طراحی بهینه‌ موتور القایی قفس سنجابی با استفاده از الگوریتم‌ چندهدفه اجتماع سالپ

طراحی موتورهای القایی سه فاز کارآمد، یک چالش مهم در مهندسی برق است. به همین منظور، به طور مداوم تکنیک های طراحی جدیدی معرفی می شوند. در این مقاله، برای طراحی موتورهای القایی قفس سنجابی، با هدف افزایش راندمان و کاهش هزینه ها، از روش بهینه سازی فراابتکاری استفاده شده است. در این روش، مدل سازی موتور القایی به صورت دقیق انجام شده و برای حل این مسئله بهینه سازی، از روش جدید الگوریتم بهینه سازی چندهدفه اجتماع سالپ (mssa) استفاده شده است. این الگوریتم از رفتار اجتماعی سالپ ها الهام گرفته شده است. روش پیشنهادی بر روی یک موتور القایی 2/5 کیلووات و با استاندارد بازدهی (ie2) اعمال شده است. نتایج حاصل از بهینه سازی تک هدفه و چندهدفه نشان می دهد که طراحی موتور القایی با دو تابع هدف، باعث افزایش راندمان و کاهش هزینه شده است. در ادامه، برای بررسی کارایی الگوریتم mssa، نتایج آن، با روش الگوریتم های ژنتیک مرتب سازی غیرمستقیم (nsgaii) و الگوریتم بهینه سازی اجتماع ذرات چندهدفه (mopso) مقایسه شده است. بررسی ها نشان می دهد که الگوریتم mssa دارای سرعت همگرایی و تعداد مجموعه جواب های بهینه بالایی است، که باعث عملکرد مطلوب این الگوریتم در طراحی بهینه موتور القایی جهت افزایش راندمان و کاهش هزینه های آن است.

Optimal Design of Squirrel Cage Induction Motor Using Multi‌-Objective Salp Swarm Algorithm

The design of threephase induction motors is a challenge in electrical engineering. Therefore, new design techniques are continuously provided. Since the design of the induction motors is carried out for different purposes, it is difficult to find a method that can addresses all the targets. Nowadays, the normal methods used to solve multiobjective problems are the optimization strategies. In this paper, the metaheuristic optimization method has been used to design the squirrel cage induction motors with the aim of increasing efficiency and reducing costs. In this way, modeling of induction motor is done accurately and to solve this optimization problem, a new method of Multiobjective optimization of the Salp Swarm Algorithm (MSSA) has been provided. This algorithm is inspired by the social behavior of Salps. The proposed method is applied to the data of an induction motor of 2.5 KW with IE2 efficiency. The results of singleobjective and multiobjective optimization exhibit that the design of an induction motor with two objective functions increases the efficiency and reduces the cost. Additionally, the MSSA algorithm is compared with the methods of genetic algorithms for indirect sorting (NSGAII) and multiobject particle optimization algorithms (MOPSO). The MSSA algorithm has a convergence rate and a set of optimal response sets which demonstrates a good performance in optimal design of the induction motor to increase efficiency and reduce its costs.