طراحی بهینه موتور سنکرون مغناطیس دائم برای خودروهای الکتریکی با الگوریتم تصمیم جمعی

سال انتشار: 1401
محل انتشار: هفتمین کنفرانس بین المللی توسعه فناوری در مهندسی برق ایران
کد COI اختصاصی: ECMCONF07_017
زبان مقاله: فارسی
تعداد مشاهده: 810

نویسندگان

استادیار و عضو هیات علمی موسسه هدف مازندران، ساری، ایران

دانشجوی کارشناسی ارشد، گروه برق قدرت، گرایش ماشین های الکتریکی و الکترونیک قدرت، موسسه آموزش عالی هدف مازندران،ساری، ایران

چکیده

موتورهای الکتریکی به عنوان سیستم محرکه اولیه صنایع از تجهیزات مورد استفاده در لوازم خانگی و صنایع پیشرفته در سامانه هایدریایی و فضایی میباشد که در حال تغییر و تحول میباشد. از بین انواع موتورهای الکتریکی، موتور سنکرون مغناطیس دائم (PMSM) بهخاطر داشتن مزایایی از قبیل: ساختار ساده، هزینه تولید پایین، فشردگی و چگالی شار بالا، تلفات کم و عملکرد خوب سیستم درایو در بسیاری از کاربردهای صنعتی، نیرو محرکه زیر دریایی، رباتیک و سیستمهای تولید اتوماتیک در صنعت استفاده میشود.در دهه های اخیر تلاشهای زیادی توسط محققین جهت دستیابی به روش مناسب جهت بهینه سازی انواع ماشینهای الکتریکی صورت پذیرفته است که منجر به ابداع روشهایی همچون الگوریتم زنبور، الگوژنتیک، الگوریتم اجتماع ذرات و... شده است. همچنین از مدلسازی به روش اجزا محدود به عنوان یک مدل ریاضی بجای ساخت یک نمونه واقعی که از لحاظ هزینه ارزانتر و زمان کمتری میبرد استفاده میشود. روش اجزا محدود علی رقم حجم محاسباتی زیاد از دقت بالاتری برخوردار میباشد.امروزه موتورهای الکتریکی در سطح بسیار وسیعی در تمامی صنایع مورد استفاده قرار میگیرد و اکثر تجهیزات به انواع مختلف موتورهای الکتریکی تجهیز شده اند. موتورهای سنکرون مغناطیس دائم یکی از موتورهای محبوب در سالهای اخیر بوده اند. استفاده از این موتورها در کاربردهای حساس و ظریف به خاطر وجود امتیازاتی نظیر کم بودن نویز، عملکرد دقیق، کنترل دقیق سرعت، گشتاور و قابلیت انعطاف در ساختمان و شکل آن است. با توجه به کاربردهای حساس این موتور، طراحی موتور به طوری که دارای کمترین حجم و بیشترین بازدهی باشد، از اهمیت بالایی برخوردار است. در این پایان نامه طراحی بهینه موتور BLAC با استفاده از الگوریتم های مبتنی بر هوش دسته جمعی بررسی شده و روشی جدید برای بهینه سازی و کاهش هم زمان حجم، تلفات و هزینه ساخت موتور سنکرون مغناطیس دائم با استفاده از الگوریتم تصمیم جمعی پیشنهاد شده است. به طور کلی، بهینه سازی به فرآیند یافتن مقادیر بهینه برای یک سیستم و یا مدل ریاضی، از میان تمام پاسخهای ممکن با رویکرد بیشینهسازی و یا کمینه سازی تابع دائم هدف گفته میشود که در الگوریتم تصمیم جمعی، رفتار انسان بر اساس مراحل و مشخصه های گوناگون تصمیم گیری آن شامل مرحله مبتنی بر تجربه، مرحله مبتنی بر دیگران، مرحله مبتنی بر تفکر گروهی، مرحله مبتنی بر رهبر و مرحله مبتنی بر خلاقیت شبیه سازی میشود و پاسخ بهینه را نشان میدهد. نتایج شبیه سازی نشان میدهد که روشهای پیشنهادی دارای عملکرد خوبی بوده و توانسته اند پارامترهای هندسی موتور BLAC را به خوبی پیدا کنند طوری که حجم، هزینه و تلفات موتور به کمترین حد برسد.

کلیدواژه ها

الگوریتم تصمیم جمعی (cdoa)، موتور سنکرون مغناطیس دائم (PMSM) بهینه سازی، تابع هدف

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.