تحلیل حرارتی موتور BLDC با پیشنهاد ساختار بهینه برای قطب ها جهت کاهش تلفات آهنربای دایم
Publish place: Third National Conference and First International Conference on Applied Research in Electrical, Mechanical and Mechatronics Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 763
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF03_0052
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
اخیراً استفاده از مواد خاک کمیاب مانند NdFeB در موتورهای الکتریکی گسترش یافته است، اما به دلیل رسانایی بالای این مواد؛ تلفات جریان گردابی بوجود آمده در آن ها، باعث افزایش دما در داخل آهنربا می شود، که مشکلات جدی از جمله دی مگنت شدن آهنربا، در ماشین؛ بخصوص در سرعت های بالا می شود. به همین منظور مدلسازی، محاسبه و کاهش تلفات در آهنربای دائم در موتورهای BLDC از اهمیت زیادی برخوردار است. روش های مختلفی برای کاهش تلفات در آهنرباها ارائه می شود، که متداول ترین آنها، روش تکه تکه کردن آهنربا می باشد، در این مقاله از یک ساختار بهینه بر مبنای روش تکه تکه کردن آهنربا می باشد، در این مقاله از یک ساختار بهینه بر مبنای روش تکه تکه کردن آهنربا، برای کاهش تلفات استفاده شده است. اما یکی از مهمترین دلایل تلاش برای کاهش تلفات در آهنربای دائم در موتورهای BLDC، جلوگیری از افزایش دما در داخل آهنربای دائم است، چرا که افزایش دما موجب بروز مشکلاتی برای مواد آهنربای دائم می شود. در اینجا بعد از کاهش تلفات آهنربا با ساختار بهینه ی ارائه شده، از مدار معادل حرارتی گذرا برای آنالیز حرارتی موتور BLDC استفاده شده است، و با پیاده سازی اینمدار معادل در نرم افزار PSpice، دمای این گره ها در حالت کار پایدار موتور به دست آمده است. این تحلیل حرارتی برای هر دو حالت روتور با ساختار آهنربای یکپارچه و روتور با ساختار آهنربای بهینه شده انجام شده و دمای این دو حالت با هم مقایسه شده است.
Keywords:
Authors
عباس نظری مراشی
کارشناسی ارشد دانشگاه برق و کامپیوتر دانشگاه خواجه نصیرالدین طوسی- تهران- ایران
محمد زارع
کارشناسی ارشد دانشکده برق و کامپیوتر دانشگاه خواجه نصیرالدین طوسی- تهران- ایران
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 :