馬達多學科聯合最佳化

馬達的電磁、熱、結構性能之間相互影響，設計參數之間相互制約，因此對電機的性能最佳化不能僅僅針對單學科進行，需要綜合考慮各物理場之間的相互約關係。傳統的馬達最佳化多採用單場(或單目標)最佳化，配合其他物理場約束條件校核的多次反覆運算方法，最佳化週期長，多變數、多約束(目標)之間的相關性差。相比下，直接將多學科求解器相互關聯，採用統一的設計變數，一次進行多學科、多目標、多約束條件的聯合最佳化方法則極大提高最佳化效率及精準度。

得益於 HyperWorks 的統一平臺及資料互通共用優勢，馬達多學科聯合最佳化能夠方便實現。

HyperStudy 是 HyperWorks 平臺下專用的多學科參數最佳化平臺，能夠方便地添加不同場求解器並自動識別設計變數，支援進行變數關約設定以及模組運行流程控制，使得馬達多場多工況合最佳化高效可行。

馬達多場最佳化設計流程案例

Porsche 與 Altair 合作驗證了基於 Altair 工具進行新能源汽車馬達轉子多物理場聯合最佳化設計的方法和流程，以 HyperStudy 作為最佳化引擎，驅動所有分析子過程及最佳化過程中需要的工具。

馬達多物理場模擬及聯合最佳化流程：

1. 以基本設計（Baseline design）為最佳化起點

2. 定義設計變數（DVs），創建設計空間（如磁鋼尺寸、位置參數）

3. 定義最佳化執行的分析工況，提取分析結果作為最佳化目標或約束條件（支援使用一個或多個求解器執行一個或多個計算以及耦合模擬以獲得必要的分析結果）

4. 執行 DOE 分析，生成所有目標/約束的回應面，快速進行全域最佳化

 

馬達多學科最佳化增進新能源汽車性能

Porsche 和 Altair 採用了分三個階段實現整個馬達最佳化設計過程：

• Phase 1：初始概念設計階段
• Phase 2：多學科分析階段
• Phase 3：系統分析階段

 

Phase 1：初始概念設計方案快速選擇（Baseline Design）

首先通過 FluxMotor 快速評估對比不同的定轉子選型及極槽配合等方案,獲得初步優選的初始設計（Baseline Design）選型方案：

 

Phase 2：多學科設計過程

在 Altair HyperStudy 中添加針對每項設計需求的分析模型，並設置參數關聯選項、設計空間、約束條件、最佳化目標等：

 

Phase 3：考慮功率變換器提升馬達性能最佳化設計

在第 3 階段，為了進一步提升馬達設計，考慮由電力電子器件以及控制方式對馬達產生更精確的驅動信號。如下方表格，PWM 電流導致磁體和鐵芯損耗增加，轉子溫度升高 20%。

 

透過實際案例，我們了解了這種方法在新能源汽車馬達轉子設計中的應用。這個案例展示了一個分三個階段的最佳化過程，從初始概念設計到多學科分析再到系統分析，每一階段都利用了 HyperStudy 的功能來最佳化馬達設計。這種綜合的方法有助於選擇最佳的設計方案，並提高了馬達性能，同時也考慮了功率變換器的影響，進一步提升了設計的精準度，並有助於增進新能源汽車的整體性能。

 

想了解更多，歡迎聯絡我們。

安捷新科技股份有限公司 AgileSim Technology Corp.

• 電話 : (02)2518-9060
• 郵件 : info@agilesim.com.tw