분할 고정자 SPMSM의 공차 반영 해석적 방법과 전이학습을 활용한 강건최적설계 = Robust Optimization Design of a Segmented-Stator SPMSM Using a Tolerance-Considered Analytical Method and Transfer Learning

국문 초록 (Abstract)

이 논문은 SPMSM의 제작 공차를 반영한 해석적 방법을 제안하고, 전이학습을 이용하여 대체 모델을 생성, NSGA-II 알고리즘을 통해 강건 최적 설계를 진행한다. 분할 고정자 코어는 고점적률 권선이 가능하여 높은 출력 밀도와 더불어 설계 자유도가 높기 때문에 다양한 어플리케이션에 적용된다. 하지만 분할 고정자 코어의 권선 이후 조립 과정에서는 일체형 코어와 반대로 기계적 무결성이 부족하여 고정자 내부 진원도가 틀어질 수 있다. 이러한 현상은 공극 퍼미언스에 영향을 미쳐 코깅 토크 증가에 영향을 미치게 된다.
코깅 토크의 증가는 토크 리플의 증가로 이어지고, 진동/소음, 제어 안정성 등에 좋지 않은 영향을 미치게 된다. 이러한 이유로 코깅 토크 증가 및 다른 여러 성능 변동을 막기 위하여 진원도 관리가 필요하다. 하지만 조립/생산 과정에서 생기는 공차를 엄격하게 관리하게 되면, 제조 및 양산 비용이 증가하게 된다. 또한 공차는 치수/재질 물성 등 랜덤하게 발생하기 때문에 제작된 모터의 특성 예측을 어렵게 한다. 이러한 이유로 다양한 불확실성에 강건한 성능을 지닐 수 있도록 설계 단계에서 강건 설계가 필요해진다.
강건 설계는 랜덤하게 발생하는 공차를 근사하기 위하여 다량의 변수에 대한 공차 반영이 필요하며, 발생 분포를 근사하기 위하여 대량의 해석이 필요하다. 하지만 일반적으로 모터 설계에서 사용되는 유한요소해석은 높은 정확도를 지니는 장점을 가지고 있지만 계산 비용이 높다는 단점이 있다. 이러한 이유로 빠르고 정확한 해석 방법을 제안하기 위하여 본 연구를 진행하게 되었다.
이 연구는 고정자 공차가 반영된 모터 성능 예측 해석 기법을 제안하여 대규모 해석시 빠른 해석 시간을 보장할 수 있으며, 이를 통해 제안된 해석적 방법 기반 전이학습 모델을 구축한다. 이를 통해 만들어진 공차를 고려할 수 있는 대체모델은 강건 최적 설계시 요구되는 대규모 해석을 빠르고 정확하게 수행하여 계산 효율적인 강건 설계가 가능하다.

다국어 초록 (Multilingual Abstract)

This paper proposes an analytical method that incorporates manufacturing tolerances in SPMSMs, builds a surrogate model via transfer learning, and performs robust optimal design using the NSGA-II algorithm. Segmented stator cores enable high slot-fill windings and high power density, while offering greater design freedom for diverse applications. However, unlike monolithic cores, the post-winding assembly of segmented cores can reduce mechanical integrity and distort the stator’s inner circularity. Such distortion alters the air-gap permeance and leads to increased cogging torque. Higher cogging torque in turn amplifies torque ripple and adversely affects vibration/noise and control stability. For these reasons, roundness must be managed to prevent increases in cogging torque and other performance variations. Yet strictly controlling tolerances during manufacturing raises production costs, and because tolerances arise randomly in dimensions and material properties, predicting the characteristics of the finished motor becomes difficult. These factors necessitate robust design at the design stage to ensure performance under various uncertainties.
Robust design requires accounting for many tolerance variables and, to approximate their distributions, running a large number of analyses. Although finite-element Method (FEM) is highly accurate in motor design, it is computationally expensive. To address this, we develop a fast and accurate analysis approach. The proposed technique predicts motor performance while reflecting stator tolerances, enabling rapid large-scale evaluation, and it is used to construct a transfer-learning-based surrogate model. The resulting tolerance-aware surrogate executes the massive analyses required for robust optimization both quickly and accurately, thereby enabling computationally efficient robust design.

목차 (Table of Contents)

• 표 목차 iii
• 그림 목차 iv
• 국문 요약 vi
• 제 1 장 서 론 1
• 1.1 연구 배경 1
• 1.2 선행 연구 3
• 1.3 연구 목적 8
• 제 2 장 PMSM 초기 설계 및 특성 해석 10
• 2.1 PMSM의 초기 설계 방법 10
• 2.1.1 설계 사양에 따른 극/슬롯 조합 결정 11
• 2.1.2 회전자 형상 설계 12
• 2.1.3 고정자 형상 설계 14
• 2.2 모터 특성 해석 17
• 2.2.1 PMSM의 d-q축 변환 17
• 2.2.2 d-q축 등가회로 기반 전압 방정식 및 특성 해석 22
• 제 3 장 고정자 공차의 영향을 고려한 해석적 방법 26
• 3.1 고정자 공차가 코깅 토크에 미치는 영향 26
• 3.2 평활 철심 공극 자속 밀도 계산 32
• 3.3 CRP를 이용한 공차 및 치/슬롯 구조 반영 39
• 3.4 코깅 토크 계산 43
• 제 4 장 MLP기반 전이 학습을 통한 대체 모델 생성 46
• 4.1 Multi-Layer Perceptron과 Transfer Learning 46
• 4.2 Design of Experiment 50
• 4.3 대체 모델 생성 51
• 제 5 장 NSGA-II 알고리즘을 이용한 강건 최적 설계 58
• 5.1 NSGA-II 알고리즘 58
• 5.2 강건 최적 설계 결과 59
• 제 6 장 결 론 66
• 참고문헌 68
• ABSTRACT 72