8960329733

Politechnika Opolska

Metody optymalizacji maszyn elektrycznych

Zasadniczym celem projektowania jest dopasowanie zestawu specyficznych cech przedmiotu badań do założeń projektowych. W przypadku maszyn elektrycznych istotnymi parametrami mogą być np.: sprawność przetwornika, wartość średnia momentu elektromagnetycznego, moment rozruchowy, współczynnik pulsacji itd. W literaturze często spotykanym zagadnieniem jest analiza wpływu parametrów konstrukcyjnych na właściwości maszyn elektrycznych. Prace [6, 7, 10, 11, 63, 74, 123] zawierają obliczenia przy zastosowaniu metod numerycznych (oparte głównie na metodzie elementów skończonych) ważnych parametrów całkowych silników reluktancyjnych. Rozwinięciem analizy wpływu parametrów konstrukcyjnych na właściwości ruchowe maszyny jest zadanie optymalizacji.

Optymalizacja sprowadza się zazwyczaj do przeszukiwania dopuszczalnej przestrzeni możliwych rozwiązań z uwzględnieniem pewnego ściśle określonego kryterium zawartego w tzw. funkcji celu. Funkcja celu zawiera dane elektromagnetyczne i geometryczne uzupełnione o ograniczenia dla zmiennych projektowych. Dla niektórych przypadków, ograniczenia zawarto w składniku określanym mianem funkcji kary. Mogą to być ograniczenia masy, wymiarów, kosztu itd. [121].

Metody optymalizacyjne można podzielić na dwie zasadnicze grupy: metody stochastyczne oraz metody deterministyczne. Autorzy prac [49, 121, 104] wyróżniają jeszcze metodę będącą połączeniem podejścia stochastycznego oraz deterministycznego - metodę hybrydową. Pewne charakterystyczne cechy zaczerpnięte z obydwu podstawowych metod dają metodzie hybrydowej znaczną przewagę i pozwalają często na uzyskanie lepszych rezultatów w krótszym czasie.

Obecnie wiele ośrodków w kraju i na świecie zajmuje się zagadnieniami związanymi z optymalizacją maszyn elektrycznych pod kątem poprawy ich parametrów elektromechanicznych. Do publikacje o tej tematyce należy zaliczyć: [76, 77, 85, 86, 102, 121, 123].

Jednym z częściej stosowanych narzędzi w optymalizacji silników reluktancyjnych, są algorytmy genetyczne (ang. GA - Genetic Algorithm). Należą one do rodziny algorytmów ewolucyjnych bazujących na metodach stochastycznych poszukiwania optymalnego rozwiązania. Sposób działania algorytmów genetycznych jest analogiczny do występujących w naturze mechanizmów genetycznych i naturalnej selekcji [121]. Autorzy prac [32, 48, 76, 107, 124] zastosowali GA w optymalizacji magnetowodu maszyn elektrycznych, w celu poprawy istotnych parametrów elektromechanicznych tych przetworników. Istotną zaletą metody tej jest wysoka zdolność do odnajdywania globalnego ekstremum oraz odporność na błędy numeryczne generowane w trakcie obliczeń za pomocą MES [43, 80, 94].

Innymi metodami stosowanymi w optymalizacji maszyn reluktancyjnych są wszelkiego rodzaju metody oparte na poszukiwaniu ekstremum funkcji zastępczej (ang. Response Surface ) dla uproszczonych modeli analitycznych [14, 17, 80].

Do ciekawszych metod optymalizacji silników reluktancyjnych należy metoda deterministyczna - sekwencyjnego programowania kwadratowego (Seąuential Quadratic Programming, SQP). Zasadność jej stosowania jest w szczególności uwarunkowana zastosowaniem w optymalizacji dla wielu kryteriów takich jak np.: wartość średnia momentu, współczynnik pulsacji, sprawność, hałas itp., oraz zmiennych - parametry geometryczne magnetowodu, w połączeniu ze sposobem sterowania. W metodzie tej zazwyczaj stosowane są uproszczone modele obwodowe oparte np. na metodzie sieci reluktancyjnych [80, 97, 103].