PIDO智能仿真 | 基于Ansys Motor-CAD与optiSLang的电机多学科优化设计

现代电机设计是一个典型的多学科、强耦合、多变量、非线性的问题，其中多学科分析和优化设计扮演了非常重要的角色。电机设计工作的特殊性要求设计工具必须具有以下几方面特征：

1. 兼顾磁路法的理论深度和有限元法的高精度，提供专业的前、后处理功能；

2. 在电机全运行工况范围内，需要实现电磁和热的双向耦合，而且算法必须快速高效以满足产品研发周期；

3. 电机机械强度的分析需要在电磁设计阶段同时进行，以减少设计迭代。

将同时具有以上特征的设计工具与优化工具相结合，工程师便可以兼顾电磁、热、机械性能，在电机设计初期获得较好的设计方案，为后面的精确分析与优化奠定基础。Ansys Motor-CAD是目前全球范围内唯一包含电磁、热、机械的专业电机多学科设计工具，它同时兼顾了计算速度与精度，可在最短时间内完成电机初始方案设计，同时结合强大的Ansys optiSLang优化工具，从而使电机工程师在设计初期对电磁、热、机械性能进行快速综合优化的梦想变为可能。

借助于Motor-CAD与optiSLang，电机工程师可以在概念设计阶段快速评估设计参数对电磁、热、机械强度的综合影响，在最短时间内给出电机最佳初始设计方案，另外利用Motor-CAD与Maxwell、Twin Builder之间的接口，工程师可进一步对初始设计方案进行电磁场高精度分析、系统级场路协同仿真分析。

本文我们将通过两个例子来详细介绍Motor-CAD与optiSLang进行电机优化的方法。通过利用optiSLang中的MotorCAD Solver Wizard实现优化，以及利用optiSLang中的Python Solver Wizard如何来实现优化。

optiSLang中的MotorCAD Solver Wizard可以帮助用户快速创建Motor-CAD的参数化分析系统用于敏感性分析或优化设计，用户只需利用该向导导入Motor-CAD模型文件，软件会自动识别Motor-CAD中的参数，通过鼠标拖拽即可完成相关设置。

optiSLang中的MotorCAD Solver Wizard

MotorCAD 参数化分析系统

在MotorCAD solve中，用户可定义求解类型，软件目前支持电磁、热、Lab三个模块。

选择计算模块

另外还支持在求解结束后，自动导出Maxwell的vb建模脚本，以及Motor-CAD中电机的径向、轴向、3D模型的截图。

模型导出功能

在MotorCAD input中，软件可自动识别Motor-CAD中的各项输入参数，包括各种几何尺寸参数，求解设置参数等等，利用搜索功能可以快速定位所需参数，将相应的参数拖拽到左侧Parameter框，即可实现优化参数的选取。

选取设计参数：定子齿宽和槽深

在MotorCAD ouput中，软件自动识别Motor-CAD的所有计算结果参数，同样将其拖拽到右侧Response框即可实现优化目标的选取。

选取优化目标

利用MotorCAD Solver Wizard我们可以快速实现分析流程的搭建，前面的例子中我们选取了定子齿宽和槽深作为优化参数，选取了平均电磁转矩作为优化目标，接下来基于这个分析流程，利用optiSLang中的优化向导可以快速搭建一个优化流程。

加入优化模块

在优化向导中，分别定义优化参数的范围，以及参数的类型，连续型或者离散型等等。

设置参数范围

通过右键的简单操作，可以快速的定义优化目标类型，可定义最大化、最小化、固定值、或者将优化目标限制在一定的范围内。

设置优化目标

optiSLang的强大之处在于，它会根据定义的优化参数的数量和类型，以及优化目标的数量和类型，自动推荐最合适的优化算法，并以绿色圆圈显示，这大大降低了优化设计的门槛。

设置优化算法

优化分析workflow

以上是利用与optiSLang中的MotorCAD Solver Wizard进行电机优化基本流程，这个方法的特点是操作简单，对于一般的电机优化设计问题比较实用，但是它不够灵活，如果分析流程的Workflow比较复杂，可以利用下面的方法。

现代电机的运行工况往往处于一个十分宽的转速范围内，电机设计不仅关注某个运行点的性能更关注整个运行区域的性能，以新能源汽车永磁电机为例，电机的性能指标在“恒转矩区”和“恒功率区”都有相应的要求，而且二者往往是相互矛盾的，另外，除了峰值运行外特性，电机设计也关注持续运行外特性，这是考核电机设计水平的关键指标，电机持续运行能力是电磁与散热综合作用的结果，是典型的电磁-热耦合问题，对于这类电机的设计往往是比较困难的，即使是富有经验的工程师，在有些情况下也需要反复的调整设计参数，在峰值运行能力、连续运行能力、综合效率、成本、NVH等众多设计指标之间找平衡，最终费劲浑身解数得到了一个基本符合要求的方案，但是直觉告诉我们，这一定不是最优解，我们还可以做的更好。

例如下面的这个P2 PHEV电机的例子，电机的性能指标如表1所示。

表1 电机设计指标

初始设计方案

针对上述设计需求，我们可以设计以下Workflow进行分析：

• 设置一组几何参数和绕组参数

• 设置全局最大电流密度为30A/mm2,，因为根据以往经验峰值扭矩电流密度应该不会超过30A/mm2

• 利用绕组参数推算出30A/mm2对应的电流值，并在Motor LAB模块计算电机的饱和模型

• 在Motor LAB中调整绕组匝数，使500A可以出400Nm扭矩，如果达不到400Nm，则该方案不符合要求，舍弃

• 在Motor LAB中读取各转速下的峰值扭矩，判断是否符合要求

• 利用Motor LAB的电热耦合分析功能，快速迭代计算各转速连续运行扭矩，判断是否符合要求

• 计算关键single point的效率，判断是否符合要求

我们可以看到这个分析流程涉及电机饱和模型的计算，饱和模型与热模型的双向耦合计算，同时还包括条件判断，如果在optiSLang中的MotorCAD Solver Wizard去搭建这个流程是难以实现的，这种情况我们可以利用optiSLang中的Python Solver Wizard来搭建，用Python Solver驱动py脚本，在py脚本中实现上述设计好的Workflow，在py脚本中可以很轻松的利用ActiveX调用Motor-CAD，同时也可以加入任意的数据前后处理和条件判断语句，随心所欲的设计Workflow并基于此进行优化分析。

打开Python Solver Wizard

利用Python Solver Wizard打开编写好的py脚本文件，optiSLang会自动识别py文件中定义好的输入、输出参数，可通过拖拽进行定义。

识别py中的参数

对于这个Workflow，由于涉及到饱和模型计算，Motor-CAD计算每个Design point的大概需要3-5分钟，如果直接进行多目标优化，计算10000个方案，即使使用并行计算，优化花费的时间也是非常长的，而且一旦后期优化目标有调整，就要重新计算。

另一种方法是先利用optiSLang中的Sensitivity模块先进行敏感性分析，从optiSLang7.5.1开始，Sensitivity模块会自动进行MOP元模型的提取，用户只需在Sensitivity中定义好输入参数范围和响应函数，以及DOE点数和COP迭代容差。

设置参数范围

软件会根据参数量自动推荐最适合的DOE算法，并以绿色显示。

DOE算法选择

在敏感性分析结果的后处理界面，可以查看输入参数与相应参数之间的相关性，例如我们可以查看定子内径、铁心长度与连续扭矩之间的关系，在最后一列，软件给出该输入参数与各响应参数之间的总体相关性COP，COP越接近100%，表示MOP模型的精度越高。

敏感性分析结果

根据经验，一般只需300-500个Design point就能得到足够高精度的MOP模型，然后在MOP模型的基础上加入Optimization模块进行优化，由于优化过程是基于MOP模型而不是直接有限元求解，因此优化速度很快，跑10000个方案只需10分钟左右。

此外，optiSLang还提供了丰富的结果后处理功能，可以方便的查看2D或3D帕累托前沿，也可以快速进行方案的筛选。

优化分析结果

当加入Optimization模块后，软件会自动创建Validator（有限元验证）的Workflow，在优化结束后，optiSLang会自动把帕累托前沿上的设计点发送到Validator节点进行有限元分析，并提供MOP与有限元分析结果对比。

有限元对比验证

通过对比视图，可以方便的查看MOP与有限元验证结果之间的误差，本例的精度还是可以满足工程需求，虽然基于MOP模型的优化方法牺牲了一点精度，但是节省了大量的计算成本，更加重要的是，仅仅基于一次敏感性分析得到的MOP模型，我们可以尝试采用不同的优化目标进行反复的优化分析，充分探索设计空间与设计指标之间的关系。

MOP和有限元验证结果对比

优化后的设计方案

通过本文的例子我们可以看到，将强大的Ansys Motor-CAD与optiSLang相结合则如虎添翼，收获超强电机设计工具，这种效应是1 1大于2的，利用这个工具，电机工程师不仅能解决电机优化设计问题，也可以进行电机各种设计参数之间的trade-off分析，还可以基于高保真的MOP模型，研究设计参数与性能指标之间的相关性，这在电机概念设计阶是非常有意义的。

想要了解如何基于MOP的帕累托优化开展多标准电机设计，欢迎关注下期《电机多目标优化设计案例》，将详细介绍Motor Design公司工程师如何将Motor-CAD与optiSLang相结合，利用多物理场仿真技术对EV应用的电机设计空间进行数据驱动的探索。敬请关注！