در طراحی و تحلیل سامانه‌های محرکه الکتریکی، دستیابی به مدل‌هایی که هم از دقت بالایی برخوردار باشند و هم امکان اجرای شبیه‌سازی‌های سریع در سطح سیستم را فراهم کنند، اهمیت بسیار زیادی دارد. نرم‌افزار Motor-CAD یکی از ابزارهای شناخته‌شده در حوزه طراحی، تحلیل حرارتی و الکترومغناطیسی موتورهای الکتریکی است که می‌تواند اطلاعات دقیقی از عملکرد موتور و راندمان آن در شرایط کاری مختلف ارائه دهد. از سوی دیگر، محیط Simscape Electrical در Matlab امکان توسعه مدل‌های سطح سیستم را فراهم می‌کند تا بتوان عملکرد کامل سامانه‌های محرکه را در مدت زمان کوتاه و با هزینه محاسباتی پایین مورد بررسی قرار داد.

در این شبیه‌سازی، فرآیند وارد کردن داده‌های نقشه راندمان (Efficiency Map) از Motor-CAD به محیط Simscape Electrical مورد بررسی قرار می‌گیرد. هدف اصلی این فرآیند، پارامتردهی بلوک Motor & Drive (System Level) با استفاده از داده‌های واقعی استخراج‌شده از Motor-CAD است تا بتوان شبیه‌سازی‌هایی سریع و در عین حال دقیق از عملکرد موتور و درایو انجام داد. این رویکرد به مهندسان کمک می‌کند تا بدون نیاز به اجرای مکرر تحلیل‌های پیچیده الکترومغناطیسی، رفتار سامانه را در سطح کلان ارزیابی کرده و پیش‌بینی دقیقی از تلفات و راندمان داشته باشند.

اهمیت استفاده از نقشه راندمان در شبیه‌سازی موتورهای الکتریکی

نقشه راندمان یکی از مهم‌ترین ابزارهای تحلیل عملکرد موتورهای الکتریکی است. این نقشه نشان می‌دهد که موتور در ترکیب‌های مختلف سرعت و گشتاور چه میزان راندمان دارد. در واقع، هر نقطه از این نقشه بیانگر شرایط کاری مشخصی است که در آن مقدار انرژی الکتریکی ورودی و انرژی مکانیکی خروجی قابل محاسبه است.

در بسیاری از کاربردهای صنعتی، خودروهای برقی، تجهیزات حمل‌ونقل ریلی، سامانه‌های انرژی تجدیدپذیر و ماشین‌آلات پیشرفته، موتور در طول زمان در شرایط کاری متغیری فعالیت می‌کند. بنابراین بررسی راندمان تنها در یک نقطه کاری کافی نیست و لازم است رفتار موتور در گستره وسیعی از سرعت‌ها و گشتاورها تحلیل شود. نقشه راندمان این امکان را فراهم می‌کند که عملکرد موتور در تمامی نقاط کاری مورد مطالعه قرار گیرد.

معرفی Motor-CAD

Motor-CAD یک نرم‌افزار تخصصی برای طراحی و تحلیل موتورهای الکتریکی است که توسط مهندسان صنایع مختلف مورد استفاده قرار می‌گیرد. این نرم‌افزار قادر است تحلیل‌های دقیقی در زمینه:

عملکرد الکترومغناطیسی موتور
تحلیل حرارتی
بررسی راندمان
محاسبه تلفات
تحلیل چرخه‌های کاری مختلف
بهینه‌سازی طراحی موتور

را انجام دهد. خروجی‌های تولیدشده توسط Motor-CAD معمولاً شامل داده‌های بسیار دقیقی از عملکرد موتور در شرایط مختلف هستند که می‌توانند برای توسعه مدل‌های سطح سیستم مورد استفاده قرار گیرند.

معرفی بلوک Motor & Drive (System Level)

بلوک Motor & Drive (System Level) در Simscape Electrical برای مدل‌سازی سریع سامانه‌های محرکه طراحی شده است. برخلاف مدل‌های دقیق الکترومغناطیسی که نیازمند حل معادلات پیچیده و زمان محاسباتی بالا هستند، این بلوک از داده‌های تجربی یا استخراج‌شده از نرم‌افزارهای تخصصی استفاده می‌کند تا رفتار موتور و درایو را در سطح سیستم بازسازی نماید.

این ویژگی باعث می‌شود مهندسان بتوانند سامانه‌های پیچیده‌ای شامل:

خودروهای الکتریکی
خودروهای هیبریدی
سامانه‌های ذخیره انرژی
درایوهای صنعتی
میکروگریدها
سیستم‌های انرژی تجدیدپذیر

را با سرعت بالا شبیه‌سازی کنند.

نمای کلی مدل شبیه‌سازی

در این شبیه‌سازی، ابتدا داده‌های راندمان از Motor-CAD استخراج می‌شوند. این داده‌ها معمولاً به صورت مجموعه‌ای از نقاط پراکنده شامل مقادیر سرعت، گشتاور و راندمان در شرایط کاری مختلف هستند.

از آنجا که بلوک Motor & Drive (System Level) نیازمند داده‌هایی با ساختار منظم است، لازم است این داده‌های پراکنده به یک شبکه منظم تبدیل شوند. این فرآیند با استفاده از توابع قدرتمند Matlab انجام می‌شود.

پس از آماده‌سازی داده‌ها، نقشه راندمان به بلوک Simscape Electrical وارد شده و برای محاسبه تلفات و راندمان در طول شبیه‌سازی مورد استفاده قرار می‌گیرد.

داده‌های راندمان (Efficiency Data)

یکی از مهم‌ترین مراحل این شبیه‌سازی آماده‌سازی داده‌های راندمان است. خروجی Motor-CAD معمولاً شامل مجموعه‌ای از نقاط پراکنده است که از اجرای چرخه‌های کاری مختلف به دست آمده‌اند. هر نقطه دارای مختصات سرعت و گشتاور بوده و مقدار راندمان متناظر با آن نیز مشخص است.

با توجه به اینکه این نقاط دارای توزیع نامنظم هستند، استفاده مستقیم از آن‌ها در بسیاری از مدل‌های سطح سیستم امکان‌پذیر نیست. به همین دلیل لازم است این داده‌ها روی یک شبکه منظم بازنمونه‌برداری شوند.

استفاده از تابع meshgrid

تابع meshgrid در Matlab برای ایجاد شبکه‌ای دوبعدی از مقادیر سرعت و گشتاور استفاده می‌شود. این شبکه به عنوان چارچوب اصلی نقشه راندمان عمل می‌کند.

مزیت استفاده از شبکه منظم این است که دسترسی به داده‌ها و انجام عملیات درون‌یابی با سرعت و دقت بیشتری انجام می‌شود.

استفاده از تابع griddata

پس از ایجاد شبکه منظم، از تابع griddata برای درون‌یابی داده‌های پراکنده استفاده می‌شود. این تابع قادر است مقادیر راندمان را در نقاط جدید شبکه تخمین بزند و یک نقشه راندمان کامل تولید کند.

این فرآیند نقش مهمی در افزایش کیفیت مدل نهایی دارد زیرا بلوک Motor & Drive (System Level) می‌تواند به کمک این اطلاعات رفتار موتور را در تمامی نقاط کاری پیش‌بینی کند.

مزایای استفاده از داده‌های واردشده از Motor-CAD

افزایش دقت مدل‌های سطح سیستم
کاهش زمان شبیه‌سازی
پیش‌بینی دقیق تلفات موتور
امکان بررسی سناریوهای مختلف کاری
بهبود فرآیند طراحی و بهینه‌سازی
کاهش هزینه محاسباتی
امکان تحلیل سریع چرخه‌های رانندگی

اعتبارسنجی مدل (Validation)

پس از پارامتردهی بلوک Motor & Drive (System Level)، لازم است صحت عملکرد مدل مورد بررسی قرار گیرد. برای این منظور نتایج حاصل از شبیه‌سازی Simscape Electrical با داده‌های اصلی Motor-CAD مقایسه می‌شوند.

در این مرحله مقادیر راندمان استخراج‌شده از نتایج شبیه‌سازی مورد ارزیابی قرار می‌گیرند. اگر اختلاف میان داده‌های مرجع و داده‌های شبیه‌سازی‌شده در محدوده قابل قبول باشد، می‌توان نتیجه گرفت که فرآیند انتقال داده‌ها و پارامتردهی مدل به درستی انجام شده است.

اعتبارسنجی یکی از مهم‌ترین مراحل توسعه مدل‌های مهندسی محسوب می‌شود زیرا اطمینان می‌دهد مدل ایجادشده قادر است رفتار واقعی سامانه را بازتولید کند.

کاربردهای صنعتی این روش

استفاده از نقشه‌های راندمان استخراج‌شده از Motor-CAD در Simscape Electrical کاربردهای گسترده‌ای در صنایع مختلف دارد. از جمله:

طراحی خودروهای برقی و هیبریدی
تحلیل مصرف انرژی وسایل نقلیه
مدل‌سازی سامانه‌های محرکه صنعتی
بهینه‌سازی مصرف انرژی در خطوط تولید
طراحی سیستم‌های کنترل پیشرفته موتور
تحلیل عملکرد موتورهای مورد استفاده در انرژی‌های تجدیدپذیر
ارزیابی عملکرد سامانه‌های ذخیره انرژی

جمع‌بندی

در این شبیه‌سازی فرآیند وارد کردن داده‌های نقشه راندمان از Motor-CAD به محیط Simscape Electrical مورد بررسی قرار گرفت. با استفاده از داده‌های دقیق استخراج‌شده از Motor-CAD و تبدیل آن‌ها به یک شبکه منظم توسط توابع meshgrid و griddata در Matlab، امکان پارامتردهی بلوک Motor & Drive (System Level) فراهم می‌شود. این روش ضمن حفظ دقت نتایج، سرعت شبیه‌سازی را به طور قابل توجهی افزایش می‌دهد و امکان تحلیل سامانه‌های پیچیده را در سطح سیستم فراهم می‌سازد.