of the paper is to demonstrate the modeling of an induction machine using a chosen machine learning technique, followed by a comparison of the training sampling schemes for this technique. A simple 3-phase induction machine with an axially slitted solid rotor has been selected for the case study, where FEM-based program Ansys Electronics Desktop has been used for its calculation. A total of 3 training schemes were considered and compared with each other for the machine learning technique. Some of the comparison results are given and discussed at the end of this paper. The described methodology can be used to accelerate the design and optimization of any type of electrical machine.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

PROCEEDINGS II OF THE 29TH STUDENT EEICT 2023 Selected papers

ISBN

978-80-214-6154-3

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

188-192

Název nakladatele

Brno University of Technology, Faculty of Elektronic Engineering and Communication

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

25. 4. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—