Sin título de diapositivab4future.com/downloads/presentaciones/B4Future-Efren... · 2018-09-26 ·...
Transcript of Sin título de diapositivab4future.com/downloads/presentaciones/B4Future-Efren... · 2018-09-26 ·...
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm
Pruebas en sistemas de tracción eléctrica para motocicletas. Análisis y caso de estudio en la ciudad de Cuenca
MCIA Centro de Investigación UPC, ERGON Centro de Investigación Escuela de
Ingeniería Mecánica Automotriz
Universidad Del Azuay
Efrén Fernández Palomeque
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 2
1. Introducción.
2. Problemática
3. Sistema de Tracción para Motocicleta
4. Implementación de Prototipo
5. Resultados Obtenidos
6. Futuros Trabajos
7. Conclusiones
Agenda
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 3
Introducción
➢ La movilidad eléctrica es un concepto que nace a partir de la búsqueda de
sistemas de transportes empleando combustibles alternativos o energía
limpia.
➢ El uso de vehículos eléctricos va tomando protagonismo en el mundo en
el Ecuador se nota su presencia y varios estudios has sido desarrollados
por centros de investigación.
➢ El presente proyecto presenta un diseño he implementación de una
motocicleta eléctrica con el propósito analizar su comportamiento y
contribuir con una movilidad más rápida, segura y económica.
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 4
2. Problemática
En el Ecuador y especial en la Ciudad de Cuenca, el parque automotor ha crecido
considerablemente en los últimos años.
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 5
3. Sistemas de Tracción Eléctrica para Motocicleta
⚫ El accionamiento de un motor eléctrico trifásico que está adaptado a un
sistema de transmisión en la rueda trasera para mover la motocicleta.
⚫ Batería de 48V de corriente directa que alimenta un convertidor que
transforma de DC/AC para suministrar corriente al motor eléctrico en
función de la posición del acelerador.
PMSMInversor
Batería
BMS Rueda
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 6
3. Sistemas de Tracción Eléctrica para Motocicleta
Batería de media Tensión
Constituida de 84 celdas de iones-litio (LI-on).
Incorpora una unidad de control denominado sistema de gestión de la
batería (BMS).
La función de esta unidad BMS es supervisar el voltaje y la temperatura de
una pack de 7 celdas. Para este control se utilizan sensores de temperatura
tipo NTC y comparadores para el voltaje
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 7
3. Sistemas de Tracción Eléctrica para Motocicleta
⚫ Convertidor DC-AC
⚫ Este dispositivo permite transformar el voltaje DC de la batería de media
tensión y transformarlo a voltaje trifásico.
⚫ La topología de convertidor más utilizada para este tipo de aplicación es
el convertidor con fuente de voltaje VSI.
⚫ Dispositivos Mosfet o IGBT´s.
CVdc
T1 T3 T5
T2 T4 T6
PMSM
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 8
3. Sistemas de Tracción Eléctrica para Motocicleta
Motor Eléctrico
⚫ Son motores síncronos de imanes permanentes (PMSM).
⚫ Se utilizan este tipo de motores por la alta eficiencia, reducción de
pérdidas y por la facilidad de control con diferentes técnicas
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 9
4. Implementación de Prototipo.
⚫ Dos Etapas
1. EtapaDiseño del Control del
Motor
2. EtapaDiseño del bastidor y
sistemas complementarios
Desarrollo de simulaciones en Matlab-Simulink
Utilización de CNC, Convertidor DC/DC y sistema
Frenos
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 10
4. Implementación de Prototipo.
⚫ Etapa 1
PI
αβ
ABC
Sensor de velocidad
ω
VSI
SVM
Id
Iq
Control de Velocidad
Iqref
Idref +
-
+-
θ
Ia
Ib
PI
PI
dq
ABC
Ic
Vsd
VsqWref
SMPMSM
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 11
4. Implementación de Prototipo.
⚫ Etapa 1
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 12
4. Implementación de Prototipo.
⚫ Etapa 1
0.05 0.1 0.15 0.2 0.25
-15
-10
-5
0
5
10
15
20
Ia
ib
ic
0.05 0.1 0.15 0.2 0.250
5
10
15
20
25
30
35
Torque
0.05 0.1 0.15 0.2 0.25
1000
1200
1400
1600
1800
2000
2200
Velocidad
Referencia
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 13
4. Implementación de Prototipo.
⚫ Etapa 2
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 14
4. Implementación de Prototipo.
⚫ Prototipo Final
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 15
5. Resultados
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 16
5. Resultados
Recorrido de 3.2 km con un consumo aproximado del 8% de la batería la cual
fue cargada totalmente antes de realizar la prueba. El recorrido fue realizado a
una velocidad promedio de 30-40 km/h en 5.48 minutos
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 17
5. Resultados
Un segundo viajes cubre una distancia de 25.4 km con un consumo de la
batería del 75% con un carga máxima previamente realizada y a una velocidad
promedio de 30 km/h en un tiempo de 33 minutos
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 18
5. Resultados
Se participo en el Smart Moto Challenge 2014 en Barcelona España.
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 19
5. Resultados
Invitados Smart Moto Challenge 2016 en Barcelona España Edakar.
Maximum speed 91.26 km/hMaximum acceleration 1.48 m/s2
Average Speed 54.5 km/hLife in years 4 yearsAutonomy 148 km
Efficiency 38.92 Wh/kmAverage distance per day 380.54 kmMotorcycle Chassis Diamond frameMotor type Electric BL-DCAlimentation 48VPower rate 10kWPower peak 20kWMaximum torque 29.2 N.m
Transmission 5-speedClutch Wet MultidiscWeight (battery included) 164 kg
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 20
5. Resultados
Proyectos Actuales.
⚫Aceleración de 0-100km/h en 8.3 seg
⚫Peso bruto: 146 kg
⚫Torque máximo: 160 Nm
⚫Potencia: 95 cv
⚫Batería: 11,7 kWh.
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 21
5. Resultados
Optimización Topológica.
⚫Modelo optimizado:
⚫-Prestaciones mecánicas similares al modelo
original
⚫-Reducción del 43% de peso.
⚫-Incremento de eficiencia y rendimiento de la
motocicleta; reducción de costos de manufactura.
⚫Resultados del proceso de
optimización topológica
⚫Obj: Reducción de volumen
⚫Restr: Límite de cedencia del
material, mantener la rigidez
torsional
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 22
6. Futuros Trabajos
Se esta trabajando en la optimización del sistema de tracción.
Trabaja en la parte del convertidor con el uso de dispositivos SiC
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 23
6. Futuros Trabajos
SiC
On
Current
Pérdidas por Conducción más pequeñas
Pérdidas por Conmutación más pequeñas
SiC
Off
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 24
7. Conclusiones
⚫ El prototipo contribuye con el cuidado del medio ambiente y facilita la movilidad
urbana en la ciudad de Cuenca.
⚫ Los resultados de las simulaciones del control y su validación dentro del prototipo
indican que el desarrollo es eficiente.
⚫ Los resultados obtenidos a nivel internacional demuestran que el desarrollo local
a nivel de investigación e implementación de estos prototipos cumplen con todas
las normativas y generan expectativas para futuras implementaciones masivas.
⚫ La técnica de control FOC para la topología presentada es la que más se adapta al
sistema de tracción propuesto, se considera además una de las técnicas más
implementadas a nivel de fabricantes e investigación.
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 25
8. Publicaciones
Congresos
Comparative Analysis of Control Techniques in Drive Systems for Electric Motorcycle. VI IEEE
IYCE (Budapest-Hungría)- 2016
Diseño e Implementación de un Prototipo de Motocicleta Eléctrica, para Movilidad de
Estudiantes. SAAEI 10 Congreso de Automática Española Elche-España 2016
Implementation of Electric Motorcycle Case of Study: Cuenca-Ecuador. CONIIT Bogota
Colombia 2017
Dispositivos SiC en Sistemas de Tracción Eléctrica, Análisis de Eficiencia en Inversores
Trifásicos. Andescon Cali Colombia 2018
Revistas
Analysis of Traction System in Electric Motorcycles for Improvement of Urban Mobility in the
City of Cuenca-Ecuador IEEE LATIN AMERICA TRANSACTION (En revisión)
ICEM’16. Rotor of Synchronous Reluctance Motor optimization by means reluctance network and genetic algorithm 26
Efrén Fernández P