Создание нового мощного электродвигателя, который будет потреблять меньше энергии и позволит поездам работать более эффективно и с меньшим количеством выбросов
Получить консультацию
Железнодорожная промышленность непрерывно развивается за счет внедрения новых идей и технологий. Одним из ярких примеров является история успеха компании ABB, которая специализируется в области электротехники и энергетического машиностроения. Перед инженерами компании была поставлена новая задача, в рамках которой необходимо было разработать электродвигатель нового поколения, который в дальнейшем будет применяться в поездах метрополитена. Новый двигатель должен быть в несколько раз энергоэффективнее, по сравнению со своими предшественниками.
Первым делом для достижения цели инженерам необходимо было улучшить тепловые характеристики двигателя. Но это оказалось не так легко, из-за того что в поездах метро не так много места для размещения двигателя. Двигатели и системы охлаждения приходится делать более компактными. Несмотря на это, энергоэффективность двигателя должна была оставаться на высоком уровне и важные компоненты не должны перегреваться. Отсутствие методологии оценки тепловых характеристик двигателя на ранней стадии проектирования стало существенным препятствием, которое инженеры компании ABB должны были преодолеть.
Команда, состоящая из специалистов компании ABB, инженеров компании Ansys и научных сотрудников Политехнического института Турина, обратилась к программному обеспечению Ansys Fluent, которое обеспечивает огромную точность моделирования и позволяет инженерам найти точки перегрева на важных компонентах двигателя, включая концевые обмотки, пазы статора и стержни ротора. Однако инженерам требовался более быстрый способ вычисления тепловой энергии. Используя связку из Fluent и динамического моделирования низкого порядка (ROM) в Ansys Twin Builder, они смогли быстро и точно проанализировать тепловое состояние тяговых электродвигателей на протяжении всего проекта.
ROM дало команде возможность получить результаты анализа тепловых характеристик чрезвычайно быстро. Что в свою очередь позволило инженерам ABB изучить модель двигателя, выбрать случайные входные параметры и быстро продемонстрировать ответную реакцию модели. Обычно, с традиционным решателем, это требовало бы несколько часов или даже дней, но с используя динамическое низкоуровневое моделирование, инженеры смогли выполнить эту задачу всего за несколько миллисекунд.
После того, как геометрия модели была подготовлена в Ansys SpaceClaim, инженеры ABB импортировали ее во Fluent для дальнейшего распределения тепла по всем деталям двигателя, включая объемы жидкостей и твердые части. Это помогло аналитикам Туринского Политехнического университета изучить несколько различных вариантов для проектирования с точки зрения граничных условий и условий эксплуатации, построить эталонную модель и запустить сразу несколько конфигураций модели для проектирования.
Обычно фаза предварительной обработки является наиболее сложной стадией CHT анализа, требующей от инженеров проверки качества каждого элемента. Вместо этого, Fluent Mosaic выполняет большую часть данной работы, сводя количество элементов к минимуму, чтобы обеспечить быстрые и точные результаты.
Для обеспечения более быстрой работы эталонных моделей ABB использует высокопроизводительные вычисления (HPC). Для моделирования рабочего цикла — полного моделирования переходных процессов — на более чем 32 ядрах потребовалось 17 дней, чтобы создать традиционные модели с точностью 99%. HPC оказались бесценными для подготовки данных для машинного обучения, которое инженеры использовали для создания низкоуровневых моделей.
Низкоуровневая модель (ROM) — это упрощенная версия эталонной модели, которая сокращает время на оптимизацию и симуляцию сложной системы, при этом не теряя в точности моделирования. Альтернативные конструкции ROM от 10 до 100 раз быстрее, чем эталонная модель с аналогичной точностью. Таким образом низкоуровневые модели позволили с более высокой степенью достоверности прогнозировать тепловое поведение двигателя в рабочих циклах.
После того, как инженеры спроектировали и изготовили физический прототип двигателя, они испытали его с помощью ROM. Они запустили имитационную модель двигателя в реальном времени параллельно физическому прототипу. Это было бы невозможно с традиционным решателем, для работы которого требуется как минимум несколько часов. Вместо этого низкоуровневое моделирование проходило миллисекунды, так что инженеры могли предсказать любые сбои двигателя в режиме реального времени.
Динамическое низкоуровневое моделирование было в первую очередь создано для моделирования переходных процессов, поскольку инженерам необходимо было зафиксировать тепловую реакцию двигателя, чтобы предсказать его поведение в течение всего цикла работы с большим количеством условий эксплуатации, которые меняются с течением времени.
ROM является ключевым моментом для инженеров, чтобы понять поведение двигателя. Оно обеспечивает возможность анализа различных уровней рассеивания мощности в ответ на тепловую инерцию и различные переходные эффекты во время работы двигателя. Для примера рассмотрим поезд метро, который начинает движение с первой станции. Сначала идет фаза ускорения, затем — фаза круиза (фаза, при которой поезд развивает свою крейсерскую скорость), после чего наступает фаза торможения. Во время этих фаз температура нескольких компонентов двигателя непрерывно меняется, и этот процесс повторяется в течение 10-20 остановок, в случае, когда пути метро пересекают весь город. Когда поезд останавливается, тепловая нагрузка снижается из-за охлаждения двигателя.
В конечном итоге, динамическое низкоуровневое моделирование дало представление о сценариях эксплуатации, с которыми может столкнуться поезд во время рабочего цикла, начиная от перемещения вверх и вниз по холмам и заканчивая торможением на мокрых рельсах.
После оптимизации модели главные инженеры смогли запустить ее всего за миллисекунды, сэкономив огромное количество времени, не жертвуя скоростью ради точности. Фактическое отклонение низкоуровневой модели при оценке тепловых характеристик двигателя составило менее 1°C от эталонной модели.
Затем инженеры ABB проверили экспериментальные значения температуры, чтобы сравнить полные результаты теплового анализа с данными, полученными от датчиков термопар на прототипе двигателя. АВВ обнаружила, что отклонение между расходом охладителя (воздуха), в результате экспериментов и в результате работы модели находилось в пределах 5% погрешности, демонстрируя точность CFD анализа. Инженеры ABB также доказали, что температуры, измеренные в экспериментальной установке, совпадали с температурами в модели Ansys.
Как только прототип двигателя и моделирование были завершены, инженеры сравнили их друг с другом. Когда прототип мотора работал на реальной трассе, одновременно с ним работала и модель. Поскольку тепловая модель прототипа была протестирована, и, в результате продемонстрировала погрешность в районе 5%, инженеры АВВ получили шаблонную модель, которую могут использовать для тепловой оптимизации будущих двигателей.
Эти данные были использованы для создания модели и прогнозирования теплового поведения будущих машин на этапе проектирования. В результате команда разработчиков радикально уменьшила время на построенных физических прототипов и проведения расчетов.
