A highly flexible and modular multi-physical design and optimization tool for electric machines – Introduction to the workflow and case study = Eine hochflexible und modulare Toolkette zur multiphysikalischen Berechnung und Optimierung elektrischer Maschinen – Einführung in den Ablauf und Case Study

Im Rahmen der vorliegenden Arbeit wird eine multiphysikalische Design-Toolkette für elektrische Maschinen vorgestellt. Dabei werden die einzelnen Prozessschritte, ausgehend von der Geometrie- und Parameterdefinition, im Detail erläutert. Für die physikalischen Teilbereiche Elektromagnetik, Thermie und Mechanik wird die jeweilige Simulationsumgebung inklusive der Randbedingungen sowie Arbeitspunkte vorgestellt. Besonderer Fokus liegt dabei auf der Nachbearbeitung der in der Finite Elemente-Methode (FEM) generierten Daten. Kombiniert mit einer vorrausschauenden Auswahl der Arbeitspunkte in der Simulation ermöglicht die vorgestellte Nachbearbeitung weitreichende Änderungen bezüglich Materialien, Schrägung und Windungskonfiguration ohne zusätzliche Evaluationen der FEM. ... mehrFür die Eisen-, Magnet- und AC-Kupferverluste wird ein meshbasierter Ansatz vorgestellt, welcher die relevanten Größen direkt aus dem Vektorpotenzial berechnet.

Der in die Toolkette integrierte iterative Optimierer nutzt Surrogate-Modelle zur Identifikation optimierter Maschinendesigns. Dabei können multiple Zielgrößen aus den verschiedenen physikalischen Domänen ausgewählt werden. Der dabei zur Modellerstellung verwendete aktive Lernprozess ermöglicht hohe Genauigkeiten bei geringem Simulationsaufwand.

Der Funktionsumfang der Toolkette wird anhand einer Case Study aufgezeigt. Dabei wird eine Rotorgeometrie für einen bestehenden Stator mit fester Windungskonfiguration optimiert. Die Optimierung berücksichtigt Ziele und Nebenbedingungen aus verschiedenen physikalischen Domänen. Das finale Design wird mithilfe der FEM validiert. Zudem wird die Flexibilität der Toolkette anhand verschiedener Adaptionen der optimierten Maschine illustriert.

This paper presents a multiphysical design tool chain for electrical machines. The individual process steps are explained in detail, starting with the definition of geometry and parameters. The respective simulation environments, including boundary conditions and operating points, are presented for the physical sub-areas of electromagnetics, thermodynamics and mechanics. Particular focus is placed on the post-processing of data generated using the finite element analysis (FEA). Combined with a forward-looking selection of operating points in the simulation, the post-processing presented allows for extensive changes in terms of materials, skewing and winding configuration without additional FEA evaluations. ... mehrFor iron, magnetic and AC copper losses, a mesh-based approach is presented, which calculates the relevant quantities directly from the vector potential.

The iterative optimizer integrated into the toolchain uses surrogate models to identify optimized machine designs. Multiple target variables can be selected from the various physical domains. The active learning process employed in the creation of the models ensures high accuracy with minimal simulation effort.

The functional capabilities of the tool chain are demonstrated through a case study. This study focuses on optimizing the rotor geometry for an existing stator with a fixed winding configuration. This optimization considers objectives and constraints from multiple physical domains. The final design is validated using FEA. Additionally, the flexibility of the tool chain is illustrated through various adaptations of the optimized machine.