Побудова RBF-метамоделей структур збудження рухомого концентричного вихрострумового перетворювача

• Veröffentlicht in: Електротехніка і електромеханіка
• Datum: 2019
• Hauptverfasser: Гальченко, В.Я., Трембовецька, Р.В., Тичков, В.В.
• Format: Artikel
• Sprache: Ukrainian
• Veröffentlicht: Інститут технічних проблем магнетизму НАН України 2019
• Schlagworte: Теоретична електротехніка та електрофізика
• Online Zugang: https://nasplib.isofts.kiev.ua/handle/123456789/159059
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Zitieren: Побудова RBF-метамоделей структур збудження рухомого концентричного вихрострумового перетворювача / В.Я. Гальченко, Р.В. Трембовецька, В.В. Тичков // Електротехніка і електромеханіка. — 2019. — № 2. — С. 28-38. — Бібліогр.: 22 назв. — укр., англ.

Розроблено програмне забезпечення для розрахунку розподілу густини вихрових струмів в зоні контролю накладного вихрострумового перетворювача із врахуванням ефекту швидкості за «точними» електродинамічними математичними моделями. Розроблено програмне забезпечення для формування точок плану експерименту із використанням ЛПτ–послідовностей, що дозволило здійснювати відбір планів з рівномірним заповненням точками гіперпростору пошуку. Для нерухомого та рухомого накладних вихрострумових перетворювачів створено нейромережеві метамоделі на радіально-базисній функції Гауса. Оцінено адекватність та інформативність отриманих метамоделей накладних вихрострумових перетворювачів. Результати дослідження можуть бути використані при синтезі рухомих накладних вихрострумових перетворювачів із апріорі заданим розподілом густини вихрових струмів в зоні контролю. Goal. Creation of surface circular concentric eddy current probe RBF-metamodels, which can be used to calculate eddy currents density distribution in the control zone and suitable for use in optimal synthesis problems. Method. To develop an approximation model, a mathematical apparatus for artificial neural networks, namely, RBF–networks, has been used, whose accuracy has been increased with the help of the neural networks committee. Correction of errors in the committee was reduced by applying the bagging procedure. During the network training the regularization technique is used, which avoids re-learning the neural network. The computer experiment plan was performed using the Sobol LPt–sequences. The obtained multivariable regression model quality evaluation was performed by checking the response surface reproducibility correctness in the entire region of variables variation. Results. The modelling of eddy currents density distribution calculations on exact electrodynamic mathematical models in the experimental plan points are carried out.