전기자동차 구동용 영구자석 보조 동기 릴럭턴스 전동기 최적 설계 :Optimal Design of Permanent Magnet assisted Synchronous Reluctance Motor for Electric Vehicle Traction

손지창

추천

검색

자료유형: 학위논문

저자정보: 손지창 (울산대학교, 울산대학교 일반대학원)

지도교수: 임동국

발행연도: 2021

저작권: 울산대학교 논문은 저작권에 의해 보호받습니다.

이용수47

이 논문의 연구 히스토리 (2)

2021

전기자동차 구동용 영구자석 보조 동기 릴럭턴스 전동기 최적 설계

손지창 전기전자컴퓨터공학과 2021.01 학위논문

2019

개선된 면역 알고리즘을 이용한 매입형 영구자석 전동기 최적 설계

손지창 , 안종민 , 임동국 대한전기학회 학술대회 논문집 2019.10 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 논문에서는 전기기기의 최적 설계를 위한 멀티모달 알고리즘의 연구가 수행되었고, 이를 이용한 전기자동차(Electric Vehicle : EV) 구동용 전동기 설계를 개념 설계, 최적 설계로 나누어 수행하는 단계별 설계 전략을 제안하였다. 그리고 제안하는 알고리즘을 전기기기의 최적 설계에 적용하여 토크 리플이 저감된 최적 설계안을 도출하였다.
EV 구동용 전동기로 주로 사용되는 매입형 영구자석 동기 전동기(interior permanent magnet synchronous motor : IPMSM)는 희토류 가격 상승 때문에 제작 비용이 많이 드는 단점이 있다. 본 논문에서는 제작 비용을 줄이기 위해 IPMSM 대신 비교적 값이 저렴한 Ferrite 자석을 사용한 영구자석 보조 동기 릴럭턴스 전동기(permanent magnet assisted synchronous reluctance motor : PMa-SynRM)를 사용하였다. Ferrite 자석은 Nd 자석보다 자속 밀도가 낮아 발생하는 자석 토크가 낮은데, 이를 보완하고 EV 구동용 전동기의 고출력, 고효율 요구 조건을 만족시키기 위해 회전자 내부에 Ferrite 자석을 MSML(multi-segmented multi-layered) 형태로 삽입하였다.
EV 구동용 PMa-SynRM을 설계하기 위해 개념 설계 단계와 최적 설계 단계가 수행된다. 개념 설계 단계에서는 정확한 해석보다는 빠르게 여러 가지 설계변수 조합을 고려하는 것이 중요하기 때문에 계산 속도가 빠른 자기등가회로(magnetic equivalent circuit : MEC)를 이용한 해석을 하였다.
최적 설계 단계에서는 MEC로 해석하기 어려운 비선형 자기포화, 토크 맥동, 철손 특성 등을 분석하기 위해 유한요소법(finite element method : FEM)을 사용한다. 하지만 FEM을 최적 설계에 적용하면 계산시간이 오래 걸리는 문제점이 있다. 본 논문에서는 멀티모달 최적화 문제에 적용할 수 있는 최적화 알고리즘을 두 가지 제안하고, 기존 최적화 알고리즘과 비교하여 성능을 검증하였다. 제안한 두 가지 중 하나의 알고리즘을 EV 구동용 PMa-SynRM 최적 설계에 적용하여 최적 모델을 얻을 수 있었고, 여러 가지 성능을 비교하여 최적 설계안을 도출하였다.

In this paper, the study on multi-modal optimization algorithm for optimal design of electric machines is conducted, and design strategy, that contains concept design and optimal design, is proposed for electric vehicle (EV) traction motor design. The proposed algorithm is applied to optimal design of electric machine, and optimum design with diminished torque ripple is derived.
The interior permanent magnet synchronous motors (IPMSMs), which have been widely used for EV traction motor, have a problem with manufacturing cost due to recent rise in rare earth price. Therefore, this paper, a permanent magnet assisted synchronous motor (PMa-SynRM), which uses inexpensive ferrite magnet than rare earth magnet, is adopted instead of IPMSM to lessen the manufacturing cost. However, ferrite magnets have a lower magnetic flux density compared with Nd magnets. To compensate lower magnetic flux density problem and to satisfy the high power and high efficiency requirements of EV traction motor, ferrite magnets are inserted inside of the rotor with multi-segmented multi-layered shape.
To design the PMa-SynRM for EV traction motor, the concept design step and optimal design step is conducted. In the concept design step, a magnetic equivalent circuit (MEC), whch can calculate the property of motor much faster than finite element method (FEM), is used to consider various design variables.
In the optimal design step, FEM is used to analyze complex characteristics, that cannot be interpreted by MEC, such as cogging torque, torque ripple, or core loss. However, FEM has a problem with computational cost, especially when the FEM is applied to optimal design. This paper proposes two optimization algorithms, that can solve multi-modal optimization problem, and the superiority of the proposed algorithms are verified through comparison with the conventional multi-modal optimization algorithms. One of the two algorithms is applied to the optimal design of PMa-SynRM for EV traction motor, and the optimum design with lower torque ripple is successfully derived.

#멀티모달 최적화 #영구자석 보조 동기 릴럭턴스 전동기 #유한요소법 #자기등가회로 #전기자동차 #최적 설계

국문초록
목 차
그림 목차
표 목차
기호 및 약어 설명
제 1 장 서 론
1.1 연구 배경 및 목표
1.2 논문 구성
제 2 장 PMa-SynRM 개념 설계를 위한 자기등가회로 해석
2.1 전기자동차 구동용 PMa-SynRM
2.1.1 영구자석 동기 전동기의 구조 및 전자기적 특성
2.1.2 주요 특성 방정식
2.2 PMa-SynRM 무부하 해석
2.2.1 자기등가회로 구성
2.2.2 슬롯 효과를 고려한 공극 자속밀도 계산
2.2.3 쇄교 자속 및 역기전력 계산
제 3 장 멀티모달 최적화 알고리즘
3.1 Novel Immune Algorithm
3.1.1 기존의 면역 알고리즘
3.1.2 제안하는 알고리즘
3.2 Adaptive Sampling Kriging Algorithm
3.2.1 Kriging 대리모델을 사용한 목적함수 보간 방법
3.2.2 제안하는 알고리즘
3.3 시험함수를 이용한 알고리즘의 성능 검증
제 4 장 EV 구동용 PMa-SynRM 토크 리플 저감 설계
4.1 EV 구동용 PMa-SynRM 설계의 요구 조건 및 제한 조건
4.2 MEC를 이용한 PMa-SynRM 개념 설계
4.3 ASKA를 이용한 PMa-SynRM 최적 설계
4.3.1 목적함수 및 설계변수 결정
4.3.2 최적화 알고리즘 연동 설계
제 5 장 결론

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)