Multiobjektive Optimierungs­auslegung eines Öl­sprühkühl­systems für Hairpin‑Motoren basierend auf Partikel‑Schwarm‑Optimierung‑Backpropagation‑Non‑Dominated Sorting Genetic Algorithm III

Warum das Kühlen von Elektromotoren wichtig ist

Da Elektroautos leistungsfähiger und kompakter werden, werden die sie antreibenden Motoren stärker belastet als je zuvor. In diesen Motoren können dicht gepackte Kupferwicklungen so stark erhitzen, dass sie dauerhaft magnetische Eigenschaften verlieren, was die Lebensdauer verkürzt und Energie verschwendet. Diese Studie untersucht eine fortschrittliche Methode, die Wicklungen mit Kühlöl zu benetzen, und nutzt anschließend intelligente Computeralgorithmen, um den kleinen Sprühring, der das Öl liefert, neu zu entwerfen — mit dem Ziel, den Motor kühler und effizienter zu machen.

Wie Ölregen belastete Motoren schützt

Moderne Traktionsmotoren verwenden oft sogenannte Hairpin‑Wicklungen — starre Kupferstäbe, zu U‑Formen gebogen und dicht um den Rotor angeordnet. Diese kompakten Bündel sind gut für hohe Leistungen, stellen aber auch die heißesten Bereiche des Motors dar. Eine vielversprechende Lösung ist ein Ölsprühkühlsystem: Ein hohler Ring um die Wicklungen sendet mehrere Ölstrahlen aus, die auf das heiße Kupfer treffen, sich zu einem dünnen Film verteilen und die Wärme abführen, bevor das Öl wieder in den Kühlkreislauf zurückfließt. Das Papier konzentriert sich auf einen 230‑kW‑Elektromotor, der bereits einen solchen Sprühring nutzt, dessen ursprüngliche Auslegung jedoch zu heiße Wicklungen und relativ hohen Öldruck verursachte und damit das Kühlsystem stärker belastete.

Untersuchung verschiedener Sprüharten

Die Forscher stellten zunächst eine grundlegende Frage: Welche Düsengeometrie kühlt am besten? Sie verglichen drei handelsübliche Düsentypen — Flachstrahl, Vollkegel und Fächerstrahl — indem sie simulierten, wie jeder Typ ein realistisches, nicht vereinfachtes Wicklungsbündel benetzt. Mithilfe detaillierter Fluid‑ und Wärmeberechnungen erzeugten sie Temperatur‑„Wolkenkarten“, die zeigten, wo die Wicklungen heiß oder kühl blieben. Die Flachstrahldüse neigte dazu, nur die Mitte der Wicklungen zu benetzen und benachbarte Leiter heißer zu lassen. Die Fächerstrahldüse schnitt etwas besser ab, erzeugte aber noch scharfe Temperatursprünge zwischen benachbarten Wicklungen. Die Vollkegel‑Düse verteilte das Öl dagegen gleichmäßiger über die Oberfläche, lieferte ein homogeneres Temperaturfeld und die niedrigste Spitzentemperatur — etwa 22 % niedriger als beim Flachstrahl und 5 % niedriger als beim Fächerstrahl. Diese Düse wurde daher als Ausgangspunkt für die Neugestaltung gewählt.

Designraum mittels virtueller Experimente erkunden

Anschließend wandte sich das Team der Geometrie des Sprührings selbst zu. Sie identifizierten sechs entscheidende Abmessungen, darunter große und kleine Durchmesser jeder Düse, den Sprühwinkel, die Drehung der Düsen um den Ring, die Anzahl der Düsen und die axiale Länge des Rings. Statt jede mögliche Kombination durchzuprobieren nutzten sie ein orthogonales Versuchsdesign — eine strukturierte Auswahl von 25 sorgfältig gewählten Varianten — um effizient zu untersuchen, wie diese Faktoren zwei Zielgrößen beeinflussen: die maximale Wicklungstemperatur und den maximalen internen Öldruck. Für jede Variante lieferten fortgeschrittene CFD‑Berechnungen die Temperaturen und Drücke. Eine Sensitivitätsanalyse zeigte dann, dass ein Parameter, der kleine Düsendurchmesser, bei Weitem den stärksten Einfluss auf sowohl Kühlung als auch Druck hatte, während die anderen Abmessungen weiterhin wichtige unterstützende Rollen spielten.

Algorithmen die feinen Details abstimmen lassen

Um über diese 25 Versuchsvarianten hinauszugehen, trainierten die Autoren ein neuronales Netz, das die Beziehung zwischen Ringgeometrie und Kühlleistung anhand der Simulationsergebnisse erlernte. Sie integrierten dieses Netz in ein hybrides Optimierungsschema, das Partikelschwarmoptimierung mit einem modernen multi‑objektiven genetischen Algorithmus kombiniert. Einfach ausgedrückt durchstreifen virtuelle „Partikel“ und „Nachkommen“ den Designraum und schlagen Tausende neuer Sprühringformen vor. Das neuronale Netz sagt für jeden Kandidaten schnell Temperatur und Druck voraus, und der Algorithmus behält nur jene Entwürfe, die beide Ziele gut ausbalancieren, sodass die sogenannte Pareto‑Front entsteht. Aus dieser Front wählte das Team ein Design, bei dem die Düsen leicht kleiner, aber zahlreicher sind und die Ringlänge sowie der Sprühwinkel fein angepasst wurden, um eine starke, gleichmäßige Ölverteilung zu erzeugen, ohne den Innendruck zu sehr zu erhöhen.

Was das optimierte Design liefert

Abschließend wurde der ausgewählte Entwurf erneut mit vollständigen CFD‑Simulationen überprüft. Die prognostizierten und simulierten Spitzenwerte für Temperatur und Druck stimmten innerhalb von etwa 2 % überein, was die hohe Genauigkeit des integrierten Verfahrens belegt. Im Vergleich zum ursprünglichen Sprühring reduzierte die optimierte Ausführung die maximale Wicklungstemperatur um 8,5 % und verringerte den maximalen internen Öldruck um 25,6 %. Für einen Elektromotor bedeutet das kühleres Kupfer, geringeres Risiko magnetischer Schäden und eine geringere Belastung der Ölpumpe, alles ohne Änderung des grundlegenden Motoraufbaus. Die Arbeit zeigt, wie die Kombination realistischer Strömungssimulationen mit intelligenten Suchalgorithmen mehr Leistung aus vorhandener Hardware herausholen kann und weist den Weg zu kühleren, effizienteren und langlebigeren hochleistungsfähigen Antrieben.

Zitation: Liu, Y., Xu, P., Chen, S. et al. Multi-objective optimization design of oil spray cooling system for hairpin motor based on particle swarm optimization-backpropagation-non-dominated sorting genetic algorithm III. Sci Rep 16, 11593 (2026). https://doi.org/10.1038/s41598-026-42028-7

Schlüsselwörter: Kühlung von Elektromotoren, Ölsprühkühlung, Hairpin‑Wicklungen, Multi‑Ziel‑Optimierung, Elektrofahrzeuge