UNIVERSIDADE FEDERAL DE UBERLÂNDIA

FACULDADE DE ENGENHARIA ELÉTRICA

ALGORITMOS GENÉTICOS

JACSON HUDSON INÁCIO FERREIRA

Estudo de Artigo Científico com Aplicação de Algoritmos

Genéticos

Uberlândia
2016
 O artigo científico selecionado para conhecer uma aplicação de Redes Neurais Artificiais foi
publicado por Juliana Almansa Malagoli et. al. no Congresso Nacional de Matemática Aplicada à
Indústria – CNMAI 2014 com o título: “Projeto de transformador monofásico utilizando o algoritmo
de evolução diferencial. ”

RESUMO

O artigo “Projeto de transformador monofásico utilizando o algoritmo de evolução

diferencial” teve como objetivo avaliar o desempenho do algoritmo de evolução diferencial para a
minimização do volume de um transformador monofásico, apresentando as características importantes e
relevantes em um projeto de um trafo, descrevendo a atuação do algoritmo para a minimização do volume
e com o mesmo desempenho eletromagnético.
Durante a escrita, os autores apresentaram que a função principal ao otimizar um projeto de
transformador monofásico é alcançar melhores características de desempenho, melhorando sua eficiência
energética e conservação de energia, ou reduzir o custo de fabricação dos materiais ativos, como o ferro e
o cobre, através da redução do diâmetro e comprimento do transformador.
A figura 1 do trabalho representa o núcleo de pequenos transformadores, apresentando todas os
lados necessários para o cálculo do volume de um transformador e são eles que a otimização através do
algoritmo de evolução diferencial atuou. Esses lados são chamados de lâminas padronizadas.

O trabalho apresenta no item 2 todas as variáveis importantes utilizadas no cálculo de projeto de

um transformador, tais como, correntes e potências primarias e secundárias, área e volume do núcleo,
número de espiras e também importantes variáveis que em todos projetos devem ser analisadas,
principalmente em máquinas e transformadores, as perdas relativas ao funcionamento do equipamento,
tais como perdas por histerese, perdas por efeito joule e perdas por correntes parasitas. Todas essas perdas
são comparadas antes e depois da otimização nos resultados.
Apresentam brevemente o conceito de Evolução Diferencial (ED) e qual a metodologia do
algoritmo. A figura 3 do artigo representa o principal conceito do ED onde a diferença ponderada entre
dois indivíduos da população é adicionada a um terceiro indivíduo da mesma população. Assim, o
indivíduo gerado através deste esquema é avaliado segundo a função objetivo, podendo inclusive
substituir indivíduos malsucedidos nas gerações seguintes.

A tabela 4 do trabalho em estudo apresenta os resultados das principais variáveis analisadas no

projeto convencional, comparando-os com os resultados após a utilização do ED.
 COMENTÁRIOS

A análise correspondente à escolha e interpretação do artigo se baseia nos seguintes pontos:

 O primeiro contato com Algoritmos Genéticos (AG) foi através deste artigo e a percepção geral
sobre o conteúdo é a interdisciplinaridade que os AG têm. A linguagem do artigo ajudou bastante à
compreensão e aplicação.
 É perceptível que as dimensões do transformador são reduzidas, atingindo o objetivo principal
do trabalho, cerca de 32,09% do volume foi reduzido.
 Como se reduz o cobre e o ferro, diminui também as perdas citadas anteriormente.
 Pela tabela 4 pode-se notar que a densidade de fluxo, importante variável de análise de projeto de
máquinas de indução, sofreu uma redução também com o novo volume determinado com o ED. Ele
passou de 0,98 T para 0,79 T.
 Para esse artigo faltou apenas apresentar quanto essa redução na densidade de fluxo acarretaria
na potência primária e secundária do transformador e demonstrar que a vantagem da aplicação do ED em
projeto de transformador não será somente econômica, mas também eficiente.