文献

J-GLOBAL ID：202202227253926789   整理番号：22A0797373

二重Darrieus風車の構造設計と最適化を支援する機械学習法【JST・京大機械翻訳】

Machine learning methods to assist structure design and optimization of Dual Darrieus Wind Turbines

著者 (3件)： Cheng Biyi (School of Mechanical Engineering and Automation, Harbin Institute of Technology Shenzhen, Shenzhen, 518055, Guangdong Province, PR China) ,  Du Jianjun (School of Mechanical Engineering and Automation, Harbin Institute of Technology Shenzhen, Shenzhen, 518055, Guangdong Province, PR China) ,  Yao Yingxue (School of Mechanical Engineering and Automation, Harbin Institute of Technology Shenzhen, Shenzhen, 518055, Guangdong Province, PR China)
資料名： Energy  (Energy)
巻： 244  号： PA  ページ： Null  発行年： 2022年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 風力タービン,特に二重Darrieus Wind Turbines(DDWTs)の最適構造は,風力発電産業の発展と促進につながる。しかし,以前の研究における従来の構造最適化は基本的に数値または実験方法に依存する。解法精度と計算コストの間のバランスを考慮して,本研究は,機械学習のアルゴリズムに基づく2レベル構造設計と最適化モデルを開発した。第1階層は,人工神経ネットワーク(ANN),適応ニューロファジィ推論システム(ANFIS)およびサポートベクトルマシン(SVM)のような非パラメータアルゴリズムを含む予測モデルであり,全体モデルにおける目的関数として役割を果たす。最適化モデルとしての第二階層は,粒子群最適化(PSO),シミュレーテッドアニーリング法(SA)および遺伝的アルゴリズム(GA)のようなメタヒューリスティックアルゴリズムから成る。さらに,このハイブリッドモデルを訓練するために用いたデータセットを,直交試験(OT)法と計算流体力学(CDF)シミュレーションで作り,代表的サンプルを生成した。結果は,ハイブリッド構造設計および最適化モデル(HSDOM)が,OT-CFDモデルの結果と比較して,同じ精度で,弦比,半径差およびオフセット角度の最適組合せに達することができることを明らかにした。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  シミュレーション ,  ネットワーク ,  *構造設計 ,  モデル ,  直交性 ,  ファジィニューラルネットワーク ,  *機械学習 ,  予測モデル ,  サポートベクトルマシン ,  複合構造
準シソーラス用語： ハイブリッドモデル ,  ヒューリスティック ,  最適化モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 二重ダリウス風車 ,  電力予測 ,  構造最適化 ,  機械学習

分類 (1件)： 内燃機関発電  (NB03050O)

タイトルに関連する用語 (5件)： 風車 ,  構造設計 ,  最適化 ,  支援 ,  機械学習