Mehrzieloptimierung von PMSM für Hybrid- und Elektrofahrzeuge Florian Bittner, FEMAG Anwendertreffen 2013

Transkript

1 Mehrzieloptimierung von PMSM für Hybrid- und Elektrofahrzeuge

2 Agenda Motivation Kriging-gestützte multikriterielle Partikelschwarmoptimierung Kopplung mit FEMAG Optimierung einer 10-poligen PMSM Zusammenfassung 2

3 Motivation Herausforderungen bei der Auslegung elektr. Maschinen zahlreiche Parameter Maschinendaten geometrische Abmessungen Materialien viele Randbedingungen Bauraum elektrische Größen Temperaturen mehrere Zielgröße hohes Drehmoment und hohe Leistung guter Wirkungsgrad wenig Magnetmaterial 3

4 Kriging-gestützte multikriterielle Partikelschwarmoptimierung (KG-MPSO) zahlreiche Parameter viele Randbedingungen mehrere Zielgrößen rechenzeitintensive numerische Feldberechnungen begrenzte Anzahl an Rechenkernen möglichst gute Lösungen nach akzeptabler Zeit Kriging-gestützte multikriterielle Partikelschwarmoptimierung (KG-MPSO) Partikelschwarmoptimierung stochastisches Optimierungsverfahren Kriging nicht-dominierte Designs geschätzte Zielgrößen Vertrauensintervall Interpolationsverfahren Unterstützung Erst schätzen, dann mit FEM berechnen min (f 1,f 2 ) 4

5 Kopplung mit FEMAG Definition der Optimierungs- aufgabe parametrische Modelle beliebiger Rotorvarianten Optimierung mit KG-MPSO Femag-Skript (.fsl-files) Ergebnisse (.bch-files) parallelisierte Funktionsauswertung auf Rechencluster Pareto-Menge Pareto-Front weitere Untersuchung z. B. mit PMOK 5

6 Optimierung einer 10-poligen PMSM Basisdaten PMSM mit vergrabenen Magneten Innenläufer zwei Magnetebenen und Flussbarrieren 6

7 Optimierung einer 10-poligen PMSM Parameter 11 Parameter analytisches Modell zur Abschätzung der mechanischen Spannungen in den Stegen Lineare Restriktionen Mindesten 5mm Elektroblech zwischen den beiden Magneten 7

8 Optimierung einer 10-poligen PMSM Zielgrößen Hohes Drehmoment M geringes negiertes Drehmoment -M Geringe Magnetmasse m mag kleine dritte Zielgröße Y 3 (beinhaltet Strafterme) Vorgehen Calculate Once mit i d =-2*I max bei maximaler Magnettemperatur H mag Fast PM-Synchronous-Motor Simulation bei mittlerer Magnettemperatur M, M ripp, U ind, J, β opt Rechencluster mit 30 CPUs (2,60GHz) 8

9 Optimierung einer 10-poligen PMSM Ergebnisse 40 Iterationen (1200 FEM-Rechnungen) 223 nicht-dominierte Designs (grün) 46 Designs mit Y 3 < 1 (roter Kreis) Ausgewähltes Design: keine Strafterme aktiv hohe Nuten geringe Stromdichte 9

10 Optimierung einer 10-poligen PMSM PMOK-Rechnung zum ausgewählten Design 85kW werden erreicht Leistung nimmt aufgrund des Betriebs an der Maximum Torque Per Flux (MTPF)-Linie ab Vernachlässigte Effekte: Bearbeitungseinflüsse auf Elektroblech mechanische Verluste Stromverdrängung Erstellt mit PMOK Nicht-sinusförmige Ströme und Spannungen 10

11 Zusammenfassung Der neu entwickelte KG-MPSO Algorithmus kombiniert ein stochastisches Optimierungsverfahren und eine Interpolationstechnik. Das Verfahren weist dadurch eine hohe Konvergenz auf reduzierter Bedarf an FEM-Rechnungen Optimierung von PMSM mit vergrabenen Magneten innerhalb akzeptabler Zeit: 18 Stunden für das vorgestellte Beispiel Ausblick Integration der mechanischen Festigkeitsberechnung in den Optimierungsprozess FEMAG-ME 11

12 Dankeschön. Florian Bittner I/EA-231 Bittner, F.; Hahn, I.: Kriging-Assisted Multi-Objective Particle Swarm Optimization of Permanent Magnet Synchronous Machine for Hybrid and Electric Cars. In: IEEE International Electric Machines and Drives Conference (IEMDC), 2013, S