Please use this identifier to cite or link to this item:
http://hdl.handle.net/10773/23608
Title: | Modelling of an electromagnetic generator using artificial neural networks |
Other Titles: | Modelação de gerador eletromagnético com redes neuronais artificiais |
Author: | Rocha, Renato Miguel Emílio |
Advisor: | Santos, Marco Paulo Soares dos Ferreira, Jorge Augusto Fernandes |
Keywords: | Redes neuronais Eficiência energética Arquiteturas de redes de computadores |
Defense Date: | 4-Jan-2018 |
Publisher: | Universidade de Aveiro |
Abstract: | The increasing necessity for autonomous functioning systems alied with comsumption
reduction by microelectronic devices over the last years, has motivated
the research on self-powering devices for remote applications. Developing
an energy harvestring device for a determined application requires
its study and optimization. Therefore, modeling the dynamics of the system
for simulation purposes becomes mandatory. The use of analytical mathematical
models or FEM is a standard approach for the development of
computable models. However, this approach reveals to be time-consuming
due to temporal restrictions established not only by the model development
but also by its simulation. This work investigates the application of Artificial
Neural Networks on the modeling of magnetic levitation systems for energy
harvesting purposes. The data collection implied by a Neural Network approach
demanded the development of a device suitable for the acquirement
of information intrinsic to the system. A testing station was built with the
goal to induce rotational excitations on the device and acquire the motion
dynamics of the levitation magnet. Different network architectures and implementation
techniques are approached in this work in order to optimize the
characteristics of the model. From the different approaches taken for proper
model implementation, the configuration named in this work as NARX BROC
allowed the attainment of correlation values above 95% for simulations inside
and outside the training range, when compared with experimental results.
Also, the performance of the developped generator is analyzed and discussed
according to intended applications A crescente necessidade de sistemas de funcionamento autónomo aliada à redução de consumo por parte dos dispositivos microeletrónicos ao longo dos últimos anos, tem motivado a investigação de dispositivos para auto geração. O desenvolvimento de um dispositivo para energy harvesting, considerando uma determinada aplicação, requer o seu estudo e otimização. Consequentemente, a modelação do sistema para efeitos de simulação torna-se imperativa. A utilização de modelos matemáticos analíticos ou FEM é uma abordagem standard no desenvolvimento de um modelo para computação. No entanto, estas abordagens apresentam-se morosas, devido às restições temporais estabelecidas não só pelo desenvolvimento do modelo, mas também pela sua simulação. Neste trabalho, a aplicação de Redes Neuronais Artificiais para a modelação da dinâmica de um harvester baseado em levitação magnética é investigada. A recolha de dados requerida pela metodologia das Redes Neuronais Artificiais impôs o desenvolvimento de um dispositivo adequado para a aquisição de dados intrínsecos ao sistema. Uma estação de testes foi construída com o objetivo de induzir excitações rotacionais no dispositivo e adquirir a dinâmica de movimento mecânico dos ímanes em levitação. Diferentes arquiteturas de redes e técnicas de implementação são abordadas neste trabalho, de modo a otimizar as características do modelo. Das diferentes abordagens tidas para implementação de um modelo de redes neuronais, a configuração denominada neste trabalho como NARX BROC permitiu a obtenção de correlações superiores a 95% para simulações dentro e fora da gama de treino, quando comparadas com resultados experimentais. O desempenho do gerador desenvolvido é também analisado e discutido de acordo com aplicações pretendidas |
Description: | Mestrado em Engenharia Mecânica |
URI: | http://hdl.handle.net/10773/23608 |
Appears in Collections: | UA - Dissertações de mestrado DEM - Dissertações de mestrado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Dissertação.pdf | 14.89 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.