Multi-objectieve ontwerpproblemen voor een oliesproeikoelsysteem van een hairpin‑motor op basis van de combinatie deeltjeszwermoptimalisatie‑backpropagation‑niet‑gedomineerde sorteergenetisch algoritme III

Waarom het koel houden van elektromotoren ertoe doet

Nu elektrische auto’s krachtiger en compacter worden, worden de motoren die hen aandrijven sterker belast dan ooit. In deze motoren kunnen dicht opeengepakte koperen wikkelingen zo heet worden dat ze blijvend magnetische sterkte verliezen, wat de levensduur van de motor verkort en energie verspilt. Deze studie onderzoekt een geavanceerde methode om die wikkelingen in koelolie te dompelen en gebruikt vervolgens slimme computeralgoritmen om de kleine sproeirand die de olie levert opnieuw te ontwerpen, zodat de motor koeler wordt en efficiënter kan werken.

Hoe olie‑regen hardwerkende motoren beschermt

Moderne tractiemotoren gebruiken vaak zogenaamde hairpin‑wikkelingen—stevige koperen staven in U‑vorm, dicht op elkaar gepakt rond de rotor. Deze geconcentreerde bundels zijn uitstekend voor vermogen, maar vormen ook de heetste delen van de motor. Een veelbelovende oplossing is een oliesproeikoelsysteem: een holle ring rond de wikkelingen stuurt meerdere oliestromen uit die het hete koper raken, zich tot een dunne film verspreiden en warmte afvoeren voordat de olie terugkeert naar het koelsysteem. Het artikel richt zich op een 230 kW elektromotor die al zo’n sproeirand gebruikt, maar waarvan het oorspronkelijke ontwerp de wikkelingen te heet liet worden en de olie onder relatief hoge druk zette, wat het koelsysteem belastte.

Verschillende manieren om de olie te verstuiven testen

De onderzoekers stelden eerst een eenvoudige vraag: welke mondstukvorm koelt het beste? Ze vergeleken drie commerciële mondstukt yp e n—vlakstraal, volle kegel en waaier—door te simuleren hoe elk type een realistische, niet‑vereenvoudigde wikkelbun del natmaakt. Met gedetailleerde vloeistof‑ en warmte‑stromingsberekeningen maakten ze temperatuurkaarten die lieten zien waar de wikkelingen warm of koel bleven. Het vlakstraalmondstuk doordrenkte meestal alleen het midden van de wikkelingen en liet aangrenzende geleiders heter achter. Het waaiermondstuk presteerde iets beter, maar veroorzaakte nog steeds scherpe temperatuurverschillen tussen aangrenzende wikkelingen. Het volle kegelmondstuk verspreidde de olie daarentegen gelijkmatiger over het oppervlak, leverde een vloeiender temperatuurveld en de laagste piektemperatuur—ongeveer 22% lager dan bij de vlakstraal en 5% lager dan bij de waaier. Dit mondstuk werd daarom gekozen als uitgangspunt voor herontwerp.

Ontwerpruimte verkennen met virtuele experimenten

Vervolgens richtte het team zich op de geometrie van de sproeirand zelf. Ze identificeerden zes belangrijke afmetingen, waaronder de grote en kleine diameters van elk mondstuk, de sproeishoek, de rotatieplaatsen van de mondstukken rond de ring, het aantal mondstukken en de axiale lengte van de ring. In plaats van alle mogelijke combinaties uit te proberen, gebruikten ze een orthogonale opzet—een gestructureerde set van 25 zorgvuldig gekozen varianten—om efficiënt te onderzoeken hoe deze factoren twee doelen beïnvloeden: de maximale wikkelingtemperatuur en de maximale interne oliedruk. Voor elke variant leverde geavanceerde CFD (computational fluid dynamics) de temperaturen en drukken. Een gevoeligheidsanalyse toonde aan dat één parameter, de kleine mondstukdiameter, verreweg de sterkste invloed had op zowel koeling als druk, terwijl de andere afmetingen nog steeds belangrijke ondersteunende rollen vervulden.

De fijne details laten afstemmen door algoritmen

Om verder te gaan dan deze 25 proefontwerpen trainden de auteurs een neuraal netwerk om de relatie tussen ringgeometrie en koelprestaties te leren, met de simulatieresultaten als trainingsset. Zij plaatsten dit netwerk vervolgens in een hybride optimalisatieschema dat deeltjeszwermoptimalisatie combineert met een modern multi‑doel genetisch algoritme. In eenvoudige termen dwalen virtuele "deeltjes" en "nakomelingen" door de ontwerpruimte en doen duizenden nieuwe sproeirandvormen voorstellen. Het neuraal netwerk voorspelt snel temperatuur en druk voor elke kandidaat, en het algoritme behoudt alleen die ontwerpen die beide doelen goed in balans brengen, wat resulteert in wat ingenieurs een Pareto‑front noemen. Uit deze frontier selecteerde het team één ontwerp waarbij de mondstukken iets kleiner maar talrijker zijn, en de ringlengte en sproeishoek fijn zijn afgesteld om sterke, uniforme oliëbedekking te produceren zonder de interne druk te veel op te voeren.

Wat het geoptimaliseerde ontwerp oplevert

Tot slot werd het gekozen ontwerp opnieuw gecontroleerd met volledige CFD‑simulaties. De voorspelde en gesimuleerde piektemperaturen en drukken kwamen binnen ongeveer 2% overeen, wat aantoont dat het geïntegreerde algoritme zeer nauwkeurig was. Vergeleken met de oorspronkelijke sproeirand verlaagde de geoptimaliseerde versie de maximale wikkelingtemperatuur met 8,5% en verminderde de piekinterne oliedruk met 25,6%. Voor een elektromotor in een voertuig betekent dat koeler koper, minder risico op magnetische schade en minder belasting van de oliepomp, zonder de basislay‑out van de motor te wijzigen. Het werk toont aan hoe het combineren van realistische stromingssimulaties met intelligente zoekalgoritmen meer prestaties uit bestaande hardware kan halen en wijst de weg naar koelere, efficiëntere en duurzamere hoogvermogensaandrijvingen.

Bronvermelding: 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

Trefwoorden: koeling van elektrische motor, oliesproeikoeling, hairpin‑wikkelingen, multi‑doel optimalisatie, elektrische voertuigen