Bu çalısmada, asenkron motorların (ASM) elektriksel esdeğer devre parametrelerinin hibrid genetik algoritma (HGA) ile belirlenmesi gerçeklestirilmistir. HGA'nın olusturulmasında, yapay zeka algoritmalarından genetik algoritma (GA) ve ısıl islem (simulated annealing ? SA) metotları kullanılmıstır. HGA'nın global arama algoritması kısmında, genetik algoritma metodu; lokal arama algoritması kısmında ise, simulated annealing metodu kullanılmıstır. Gelistirilen algoritmanın amaç fonksiyonu olarak ise, asenkron motorların nominal moment, kalkınma moment ve devrilme moment denklemleri kullanılmıstır. HGA ile esdeğer devre parametrelerinin belirlenmesi 50HP gücünde bir asenkron motor üzerinde gerçeklestirilmistir. Yapılan çalısmada, farklı popülasyon ve iterasyon sayısı, çaprazlama, mutasyon ve lokal optimizasyon oran katsayıları için gelistirilen HGA ile elde edilen asm parametre değerleri incelenmis ve klasik GA kullanılarak elde edilen parametre değerleriyle karsılastırılmıstır. Bununla birlikte, hibrid genetik algoritma ile elde edilen esdeğer devre parametrelerinin asm moment değerlerinin değisimi üzerindeki etkileri incelenmis ve grafiklerle gösterilmistir. ?ki algoritma arasında benzer bir karsılastırma, 1997 yılında yapılan ?Application of genetic algorithms to motor parameter determination for transient torque calculations? isimli makale çalısmasından sağlanan asm etiket değerleri kullanılarak da yapılmıstır. Ayrıca, gelistirilen HGA'nın performansı, De Jong test fonksiyonları kullanılarak test edilmistir. Hibrid genetik algoritmanın karakteristiği nedeniyle, rasgele yapılan islemlerden dolayı farklı sonuçlar elde edilmektedir. Bu nedenle, her bir simülasyon 50 kez tekrar edilerek sonuçlar alınmıstır. HGA program kodları Delphi programlama dilinde yazılmıstır. Yazılım, çok az bir değisiklikle farklı elektrik makinelerine de uygulanabilir esneklikte hazırlanmıstır. Yapılan çalısmalar sonucunda, asenkron motor elektriksel esdeğer devre parametrelerinin belirlenmesinde hibrid genetik algoritmanın kullanımının yakınsama hassasiyetini artırdığı ve esdeğer devre parametrelerinin belirlenme süresini kısalttığı gözlemlenmistir.
In this study, estimation of electrical equivalent circuit parameters of induction motors (IM) by hybrid genetic algorithm (HGA) was implemented. To form HGA, genetic algorithm (GA) and simulated annealing (SA) methods, which are artificial intelligence algorithms, were used. The global search algorithm of HGA is a genetic algorithm method and the local search algorithm of HGA is a simulated annealing method. Full-load torque, lock-rotor torque, and breakdown torque functions of IM were selected as objective functions of the developed algorithm. Estimation of equivalent circuit parameters by HGA was performed on a 50HP induction motor. Separately, according to results for different population numbers and iteration numbers, crossover, mutation, and local optimization ratios HGA was examined and compared with the conventional GA. Furthermore, effect of equivalent circuit parameters, which were estimated by hybrid genetic algorithm, of IM were examined and observed by graphics. The same comparison between two algorithms was performed by using IM values in an article which name is ?Application of genetic algorithms to motor parameter determination for transient torque calculations?. Furthermore, the developed HGA?s performance was tested by using De Jong?s test functions. Due to hybrid genetic algorithm?s characteristic, distinct results were obtained at random process of HGA. Therefore, each simulation repeated fifty times then results were acquired. Hybrid genetic algorithm program codes were written by Delphi programming language. Prepared software is flexible which applicable to different electric machines by little change. In consequence of our working, it was observed that using of hybrid genetic algorithm in estimation electrical equivalent circuit parameters of induction motor increased convergence and decreased computational time.
