Reseña. Motores lineales de imanes permanentes: Principios de funcionamiento y optimización
En este libro inicialmente se abordan conceptos básicos de los motores lineales, ya que no son tan conocidos como los motores rotativos. En este contexto, se realiza una clasificación de los diversos tipos de motores lineales que existen y se explica el principio de funcionamiento de los motores lineales sincrónicos de imanes permanentes.
Posteriormente se abordan fenómenos que afectan la calidad de las fuerzas de empuje del motor y las técnicas que se utilizan para reducir dichos fenómenos
También se abordan temas de optimización que se pueden aplicar al diseño del motor lineal, incluyendo los métodos de inteligencia artificial. Al final se aplica u ejemplo de utilización de redes neuronales en combinación con un sencillo método de optimización multi-objetivo para lograr el mejor desempeño de dos modelos lineales síncronos de imanes permanentes.
Los dos modelos de motores analizados son simulados con un software de elementos finitos de aplicaciones electromagnéticos, para obtener las características de fuerzas de empuje y las fuerzas indeseables que producen rizado en dicha fuerza de empuje. Luego se aplica una técnica de diseño para reducir el rizado y se establece, por medio de redes neuronales y la técnica de optimización multi-objetivo, el mejor caso para obtener el máximo desempeño de los motores.
Contenido. Motores lineales de imanes permanentes: Principios de funcionamiento y optimización
Introducción
Motores lineales síncronos de imanes permanentes (PMLSM)
Transformación de un motor rotativo en un motor lineal
Clasificación y topologías de los motores lineales
Técnicas constructivas utilizadas para reducir las fuerzas de diente y el rizado en el empuje de los PMLSM
Capítulo 2
Conceptos generales de optimización
Frente de Pareto
Optimización
Convexidad
Métodos de optimización
Métodos básicos
Métodos de ponderación
Método de las restricciones
Métodos no preferentes
Método de criterio global
Solución de compromiso neutral
Métodos a posteriori
Métodos de la métrica ponderada
Funciones de escalarización
Métodos de aproximación
Métodos priori
Método de la función de utilidad
Ordenamiento lexicográfico
Programación por metas
Resumen
Técnicas de búsqueda
Algoritmos genéticos
Rueda de ruleta
Torneo de selección
Elitismo
El método de Kriging
Otras técnicas de generación de poblaciones iniciales
Enjambre de partículas
Redes neuronales
Técnica de búsqueda Hooke – Jeeves
Modelo Analítico
Capítulo 3
Principio de funcionamiento de los PMLSM
Velocidad del deslizador
Fuerza electromotriz inducida
Potencia electromagnética y empuje
Rizado en el empuje de un PMLSM
Fuerzas por armónicos en el empuje de reluctancia
Fuerzas por armónicos en el empuje síncrono
Fuerza por efecto de borde
Fuerza por los armónicos en la inducción magnética
Capítulo 4
Análisis del empuje y de las fuerzas de diente en los PMLSM mediante software de elementos finitos
Topologías a estudiar
Valores de inclinación de los imanes permanentes
Asignación de regiones
Definición de curvas de magnetización
Definición de la curva B-H del material ferromagnético
Definición de la curva B-H de los imanes permanentes
Definición de la velocidad síncrona del deslizador, los tiempos de simulación y las corrientes en los bobinados
Mallado del modelo
Ejecución de la simulación y resultados obtenidos
Fuerzas de empuje y de diente en el PMLSM – 1
Fuerzas de empuje y de diente en el PMLSM – 2
Análisis de resultados
Análisis de los resultados en el PMLSM – 1
Análisis de los resultados en el PMLSM – 2
Optimización
Optimización PMLSM – 1
Optimización PMLSM – 2
Capítulo 5
Uso de redes neuronales en la optimización del empuje y la fuerza de diente en los PMLSM
La neurona
Señales de entrada
Pesos sinápticos
Elementos de proceso
Procesamiento matemático en la neurona artificial
La Red Neuronal Artificial (RNA)
Arquitectura RNA
Redes multicapa
Redes recurrentes
Aprendizaje en una RNA
Aprendizaje supervisado
Aprendizaje no supervisado
Ejecución de la simulación y resultados obtenidos
Aplicación de la red neuronal en el PMLSM – 1
Aplicación de la red neuronal en el PMLSM – 2