Максимізація струму навантаження феромагнітного подвоювача частоти із використанням генетичного алгоритму

Oleh Kozak; Volodymyr Samotyi

doi:10.15407/fmmit2024.39.135

Oleh Kozak
Volodymyr Samotyi

DOI: https://doi.org/10.15407/fmmit2024.39.135

Ключові слова: parametric optimization, genetic algorithm, steady-state, nonlinear mathematical models, frequency doubler, ferromagnetic frequency doubler, optimization algorithms.

Анотація

В даній роботі розглянуто оптимізацію струму навантаження феромагнітного подвоювача частоти із використанням генетичного алгоритму (ГА). Розглянуто існуючу математичну модель та розроблено її відповідник мовою Python. Розроблену модель було звірено із оригінальною математичною моделлю. Коротко розглянуто існуючі Python бібліотеки для ГА. Для проведення оптимізації використано бібліотеку pygad і розглянуто задані параметри. Основним критерієм оптимізації є максимізація значення струму навантаження. Проведено чотири раунди оптимізацій. Перші три раунди оптимізації потребували лише зміну вхідної напруги в різних межах, що не потребує фактичної зміни пристрою. Четвертий раунд оптимізації, в свою чергу, розширював третій раунд додатково вводячи зміну параметрів магнітних віток, що потребуватиме конструктивної зміни пристрою. Використання ГА дало можливість швидко проводити оптимізацію та коригування оптимізацій на основі отриманих значень. Результати оптимізацій показали значний приріст струму навантаження феромагнітного подвоювача
частоти у порівнянні із базовими параметрами до проведення оптимізації

Посилання

Johnson D. G. & Wemore J. M. (2021). Technology and Society, second edition: Building Our Sociotechnical Future (Inside Technology). The MIT Press. pp. 600.

Ahmad A. & Camp C. V. (2024). Advanced Optimization Applications in Engineering. IGI Global. pp. https://doi.org/10.4018/979-8-3693-2161-4

Mukherjee G., Mallik B. B., Kar. R. & Chaudhary A. (2024). Advances on Mathematical Modeling and Optimization with Its Applications (Emerging Technologies). CRC Press. pp. 261.

Ghadertootoonchi A., Solaimanian A., Davoudi M. & Aghtaie M. (2024). Energy System Modeling and Optimization: A Practical Guide Using Pyomo. Springer. pp. 194. https://doi.org/10.1007/978-3-031-65906-5_3

Kouba M., Ammar M., Dhouib D. & Mnejia S. (2024). Optimization in the Agri-Food Supply Chain: Recent Studies. Wiley-ISTE. pp. 288. https://doi.org/10.1002/9781394316977

Ahmad A. & Camp C. (2024). Advanced Optimization Applications in Engineering. IGI Global. pp. 300. https://doi.org/10.4018/979-8-3693-2161-4

Ponce-Ortega J., Ochoa-Barragan R. & Ramirez-Marquez C. (2024). Optimization of Chemical Processes: A Sustainable Perspective. Springer. pp. 730. https://doi.org/10.1007/978-3-031-57270-8

Zhou Y. and Chen W. (2022). Analysis and Optimization of Low-Voltage and High-Current Matrix Current-Doubler Rectifiers Integrated Magnetic Components. Applied Mathematics, Modeling and Computer Simulation. vol. 30. pp. 240-247.

Rivadeneira D., Villegas M., Procel L. M. & Trojman L. (2020). Optimization of Active Voltage Rectifier / Doubler Designed in 90 nm Technology. 2020 IEEE 11th Latin American Symposium on Circuits & Systems (LASCAS), San Jose, Costa Rica, pp. 1-4.

Liu X., Zhang Y., Wu C., Wang H., Wang B., Xu Y., Xiao F., Zhou J. & Jin Z. (2022). A 220 GHz High Efficiency Doubler Based on Function-Based Harmonic Impedance Optimization Method. Journal of Infrared, Millimeter, and Terahertz Waves. vol. 43. https://doi.org/10.1007/s10762-022-00842-w

Samotyj V. (2016). Nelinijni Matematychni Modeli Elementiv System Keruvannia [Nonlinear mathematical models of control system elements]. Spolom. pp. 274.

Rajasekar S. (2024). Numerical Methods. CRC Press. pp. 558 https://doi.org/10.1201/9781032649931