Aufgrund der komplexen Rotorkonstruktion von Reluktanz-Synchronmaschinen ist eine Finite-Elemente-Analyse für die genaue Berechnung der maschinenrelevanten Leistungsziele unerlässlich. Reluktanzsynchronmaschinen neigen zu einer großen Drehmomentwelligkeit, wenn dieses Ziel bei der Auslegung der Maschine nicht berücksichtigt wird. Dies erfordert eine große Anzahl von Simulationsschritten, was zu einem hohen Rechenaufwand und einer langen Simulationszeit pro Designbewertung führt. Daher ist ein effizienter Optimierungsalgorithmus erforderlich. In diesem Beitrag wird ein vollständiger Rahmen für die Optimierung des Maschinendesigns mit einem einzigen Ziel unter Verwendung von Gaußscher Prozessregression und Bayes'scher Optimierung vorgeschlagen. Mit dem Schwerpunkt auf dem Entwurf von Reluktanz-Synchronmaschinen werden verschiedene Kernfunktionen (quadratisch exponentiell, Matern, rational quadratisch) und Hyperparameterkonfigurationen für die Regressionsgenauigkeit der Optimierungsziele mittleres Drehmoment, Drehmomentwelligkeit und Leistungsfaktor bewertet. Der Einfluss von Rauschen in den Eingangsdaten auf die Regressionsergebnisse wird ebenfalls untersucht. Die Bayes'sche Optimierung mit dem Infill-Kriterium Expected Improvement wird schließlich zur Optimierung der Maschinenkonstruktion für 18 Konstruktionsvariablen eingesetzt. Die Bayes'sche Optimierung übertrifft die klassischen Algorithmen wie genetische oder Partikelschwarm-Algorithmen. Sie führt zu einer schnelleren Designoptimierung, selbst bei einer so hohen Anzahl von Designvariablen.

Weitere Informationen finden Sie hier.