This paper presents the problem of the identifying parameters for use in mathematical models of induction motors with the use of a genetic algorithm (GA). The effect of arithmetical crossover and the generation of new populations on identification results is analysed. The identified parameters of the model were determined as a result of the minimisation of the performance index defined as the mean-square error of stator current and angular velocity. The experiments were performed for the low power induction motor. The steady-state genetic algorithm with regard to convergence and accuracy of the identification process and calculation time is analysed.

Streszczenie

W artykule przedstawiono problem identyfikacji parametrów modeli matematycznych silników indukcyjnych z zastosowaniem algorytmu genetycznego (AG). Analizowano wpływ krzyżowania arytmetycznego i generowania potomków na wyniki identyfikacji. Identyfikowane parametry modelu wyznaczono w rezultacie minimalizacji wskaźnika jakości zdefiniowanego jako błąd średniokwadratowy prądu stojana i prędkości kątowej. Badania eksperymentalne przeprowadzono dla silnika indukcyjnego małej mocy. Algorytm genetyczny z częściową wymianą populacji analizowano ze względu na zbieżność i dokładność procesu identyfikacji i czas obliczeń numerycznych.

This paper presents the problem of the identifying parameters for use in mathematical models of induction motors with the use of a genetic algorithm (GA). The effect of arithmetical crossover and the generation of new populations on identification results is analysed. The identified parameters of the model were determined as a result of the minimisation of the performance index defined as the mean-square error of stator current and angular velocity. The experiments were performed for the low power induction motor. The steady-state genetic algorithm with regard to convergence and accuracy of the identification process and calculation time is analysed.