Optimalizace stroje s permanentními magnety na rotoru pomocí umělé inteligence
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
P
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Dizertační práce se zabývá využitím optimalizačních algoritmů umělé inteligence při návrhu elektrického stroje s permanentními magnety na rotoru (SMPM). Hlavním cílem práce je aplikovat potenciální optimalizační metody při návrhu stroje a ověřit tak jejich efektivitu a vhodnost. Optimalizace jsou obecně zaměřeny na změnu materiálu magnetů (NdFeB nebo SmCo), na zvyšování účinnosti, snižování harmonického zkreslení, eliminace parazitních složek momentu (cogging) při zachování jmenovitých hodnot stroje. Jednalo se o povrchové optimalizace tvaru magnetů, tvaru vzduchové mezery a drážky statoru. Byly vybrány dva optimalizační algoritmy. Ve světě dobře známý Genetický Algoritmus (GA) a robustní Samo-Organizující se algoritmus (SOMA), jako jeden z českých algoritmů. Na příkladech je vysvětlena podstata algoritmů a jejich nejdůležitějších funkcí (penalizační a ohodnocovací). Z hlediska perspektivy a užitečnosti optimalizačních algoritmů jsou výsledky prakticky ověřeny na vibračním generátoru (VG) výkonu 7 mW (0,1g zrychlení) a na synchronním servomotoru s PM na rotoru o výkonu 1,1 kW (6tis. min-1) vždy ve spolupráci s průmyslem. Metody se ukázaly jako vhodné pro optimalizace těchto typů strojů a jsou dále hypoteticky aplikovány u strojů se jmenovitými otáčkami do 10tis. min-1 a 120tis. min-1.
The dissertation thesis deal with the design and the optimization of the permanent magnet synchronous machine (SMPM) based on the artificial intelligence. The main target is to apply potential optimization methods on the design procedure of the machine and evaluate the effectiveness of optimization and the optimization usefulness. In general, the optimization of the material properties (NdFeB or SmCo), the efficiency maximization with given nominal input parameters, the cogging torque elimination are proposed. Moreover, the magnet shape optimization, shape of the air gap and the shape of slots were also performed. The well known Genetic algorithm and Self-Organizing migrating algorithm produced in Czech were presented and applied on the particular optimization issues. The basic principles (iterations) and definitions (penalty function and cost function) of proposed algorithms are demonstrated on the examples. The results of the vibration generator optimization (VG) with given power 7mW (0.1g acceleration) and the results of the SMPM 1,1kW (6 krpm) optimization are practically evaluated in the collaboration with industry. Proposed methods are useful for the optimization of PM machines and they are further theoretically applied on the low speed machine (10 krpm) optimization and high speed machine (120 krpm) optimization.
The dissertation thesis deal with the design and the optimization of the permanent magnet synchronous machine (SMPM) based on the artificial intelligence. The main target is to apply potential optimization methods on the design procedure of the machine and evaluate the effectiveness of optimization and the optimization usefulness. In general, the optimization of the material properties (NdFeB or SmCo), the efficiency maximization with given nominal input parameters, the cogging torque elimination are proposed. Moreover, the magnet shape optimization, shape of the air gap and the shape of slots were also performed. The well known Genetic algorithm and Self-Organizing migrating algorithm produced in Czech were presented and applied on the particular optimization issues. The basic principles (iterations) and definitions (penalty function and cost function) of proposed algorithms are demonstrated on the examples. The results of the vibration generator optimization (VG) with given power 7mW (0.1g acceleration) and the results of the SMPM 1,1kW (6 krpm) optimization are practically evaluated in the collaboration with industry. Proposed methods are useful for the optimization of PM machines and they are further theoretically applied on the low speed machine (10 krpm) optimization and high speed machine (120 krpm) optimization.
Description
Keywords
SMPM; SOMA; ATO; NdFeB; SmCo; Vibrační generátor; servo motor; nízkootáčkové stroje; vysokootáčkové stroje; optimalizace; umělá inteligence; Genetický Algoritmus; penalizační funkce; ohodnocovací funkce; zvyšování účinnosti, cogging moment, vyšší harmonické, ztráty, magnety., SMPM, SOMA, ATO, NdFeB, SmCo, vibration generator, servo machines, low speed machines, high speed machines, optimization, artificial intelligence, Genetic algorithm, penalty function, cost function, maximization of efficiency, cogging torque, harmonics, losses, magnets.
Citation
KURFŰRST, J. Optimalizace stroje s permanentními magnety na rotoru pomocí umělé inteligence [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2013.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Silnoproudá elektrotechnika a elektroenergetika
Comittee
doc. Dr. Ing. Miroslav Patočka (předseda)
prof. Ing. Jiří Skalický, CSc. (člen)
prof. RNDr. Vladimír Aubrecht, CSc. (člen)
doc. Ing. Ondřej Vítek, Ph.D. (člen)
prof. Ing. Petr Toman, Ph.D. (člen)
Ing. Petr Modlitba, CSc. (člen)
doc. Ing. Vladislav Singule, CSc. - oponent (člen)
Ing. Jiří Duroň, Ph.D. - oponent (člen)
Date of acceptance
2013-11-15
Defence
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení