랜덤 포레스트 기반의 Modified PSO-GA 알고리즘을 이용한 Double V-Type IPMSM 토크 및 토크 리플 다목적 최적화

Q: 이 논문에서 정의한 랜덤 포레스트란 무엇인가?

랜덤 포레스트는 결정 트리를 기반으로 한 앙상블 기법으로, 여러 예측 모델을 결합하여 단일 예측 모델보다 향상된 성능을 나타낸다. 부트스트래핑을 통해 무작위로 샘플을 복원 추출하여 여러 결정 트리를 학습시키며, 과적합을 방지하고 데이터의 복잡성과 잡음 처리에 강점을 가진다. 본 논문에서는 설계 제한 조건 만족 여부를 구분하는 분류 모델로 사용한다.

Q: Modified PSO-GA Hybrid 알고리즘이 기존 최적화 방법보다 효율적인 이유는 무엇인가?

연구 결과, Modified PSO-GA Hybrid 알고리즘은 랜덤 포레스트를 활용하여 설계 제한 영역에서의 불필요한 목적함수 계산을 생략함으로써 최적화 효율을 높인다. 또한 PSO의 빠른 탐색 능력과 GA의 전역 탐색 능력을 결합하여 국소 최적해 수렴 문제를 해결하고, 기존 PSO 및 GA 대비 빠른 수렴 속도와 우수한 최적화 성능을 보인다.

권용준; 최대선; 왕창현; 오호진; 윤한준; 정상용

doi:10.5370/KIEE.2025.74.2.266

학술저널 DBpia Top 10%

저자정보: 권용준 (Sungkyunkwan University) 최대선 (Sungkyunkwan University) 왕창현 (Sungkyunkwan University) 오호진 (Sungkyunkwan University) 윤한준 (Sungkyunkwan University) 정상용 (SungkyunKwan University)

저널정보: 대한전기학회 전기학회논문지 전기학회논문지 제74권 제2호

오류 신고하기

피인용 1

검색

초록·키워드

Interior Permanent Magnet Synchronous Machines (IPMSMs) are widely used not only as drive motors for Electric Vehicles (EVs) but also in various industrial fields due to their high efficiency and high power output characteristics. However, because of the embedded magnets, IPMSMs exhibit significant torque ripple during operation, necessitating the use of optimization algorithms to address this issue. For IPMSMs, which have a large number of design variables, the feasible design space is defined by multiple constraints, increasing the complexity of the design optimization process. Therefore, this paper proposes a Random Forest-based Modified PSO-GA hybrid method to perform optimization in the presence of multiple constraints and applies it to the torque and torque ripple improvement design of a Double V-Type IPMSM.

#Constraint Optimization #IPMSM #Modified PSO-GA #Torque #Torque Ripple

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-25-02-092308676

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료