Multiobjective geometry optimization of bldc motor using an evolutionary algorithm

W pracy przedstawiono metodę optymalizacji bezszczotkowego silnika prądu stałego z 4 czteroma biegunami i 24 żłobkami. W szczególności praca koncentruje się na optymalizacji wielokryterialnej z wykorzystaniem algorytmów genetycznych (Optimizaton Toolbox) realizowanych w środowisku Matlab, sprzęgniętym ze środowiskiem Maxwell 14. Matlab został użyty do przeprowadzenia procesu optymalizacji oraz przetwarzania danych liczbowych. Środowisko Maxwell zostało użyte do tworzenia geometrii oraz do przeprowadzenia obliczeń Metodą Elementów Skończonych. Celem pracy była maksymalizacja wartości momentu maksymalnego silnika przy minimalnej masie silnika. Wyniki badań symulacyjnych wykonanych dla modelu 2D pokazały, że sprzęgnięcie obu pakietów obliczeniowych jest możliwe i daje satysfakcjonujące rezultaty. Wykorzystując prosty algorytm genetyczny uzyskano 25% wzrost wartości średniej momentu silnika przy spadku masy silnika o 14%. Otrzymane wyniki zostały poddane weryfikacji z wykorzystaniem modelu 3D.

This paper presents a methodology for the optimization of a Brush Less Direct Current motor (BLDC) with 4 poles and 24 slots. In particular, it is focused on a multiobjective optimization using a genetic algorithm developed in Matlab optimization Toolbox, that is coupled with Maxwell 14. The first one has been used for the optimization and the post-processing of the data, the second one for the Finite Element (FE) analysis and for the geometry creation. Aim of the optimization was to maximize the maximum torque value and minimize the mass of a motor. The simulation results of a 2D model showed that the coupling was possible and give satisfactory results. Using simple genetic algorithm it was possible to increase the average torque value of 25% and lower the mass of the main part of the motor of 14%. Obtained results were verified using a 3D model.