最佳化设计与分析.PDF

第四章 最佳化設計與分析 近幾年來在電機設計上，最佳化為主要發展重點。對馬達而 言，最佳化就是對馬達結構參數、驅動方式、繞線方式等作變化而 取得最佳化結果。如果用傳統的方法，若是需要改變五種參數，每 個參數有五個變化值，此時就需須做 55 =3125 次實驗，再根據實驗 結果來取得最佳化值。而田口法優化雖然可以減少最佳化的實驗， 但是若考慮到多目標之前的交互作用時，還需要做變異性分析等 等。因此本文所使用的最佳化方式採用Cedrat 公司的最佳化軟體 GOT-It ，將馬達各種參數做參數化之後，加入限制式以及設定目 標，搭配遺傳基因演算法來做最佳化分析，除 了可以將最佳化的方 法加以簡化，且能快速找出最佳化的結果。 4.1軟體簡介 GOT-It是一套電機最佳化設計軟體，利用可直接連接有限元素軟 體的優點，只要將結構模型建好並求解，再加上後處理程式碼，就可 以取得馬達特性參數，搭配演算法更容易找出最佳化組合，並且反覆 執行有限元素分析直到所設定的目標達成。而在模型簡化的方面，此 軟體也有做參數篩選的功能，稱為 Screening 。進行篩選的意義主要是 可以算出每個參數對目標的影響力，因此可以找出對目標影響力較低 的參數，去除一個影響力較低參數可使模擬的時間加快，也就等於簡 化了模型。 軟體也提供了數種演算法，包括 SQP 、Niching 等，而遺傳演算 法(Genetic Algorithms, GAs雖然模擬的時間比較久，但卻是最為精準) 的演算法之一，因此選擇遺傳演算法作為最佳化的演算法。 4.2最佳化前置處理 利用在第四章所設計之馬達，轉子部分已經成形，將針對不同的 馬達定子尺寸做改變，對其輸出特性，如提升效率、降低轉矩漣波和 降低磁飽和等做最佳化處理。在許多參考文獻中發現，依照馬達定、 轉子結構的不同，如定子槽面積等，會產生不一樣的輸出特性，有些 會使轉矩提升、有些會使效率提高。 4.3 定義參數 本文之馬達定子模型最佳化分析 ，在固定定子外徑以及積厚的前 提之下 ，定義五項參數：槽深(SD) 、槽開口(SO) 、槽靴高度(shoe1) 、 槽靴傾斜高度 (shoe2)和 定子齒寬(TW) ，其初始數值與可變化範圍如 表15所示，馬達結構參數示意圖如圖 19所示。 在定義參數數值的可變化範圍時，需注意是否有結構交鏈的問題， 應避免參數間可能產生不合理的結構交鏈，如槽深深過整個定子外徑 等等。而本文在則以占積率作為定義參數範圍的依據，由於占積率為 馬達是否能順利進行繞線的重要依據。初始結構設計之占積率為 45.65 % ，一般而言，順利繞線的占積率為50%左右，因此定義參數 範圍設定為占積率最高不超過 55%為定義基準。 根據這五項參數組合，將馬達定子結構做細部參數化，力求最低 的轉矩漣波 與合理的磁通密度。 表 1 定子定義參數之範圍表 參數名稱 初始值 下限值 上限值 槽深(SD, mm) 14.43 12.5 15 槽靴高度(shoe1, mm) 1.5 1 2 槽靴傾斜高度(shoe2, mm) 2.18 1 3 槽開口(SO, mm) 2 1 3 定子齒寬(TW, mm) 10 8 12 圖 1 馬達定子結構參數示意圖 4.4目標函數與限制式條件 在進行最佳化分析之前必須先定義目標函數，本文的最佳化目標 為轉矩漣波，轉矩漣波的目標函數寫法如下： Torque_ripple = ( Max_Torque － Min _Torque) / AVE_Torque (4.1) 其中T