طراحی و بهینه سازی منبع تغذیه AC/DC دوطبقه مبتنی بر افزایش قابلیت اطمینان برای تغذیه هواپیما
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در این مقاله بازده و قابلیت اطمینان مبدل الکترونیک قدرت AC/DC دو طبقه با بکارگیری الگوریتم ژنتیک چند هدفه (NSGA- II)، به منظور کمینه سازی تابع هدف انجام می شود. متغیر های تابع هدف، بازدهی و قابلیت اطمینان می باشند. برای ارزیابی قابلیت اطمینان از مدل مارکوف استفاده می شود و در آن خطاهای اتصال کوتاه و مدار باز برای المان های مدار درنظرگرفته می شود. همچنین نرخ خرابی المان های مدار به کمک معادلات موجود در استاندارد نظامی (MIL- HDBK- 217)، محاسبه می گردد. برای بهینه سازی ابتدا متغیرهای ورودی الگوریتم ژنتیک شامل مقدار اندوکتانس ها و خازن ها، فرکانس سوییچینگ هر طبقه، نسبت تبدیل ترانسفورماتور و ولتاژ لینک DC به عنوان ورودی تابع هدف تعیین می شوند تا به کمک آنالیز حساسیت پارامترهایی که تغییراتشان روی تابع هدف تاثیر عمده ندارد، حذف شوند. سپس پارامترهای الگوریتم NSGA- II شامل تعداد تکرار، جمعیت و احتمال تقاطع و جهش برای محاسبه دقیق متغیرهای مدار، تعیین شده و ارزیابی قابلیت اطمینان در قالب میانگین زمان تا خرابی (MTTF) با در نظر گرفتن پارامتر بازدهی صورت می پذیرد. نتایج بیانگر افزایش قابلیت اطمینان با حفظ بازدهی بالا برای مبدل است.
کلیدواژگان:
زبان:
فارسی
صفحات:
17 تا 28
لینک کوتاه:
magiran.com/p2570259
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!