بهبود ساختار هندسی رتور ماشین سنکرون رلوکتانسی با استفاده ترکیبی از شبکه عصبی، الگوریتم ژنتیک و روش اجزای محدود

یک روش مناسب برای رسیدن به بازده و ضریب توان بالا در ماشین های سنکرون رلوکتانسی، افزایش برجستگی مغناطیسی (Ld/Lq) در این ماشین ها است. این کار معمولا از طریق تغییر ساختار هندسی ماشین و به ویژه با تغییر تعداد و شکل سدهای شار رتور انجام می شود. در این مقاله از یک روش هوشمند برای بهینه سازی موتور سنکرون رلوکتانسی بر مبنای برجستگی مغناطیسی استفاده شده است. به این منظور مشخصات موتور از جمله هندسه ورق های استاتور، طول محوری ماشین، نوع سیم بندی و تعداد سدکننده های شار رتور ثابت فرض شده و شش پارامتر برای تعیین مکان سدهای شار رتور تعریف شده است. سپس به ازای تغییرات پله ای این پارامترها، برجستگی مغناطیسی رتور با استفاده از روش اجزای محدود (FEM) محاسبه شده و با به کارگیری این مقادیر برای آموزش یک شبکه عصبی (NN)، تابعی برای مدل کردن برجستگی مغناطیسی در موتور فراهم شده است. با در نظر گرفتن این مدل عصبی به عنوان تابع هدف درون الگوریتم ژنتیک (GA)، پارامترهای ماشین سنکرون رلوکتانسی بهینه سازی شده و بهترین ساختار موتور با بیشترین برجستگی مغناطیسی به دست آمده است. در پایان توانایی تخمین درست شبکه عصبی توسط شبیه سازی FEA، و قابلیت سنکرون ماندن موتور در بار نامی توسط شبیه سازی دینامیکی تایید شده است.