打开电气化的家庭、工厂或矿井的顶盖，你会发现一群松鼠笼马达无时无刻不在工作。如果没有这些，工业化国家将无法实现工业化。
坚固可靠，这种类型的三相感应电机通常是工业的首选。它们不会产生火花，非常适合在炼油厂、矿山和谷物升降机等危险环境中使用;或研磨，泵送和吹气操作。
家里的冰箱、洗衣机、滚筒式烘干机和游泳池的水泵都是由单相鼠笼式电动机提供动力的。
电机是特别好的高速应用超过3000转/分。更棒的是，松鼠笼式电动机是自动启动的，不需要太多的维护，即使额定功率为数百马力。
但是在电网上安装许多鼠笼式电动机会带来一个严重的问题。松鼠笼马达工作如此出色的原因，也引起了一个问题。
鼠笼式电动机可能会对大公司造成破坏性的电费罚款。在南非，国家广播公司经常在晚上播送广告，要求人们关掉家用电器和泳池水泵。
对我好
简而言之，人们对高性能、物有所值的工作机器有着巨大的需求。但电网管理者也要求这些电机“运转良好”，并尽量避免造成干扰。
约翰内斯堡大学的Mbika Muteba博士训练了一个人工智能来优化鼠笼马达的设计。这项研究发表在《能源》杂志上。
通过显著提高电机的功率因数，人工智能确保优化设计几乎不会对其连接的电网造成干扰。
在这项研究中，Muteba建模和设计了5.5kW(7.37公制马力)鼠笼电机的转子和辅助电容线圈。
然后他制造了旋翼，并在实验室进行了测试。发动机的实际性能与预测的性能非常吻合。
第一个被测试的电机在定子上没有辅助线圈，也没有经过人工智能的优化。第二个有一个辅助线圈，以提高功率因数，也没有优化的人工智能。
第三个电机在定子上有一个辅助线圈，也通过人工智能算法进行了优化。遗传算法对其进行了优化，使其在各种负载上的电流(扭矩/安培)达到最高性能。Muteba用有限元分析对遗传算法的结果进行了验证。
更好的数字
AI优化后的5.5kW电机在实验室设置中显示出良好的功率因数，从0%负载时的0.93，到60%负载时的0.99，再到120%负载。
人工智能优化后的电机满负荷效率为85.87%，与未优化电机的效率相差1-2%。与未优化的电机相比，它的负载效率在30%以下也大大提高。
最重要的是，即使具有优良的功率因数，优化电机提供更多的转矩，而牵引较小的电流。人工智能优化设计的每安培转矩比未进行人工智能优化的电机提高了两位数。
与未优化版本相比，优化后的电机在20%负载时每安培转矩提高了22%，在60%负载时提高了16%，在120%负载时提高了13%。
为什么鼠笼式电机会使栅格不稳定
“鼠笼式电动机的功率因数通常很低。特别是当它们开始或在轻负荷下运行时，”Muteba说。他补充道:“但电力公司希望你连接到他们电网的所有负载，无论是池泵的电机，还是矿井里的碎矿机，都有一个良好的功率因数。”
三相电网提供两种电力。第一种是有功功率，它使电动机转动并做功。电力公司以千瓦或兆瓦为单位向客户收费。
电网也提供无功功率。鼠笼式电动机通过消耗电网的无功功率来维持转子上的磁场。没有这个磁场，松鼠笼马达就无法转动，什么都做不了。在所有类型的电机中，鼠笼式电机是最需要无功功率的。
将高压电力降低到家用或工业电压的变压器，也会消耗电网中的无功功率。
“功率因数较低的负载会消耗更多的无功功率。当数百或数千个这样的负荷连接到电网时，电网所有者不得不花钱升级电网，以提供更多的无功功率，”他补充道。
当电网被功率因数较低的负荷压垮时，电网上的所有负荷，即使是功率因数较好的负荷，也无法获得足够的无功功率以正常运行。网格会变得不稳定。这可能会对矿山、工厂和农田灌溉系统造成广泛的破坏。
电力公司对功率因数较差的负荷用户进行严厉惩罚。
因此，一个国家电网可能会有成千上万的鼠笼式电动机与之相连，作为可靠的工作机器。但是这些马达的综合功率因素会使电网变得不可预测，甚至不稳定。
重要的储蓄
Muteba表示，对转子和辅助电容线圈的人工智能优化使其能够提高功率因数和性能，并在具有挑战性的应用中仍然拥有可靠、高效的松鼠电机。
优化后的电机转子与定子之间的气隙比未优化的大。在高负荷、高温和高速下，优化后的电机在机械性能上应优于未优化的电机。
“有了这些结果，我们看到，无需花费数百万美元在无功补偿器上，就可以运行鼠笼式感应电动机，从而避免来自公用事业公司的罚款。此外，也没有必要采用降低效率或每安培扭矩的辅助线圈。”
“人工智能优化的转子和辅助电容线圈在整个负载范围内具有优异的功率因数，而且在更高的性能下仍然更高效。”
他说，对于微型电网或私人电网来说，在每个鼠笼式电动机中设置一个优秀的功率因数，也会使电网更容易管理。
设计中的AI边缘
Muteba表示，与传统的设计实践相比，使用人工智能优化转子和辅助电容线圈设计可以节省大量时间。遗传算法花了27分钟来优化转子和辅助电容线圈设计，执行了8次，并处理了60 '代'染色体。
“设计工程师面临着选择最佳值的气隙长度和辅助电容线圈的挑战。在大多数情况下，他们使用设计软件进行灵敏度和参数分析。这些过程通常很长，而且搜索能力有限，”Muteba说。
“像优化搜索算法这样的人工智能可以在几分钟内搜索一个大的解决方案空间，从而找到气隙长度和辅助电容线圈的最优值。这项研究中使用的基于群体的技术，一种遗传算法，很适合找到所需的最优值。”
