美国绝大多数公用事业规模的风力发电机组都依赖于外国采购的稀土永磁体,而这些永磁体容易受到供应链不确定性的影响。许多小型风力发电机原始设备制造商都致力于不断改进发电机设计,以降低材料和生产成本,并通过降低齿槽转矩和提高效率来提高性能。传统的设计和制造提供的机会有限。在这项工作中,我们利用聚合物粘结磁体和电气和结构钢的三维 (3D) 打印的最新进展,展示了 15 千瓦基线风力发电机的先进设计方法。我们探索了使用贝塞尔曲线的三种磁体参数化方法,从而产生对称、不对称和多材料磁体设计。我们采用多物理场方法,结合参数化计算机辅助设计建模、有限元分析和有针对性的抽样,以确定具有更多机会减少稀土材料、提高效率和最小化齿槽转矩的新型设计。结果表明,非对称极设计和多材料极设计提供了更大的机会,可以在与基线发电机性能相似的条件下将稀土磁体材料减少多达 35%,这表明超越传统对称限制并由 3D 打印允许的设计自由度有了更新的机会。
一些小型风电 OEM 面临关键原材料的供应链瓶颈。• 稀土磁铁和钢铁价格波动剧烈。• 制造成本翻倍。OEM 正在不断改进其发电机设计,以降低每千瓦安装成本。
摘要。在此贡献中,引入了基于机器学习的平面喷嘴形状优化的方法。与标准深神经网络相比,提出的神经网络是使用高阶神经单元构建的。多项式结构以及各种激活函数被用作控制流动的强烈非线性Navier-Stokes方程的近似值。众所周知的NASA喷嘴的形状被选择为初始几何形状,该几何形状近似于第5阶曲线。di ff en ff几何形状。因此,该任务由具有定义成本函数作为目标的多变量优化组成,这些目标是通过在完全结构化的网格上执行的组合流体动力学(CFD)计算的。获得此优化的目标是获得几何形状,该几何形状符合喷嘴出口的所需条件,例如流场均匀性,指定的流动状态等。最后,比较了DI FF近似值的性能,并通过CFD计算验证了优化的最佳候选者。
摘要。本文旨在介绍一种梯度流算法,用于解决等式和不等式约束优化问题,该算法特别适用于形状优化应用。我们依靠 Yamashita (Math. Program. 18 (1980) 155–168) 提出的用于等式约束问题的常微分方程 (ODE) 方法的变体:搜索方向是零空间步长和范围空间步长的组合,旨在分别降低最小化目标函数的值和违反约束的程度。我们的第一个贡献是提出将这种 ODE 方法扩展到具有等式和不等式约束的优化问题。在文献中,一种常见的做法是通过引入额外的松弛变量将不等式约束简化为等式约束。在这里,我们通过计算目标函数梯度在可行方向锥上的投影来解决它们的局部组合特性。这是通过求解对偶二次规划子问题来实现的,该子问题的大小等于活动或违反约束的数量。这个问题的解决方案允许确定优化轨迹应保持切线的不等式约束。我们的第二个贡献是在无限维希尔伯特空间的背景下以及在更一般的优化集(例如形状集)的背景下对梯度流的公式化,因为它出现在 Hadamard 边界变分法框架内的形状优化中。该公式的基石是形状导数的经典扩展和正则化操作。我们的算法的数值效率和易实现性在实际的形状优化问题上得到了证明。