بهینه سازی موتورهای مغناطیس دائم با آهنربای سطحی به روش چند تکه نمودن آهنربابا استفاده از روش تاگوچی و آنالیز اجزای محدود
Publish place: 2st National Conference on Development of Civil Engineering, Architecure,Electricity and Mechanical in Iran
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 546
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DCEAEM02_053
تاریخ نمایه سازی: 30 بهمن 1394
Abstract:
از موانع اصلی توسعه و کاربرد موتورهای مغناطیس دائم بدون جاروبک علی رغم داشتن نسبت گشتاور به وزن بالا، قابلیت اطمینان و بازده بالا، عوامل مزاحمی مانند گشتاور دندانه ای و ریپل گشتاور است. در این مقاله، از روش تاگوچی برای کاهش گشتاور دندانه ای بهره گیری شده است. روش تاگوچی، روشی مبتنی بر آرایه های متعامد بوده که برای سیستم های دارای متغیرهای متعدد، کارآمد است.لذا به منظور بهینه سازی سیستم های الکترومغناطیسی، روش تاگوچی ارائه شده و سپس برای بهینه سازی مشخصه گشتاور دندانه ای در موتورهای مغناطیس دائم با استفاده از روش اجزای محدود، مورد استفاده قرار می گیرد. روش ارائه شده، ابتدا با توجه به تعداد متغیرها و تعداد سطوح انتخابی برای آنها، آرایه متعامد مناسبی انتخاب می گردد. سپس با انجام آزمایشات و ارزیابی تابع هدف بهترین آزمایشانتخاب می شود. در صورتی که تابع هدف به مقدار قابل قبولی میل نکرده باشد، جهت یافتن مقادیر بهینه متغیرها از جدول پاسخ ها استفاده می شود. سرعت این روش در مقایسه با روش های بهینه سازی نظیر الگوریتم ژنتیک در مسائل دارای تعداد متغیرهای کم، بیشتر است. نتایج بهینه سازی کارایی و دقت روش فوق را نشان می دهد
Keywords:
Authors
ایمان فصیحی سفتجانی
دانشجوی کارشناسی ارشد برق، دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی نجف آباد، اصفهان
صمد تقی پوربروجنی
استادیار گروه برق، دانشکده فنی و مهندسی، دانشگاه شهرکرد
غضنفر شاهقلیان
استادیار گروه برق، دانشکده مهندسی برق، واحد نجف آباد، دانشگاه آزاد اسلامی نجف آباد، اصفهان
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :