Aufgrund der komplexen Rotorstruktur von Reluktanz-Synchronmaschinen ist eine FEM-Analyse entscheidend für die präzise Berechnung von Leistungszielen wie dem mittleren Drehmoment und Drehmomentschwankungen. Dies erfordert viele Simulationsschritte und führt zu einer hohen Rechenlast. Ein effizienter Optimierungsalgorithmus ist daher notwendig. In dieser Arbeit wird ein neuartiges Rahmenwerk für die Einzelziel-Maschinendesign-Optimierung unter Verwendung von Gaussian Process Regression (GPR) und Bayes'scher Optimierung (BO) vorgestellt. Verschiedene Kernfunktionen und Hyperparameter werden bewertet, um die Genauigkeit der Regression bei den Zielen mittleres Drehmoment, Drehmomentschwankungen und Leistungsfaktor zu überprüfen. Die Bayes'sche Optimierung zeigt im Vergleich zu klassischen Methoden wie genetischen oder Schwarmalgorithmen schnellere und bessere Ergebnisse bei der Optimierung eines Designs mit 18 Variablen.

Den Artikel finden Sie hier.