Pareto Set Narrowing Based on Preference Sampling and Pairs of Criteria Processing for Turbogenerator Design Optimization

N. V. Korovkin; Коровкин Н. В.; V. I. Bekuzin; Бекузин В. И.; V. N. Zheleznyak; Железняк В. Н.

doi:10.31857/S0002331025020075

Сужение множества Парето на основе выборки предпочтений и попарной обработки критериев для оптимизации конструкции турбогенераторов

Авторы: Коровкин Н.В.¹, Бекузин В.И.², Железняк В.Н.²
Учреждения:
1. Федеральное государственное автономное образовательное учреждение высшего образования "Санкт-Петербургский политехнический университет Петра Великого"
2. Акционерное общество "Силовые машины"
Выпуск: № 2 (2025)
Страницы: 95-113
Раздел: Статьи
URL: https://journal-vniispk.ru/0002-3310/article/view/293840
DOI: https://doi.org/10.31857/S0002331025020075
ID: 293840

Цитировать

Полный текст

Открытый доступ
Доступ закрыт

Доступ предоставлен
Доступ закрыт

Только для подписчиков

Аннотация
Об авторах
Список литературы
Дополнительные файлы
Статистика

Аннотация

В работе рассмотрен подход к сужению множества Парето, ориентированный, по мнению авторов, на решение инженерных задач, связанных с проектированием сложных устройств. Авторам представляется, что такой подход имеет ряд преимуществ в сравнении с использованием для сужения множества Парето нечетких логик. Для эффективного использования последних необходима выработка свода правил, удачность которых и определит степень сжатия множества. Для различных устройств наборы этих правил также различны, и сложная задача сужения множества Парето сводится к другой (по нашему мнению, менее сложной) задаче выработки наилучших правил. Рассмотренный в настоящей работе подход, связанный с анализом пар критериев, не требует дополнительных правил, представляется нам менее трудоемким и отвечает цели работы – получению качественного проектного решения в минимальное время.

Ключевые слова

множество Парето, целевая функция, оптимизационный расчет, ударный генератор

Список литературы

Bramerdorfer G., Tapia J.A., Pyrhönen J.J., Cavagnino A. Modern Electrical Machine Design Optimization: Techniques, Trends, and Best Practices. – IEEE Transactions on Industrial Electronics. 2018. Vol. 65, No. 10. P. 7672–7684. doi: 10.1109/TIE.2018.2801805.
Duan Y., Harley R.G. A Novel Method for Multiobjective Design and Optimization of Three Phase Induction Machines. – IEEE Transactions on Industry Applications. 2011. Vol. 47, No. 4. P. 1707–1715. doi: 10.1109/TIA.2011.2156372.
Zheleznyak V.N., Burmistrov A.A., Korovkin N.V. Short-Circuit Turbine Generator Package: Functional and Operational Features. – 24th International Conference of Young Professionals in Electron Devices and Materials (EDM), EDM-2023. P. 990–994.
Копылов И.П. Проектирование электрических машин. М., Юрайт, 2011, 775 с.
Лютер Р.А. Расчет синхронных машин. Л., Энергия, Ленингр. отд-ние, 1979, 272 с.
Теоретические основы электротехники: В 3-х т. Учебник для вузов. Том 1. – 4-е изд. / К. С. Демирчян, Л. Р. Нейман, Н. В. Коровкин, В. Л. Чечурин. – СПб.: Питер, 2003. – 463 с.: ил.
Zhang L. An Efficient Modeling of Air Gap and Nonlinear Analysis of Magnetic Equivalent Circuit for Large Turbogenerators Under No-Load Condition. – IEEE Transactions on Magnetics. 2022. Vol. 58, No. 2. C. 1–8. Art no. 8202108. doi: 10.1109/TMAG.2021.3125141.
Kwon M.-S., Lim D.-K. A Study on the Optimal Design of PMa-SynRM for Electric Vehicles Combining Random Forest and Genetic Algorithm. – IEEE Access. 2023. Vol. 11. P. 52357–52369. doi: 10.1109/ACCESS.2023.3279126.
Zheleznyak V.N., Korovkin N.V. Analysis of Operating Conditions of Short-Circuit Turbogenerators. – 2023 Seminar on Industrial Electronic Devices and Systems (IEDS), Saint Petersburg, Russian Federation, 2023. С. 275–278.
Бутырин П.А., Алпатов М.Е. Цифровизация и аналитика в электротехнике. Электричество, 2021. № 10. С. 4–10.
Иерархическое моделирование систем энергетики / под ред. Н.И. Воропая, В.А. Стенникова. Новосибирск: Академическое изд-во “Гео”, 2020, 314 с.
Lee D., Kim J.-W., Lee C.-G., Jung S.-Y. Variable Mesh Adaptive Direct Search Algorithm Applied for Optimal Design of Electric Machines Based on FEA. – IEEE Transactions on Magnetics. 2011. Vol. 47, No. 10. P. 3232–3235. doi: 10.1109/TMAG.2011.2152380.
Stefek A. Benchmarking of heuristic optimization methods. – 14th International Conference on Mechatronics. MECHATRONIKA 2011. 2011. P. 68–71.
Bettinger P., Boston K., Sessions J. Simulated annealing. Encyclopedia of Ecology (Editors: S.E. Jorgensen, B.D. Fath). Elsevier, Oxford, UK. 2008. P. 3255–3261. doi: 10.1016/B978-008045405-4.00167-1.
Qiao D., Sun E. Research on parallel machine scheduling based on genetic neighborhood hybrid algorithm – 2019 2nd international conference on information systems and computer aided education (ICISCAE). 2019. P. 324–327.
Wolpert D.H., Macready W.G. Coevolutionary Free Lunches – IEEE Transactions on Evolutionary Computation. 2005. Vol. 9, No. 6. P. 721–735. doi: 10.1109/TEVC.2005.856205.
Климова О.Н. Сужение множества Парето на основе взаимозависимой информации с использованием нелинейных функций. – Экономика. Информатика. 2009. № 9 (64). С. 152–159.
Ногин В.Д., Климова О.Н. Учет взаимозависимой информации об относительной важности критериев в процессе принятия решений. – ЖВМиМФ. 2006. Т. 46, № 12. С. 2178–2190.
Ногин В.Д. Алгоритм сужения множества Парето на основе произвольного конечного набора “квантов” информации. – Искусственный интеллект и принятие решений, 2013. № 1. С. 63–69.
Shu T., Shang K., Gong C., Nan Y., Ishibuchi H. Learning Pareto Set for Multi-Objective Continuous Robot Control [Электронный ресурс]. URL: https://www.researchgate.net/publication/381770365_Learning_Pareto_Set_for_Multi-Objective_Continuous_Robot_Control (дата обращения 25.09.2024).
Yan J., Zhang T., Ma L., Pu W., Liu H. Deployment Optimization for Integrated Search and Tracking Tasks in Netted Radar System Based on Pareto Theory. – IEEE Transactions on Aerospace and Electronic Systems. 2024. Vol. 60, No. 3. C. 3664–3672. doi: 10.1109/TAES.2024.3367662.
Wang J., Zhang L., Zhang H., Peng F., El-Meligy M.A., Sharaf M., Fu Q. Multi-Objective Optimization Algorithm for Grouping Decision Variables Based on Extreme Point Pareto Frontier Computers. – Materials & Continua. 2024. Vol. 79, No. 1. C. 1281–1299. doi: 10.32604/cmc.2024.048495.
Богданова А.В., Ногин В.Д. Сужение множества Парето на основе простейших наборов нечеткой информации об относительной важности критериев. – Вестник СПбГУ. Серия 10. Прикладная математика. Информатика. Процессы управления. 2007. № 2. С. 3–17.
Захаров А.О. Сужение множества Парето на основе замкнутой информации о нечетком отношении предпочтения лица, принимающего решение – Вестник СПбГУ. Серия 10. Прикладная математика. Информатика. Процессы управления. 2012. № 3. С. 33–47.
Захаров А.О. Сужение множества Парето на основе замкнутой информации об отношении предпочтения ЛПР. – Вестник СПбГУ. Серия 10. Прикладная математика. Информатика. Процессы управления. 2009. № 4. С. 69–83.
Железняк В.Н., Коровкин Н.В. Повышение мощности ударных генераторов для обеспечения эксплуатационных режимов. – Электричество. 2022. № 11. С. 46–55.
Антонюк О.В., Арсеньев И.А., Кади-Оглы И.А., Сидельников А.В., Сидельников Б.В. Методика проектирования турбогенераторов с продольно-поперечным возбуждением, основанная на использовании магнитных схем замещения. – Электричество. 2013. № 7. С. 36–40.
Arjona M.A. Parameter calculation of a turbogenerator during an open-circuit transient excitation. – IEEE Transactions on Energy Conversion. 2004. Vol. 19, No. 1. C. 46–52. doi: 10.1109/TEC.2003.821838.
Савченко Е.В. Ток в демпферном контуре турбогенератора в режиме ударного возбуждения. – Электричество. 2017. № 12. С. 18–25.