طراحی بهینه ماشین الکتریکی استفاده شده در فضا پیماها با استفاده از الگوریتم ازدحام ذرات چند هدفه فازی

ماشینهای آهنربای دائمی که در فضاپیماها استفاده میشوند باید از قابلیت کنترل شار آهنربا برخوردار باشند. برای همین منظور بر روی روتور آنها علاوه بر آهنربا سیم پیچی تحریک هم قرار می گیرد که در اهداف کنترلی کاربرد زیادی دارد. کاهش نوسانات (ریپل) گشتاور و افزایش مقدار متوسط گشتاور دو هدف مهم در طراحی ماشینهای الکتریکی می باشند. در این مقاله ابتدا گشتاور متوسط و ریپل گشتاور برای ماشین مورد نظر در چند حالت با استفاده از روشهای عددی تعیین میشود. سپس برای آنها توابع تحلیلی با استفاده از شبکه عصبی پرسپترون چند لایه بدست می آید. ضرایب ثابت در شبکه عصبی ها طوری تنطیم میشوند که نه تنها خطا به داده های آموزش، آزمایش، اعتبارسنجی و کل داده ها بسیار کم باشد بلکه خطا برای داده های آزمایش با خطا برای داده های آموزش بسیار نزدیک باشد. بعد از آن با الگوریتم چند هدفه ازدحام ذرات فازی ابعاد ماشین به گونه ای تعیین میگردد که ریپل گشتاور مینیمم و مقدار متوسط گشتاور ماکزیمم شود. تعیین نقطه بهینه در سطح پرتو با استفاده از روش ماکزیمم-مینیمم فازی تعیین خواهد شد. در این مقاله تحلیل عددی با نرم افزار maxwell و محاسبات شبکه عصبی، بهینه سازی و فازی با matlab انجام میگردد.

Optimal design of electric machine used in spacecraft by using fuzzy multi-objective particle swarm algorithm

Permanent magnet synchronous machines (PMSM) used in spacecraft must be able to control the magnet flux. For this purpose, in addition to the magnet, an excitation coil is placed on their rotor, which is widely used in control purposes. Reducing torque ripple and increasing the average torque are two important goals in the design of electric machines. In this paper, first the average torque and torque ripple for the PMSM in several cases are determined by numerical method. Then, analytical functions are obtained for them by using multilayer perceptron neural network. Fixed coefficients in the neural network are adjusted so that not only the errors for the training, test, validation, and total data, are very small but also the error for the test data is very close to the error for the training data. After that, by multiobjective fuzzy particle swarm optimization algorithm, the dimensions of the PMSM are determined in such a way that the torque ripple is minimum and the average value of torque is maximum. The determination of the optimal point at the pareto front will be determined by using the fuzzy maximumminimum method. In this paper, numerical analysis is performed with Maxwell software and neural network, optimization and fuzzy are modeled by Matlab one.