طراحی بهینه، مدلسازی و بررسی عملکرد موتور القایی تک فاز شار محوری خازن دائم با استفاده از الگوریتم بهینه سازی تجمع ذرات بهبود یافته (ipso)

کاربرد روز افزون موتورهای القایی تکفاز شار محوری خازن دائم و بازده پایین آنها، باعث اهمیت مساله بهینه سازی این نوع موتورها گردیده است. در این مقاله، ضمن معرفی اصول الگوریتم های کلاسیک طراحی این نوع موتورها که شامل یافتن ابعاد قسمت های مختلف موتور و محاسبه پارامترهای الکتریکی مانند مقاومت ها و راکتانس ها و خازن است، با معرفی مدار معادل پیشنهادی در حالت دائمی به منظور کاهش فاصله هوایی موتور، به‌معرفی ساختار الگوریتم های بهینه سازی پرداخته و در ادامه از الگوریتم های بهینه سازی ژنتیک و تجمع ذرات بهبودیافته در راستای بهینه سازی طراحی موتور شار محوری جهت افزایش بازده، افزایش ضریب توان و کاهش حجم هسته استفاده می شود. بدین منظور یک موتور القایی تک فاز شار محوری با خازن دائم که کاربرد قابل توجهی در سیستم های تهویه دارد، انتخاب شده، مورد بررسی عملکردی قرار گرفته و با استفاده از فرمول های طراحی و به‌کمک مدار معادل حالت دائمی پیشنهادی و همچنین با استفاده از روش های هوشمند نظیر الگوریتم ژنتیک و تجمع ذرات بهبودیافته، بهینه سازی موتور جهت افزایش حداکثری بازده صورت گرفته و نتایج آن در قالب نمودارهای گشتاور سرعت و بازده سرعت رسم و با‌ یکدیگر مقایسه شده است. در پایان موتور طراحی شده به روش اجزای محدود جهت تایید الگوریتم طراحی، مدل حالت دائمی، الگوریتم بهینه سازی پیشنهادی و نتایج آزمایش ها شبیه سازی شده است.

Optimal Design, Modeling, and Evaluation of SinglePhase Axial Flux Induction Motor with a Permanent Capacitor Using Improved Particle Swarm Optimization Algorithm (IPSO)

The increasing application of singlephase axial flux induction motors with a permanent capacitor and their low efficiency has led to the importance of optimization of this type of motors. In this paper, by introducing the classical algorithms of design of this type of motors, which consists of finding the dimensions of different parts of the motor and calculation of electrical parameters such as resistance and reactance, and capacitor, by introducing the proposed equivalent circuit in the permanent state to reduce the air gap of the motor, introduces the structure of optimization algorithms and then uses a genetic algorithm and improved particle swarm algorithm to optimize the design of the axial flux motor to increase efficiency, increase power factor and reduce core volume. For this purpose, a singlephase axial flux induction motor with a permanent capacitor that has considerable application in ventilation systems is investigated, and using design formulas and with the help of a circuit equivalent to the proposed permanent state, as well as using Intelligent methods such as genetic algorithm and improved particle swarm algorithm, engine optimization to increase maximum efficiency and the results are drawn in the form of torquespeed and efficiencyspeed diagrams and compared with each other. Finally, the designed motor is simulated by the finite element method to verify the design algorithm, the steadystate model, the proposed optimization algorithm, and the test results.