Méthodologie de dimensionnement par optimisation bayésienne d'une machine synchro-réluctante assistée d'aimants permanents
Résumé
In this article, three optimization approaches are exploited to improve the performance of a permanent magnet-assisted synchronous reluctance machine: a first optimization using fixed substitution models and two Bayesian optimization approaches based on adaptive substitution models. The results show that Bayesian approaches lead to machines with better performance using the same computation time (same number of finite element simulations). Unlike optimization methodologies based on fixed substitution models, Bayesian approaches provide solutions directly based on finite element simulations and, therefore, do not require verification.
Dans cet article, trois approches d'optimisation différentes sont exploitées pour améliorer les performances d'une machine synchro-réluctante assistée par aimants permanents : une première optimisation utilisant des modèles de substitution fixes et deux approches d'optimisation bayésienne basées sur des modèles de substitution adaptatifs. Les résultats montrent que les approches bayésiennes aboutissent à des machines avec de meilleures performances, en utilisant le même temps de calcul (même nombre de simulations par éléments finis). Contrairement aux méthodologies d'optimisation basées sur des modèles de substitution fixes, les approches bayésiennes fournissent des solutions directement basées sur des simulations par éléments finis et ne nécessitent donc pas de vérifications a posteriori. Mots-clés-Machines synchrones, moteurs à aimant permanent, optimisation bayésienne, processus gaussiens, méthode des éléments finis.
Origine | Fichiers produits par l'(les) auteur(s) |
---|