Original title: Optimalizace stroje s permanentními magnety na rotoru pomocí umělé inteligence
Translated title: Optimization of the permanent magnet machine based on the artificial inteligence
Authors: Kurfűrst, Jiří ; Duroň,, Jiří (referee) ; Singule, Vladislav (referee) ; Ondrůšek, Čestmír (advisor)
Document type: Doctoral theses
Year: 2013
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
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.
Keywords: artificial intelligence; ATO; cogging torque; cost function; Genetic algorithm; harmonics; high speed machines; losses; low speed machines; magnets.; maximization of efficiency; NdFeB; optimization; penalty function; servo machines; SmCo; SMPM; SOMA; vibration generator; cogging moment; magnety.; SMPM; SOMA; ATO; NdFeB; SmCo; Vibrační generátor; servo motor; nízkootáčkové stroje; vysokootáčkové stroje; optimalizace; umělá inteligence; Genetický Algoritmus; penalizační funkce; ohodnocovací funkce; zvyšování účinnosti; vyšší harmonické; ztráty

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/24951

Permalink: http://www.nusl.cz/ntk/nusl-594729


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Doctoral theses