面向电动动力总成设计优化的高保真电动机模型的有效缩放
系统与控制
2023-07-25 v1 系统与控制
摘要
一般而言，汽车应用的电动机设计流程需经历昂贵的试错过程，或采用线性拉伸效率图的简化模型。本文中，我们探索了直接使用高保真仿真软件与无导数优化求解器对电动机设计进行高效优化的可能性。具体而言，我们在商用电动机设计软件中，沿轴向与径向对一个已有电动机设计进行比例缩放，并分别缩放磁体与槽的尺寸。我们将该电动机模型与传动系统一同封装于车辆模型中，在行驶循环下仿真候选设计，并通过贝叶斯优化求解器寻找最优解。我们在一辆小型城市车上展示了该框架，观察到相较于完全比例缩放方法，能耗降低了 0.13%，且所用电机的磁体与槽相对更短但更宽。在本文的扩展版本中，我们加入了与线性模型的对比，并补充了不同行驶循环与车辆类型的实验。
引用
@article{arxiv.2307.12741,
title = {Effective Scaling of High-Fidelity Electric Motor Models for Electric Powertrain Design Optimization},
author = {Olaf Borsboom and Martijn Lokker and Mauro Salazar and Theo Hofman},
journal= {arXiv preprint arXiv:2307.12741},
year = {2023}
}
备注
4 pages, 2 figures, 2 tables, first submission to the 2023 Vehicle Power and Propulsion Conference in Milano, Italy, accepted