UNIVERSIDADE FEDERAL DE SANTA CATARINA

CURSO DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

OTIMIZAÇAO DO PROJETO DE
~ ~

MÁQUINAS DE CORRENTE CONTÍNUA

UTILIZANDO ALGORITMOS
GENÉTICOS

Dissertação submetida à
Universidade Federal de Santa Catarina
como parte dos requisitos para a
obtenção do grau de Mestre em Engenharia Elétrica;

CARLOS OGAWA

Florianópolis, Dezembro de 2001.

 OTIMIZAÇAO DO PROJIETO DE MAQUINAS DE
~ I

CORRENTE CONTINUA IITILIZANDO

ALGORITMOS GENETICOS
Carlos Ogawa

“Esta Dissertação foi julgada adequada para obtenção do Título de Mestreem Engenharia
Elétrica, Area de Concentração em Controle, Automação e Informática Industrial em que

foi realizado o trabalho, e aprovadalem sua fonna ñnal pelo Curso de Pós-Graduação em
Engenharia Elétrica da Universidade Federal de Santa Catarina.”

Prof. Guilherme Bittencourt, Dr.

O `

tador
.

E
f

Prof. Edso ieri, Dr. beito De

Coordenador do Programa de P s-Graduacao em Engenharia Elétrica

Banca Examinadora:

\% E Iii

Prof. Guilherme Bittencourt, Dr.

Presidente

/ /Prof. Marcelo Ricardo Stemmer, Dr.

_/ Prof. Jo M z Barreto, D.Sc.

Í
Mi ti lvziz
. lw mz ter

ia igzzfj mini
Eng. Carlos Guilherme Costa Neves, Dr.
 í1i
'nha ƒam
il fm Ogaw
tmbalho Hiroko Oga
este mãe
min ha pai Ke
iíchi
Dedíco à
especial
em
 Agradecimentos

À Deus, pela graça que de me conceder finalizar mais este trabalho;

À minha família pelo apoio e atenção nos momentos de dificuldades;

Hiroko Ogawa Eduardo Ogawa Angela Ogawa Chieko Ogawa

À minha namorada pelo carinho e compreensão;

Adriana Moro

Ao meu orientador pela paciência, dedicação e ensinamento;

Guilherme Bittencourt
'

Aos meus amigos do laboratório que muito contribuíram neste trabalho

César Cris Eder Fred Jerusa Karina Llanos Michele Rafael Renato Torrico Terezinha Vinicius

Aos meus colegas de trabalho da WEG pelo apoio;

Alcides Fredemar Guilherme Marli Nilson Ortiz

A todos os meus amigos, pelo incentivo e apoio;

Ao CNPq pelo financiamento inicial do curso de mestrado.

 Resumo da Dissertação apresentada à UFSC como parte dos requisitos necessários para a
obtenção do grau de Mestre em Engenharia Elétrica. .

OTIMIZAÇÃO DO PROJETO DE MÁQUINAS DE

CORRENTE CONTINUA QTILIZANDO
ALGORITMOS GENETICOS
Carlos Ogawa
12/2001

Orientador: Guilhenne Bittencourt.

Área de Concentração: Controle, Automação e Infonnática Industrial.
Palavras-chave: Algoritmos Genéticos,_ Máquinas de corrente contínua, Inteligência
Artificial.
Número de Páginas: 98

O projeto eletromagnético das máquinas elétricas, nem sempre trivial pode ser analisado

como um problema de otimização. Dentro deste contexto, os Algoritmos Genéticos se

apresentam como proposta para se alcançar uma boa solução para a área de projetos de
máquinas de corrente contínua. Os Algoritmos Genéticos consistem numa técnica da
Inteligência Artificial (IA) que utiliza um método computacional adaptativo de busca e
otimização baseado na evolução natural das espécies. Através de mecanismos operadores
inspirados na genética e critérios de seleção, o algoritmo evolui indivíduos a cada geração

e, assim como no ambiente natural, acaba por evoluir na maioria dos casos para urna nova
população com indivíduos cada vez mais próximos da solução global do sistema. Assim,

quando empregado no cálculo de máquinas elétricas, o algoritmo é capaz de “evoluir” um

grupo de parâmetros para uma das melhores configurações eletromagnéticas da máquina.

A utilização desta técnica da IA, abrange as áreas onde não existem métodos exatos para

otimização ou onde os métodos existentes são precários e insatisfatórios. Nas máquinas de

corrente contínua, as inúmeras combinações de fatores elétricos, mecânicos, térmicos e

magnéticos dificultam O desenvolvimento de uma seqüência de cálculo exata para todas as

configurações de máquinas propostas. Este trabalho apresenta a utilização desta técnica da

IA para o projeto de máquinas de corrente contínua. Através da análise dos resultados

obtidos em comparação com um projetista e também com O próprio ensaio do motor em

laboratório é possível se justificar sua utilização nesta área de desenvolvimento.
 Abstract of Dissertation presented to UFSC as a partial fulfillment of the
requirements for the degree of Master in Electrical Engineering.

DIRECT CURRENT MACHINES DESIGN OPTIMIZATION

USING GENETIC ALGORITHMS
Carlos Ogawa
December/ 2001

Advisor: Prof. Guilhenne Bittencourt, Dr.

Area of Concentration: Control, Automation and .Industrial Computing
Keywords: Genetic Algorithms, Direct Current Machines, Artificial Intelligence.
Number of Pages: 98

The electromagnetic designof electrical machines can be analysed as an optimization

problem. At this point, Genetic Algorithms is presented in this work as a proposal to reach

a good solution to dc machines design area. Genetic Algorithms is an Artificial Intelligence

(AI) technique that uses a computational method of search and optimization based on the
evolution of species. Through operators mechanisms inspired in genetic and selection
rules, the algorithm is capable to evolve individuals at each generation that such as natural
enviromnent, finish evolving mostly cases to a new population composed of individuals
more and more near of global solution- of the system. Thus, when applied to electrical

machines design, the algorithm is capable to evolve a set of parameters (correspondent to

machine configurations) to one of the best electromagnetic configurations of the machine.

The use of this Artificial Intelligence technique reaches areas where the existent

optimization methods are uncertain or unsatisfactory. In electrical machines, the several

combinations of electrical, mechanical, thermal and magnetic factors, tum the development
of an exact calculation sequence difficult to all range of machines proposed by the
customers. This work presents an utilisation of this AI technique to the design of direct
current machines. Analysing the results obtained and comparing it with real projects
designed by an experienced designer and also with a motor at test shop it is possible to

justify its utilisation in this area.

 SUMÁRIO

1NTRODUÇÃO ....................................... ................................... .. . . . . 1

ALGORITMOS GENÉTICOS. ............................. .................... ..

2. 1 INTRODUÇÃO ....................................................................... ..

2.2 APLICAÇÃO ......................................................................... ..

2.3 FUNDAMENTOS .................................................................... ..

2.4 CODn=1cAÇÃo ...................................................................... ._

2.5 FUNÇÃO DE AVALIAÇÃO ....................................................... ..

2.6 SELEÇÃO ............. ... .............................................................. _.

2.6.1 Método do sorteio da roleta ........................................ ..

2.6.2 Método de seleção pelo rank ....................................... ..

2.6.3 Amostragem Estocástica Universal ............................. ._

2. 6.4 Método de seleção por tomeio (Tournament Selection)

2.7 OPERADORES GENETICOS ..................................................... ..

2. 7.1 Crossover simples ........................................................ ._

2. 7.2 Crossover de pontos múltiplos ....... ............................ ..

2. 7.3 Crossover uniforme...................................................... ..

2. 7.4 Crossover parcialmente mapeado (PMÂQ ................... ..

2. 7.5 Mutação ....................................................................... ..

2.7.6 Operador de Inversão .................................................. _.

2.8 REINSERÇÃO ......................................................................... ..

2.9 CRJTÉRIOS DE PARADA ......................................................... _.

2 .10 FUNCIONAMENTO ................................................................. . .

2. 10.1 Hyperplanos e Hypercubos .......................................... ..

2.1 1 IMPLEMENTAÇÃO ................................................................. ..

2.12 IMPLEMENTAÇÕES PARALELAS ............................................. ..

 2.12.1 Migração ............................................................................................... ..

'

2.13 CONCLUSÃO ................................................................................................... ..

3. PROJETO DE MÁQUINAS DE CORRENTE CONTÍNUA .............. ......... .. 23

3.1 HISTÓRICO ...................................................................................................... ..

3.2 CARACTERÍSTICAS DA MÁQUINA DE CORRENTE CONTINUA .....................

3.3 ASPECTOS CONSTRUTIVOS ....................................................................... .... ..

3.4 PRINCÍPIOS DE FUNCIONAMENTO ................................................................... ..

3.4.1 Dados Características ........................................................................... ._

3.4.2 Considerações Gerais ............................................................................ ..

3.4.3 Curva de Conjugado e Potência ............................................................ ..

3.4.4 O efeito de reação da armadura ............................................................ ..

3.4.5 Comutação ............................................................................................. ..

3.5 ESPECIFICAÇÃO ELETROMACNETICA DA MÁQUINA DE CORRENTE CONTÍNUA

3.5.1 Análise eletromagnética ........................................................................ ..

3.5.2 Considerações para o cálculo das grandezas elétricas ......................... ..

3.5.3 Cálculo das grandezas do enrolamento principal ................................. ..

3.5.4 Força Eletromotriz (ƒÍe.m.) .................................................................... _.

3.5.5 Cálculo da rotação nominal ..Ç ............................................................... ..

3.5.6 Cálculo do número de escovas por suporte ........................................... ..

3.5. 7 Perdas do comutador ............................................................................. ..

3.5.8 Determinação da tensão de reatância ................................................... _.

3.5.9 Determinação da tensão entre lamelas .................................................. ..

3.5.10 Rendimento ............................................................................................ ..

3.5.11 Indução no entreferro ............................................................................ ..

3.5.12 Indução nos dentes da armadura .......................................................... ..

3.5.13 Indução na armadura ............................................................................ ..

3.5.14 Indução no pólo ..................................................................................... _.

3 .Õ CONCLUSÃO ................................................................................................... . .
4. IMPLEIVIENTAÇÃO DAS FUNÇÕES DO ALGORITMO ............... ..

4.1 FUNÇÃO DE GERAÇÃO ............................................................................ ..

4.2 FUNÇÃO DE CROssOvER ........................................................................ ..

4.3 FUNÇÃO DE MUTAÇÃO ........................................................................... ..

4.4 FUNÇÕES DE SELEÇÃO ............................................................................ ..

4.4.1 Seleção da roleta ............................................................................ ..

4.4.2 Método de seleção pelo Rank ......................................................... ..

4.4.3 Mudança de escala de maneira linear............................................ ..

4.5 FUNÇÃO DE DECODIEIÇAÇÃO .................................................................. ..

5. IMPLEMENTAÇÃO DO ALGORITMO ............................................ ..

5.1 CONsIDERAÇOEs_ ................................................................................... ..

5.2 CODIEIÇAÇÃO ......................................................................................... ..

5.3 IMPLEMENTAÇÃO DA FUNÇÃO DE AVALIAÇÃO ....................................... ..

5.3.1 Elevação de temperatura do enrolamento principal ( V3) ..... ..

5.3.2 Elevação de temperatura nos condutores da armadura ( V1 )..

5.3.3 Elevação de temperatura no enrolamento de comutação ( V2 )

5.3.4 Cálculo do enchimento da armadura ( V4) ............................ ..

5.3.5 Determinação da rotação ( V5) .............................................. ..

5.3.6 Determinação do comprimento ( V6) ..................................... ..

5.3. 7 Cálculo da tensão entre segmentos do comutador ( V7) ........ ..

5.3.8 Cálculo da tensão de reatância ( V8 ) ..................................... ..

5.3.9 Cálculo das perdas da máquina .............................................. ..

5.3.10 Critério de parada pelo cálculo do rendimento ...................... ..

6. RESULTADOS .......................................................................................... ..

6.1 LIMITES ADMIssÍvEIs ............................................................................. ..

6.2 PARÂMETROS DE CONFIGURAÇÃO .......................................................... ..

6.3 SIMULAÇÕES .......................................................................................... _.

6.3.1 Método de seleção da roleta ........................................................... _.

 6.3.2 Método de seleção pelo Rank ....................................................................................................... ._ 71

6.3.3 Método de seleção da Roleta com "Scaledƒitness " ..................................................................... .. 73

6.3.4 Análise dos resultados .................................................................................................................. .. 74

6.4 SIMULAÇÃO GENERICA ......................................................................................................................... ._ 80

6.5 COMPARAÇÃO TEÓRICA ....................................................................................................................... .. 82

6.6 COMPARACÃO PRÁTICA ........................................................................................................................ .. 84

ó. CONCLUSÃO ........... ............................................................................................................................ _. só

ANEXO 1z PRIMEIRA SIMULAÇÃO ........................................ ...... ................................................. .. ss

ANEXO 2z SEGUNDA SIMULACÃO ........................................................................... ........................ .. s9

ANEXO 3: TERCEIRA SIMULAÇÃO ........................................ .......................................................... .. 9o

ANEXO 4: QUARTA SIMULAÇÃO ......................................................................................................... .. 91

ANEXO sz QUINTA SIMULAÇÃO ............................................. .......................................................... .. 92

ANEXO óz RESULTADOS DA SIMULAÇÃO GENERICA ..... .......................................................... .. 93

ANEXO 7: COMPARAÇÃO PRÁTICA ................................................................................................... .. 94

ANEXO sz DADOS DETALHADOS ......................................................................................................... .. 95

REFERÊNCIAS BIBLIOGRÁFICAS ....................................................................................................... .. 96

 LISTA DE FIGURAS

FIGURA 1.11 FLUXOGRAMA PARA PROJETO DE MÁQUINAS ..................... ..

FIGURA 2.12 FLUXOGRAMA GENÉRICO DE UM AG ................................. ..

FIGURA 2.2: MATRIZ DE TRANsIÇÃO....

FIGURA 2.3: GENEs E CROMOssoMOs ..

FIGURA 2.4: ROLETA ......................... ..

FIGURA 2.5: SORTEIO PELO RANK ...... _.

FIGURA 2.6: DISTRIBUIÇÃO PARA SUS

FIGURA 2.7: TÉCNICA DE SELEÇÃO SUS ................................................ ..

FIGURA 2.8: CROSSOVER SIMPLES ..... ..

FIGURA 2.9! CROSSOVER DE PONTOS MÚLTIPLOS ................................... ..

FIGURA 2.102 UNIPORM CRossOvER ..

FIGURA 2.11 PMX ............................ ._

FIGURA 2.12 ALGORITMO DO PMX

z

FIGURA 2.13 MUTAÇÃO ....................

: _.

FIGURA 2.14 ÔPERADOR DE INVERSÃO ................................................. ..

FIGURA 2.15 CUBO COM vERTICEs ROTULADOS POR BITS ..................... ..

FIGURA 2.16: ALGORITMO DO FLUXOGRAMA DA FIGURA 2.1 ................. ..

FIGURA 2.172 MIGRAÇÃO COMPLETA...

FIGURA 2.18 MIGRAÇÃO EM ANEL ....

: ..

FIGURA 2.19 MIGRAÇÃO POR VIZINHANÇA (Ln~1EAR) .............................

: ..

FIGURA 3.1: ROTOR DO MOTOR DE CORRENTE CONTÍNUA ....................... ..

FIGURA 3.2: DETALI-IEs DA CHAPA DO ROTOR (PARA EIO CIRCULAR E RETANGULAR)

FIGURA 3.3: ESTATOR DE CILAPAS LAMINADAS ....................................... ..

FIGURA 3.4: CORTE LONGITUDINAL DO ESTATOR ................................... ..

FIGURA 3.5 RÉGUAS DE SUPORTE DO PORTA EsCOvA E ANEL ................

z ..
FIGURA 3.6: ESQUEMA DE FUNCIONAMENTO DA MÁQUINA cc .......................... ..

FIGURA 3.72 FORMA DE ONDA RETIFICADA PARA I ESPIRA E N ESPIRAS ............ ..

FIGURA 3.81 CURVA DE CONJUGADO E POTÊNCIA ............................................ ..

FIGURA 3.9 AI CAMPO EM VAZIO ....................................................................... _.

FIGURA 3.9 E: CAMPO MAGNETICO GERADO PELA ARMADURA ........................ ..

FIGURA 3.101 DISTRIBUIÇÃO ESPACIAL DO FLUXO PRINCIPAL ........................... ._

FIGURA 3 .I 12 ANÁLISE POR ELEMENTOS FINITOS .............................................. ..

FIGURA 4.1: FUNÇÃO DE GERAÇÃO DA POPULAÇÃO .......................................... ..

FIGURA 4.2: FUNÇÃO DE cRossOvER DE PONTOS MúLTIPLOs ........................... ..

FIGURA 4.3: FUNÇÃO DE MUTAÇÃO ................................................................. ..

FIGURA 4.4: ROTINA DE sELEÇÃO DA ROLETA .................................................. ..

FIGURA 4.5: METODO DE SELEÇÃO PELO RAN-K ............................................... _.

FIGURA 4.6: MUDANÇA DE EscALA .................................................................. ..

FIGURA 4.7: FUNÇÃO DE PRE EscALA ............................................................... _.

FIGURA 4.8: DEÇODIPICAÇÃO DO cROMOssOMo .............................................. _.

FIGURA 5.12 FLUXOGRAMA DETALHADO ........................................................... ..

FIGURA 5.2: GEOMETRIA DA MÁQUINA 132 ...................................................... ..

FIGURA 5.3: FLUXOGRAMA DETALHADO DA FUNÇÃO DE AVALIAÇÃO ............... ..

FIGURA 5.42 FLUXO MAGNÉTICO NA ARMADURA .............................................. ..

FIGURA 5.5: CURVA DE SELEÇÃO APROXIMADA DO COMPRIMENTO MAGNETIÇO

FIGURA 6.1: AVALIAÇOEs OETIDAS PARA A PRIMEIRA sIMUI.AÇÃO .................. ..

FIGURA 6.2: ELEVAÇÃO DE TEMPERATURA PARA A PRIMEIRA SIMULAÇÃO ....... ..

FIGURA 6.3: ROTAÇÃO CALÇULADA PARA A PRIMEIRA SIMULAÇÃO ................. ..

FIGURA 6.4: AVALIAÇÕES OBTIDAS PARA A SEGUNDA SIMULAÇÃO .................. _.

FIGURA 6.5: ELEVAÇÃO DE TEMPERATURA PARA A SEGUNDA SIMULAÇÃO ....... ..

FIGURA 6.6: ROTAÇÃO GALCULADA PARA A sEGUNDA SIMULAÇÃO ................. ..

FIGURA 6.7: AVALIAÇÕES OBTIDAS PARA A TERCEIRA SIMULAÇÃO .................. ..

FIGURA 6.8: ELEVAÇÃO DE TEMPERATURA PARA A TERCEIRA SIMULAÇÃO ...... ..

FIGURA 6.9: ROTAÇÃO CALCULADA PARA A TERCEIRA SIMULAÇÃO ................. ..

FIGURA 6.10 AVALIAÇÕES OETIDAS PARA A QUARTA SIMULAÇÃO ............
: ..

FIGURA 6.11 ELEVAÇÃO DE TEMPERATURA PARA A QUARTA SIMULAÇÃO...

FIGURA 6.12 ROTAÇÃO CALCULADA PARA A QUARTA SIMULAÇÃO ........... ..

FIGURA 6.13 AVALIAÇÕES OBTIDAS PARA A QUINTA SIMULAÇÃO .............

z ..

FIGURA 6.14 ELEVAÇÃO DE TEMPERATURA PARA A QUINTA sIMULAÇÃO....

z

FIGURA 6.15 ROTAÇÃO CALCULADA PARA A QUINTA SIMULAÇÃO

z ............ ..

FIGURA 6.16 GRÁFICO DE CONVERGENCIA ................................................ ..

FIGURA 6.171 ELEVAÇÃO DE TEMPERATURA Nos ENROLAMENTOS ............. _.

FIGURA 6.18: GRÁFICO DE INDUÇÓES ......................................................... ..

FIGURA 6.19 PERDAS TOTAIS DO MOTOR ................................................... ..

FIGURA 6.202 CUSTO ................................................................................... ..

FIGURA 6.21 RELATÓRIO DE SAÍDA ....................................................... ..

FIGURA 6.22: AVALIAÇÃO DA SIMULAÇÃO GENERICA ................................ ..

FIGURA 6.23 ELEVAÇÃO DE TEMPERATURA PARA A SIMULAÇÃO GENERICA

FIGURA 6.241 ROTAÇÃO CALCULADA PARA A SIMULAÇÃO GENERICA ........ _.

 LISTA DE TABELAS

TABELA 2.12 ROLETA ................................................................................................... _.

TABELA 2.2: SELEÇÃO PELO RANR ............................................................................... ..

TABELA 3.12 CLASSES DE ISOLAMENTO E RESPECTIVAS ELEVAÇÕES DE TEMPERATURA

TABELA 5.1: CODIFICAÇÃO DOS PARÂMETROS DE BUSÇA ............................................ ..

TABELA 5.2: CODIFIÇAÇÃO Dos CONDUTORES DA ARMADURA .................................... ..

TABELA 5.3: CODIFIÇAÇÃO DO CONDUTOR E NUMERO DE ESPIRAS DA EXÇITAÇÃO ..... ._

TABELA 5.4: CODIFIÇAÇÃO Dos CONDUTORES DA ÇOMUTAÇÃO ................................. ..

TABELA 5.52 CODIFICAÇÃO DO COMPRIMENTO DA ARMADURA ................................... ..

TABELA 5.6: DESCRIÇÃO Dos PARÂMETROS AVALIADOS ............................................. _.

TABELA 5.7: DENSIDADE PADRÃO SE2 PARA 100°C ...................................................... ..

TABELA 5.8: SXAS PADRÃO PARA 100°C .................................................................... ..

TABELA 5.9: DENSIDADE PADRÃO SCM PARA 100°C ................................................. ..

TABELA 6.1: LIMITES DAS vARIÁvEIS DA FUNÇÃO DE AVALIAÇÃO ............................. ..

TABELA 6.22 TABELA DE PESOS DOS PARÂMETROS AVALIADOS ................................... ..

TABELA 6.3: CARACTERÍSTICAS DO MOTOR ................................................................ ._

TABELA 6.4: CONFIGURAÇÃO DA PRIMEIRA SIMULAÇÃO ............................................ ..

TABELA 6.5: CONFIGURAÇÃO DA SEGUNDA SIMULAÇÃO ............................................. ..

TABELA 6.7: RESULTADOS OBTIDOS PARA A SEGUNDA SIMULAÇÃO ............................ ..

TABELA 6.6: CONFIGURAÇÃO DA TERCEIRA SIMULAÇÃO ............................................. _.

TABELA 6.7: CONFIGURAÇÃO DA QUARTA SIMULAÇÃO ............................................... ..

TABELA 6.8: TABELA DE PROPOSTA DE PESOS PAPA Novos PARÂMETROS .................. ..

TABELA 6.9: CONFIGURAÇÃO DA QUINTA SIMULAÇÃO ................................................ ..

TABELA 6.10: NOVA CONFIGURAÇÃO DOS GENES ........................................................ ..

TABELA 6.1 1: CONFIGURAÇÃO PARA UMA SIMULAÇÃO GENERICA .............................. ..

TABELA 6.12: CONFIGURAÇÃO DO ALGORITMO ........................................................... ..

TABELA 6.13: CARACTERÍSTICAS DO MOTOR ............................................................... ..

TABELA 6.14; RESULTADOS DA COMPARAÇÃO .................................................................................. ..

TABELA 615: CARACTERÍSTICAS DO MOTOR ....................................................................................... _.

TABELA 6.16: CONFIGURAÇÃO PARA O CASO PRÁTICO ....................................................................... ..

TABELA 6.17: RESULTADOS OBTIDOS PARA O CASO PRÁTICO ................................................... ..

TABELA 6.18: RESULTADOS DO ENSAIO DA MÁQUDIA PROPOSTA PELA SIMULAÇÃO 8 DA TABELA 5.23
 LISTA DE sÍMBoLos

fi Freqüência da rede em Hz
p: Número deipar de pólos

nz Rotação em rpm

¢: Fluxo instantâneo

¢,,: Fluxo nominal

cu: Velocidade angular em rad/s

e: Tensão instantânea em V
Emax: Tensao máxima em V

Emedí Tensão média em V

a: Número de circuitos paralelos na armadura

N: Número de condutores na annadura ou ranhuras do rotor

Za: Número total de condutores

Ua: Tensão de armadura em V

Ra: Resistência do enrolamento da armadura em Q
Ia: Corrente de armadura em A

Rexc: Resistência do enrolamento da excitação em Q

Aexc: Seção transversal do condutor da excitação em mmz
Ppe: Número de pólos da excitação em paralelo _

ATez Elevação de temperatura do enrolamento de excitação em °C

ltotalf Comprimento total do enrolamento de excitação em mm

Jexc: Densidade de corrente do enrolamento da excitação em A/mm2

Ue, Uexc: Tensão de excitação em V

Pexc: Potência dissipada pelo enrolamento de excitação em W

Iexc: Corrente de excitação em A
He: Força Magnetomotriz da excitação em A/cm
AU: Queda de tensão do circuito da armadura em V

fe.m: Força eletromotriz em V

Raq: Resistência quente do enrolamento da armadura em Q

Rcm: Resistência quente do enrolamento da comutação em Q

-4Uesc Queda de tensão nas escovas em V

ns: Número de escovas necessária

de: Densidade de corrente nominal da escova em A/cm-2

'

í,taI Medida tangencial da escova em cm

ax: Medida axial da escova em cm

Pcomí Perdas no comutador em W

Acomí Área superficial do comutador em cm2

Pat:
`

Perdas mecânicas na escova em W

VP: Velocidade periférica do comutador em m/s
er: Tensão de reatância em V
LR: Coeficiente de auto indução

mL: Número de espiras por lamela

Van: Velocidade periférica da annadura em rn/s

L¡a': Comprimento ideal da armadura em mm
6- Coeficiente de Pichelmayer

AS: Carga periférica da armadura em A/cm2

Íasobí Corrente de sobrecarga em A

nN. Rotação nominal da máquina em rpm

"f- Rotação máxima (enfraquecimento de campo) em rpm

ZL: Número de lamelas do comutador

eL: Tensão entre lamelas em V

Bmáx: Indução máxima no entreferro em T
BL: Indução no entreferro em T
Púzz'1= Potência útil em kW
Pn: Potência nominal em kW

Bentreferroí Indução no entreferro em T

¢ares¡ Fluxo principal em mWb

Da: Diâmetro externo da armadura em mm
Bdenteí Indução no dente do rotor em T I

Bcarmí Indução na coroa da armadura em T

Di: mm
Diâmetro intemo da armadura em

la: Comprimento da armadura em mm

bhp: Arco polar em rnm

Dk: Diâmetro do comutador em mm

58, ôhp: Entreferro principal em mm

Ó`c: Entreferro de comutação em mm
Bhp: Largura do pólo principal em mm
Bwp: Largura do pólo de comutação em mm

Sranhuraf Enchimento máximo da ranhura da armadura em mmz

ZapN: Número total de condutores por ranhura

FioA: Diâmetro do condutor da armadura em mm

Cp: Número de condutores da annadura em paralelo

Fíohp: Diâmetro do fio da excitação em mm

Ppe: Número de pólos de excitação em paralelo

Rf Resitência fria do enrolamento de excitação em Q

S82: Densidade de corrente de referência para l00°C

EMK: Força eletromotriz do motor em V

17: Redimento da máquina em %
ATa: Elevação de temperatura do enrolamento da armadura em °C
ASPzzdrâz›vSzz2= Parâmetro padrão para elevação de temperatura de lO0°C

Nc: Rotação calculada em rpm

Ppw: Número de pólos de comutação em paralelo

Scomí Densidade de corrente do enrolamento de comutação em A/mmz

ATcom¡ Elevação de temperatura do enrolamento de comutação em °C

Scofn2¡ Densidade padrão para elev. de temperatura lO0°C em A/mmz
Rcomí Resistência quente da comutação em Q
Pc: Perdas do enrolamento de comutação em W
lcurvaí Comprimento estimado pelo gráfico

eLlimite¡ Limite admissível da tensão entre lamelas em V

eRlimite¡ Limite admissível da tensão de reatância em V

P¡: Perdas totais em W

Psuplementaresí Perdas suplementares em W

Pescovasí Perdas geradas pelas escovas em W

PFQ: Perdas no ferro em W

77c: Rendimento calculado em %

wwc: Número de espiras do enrolamento de comutação

WEP: Número de espiras do enrolamento principal

Fiowp: Diâmetro do condutor do enrolamento da comutação em mm

Ench.: Enchimento das ranhuras da armadura
 1

1. INTRODUÇÃO

Atualmente, o projeto elétrico das máquinas de corrente contínua é realizado através de

programas computacionais que consistem numa seqüência de cálculos pré estabelecidos de acordo
com a teoria eletromagnética (baseado na lei de Faraday).

Os dados de entrada desta seqüência de cálculo são constituídos basicamente de dados de

origem geométrica (mecânicos) e especificações elétricas. Através destes dados, é possível estimar
/
teoricamente o comportamento eletromagnético da máquina elétrica em questão.
A análise dos dados de saída, ou seja, os resultados provenientes da resposta da seqüência
de cálculos, permitem ao projetista eletromecânico observar as melhorias ou reparos que devem
ser realizados através dos dados de entrada.

Assim; o ciclo se repete continuamente até que os resultados doscálculos atendam todos
os requisitos necessários da máquina. Pode-se representar este ciclo através do fluxograma da ñ-
gura 1.1.

Dados de Entrada

Seqüência de Entrar com novos

Cálculo Dados

Atende Nã°
requisitos?

Sim

Seqüência de
`

Cálculo

Figura 1.1 : Fluxograma para projeto de máquinas

Do fluxograma da figura l.l pode se concluir que o tempo está diretamente relaci-

onado com o número de vezes em que o laço da pergunta “Atende requisitos” é realizado.
 2

O projeto de uma máquina baseada neste método entrega totalmente a confiabilidade da

melhor configuração da máquina à experiência do projetista. Assim, o projeto especificado com
pouca experiência abre possibilidades de existir outros dados de entrada, diferentes daqueles utili-

zados pelo projetista que melhor atendam os requisitos da máquina ou atendam os requisitos com
um custo de fabricação menor.
O estudo apresentado neste trabalho, utiliza o método de Algoritmos Genéticos como fer-
ramenta para a otimização da seqüência de cálculos utilizada para 0 projeto da máquina. A função
a ser otimizada, denominada como função de avaliação (que será estudada no próximo capitulo),

integrará todas as principais características da máquina.

'

O método procura assegurar uma das melhores configurações de dados de entrada para a
seqüência de cálculos sem a necessidade de interferência pelo projetista. A cada análise das res-
postas da seqüência de cálculos, o algoritmo .gera novas opções de entrada baseadas em outros da-
dos de entrada e na qualidade das avaliações por elas obtidas.

No capítulo seguinte, será estudado a teoria dos Algoritmos Genéticos e seu esquema de
funcionamento. Uma introdução à teoria das máquinas elétricas de corrente contínua será abordada
no capítulo 3. As implementações das funções e do Algoritmo Genético aplicado ao projeto das

máquinas será estudado no capitulo 4 e 5.

O capítulo 6 apresenta os resultados obtidos para algumas simulações de projetos com a

implementação do programa realizado em Matlab com todas as tabelas e curvas geradas pelo

software.
 3

2. ALGORITMOS GENÉTICQS

Os Algoritmos Genéticos constituem uma técnica de busca e otimização baseada na evo-

lução natural das espécies. Com inspiração na genética, o algoritmo é capaz de evoluir populações
de indivíduos através das gerações, conduzindo eventualmente à determinação da solução ótima
para o problema proposto.

Uma implementação do algoritmo inicia-se na geração da população inicial de indivíduos,

geralmente aleatória. Na etapa seguinte, a avaliação da população indica os indivíduos com maior
ou menor potencial para solução do problema. É baseado nesta avaliação que os indivíduos rece-
bem as probabilidades de reprodução. Em analogia ao processo natural, esses indivíduos, denomi-
nados de cromossomos pela literatura genética, sofrem transformações através dos operadores ge-
néticos, como recombinação e mutação, gerando assim a sua descendência. Este ciclo se repete a

cada nova geração até que o critério de parada seja satisfeito. ~

2.1 Introdução

Os indivíduos na natureza competem entre si pelo alimento, espaço e reprodução [l],

evoluindo de acordo com as regras naturais de "sobrevivência", onde os mais fortes ou que melhor

se adaptam ao ambiente têm maior possibilidade de se reproduzirem e assim manterem sua des-
cendência por mais tempo que aqueles menos adaptados ou mais frágeis. Portanto, a seleção natu-
ral tende a manter nas populações os genes dos indivíduos com as melhores características de

adaptação ao ambiente, genes estes que serão transmitidos para as gerações futuras, de maneira

que, a cada geração, os indivíduos estejam melhor adaptados para o ambiente.

O aspecto de adaptação de cada indivíduo ao ambiente natural está relacionado com suas
características hereditárias. Os genes que compõem os cromossomos possuem codificadas todas as

informações das características do indivíduo. Dentro da genética, esse código é denominado genó-

tipo, enquanto as caraterísticas propriamente ditas, são chamadas de fenótipo.

Assim, quando existe o cruzamento de dois seres de mesma espécie, a descendência passa

a herdar uma combinação do material genético de seus pais, fato pelo qual, o indivíduo pode pos-

suir algumas características do pai e outras da mãe.

Analogamente a esse comportamento natural, os Algoritmos Genéticos interagem com

uma população de indivíduos, que representam na verdade possíveis soluções para o problema,
 4

entretanto, codificados (genótipos). A cada um desses indivíduos, atribui-se uma nota, avaliada

por uma função denominada função de avaliação. Essa nota, está espelhada no grau de adaptação
do indivíduo no ambiente natural.

Através da avaliação, o algoritmo pode então fazer a seleção dos elementos a serem repro-
duzidos de forma que ao final do processo, ou seja, a- convergência da população, os indivíduos
representem a melhor solução para o problema proposto.

2.2 Aplicação

Os algoritmos genéticos podem ser aplicados à maioria dos problemas de otimização, en-
tretanto, sua performance não deve ser comparada a técnicas existentes especíñcas para um pro-
blema em particular. _

As áreas de aplicação dos AG's são principalmente aquelas onde não existem uma técnica
específica ou cujos resultados obtidos pelos métodos convencionais não são satisfatórios. Ainda
assim, mesmo onde existem técnicas de otimização, pode-se alcançar uma melhora significativa

adotando uma técnica híbrida com os Algoritmos Genéticos [2].

Os AG's podem ser aplicados a problemas de otimização de construções civis ou pontes

para se encontrar a melhor relação de gastos de materiais dentro dos limites de esforços aos quais a

estrutura será submetida. Também tem sido alvo de trabalhos na área de escalonamento nos siste-

mas de produção [3], onde se deve otimizar o_ tempo para aumentar a produtividade. _

Outro campo de atuação dos Algoritmos Genéticos está nas máquinas elétricas [4-l2],

como apresentados em [4,7,l0], na determinação de parâmetros do circuito equivalente do motor

de indução. Em [10] é apresentada ainda, uma comparação entre os AG's e a Programação Genéti-
ca, através de três circuitos equivalentes.

Segundo, David E. Goldberg em [13], podem ser definidas algumas categorias para se
motivar a utilização dos Algoritmos Genéticos: Natureza, Sistemas Artificiais, Competência e
Economia.

Das categorias citadas por Goldberg, as mais interessantes parecem ser a competência do
método e a economia. A natureza e sistemas artificiais estão relacionados a justificativas de funci-
onamento do método (a evolução natural como prova existente de funcionamento) enquanto a

competência e a economia estão relacionadas aos limites dos operadores genéticos, economia de
investimento na modelagem, no método de otimização e tempo.
 5

2.3 Fundamentos

Diferentemente dos métodos tradicionais de otimização, os Algoritmos Genéticos traba-

lham com uma codificação do conjunto de parâmetros e não diretamente com os parâmetros. As
possíveis soluções do problema são representadas por códigos, geralmente uma cadeia de bits. Es-
ses códigos, inspirados da genética, são conhecidos como cromossomos e são compostos pelos

genes. Cada gene pode ser considerado como representante de um parâmetro do problema de oti-
mizaçao.

Os Algoritmos Genéticos trabalham com uma população de individuos (cromossomos)

que são avaliados, selecionados e reproduzidos para dar origem a uma nova geração e assim suces-
sivamente. Essa característica, segundo alguns autores [1,l4] constitui uma das principais diferen-
ças deste método em relação aos tradicionais, pois a exploração do espaço de busca se dá através

de vários pontos e não de um único ponto. Entende-se por espaço de busca, o conjunto ou região
que compreende as soluções possíveis do problema a ser otimizado.

Uma população reduzida pode levar a uma pequena varredura do espaço de busca e pode
diminuir a chance de ser encontrada a solução ótima global principalmente quando houver um

tempo reduzido. Entretanto, uma população maior pode explorar melhor o espaço e reduzir a pos-
sibilidade de uma convergência prematura, porém deve-se considerar que para uma população de
número de indivíduos muito elevado, o algoritmo será limitado pelo custo computacional. Assim,

procura-se encontrar um equilíbrio satisfatório na questão do custo computacional e qualidade da

solução.

De maneira genérica a estrutura de um Algoritmo Genético pode ser representada através

do fluxograma da figura 2.1.

A etapa inicial de geração da população normalmente é aleatória, exceto em casos onde já

se conhecem pontos próximos da solução global, nestes casos entretanto, a possibilidade de utili-

zação de métodos de otimização como escalagem (do Inglês hillclimbing) com auxílio do gradi-
ente pode ser uma altemativa mais eficiente (ver figura 2.2).
/
 6

Geração da População
H Avaliação

WW
Recombinação

Avaliação

Reposição na População

N Convergiu?

V
Figura 2.1: Fluxograma genérico de um AG
Através da função de avaliação, os cromossomos são avaliados para posteriormente serem
selecionados. Seus descendentes, assim como na natureza, herdarão as caracteristicas de seus pais.

Os indivíduos que representam as soluções não adequadas ao problema são descartados ou tem
menos chance de reprodução, reduzindo assim a sua descendência durante as próximas gerações, o

que leva a população a convergir para uma solução otimizada.

A função de avaliação utilizada pelos AG's independe de métodos de derivada ou que

exijam algum conhecimento auxiliar sobre o sistema. A transição de uma geração para- a outra,
utiliza métodos probabilísticos e não determinísticos como nos métodos tradicionais.

É possivelque a reprodução de dois individuos com baixa avaliação possa dar origem a
uma descendência com uma avaliação alta. Énecessário então que se escolha um método de sele-
ção que não exclua totalmente a possibilidade de um indivíduo com baixa avaliação se reproduzir.
A etapa de seleção é responsável pela escolha dos indivíduos “pais” , que transmitirão seu
material genético para as futuras gerações. Uma vez selecionados, os indivíduos são inseridos
numa matriz de transição onde aguardam a recombinação e reposição na população atual.

Terminada a inserção dos descendentes na população original, o ciclo retoma à avaliação

da população e novamente se reinicia o laço até que o critério de parada seja satisfeito.

As etapas representadas pelo fluxograma da figura 2.1 serão tratadas com mais detalhes no
decorrer deste capitulo.
 7

população Matriz de transição Recombinação Nova População

Ifñillflil
ITOIOT|Tü'II
0010010

5 É
C>
V

ÍÍÊÊÃÊÊÊÃ É “TUI”
no o

Figura 2.2: Matriz de transição

'

2.4 Codificação

A solução do problema a ser otimizado é composta por um conjunto de parâmetros, conhe-

cidoscomo genes, que, juntos compõem a seqüência de caracteres da cadeia denominada cromos-
SOI`I10.

A maioria das aplicações de Algoritmos Genéticos trabalha com problemas de natureza

não-linear, ou seja, não é possível resolver o problema simplesmente isolando as variáveis, pois

existem relações (Epistasis) entre os genes (Parâmetros) que devem ser consideradas na solução do
problema.

No caso particular de uma função bidimensional f(x, y), onde as variáveis x e y são codi-
ficadas (genes) por uma cadeia de 10 bits, o cromossomo terá um comprimento total de 20 bits
(ver figura 2.3). Neste caso, as variáveis x e y podem representar um intervalo de 210 valores.

Cada gene corresponde a um parâmetro real do problema a ser otimizado. Um problema

freqüente que se encontra nesta codificação é que, nem sempre, os parâmetros representam valores

discretos, logo, uma representação binária com 1024 valores é possível de se realizar com 10 bits,

entretanto, quando se pretende representar 524 valores, nove bits são insuficientes enquanto que
uma representação com dez bits apresenta 500 valores além do necessário, Nestes casos, pode-se
utilizar técnicas de redundância [l4], onde alguns indivíduos têm uma dupla representação.

H I I I O I I I O l

ICTOITIOSSOITIOI

Figura 2.3: Genes e cromossomos

 8

No caso de não se relacionar os valores dos parâmetros com todos os códigos binários do
cromossomo, não é possível assegurar que durante sua manipulação pelos operadores genéticos,
não apareçam valores de cromossomos sem significado real, prejudicando ou invalidando a quali-
dade da solução, pois existirão pontos inválidos no espaço de busca.

Tradicionalmente, os cromossomos são compostos por elementos binários, entretanto,

existem diversas discussões a respeito da cardinalidade das representações não binárias [14] e suas

vantagens.

Em trabalhos com variáveis de valor contínuo, deve-se definir a precisão necessária e o

intervalo da solução, em seguida, passa-se a discretização desses valores. Assim, se num intervalo
entre [0;lO] for utilizado uma codificação com 6 bits, tem-se 26 valores discretos para este inter-

valo, portanto, a precisão será de 0.15. Caso a precisão seja insuficiente para a qualidade da res-
posta, pode-se aumentar o número de bits da codificação, entretanto, tendo em mente o aumento
do espaço de busca.

2.5 Função de avaliação

A função f citada na seção anterior é conhecida também como ftmção de avaliação. Seu
papel é essencial no desempenho do algoritmo uma vez que seu objetivo é avaliar a qualidade de
cada cromossomo para o_ referido problema. A complexidade da avaliação está relacionada a
quantidade de parâmetros a serem otimizados e como fazer sua avaliação.

A função geralmente não é trivial, pois varia de acordo com a aplicação e juntamente com
a codificação, pode constituir em certos casos, a maior dificuldade de implementação do algo-
ritmo.

É importante observar que, como os Algoritmos Genéticos trabalham com populações, a

função será utilizada proporcionalmente ao número de indivíduos e a cada geração efetuada. No

caso hipotético de uma avaliação levar aproximadamente 15 segundos para cada indivíduo, numa
população de 300 individuos, o algoritmo levaria cerca de 4500 segundos ou l hora e 15 minutos

para avaliar todos os individuos a cada geração. '

A regra geral para a função de avaliação é desenvolvê-la de maneira que ela reflita o valor
do cromossomo de maneira real. Infelizmente, essa tarefa não é simples para a maioria dos pro-
 9

blemas de otimização, onde existem diversas restrições e muitos pontos do espaço de busca podem
ter um significado inválido.
Métodos de tratamento de restrições tem sido propostos em [l,l5], como a função de pe-

nalidade (Penalty Function), que penaliza os cromossomos inválidos com uma redução na avalia-
ção. Outra abordagem para o problema de cromossomo inválidos é proposta por Cramer [l], onde
se recompensa aqueles cromossomos que possuírem uma avaliação válida no espaço de busca.

2.6 Seleção

Após a etapa de avaliação dos indivíduos, deve-se escolher quais serão os responsáveis

pela geração da nova população. Nesta etapa, é definido então o esquema de seleção a ser utiliza-

do. _

A seleção é realizada de maneira a favorecer os indivíduos com melhor avaliação, ou seja,

que tenham sido avaliados como mais aptos à solução do problema, enquanto que, indivíduos com
menor nota (avaliação) são menos favorecidos na reprodução.

Para que os cromossomos com melhor nota uma vez encontrados sempre se mantenham
durante as gerações, pode se utilizar uma estratégia elitista, simplesmente copiando-os para a nova
população, garantindo assim que nesta população, a avaliação do melhor indivíduo nunca seja
mais baixa que na geração anterior.

2.6.1 Método do sorteio da roleta

Uma técnica de seleção comum é a escolha dos indivíduos através do sorteio da roleta,

onde a probabilidade de cada cromossomo ser selecionado é diretamente proporcional à sua avali-

ação. Este tipo de mecanismo de seleção é conhecido também como seleção proporcional à avalia-

ção.

Este método consiste em dividir uma roleta em setores proporcionais à nota dada pela fun-
ção de avaliação, conforme mostra a figura 2.4.

O número de indivíduos a ser selecionado é o número de vezes que a roleta deverá ser gi-
rada. Nota-se que neste método de seleção, o indivíduo com maior avaliação (indivíduo 1) possui

maiores chances de ser sorteado pelo giro da roleta.

Neste método de sorteio proporcional à avaliação, quando existe uma discrepância muito

alta entre a nota de um indivíduo e os demais, tal indivíduo pode “dominar” os setores da roleta e
 10

ele pode nem sempre ser o indivíduo representante da solução ótima global do problema, mas de
um máximo local. Esse tipo de problema pode levar a uma convergência prematura da população.

Número do indivíduo Avaliação SOFMO di Roleta

l 31,25 6
6%
2 12,00

3 13,00

4 12,50

5 25,00 13% 3 12%

13%
6 6,250

Tabela 2.1: Roleta Figura 2.4: Roleta

A mudança de escala de maneira linear (fitness scaling) proposta por Goldberg em [15]

pode minimizar este tipo de problema. Nesta mudança de escala, f, que é a avaliação de um de-
terminado indivíduo, possui uma relação linear com f', seu valor na nova escala.

f=a.f+b (2.1)

A relação entre f e f é mostrado pela equação ( 2.1 ). Os coeficientes a eb podem ser es-
colhidos de diversas maneiras, entretanto, em todos os casos, o método sugere que o valor de f
médio seja igual a f médio. Ao utilizar este tipo de mudança de escala deve-se estar sempre atento
aos valores assumidos por f e fazer a correção necessária quando este valor for negativo.
Outra fonna de minimizar 0 problema de “domínio” de um único indivíduo da roleta é
utilizar técnicas de seleção como o Método de Seleção pelo rank ou Amostragem Estocástica Uni-
versal.

2.6.2 Método de seleção pelo rank

O método de seleção pelo rank é similar ao da roleta, entretanto, os setores da roleta são

distribuídos de acordo com o rank de cada elemento e não pela sua avaliação.

O rank de um indivíduo se refere à sua posição em ordem decrescente de avaliação, por

exemplo, o indivíduo com pior avaliação ocupa a posição de número l.

Embora esse tipo de seleção tome o algoritmo mais lento porque o melhor indivíduo da
população tem uma diferença baixa em relação aos demais, tal procedimento evita o problema de
convergência prematura citado no método do sorteio da roleta.
 11

A construção do método de seleção pelo rank pode ser observada na tabela 2.2, onde os
mesmos indivíduos da tabela 2.1 são utilizados.

Indivíduo Avaliação Rank %do Total Seleção pelo rank

l 31,25 6 28
6
5%
2 12,00 2 l0
24%
3 13,00 4 19

4 l2,50 3 l4

~i
14%
10 %
5 25 ,O0 5 24 3
19%
6 6,25 l 5

Tabela 2.2: Seleção pelo rank *

Figura 2.5: Sorteio pelo rank

É baseado na quarta coluna da tabela 2.2 que os setores da roleta deverão ser distribuídos.
Observa-se que existe uma distribuição mais uniforme neste método e que a distribuição para seis
indivíduos sempre será a percentualmene a mesma, independente das avaliações dos indivíduos.

2.6.3 Amostragem Estocástica Universal

Na técnica de seleção SUS (Stochastic Universal Sampling), a distribuição dos indivíduos

é realizada de maneira proporcional à avaliação como no método da roleta, porém, o sorteio é rea-

lizado de maneira diferente.

Indivíduo: l 2 3 4 5 6
Marcador: O .3l .43 .56 .69 .94 l

Figura 2.6: Distribuição para SUS

Inicialmente, marca-se o segmento onde os indivíduos foram distribuídos (figura 2.6), em

N partes iguais onde N é o número de individuos que se deseja selecionar. O espaçamento entre
cada marcador deverá ser igual a 1/N e o primeiro marcador é colocado aleatoriamente ente 0 e
l/N.
se o

Indivíduo:
Marcador:
~
No exemplo da figura 2.6, 0 número de individuos a ser selecionado é 4, portanto, divide-
segmento em 4 partes iguais. O espaçamento entre os marcadores é de 0.25 e a posição do
primeiro marcador é escolhido de maneira aleatória entre 0 e 0.25.

Lo < < 1/NL

blema de dominância de

2.6.4
i
I

Os indivíduos selecionados
.3l

1/N
2

neste caso são:

.43

L
Figura 2.7: Técnica de seleção

um único indivíduo da população.

Método de seleção por torneio (Tournament Selection)

melhores indivíduos são favorecidos [16-18]

entendida
-
1,

Neste método de seleção é possível controlar a pressão

3

3, 4
.56

1/N
4

SUS

e 6. Este
.69

método também

seletiva, isto é,
5

1/N

o grau
quanto maior a sua avaliação maior a probabilidade
de ser escolhido, quanto menor a avaliação, menor a probabilidade.
como sendo a probabilidade do melhor indivíduo ser escolhido comparado

babilidade média de todos os indivíduos serem escolhidos.

A pressão

A técnica de seleção por tomeio ou tournament em sua concepção mais simples, consiste
em se escolher aleatoriamente N indivíduos (2 < N < Nmáx) da população e selecionar o melhor
indivíduo entre os N indivíduos escolhidos, ou seja, aquele que apresentar a maior avaliação. O

número N de indivíduos sorteados é conhecido como “tamanho do tomeio” e é através desse valor
seletiva
.94
6

evita o pro-

com que

deve ser
com a pro-
l

os
12

que a pressao seletiva pode ser controlada.

2.7 Operadores Genéticos

A recombinação dos indivíduos é realizada através dos operadores genéticos crossover e

mutação. Tais operadores são aplicados com certa probabilidade, ou seja, uma vez selecionados os
indivíduos para a recombinação, existe uma probabilidade X (usualmente 80%) de que os indiví-
duos se recombinem.
 13

2. 7.1 Crossover simples

A técnica de crossover simples consiste em escolher um ponto aleatoriamente no cromos-

somo e, a partir deste ponto, trocar os bits seguintes com o outro cromossomo, conforme mostra a
figura 2.8.

Ponto de crossover

IE! ©›-n
|\)›-›

Descendentes de 1 e2

Figura 2,8: Crossover Simples

2. 7.2 Crossover de pontos múltiplos

O crossover de dois pontos, ou de maneira mais genérica, crossover de pontos múltiplos é

uma extensão da técnica de crossover simples.
Esta técnica melhora o algoritmo quanto à exploração do espaço de busca. No crossover

de pontos múltiplos, o cromossomo é considerado como uma cadeia unindo-se o final do cromos-
somo com seu início. Para se trocar o segmento de uma cadeia com outro, torna-se necessário en-

tão, dois pontos, um de início do segmento e outro de fim. A troca ocorre normalmente, como o
crossover de um ponto.

Pontos de crossover

Indivíduo 1 Indivíduo 2 Descendentes

Figura 2.9: Crossover de pontos múltiplos

 14

2. 7.3 Crossover uniforme

O crossover uniforme (uniform crossover) é Luna técnica em que cada gene da descen-
dência é criado copiando-se o gene correspondente a um dos pais, escolhido de acordo com uma
máscara gerada aleatoriamente. Onde houver 1 na máscara, o gene é copiado do primeiro cro-
mossomo e onde houver O, do segundo, confonne a figura 2.10.

]nd_
'if-:gl
1 . Y

Ind.2l10l000101
'lx
, z,;z. .>^Í
.-le Il:

Máscaral0l1l01l00
DCSC-1 1 0 T?
o 1

Desc. 2 1 0 l O O 1

Figura 2.10: Uniform Crossover

2. 7.4 Crossover parcialmente mapeada (PAHO

A técnica de PMX proposta por Goldberg e Lingle [15] seleciona um mesmo intervalo

aleatório nos dois cromossomos pais e os transpõe. A transposição é uma permutação onde os dois
elementos são trocados e os demais permanecem inalterados.

Ind-1

1nó.2|11o1ooo1o1|
D¢s‹z.1 o 1 o o

Desc. 2 |
1 1 o 1 o 1
|

Figura 2.11:PMX

O algoritmo da ñgura 2.12 exemplifica a operação de crossover parcialmente mapeado. O

valor max representa o comprimento da cadeia.
 15

Descl = Indl;
Desc2 = Ind2;
Gerar dois números aleatórios p 1 e p2 com 0 < p 1 < p2 S max
Para i = pl até p2 faça
Desc2 = Indl[ i ];
Descl = Ind2[ i ];
Figura 2.12: Algoritmo do PMX

2. 7.5 Mutação

A outra técnica de manipulação genética é a mutação, que consiste em trocar o bit de um

cromossomo numa posição aleatória por seu complemento. A mutação é aplicada com menos fre-
qüência que o crossover (geralmente 1 a cada 1000 indivíduos, ou segundo algtms autores, com
probabilidade l/l onde l é 0 comprimento da cadeia de bits do cromossomo).

1zzà.1|11o1z~=zgg›§fâzo o1o1|
D¢z¢.1|1 1 o 1 o o 1 o 1|
Figura 2.13: Mutação

A mutação é responsável pela exploração do espaço de busca e assegura que todos os

pontos do espaço possam ser pesquisados [l].

Assim como na técnica de crossover, a mutação também possui suas variantes quanto à
probabilidade e técnica. Existem propostas para se utilizar somente a seleção e mutação para a

evolução, denominada naíve evolution [l4].

Para os operadores genéticos de crossover, mutação e suas variantes, não existem estudos
que comprovem Luna configuração ideal a ser utilizada, pois experimentalmente, alguns métodos
são mais eficientes em determinadas situações, entretanto, mostram-se deficientes em outras.

2. 7. 6 Operador de Inversão

No operador de inversão, dois pontos são escolhidos aleatoriamente ao longo da cadeia e a

posição de cada bit compreendido entre esses dois pontos é invertida, conforme mostra a figura

2.14.

/
 16

1nà.1 |
1 1 1 o 1
|

D‹-=sc.1)1 1 1 ‹› 1|
Figura 2.14: Operador de inversão

O operador de inversão no entanto, embaralha os bits de maneira aleatória gerando um

cromossomo não somente com significado diferente mas também com uma avaliação diferente.
Assim, 0 método propõe uma indexação das posições dos bits a partir da qual é possível manter o
significado do cromossomo mesmo alterando a ordem de determinados bits, mantendo assim sua
avaliação. Geneticamente falando, o genótipo permanece inalterado uma vez que as características

do indivíduo (fenótipo) continuam inalteradas.

A restrição do uso do operador de inversão está em se comprometer com um índice para

cada indivíduo e também com efetuar operações de recombinação somente entre cromossomos de
mesma indexação. .. .

2.8 Reinserção

Uma vez selecionados e recombinados, os novos indivíduos podem ser avaliados e reinse-
ridos na população. Se o número de descendentes for menor que o número de indivíduos da popu-

lação, então é necessário que haja um critério para a substituição de antigos cromossomos pelos
novos.

O intervalo de geração [14] (do Inglês generation gap) é definido como a proporção dos
indivíduos da população que serão reinseridos a cada geração. Para a maioria das aplicações, o

valor l é atribuído ao intervalo, isto é, a população inteira é substituída a cada geração, entretanto,

a tendência mais recente tem favorecido o tipo de reposição estado estacionário (steady-state), que
utiliza um intervalo de baixo valor - tipicamente somente dois indivíduos são reinseridos a cada

geração.

Em alguns seres cujas vidas são curtas, como certas espécies de insetos, os pais morrem
antes mesmo da eclosão dos ovos, ou seja, morrem antes de sua descendência nascer. Entretanto,

em espécies de vida mais longa, como os mamíferos, os descendentes e seus genitores vivem con-
correntemente. Neste sentido, o estado estacionário parece ser mais favorável para uma represen-
tação similar àquela que ocorre na natureza no caso dos mamíferos.

Das inúmeras possibilidades de reinserção, pode-se destacar:

 1 7

O Reinserção pura - quando todos os indivíduos da população são substituídos, isto é, o

número de descendentes é igual ao número de indivíduos da população - generation
gap =
'

1;

O Reinserção elitista - quando a descendência substitui os individuos com menor avalia-

ção da população;

O Substituição dos pais - a descendência substitui os indivíduos da população atual que

os gerou;

Ó Substituição aleatória - a substituição é realizada aleatoriamente na população atual.

O Reinserção baseada na avaliação - quando se produz mais descendentes que o neces-

sário e se reinsere somente aqueles com melhor avaliação.

Para a reposição também não existem comprovações sobre o tipo de substituição ideal,

pois na prática, alguns métodos podem levar a convergência prematura em determinadas aplica-
ções, enquanto que o mesmo método para outras aplicações podem funcionar bem.

2.9 Critérios de parada

O critério de término do algoritmo pode ser a convergência da população. Entende-se

como convergência dos genes, quando uma certa percentagem, tipicamente 95% da população,
possui o mesmo valor para este gene. A população pode ser considerada convergida quando todos
os genes 'do cromossomo convergiram [l4].
` A

Pode-se ainda limitar o algoritmo pelo número de iterações ou tempo, entretanto estes dois
critérios podem trazer resultados insatisfatórios para o problema proposto.

2.10 Funcionamento
2.10.1 '

Hyperplanos e Hypercubos

A explicação mais comum e pioneira para o funcionamento dos Algoritmos Genéticos

provém dos trabalhos de John Holland [19] em 1975 com a publicação de seu livro “ Adaptation in
Natural and Artificial Systems”. Holland desenvolveu diversos argumentos para explicar como
um Algoritmo Genético pode resultar em uma busca complexa e robusta através da amostragem
das partições de um hyperplano em um espaço de busca.
 18

um problema codificado com 3 bits,

Considerando-se assume-se que esse espaço de di-

mensão 3 é representado por um cubo com a seqüência “ 000” na origem. Os vértices deste cubo
são rotulados por bits de maneira que dois vértices adjacentes se diferenciem somente por um bit
conforme mostra a figura 2.15.
\.

110 ~111

[NU AÍIII|IIIIINIIIII¡¡'|"

ll!!!Iäi¡IIIIIII|I|I'|"101
000 001

Figura 2.15: Cubo com vértices rotulados por bits

O plano frontal do cubo é constituído por todos os vértices do cubo que iniciam com “ 0”
“ *” “0” como “ 1”,
(000, 010, 011 e 001). Se o símbolo for utilizado para representar tanto tem-
se que o plano frontal pode ser representado pela cadeia especial “0**”. As cadeias que contém o

símbolo “ *” são denominadas conjunto de blocos (schemata). Cada bloco (schema) que pode ser
representado pelo conjunto corresponde a um hyperplano no espaço de busca.
A ordem dos blocos é o número de posições fixas (no alfabeto binário, os números 1 e 0),

presentes na cadeia, logo, uma cadeia “0**” possui ordem lenquanto que “ l“**1******0**" é

de ordem 3.

O comprimento definido (do inglês deƒiníng length) de um bloco é determinado pela dis-
tância entre a primeira e a última posição específica da cadeia [15]. O bloco “01l*1**” possui

um comprimento definido 4 porque a última posição específica é 5 e a primeira posição é 1, logo 5

- 1 = 4. No caso particular de um bloco “ 0******” o comprimento definido é 0, pois a primeira e
,

última posição especifica neste caso é a mesma.

Os pontos neste espaço de dimensao 3 sao cadeias ou conjunto de blocos de ordem 3. As

linhas no espaços, são indicadas por cadeias de ordem 2 e finalmente os planos, com conjunto de
blocos de ordem 1. O espaço completo é representado pelo bloco de ordem 0. -

Todo cromossomo pertence a 2L - l diferentes hyperplanos existentes no espaço de busca,

neste caso L= 3 (O Bloco de ordem 0 não é definido como uma partição do espaço [1]). Para o
 19

espaço de busca completo, podem ser definidas 3L - 1 partições de hyperplanos, onde para cada

posição, pode-se assumir um dos elementos { l; 0;

*
}, totalizando 3L combinações.

Uma cadeia de bits pertence a um determinado conjunto de blocos quando se consegue

chegar à esta cadeia a partir do conjunto de blocos substituindo-se o símbolo “*” pelo bit deter-

minado. De maneira geral, todas as cadeias de bits que pertencem a um conjunto de blocos especí-
fico estão contidas na partição do hyperplano representada por este conjunto de blocos.

Analisar cada cromossomo representante de um hyperplano no espaço de busca de manei-

ra isolada não agrega muita infonnação. Devido à esse fato, é que a noção de população se toma
uma característica importante para os Algoritmos Genéticos.

O paralelismo implícito se define do fato de que muitos hyperplanos são amostrados

quando uma cadeia de bits é avaliada. Pode ser admitido que muito mais hyperplanos são amostra-
dos que o número de cadeias contidas na população [l]. Muitos hyperplanos diferentes são avalia-
dos de maneira implicitamente paralela a cada vez que uma simples cadeia é avaliada e o efeito

acumulativo destas avaliações de pontos fornecem informações estatísticas sobre qualquer sub-
conjunto de hyperplanos.

Se esse resultado de dimensão 3 for generalizado para espaços de dimensões maiores onde
se deve abandonar o conceito geométrico e a noção tridimensional, os pontos, linhas e planos des-
critos pelo conjunto de blocos em três dimensões são generalizados para hyperplanos de ordens
variadas no espaço n-dimensional.

2.11 Implementação

A figura 2.16 mostra uma implementação do algoritmo descrito pelo fluxograma da figura
2.1. No Capítulo 3 e 4 serão estudados as implementações detalhadas do algoritmo.

Os operadores genéticos são aplicados com probabilidade pc e pm para o, crossover e mu-

tação respectivamente. Isso significa que existe a possibilidade que um par de indivíduos selecio-
nado não ser recombinado durante o ciclo.

O mecanismo de seleção e avaliação formam os elementos principais do algoritmo. Sem

essas operações, o algoritmo se resume simplesmente a uma tecnica aleatória de exploração do

espaço de busca.
 20

Criar População_Inicial Aleatoriamente;

-

População_Atual = População_Inicial;
Avaliar cada indivíduo da População_Atual;

Repita até que o Critério de fim seja satisfeito:

Enquanto matriz_transição < Número_Indivíduos_desejado faça:

Selecionar Indivíduos de População_Atual;

Realizar Crossover com probabilidade pc;

Realizar Mutação com probabilidade pm;
Reinserir descendentes em População_Atual;
Avaliar componente de População_Atual;

Fim V

_ .

Figura 2.16: Algoritmo do fiuxograma da figura 2.1

2.12 Implementações paralelas

"
2.12.1 Migração

A migração é também uma característica do comportamento natural dos indivíduos, pois

ocasionalmente pode haver uma migração de indivíduos para a população vizinha, seja por escas-
sez de recursos naturais ou por superpopulação.
\

No modelo de migração tem-se diversas subpopulações que evoluem de forma indepen-

dente uma um certo tempo de isolamento [17] ou número de iterações. Alcan-
das outras durante

çado este tempo de isolamento, um certo número de indivíduos “migra” de uma subpopulação
para outra segundo um esquema de migração que limita a diversidade genética e troca de informa-

ções entre as subpopulações.

A implementação paralela do modelo de migração aumenta a eficiência computacional e

reduz o número de avaliações necessárias se comparado com um algoritmo de uma população úni-

ca [l7]. Logo, mesmo para um computador monoprocessado, o desempenho do algoritmo pode ser
melhorado se implementado de fonna paralela (pseudo paralelismo).

A seleção dos indivíduos a serem migrados pode ser aleatória ou através da avaliação.

Para os esquemas de migração, existem diversas altemativas, entre elas:

0 Topologia completa (irrestrita) -todas as subpopulações migram seus indivíduos entre

si conforme a figura 2.17; .
 oäšíø
áõ

Figura 2.17: Migração completa

0 Topologia em anel - migração somente entre as subpopulações interligadas (ñgura

2.18).

Figura 2.18: Migração em anel

0 Topologia de migração por vizinhança (linear) - somente entre subpopulações vizi-

nhas. No exemplo da figura 2.19, a subpopulação 3 poderá migrar para as subpopula-

ções3e4.
'

®®
-

0
I""_""`_1""_'_'_`I

i__®___@ 9

Figura 2.19: Migração por vizinhança (linear)

2.13 Conclusão

A flexibilidade da aplicação dos Algoritmos Genéticos e sua estrutura relativamente sim-

ples pennite seu uso em diversas aplicações.
 22

Este trabalho aplica a técnica no projeto de máquinas elétricas de corrente contínua através

de uma função de avaliação que reúne os principais parâmetros da máquina. Muitas variações da
técnica de reprodução apresentadas neste capítulo não serão implementadas neste trabalho devido

ao tempo e também às inúmeras variaçoes que podem ser aplicadas.

O capítulo seguinte apresenta um breve estudo sobre a máquina de corrente contínua e su-
as equações básicas. A recordação de algumas destas equações serão de extrema importância na
modelagem da função de avaliação, que será vista no capítulo 3.
 23

3. PROJETO DE MÁQUINAS DE CORRENTE CONTÍNUA

3.1 Histórico

A máquina de corrente contínua foi um dos primeiros conversores eletromecânicos de

energia [20] construídos. Baseada nos conceitos de indução eletromagnética formulados por Mi-

chael Faraday em 1831, as máquinas de corrente contínua foram muito utilizadas durante o século

XX rinci almente no eríodo onde a corrente continua era a rinci P al forma de 8eraÇ ão de ener-
_

gia elétrica. 4

Com advento da corrente altemada como padrão na Europa (5OHz) e nos Estados Unidos
(6OHz) aliado a invenção do motor de indução a um custo de fabricação mais baixo, a máquina de
corrente contínua perdeu sua importância e foi sendo substituída gradativamente pela máquina
trifásica, exceto nas aplicações onde alguma característica exclusiva do motor cc (_ex.: tração) jus-

tificava sua utilização [20].

O avanço da eletrônicade potência, possibilitou que as máquinas de indução invadissem

ainda mais o espaço que antes era exclusivo das máquinas de corrente contínua. Entretanto, em
aplicações com potência e tensões elevadas, os semicondutores empregados nos inversores para as

máquinas de indução ainda tomam a substituição dos motores cc pelos motores ca mais onerosa
que a simples reposição desse tipo de máquina.

Embora as 'máquinas de corrente contínua tenham sido 'consideradas como condenadas ao

'

desuso nas últimas décadas, o fato é que ainda continuam sendo uma opção em algumas aplicações
específicas como em projetos de laminadores, bobinadeiras e gruas.

3.2 Características da Máquina de Corrente Contínua

A máquina de corrente contínua tem por característica uma ampla faixa de rotação, regu-
lação e dinâmica. Pode praticamente trabalhar em diversas rotações através do ajuste da tensão de
annadura ou excitação (enfraquecimento da armadura ou de campo) e sua velocidade se mantém
estável na rotação detenninada mesmo com variações de carga.

O alto conjugado do motor de corrente contínua na partida possibilita sua utilização em

aplicações como tração (Motor de corrente contínua com enrolamento série), contudo, os concei-
tos apresentados neste trabalho estão restritos às máquinas de corrente contínua com enrolamento
 24

independente, atualmente aplicados na indústria siderúrgica e de papel e celulose devido à sua fa-

cilidade de controle e ajuste de rotação.

A principal vantagem da máquina cc está em sua flexibilidade e versatilidade [21] e sua

desvantagem reside em sua viabilidade econômica se comparada com outros tipos de máquinas,

além da manutenção mais freqüente devido à utilização de escovas. É necessário observar no en-
tanto, que o avanço tecnológico perrnitiu que as máquinas de corrente alternada atualmente te-

nham uma grande versatilidade e flexibilidade, características obtidas através do controle dos mo-
demos inversores por um custo menor.

A teoria de funcionamento da máquina de corrente contínua pode ser encontrada em uma

vasta bibliografia pois sua intensiva utilização originou diversos estudos e pesquisas no início do

século XX [20,22]. As considerações feitas a seguir resumem as características da máquina, suas

partes construtivas e o princípio de funcionamento eletromagnético do motor.

"
3.3 Aspectos Construtivos

. As máquinas elétricas de uma maneira geral são padronizadas de acordo com a IEC (In-

ternational Electrotechnical Commission) pela a altura da ponta de eixo, isto é, a distância entre o
centro do eixo até a extremidade inferior onde se apoia o motor (base).

A IEC estabelece alturas de eixo padrão, por exemplo l32mm, l60mm e l80mm. Esse pa-
drão _é mais utilizado no continente europeu enquanto que _no continente americano, com exceção
de alguns países latinos, é comum se utilizar o padrão NEMA (National Electric Manufacturers
Association).

Os detalhes construtivos e dimensionais abordados neste trabalho estão relacionados com

as máquinas de padrão IEC com altura l32mm com excitação independente e refrigeração forçada
através de ventilador de corrente altemada independente.

Para fins didáticos, a máquina de corrente contínua pode ser dividida em duas partes dis-

tintas: a estática e a girante. A parte girante do motor de corrente contínua é constituida basica-

mente pelo rotor com os enrolamentos, eixo e comutador conforme mostrado na figura 3.1.

O rotor é composto de chapas de aço silício ranhuradas empilhadas na direção axial e são
laminadas para se reduzir as perdas por correntes parasitas [23]. Em potências elevadas, o rotor
possui um sistema de refrigeração radial com canais dispostos ao longo do pacote de chapas do

rotor.
 25

As chapas do rotor são prensadas por dois anéis que são presos ao eixo e podem ser fixa-

das ao longo do comprimento do eixo através da chaveta ou pelo processo de interferência. O dis-
co balanceador é fixado no eixo a uma pequena distância do anel dianteiro.

~_
Enrolamento
g Pacote
/de
Chapas

_
L ame as
I

gm
|
ll
.
,

7 fz/ "
'

.//,Zn

rllll
i

a zw; _,_=

_ ¬
¿š__
-

_ .¬ _- e
__ I
- f

E'

zá
-.zz
À \\. .
z
.

I
.z_.

›;z
`_.
z? _
.a
T. I

E¡×<›
\ Disco Balanceador
|

CBFIGÍS REÕÍBÍS
comutador

Figura 3.1: Rotor do motor de corrente contínua

As chapas do rotor possuem canais axiais de ventilação e são distribuídas de maneira a se

obter uma maior eficiência na ventilação sem comprometer a indução nas regiões entre os canais
conforme mostra a figura 3.3. O eixo geralmente é composto de aço maciço e nos motores de po-
tência elevada, por ele pode existir circulação de correntes induzidas pela espira fonnada pelos
enrolamentos em série com as bobinas do rotor.

D en es
t
\ I
\ 1
I
\ /
` '
~ -

\\`\,\-\' !

'¡-/_/`/.// _
\.
.// 'Q áí
'
. . . .
Q\
\_\×. 'Q
%@
.
_ _

ea
'

ÍÉEE- --IEÊ:
fg/8

â-za

/1:1 -If Q.
/
®
>¡‹

× `\\
. .

¨
/ta'

.
'

/` Ranhuras \<%'
//. . .\`\_
«é
_

`
/ /-' I 1
\. `-\
l
i |
\
Canais de refri geração

Figura 3.2: Detalhes da chapa do rotor (para fio circular e retangular)

Eventualmente, o pacote de chapas pode se apresentar com as ranhuras inclinadas (através

da chaveta do eixo) para se evitar o efeito de ruído magnético no motor.

O rotor da máquina cc desempenha quatro funções [24] principais:

0 Realiza a ação motora mecânica através da rotação;

 26

0 Permite o chaveamento necessário para a comutação através da rotação;

0 Aloja os condutores responsáveis pelo torque eletromagnéticog

0 Providencia uma faixa de baixa relutância para o fluxo.

A qualidade do aço utilizado nas chapas do rotor influencia no projeto em consideração às

perdas por histerese. O enrolamento do rotor é constituído de condutores isolados de fonna retan-
gular ou circular, este é utilizado geralmente em máquinas de baixa potência enquanto aquele se
destina a máquinas maiores, geralmente com altura de ponta de eixo superior a l80mm. Os con-
dutores estão interligados às barras do comutador através de chapas de cobre ou são soldados nas

próprias barras.

O comutador é responsável pela transferência de energia para o enrolamento do rotor (en-

rolamento da armadura) e é composto por barras de cobre isoladas do eixo e entre si, geralmente
por mica. Seu diâmetro depende do número de lamelas e de suas respectivas dimensões. Pela su-
perficie do comutador, apoiam-se escovas de carvão que fazem o contato elétrico.

As considerações de projeto para o comutador vão além da simples função de suporte elé-

trico para os enrolamentos, devem ser estudadas também as perdas com a queda de tensão e atrito

das escovas e sua velocidade periférica, bem como a superfície necessária para dissipação térmica
devido às perdas.

A parte fixa do motor é composta pela carcaça ou estator, porta-escovas, pólos e enrola-
mentos. O Estator ou carcaça é composto por chapas segmentadas e laminadas prensadas em suas
H

extremidades pelas tampas dianteira e traseira conforme a figura 3.3.

Enr0|am9m° de Campo Enrolamento de Compensação

V///nl//1
_\;\\I\\\

Iš s\,

`“
É
`
\\*""`§

n
+
l
za-
/ \J
,.,,..,.....,,

r-¬-

'
-u_

_
-I
Ó

Estator

Tampa dianteira Taml; Ífflsfiiffi

FigLn'a 3.3: Estator de chapas laminadas

 27

Algumas máquinas de baixa potência apresentam o estator de aço maciço e podem obede-
cer a uma geometria circular, entretanto, as máquinas mais modernas utilizam a carcaça com as

chapas laminadas e uma geometria octogonal onde se obtém um maior espaço interno para aco-
modação dos enrolamentos e uma menor perda no ferro.

Além de suporte mecânico, a carcaça também é responsável pelo retomo do fluxo para o
circuito magnético criado pelos pólos [24].

O núcleo do pólo de excitação é constituído de chapas de aço laminadas e envolto pelo en-
rolamento de excitação, responsável pela geração do fluxo principal. Algumas máquinas podem
ter ranhuras nas extremidades do pólo de excitação para acomodação das espiras de compensação.

A sapata polar neste pólo é expandida de forma a espalhar o fluxo mais uniformemente pelo rotor
como pode ser observado na figura 3.4.

Os pólos de comutação ou auxiliares também são compostos por chapas de aço laminadas

envolvidas pelo enrolamento de comutação (interligado em série com o enrolamento da armadura).

O objetivo deste pólo é compensar o efeito de reação da armadura na região interpolar como será
visto nas seções seguintes.

O enrolamento de compensação é opcional [24] e nas máquinas de baixa potência está au-
sente devido ao custo. Está localizado sob os pólos principais e seu objetivo é compensar o efeito

de reação da armadura em toda periferia do rotor.

í
Os pólos de excitação e comutação geralmente são parafilsados enquanto que o estator é

soldado nos lados, quando não é maciço. Os pólos são fixados no estator através de parafusos.

¡.i_
/f__l __
¡”
Enrolamento de Comutação

/ ×\ \\\\ lll//,,
xiš/
_
íà í.
` f Enrolamento principal
-_
l Pólo principal `
\\\
< `~à.=.-âããía

=_

``` _
, I/Í l ll \\
\ ólo de comuiaçào

Estator
”

Figura 3.4: Corte Longitudinal do estator

 28

Os porta-escovas numa régua situada paralelamente ao comutador e servem de

são fixados

suporte para as escovas. Através de molas, os porta-escovas mantêm as escovas com uma pressão

constante sobre as lamelas do comutador.

As réguas suporte dos porta-escovas são presas à um anel e devem ser eqüidistantes e dis-
postas simetricamente ao longo da periferia do comutador (em quadratura), conforme mostra a
figura 3.5 para uma máquina com 4 pólos.
'_ ._
~

Porta Escovas

l~
nnnnng
érxxzzxiua..I
na
faz.:
.;¿2'::::-.';:`.-
=*
I
, ,í
\_l_êí|[I}

:
__ __
5 LH; Lllj ill; -
dl: :Éh
r išn: ,1.r.I.r¬ rflfll v\.I.¬\
I1=
.i.
(IMO)
:V

ruim

|.=f H
"11-i'\'.» al: 1."J L
¿›'\'.›-

r-1 %-: f-:

li- U1 E3" IQ.
fã _1_
,,_,
to

*-
II II II II II II

Figura 3.5 Réguas de suporte do porta escova e anel

:

A diferença de pressão entre as escovas pode originar uma assimetria nas correntes levan-
do a máquina a uma comutação insatisfatória. De maneira ideal, as correntes deveriam ser distri-

buídas igualmente entre as escovas, entretanto, na prática, se aceita uma variação de até 10% entre

as correntes, sem um prejuízo significativo para a comutação.

3.4 Princípios de funcionamento

3.4.1 Dados Características

O dimensionamento do motor cc exige o conhecimento da carga bem como o acionamento

existente ou previsto. Para se desenvolver o projeto da máquina é necessário se observar os se-

guintes dados característicos:

0 Potência Nominal;

0 Rotação Nominal e Máxima;

0 Elevação de temperatura;

0 Tipo de refrigeração;

0 Tensão de armadura e excitação;

 29

0 Regime de serviço;

A potência nominal, as rotações e o regime de serviço estão relacionados diretamente com

as necessidades da aplicação, enquanto que as tensões, elevação de temperatura e refrigeração es-

tão relacionadas ao acionamento e ao ambiente.

A elevação de temperatura de uma máquina elétrica está relacionada com a sua classe de
isolamento. A norma NBR 5116 define as classes de isolamento e seus respectivos limites de tem-

peratura.

Classe de isolamento
Temperatura [ °C ]

Tabela 3.1: Classes de isolamento e respectivas elevações de temperatura

Embora a elevação de temperatura seja padronizada, na prática é difícil de se medir a tem-

peratura dos enrolamentos do motor pois esta varia ao longo de seu comprimento de ponto para

ponto. O método mais utilizado para se obter a temperatura dos enrolamentos é através da variação
de resistência dos condutores, isto é, uma comparação da' resistência a frio e a quente (temperatura
após o motor estar estabilizado terrnicamente).

O tipo de refrigeração do motor interfere diretamente em seu dimensionamento. Em ter-

mos práticos, existem os seguintes tipos de motor segundo sua refrigeração:
0 Fechado (sem refiigeração);
0 Ventilação forçada (ventilador independente);
0 Dutos;
0 Fechado com trocador de calor ar-ar;
0 Fechado com trocador de calor ar-água;
0 Auto-ventilado;
0 Fechado com ventilação no eixo;

Os motores fechados, com ou sem ventilação, são aplicados geralmente em ambientes

poluídos, isto é, com presença de partículas suspensas prejudiciais ao funcionamento do motor,

entretanto deve-se considerar a disponibilidade de tensão para alimentação dos motores da ventila-

ção e também da água, no caso do trocador de calor ar-água. Os motores fechados são aplicados
em indústrias siderúrgicas e gruas em ambientes marinizados como portos e navios.
O regime de serviço de um motor varia de acordo com sua aplicação, contudo, o aspecto
mais importante que se deve estudar neste caso é a máxima sobrecarga dentro do ciclo de trabalho

e a potência equivalente em regime contínuo. São nestas condições térmicas que o motor deve ser
projetado e considerado.
 30

3.4.2 Considerações Gerais

O motor de corrente contínua apresenta características construtivas similares as do gerador

de corrente contínua (dínamo), diferindo somente pela forma de aplicação [25]. Assim, as aborda-
gens realizadas para a análise do motor cc também serão válidas para os geradores cc e vice-versa.

O motor de corrente continua é baseado nas forças resultantes da interação entre o campo
principal e a corrente que circula nos condutores da armadura. A figura 3.6 mostra o comporta-
mento de uma espira percorrida por uma corrente i, sendo cortado um fluxo ¢ gerando uma força
cuja direção é determinada pela regra da mão direita.

O
I 1-II

Figura 3.6: Esquema de funcionamento da máquina cc

Na posição perpendicular a A-B, a corrente no condutor é invertida para que as forças re-

sultantes sob a espira estejam numa única direção conforme o sentido de giro do motor. Essa in-

versão de corrente é obtida através do comutador que provê a inversão dos terminais que fazem o

contato com as escovas.

Num motor real, várias espiras sob o efeito mencionado são alocadas geometricamente de-
fasadas num cilindro ranhurado (ou rotor) imerso em um campo magnético. Assim, a força resul-
tante será a somatória de forças produzidas por cada espira do rotor.

No funcionamento como gerador, ao se aplicar uma força que gire o eixo da máquina a
uma rotação co, produz-se através da interação do movimento do condutor com o fluxo uma tensão
induzida nos terminais da espira. No caso de um par de pólos, a cada volta da espira, obtém-se um
ciclo completo da tensão gerada. De maneira geral, para uma máquina com n pólos, a freqüência

da tensão induzida e pode ser detenninada por:

 31

Onde:
f= % *
[Hz] (3.1
.

p: Número de par de pólos

n: Rotação em rpm

Considerando ainda a mesma espira em rotação da figura 3.6, pode-se descrever a variação
do fluxo no tempo por:

¢ = ¢,, .cos(a›1) = B.A.cos(co1) ( 3.2 )

Onde:

¢: Fluxo instantâneo

¢,,: Fluxo nominal

B: Indução em T
A: Área _

co: Velocidade angular

Portanto o valor da tensão num instante t pode ser obtida através da expressao.

e=Em.sen(w1) (3.3)
Onde:
e: Tensão instantânea

Emax: Tensão máxima

Embora a onda descrita pela equação ( 3.3 ) tenha uma forma de onda senoidal, a inversão

de polaridade dos terminais da espira através do comutador retifica a onda de maneira que, nos
terminais de um rotor real, isto é, com diversas espiras, a forma de onda é praticamente contínua.

e 8

==â.
ië :~
.asóië\:fã\øië ië ii\›'\¡‹¡ ~

-=.=.â
I;

sn
\¡ \ø
I
yu D Ê: \\
g

.t
~:
-M -\
--_`› .

- :E
-¬._`_

« -._
.4-"'

-.-_
110.'

.4-'
.-II.,

-.__ -4-"

.-..
zm'

Figura 3.7: Forma de onda retificada para 1 espira e n espiras

O valor médio da tensão Emed nos terminais da escova num rotor com N condutores pode
ser obtida pela seguinte equação:
 32

EM, = %.fco.N.¢.sen(a›1)d(a›1) = %.a›.N.¢ ( 3,4 )

Onde:
N: Número de espiras
Emed: Tensão média

Substituindo-se na equação ( 3.4 ) a variável os em rad/s por n em rpm, para uma máquina
com p pólos tem-se:

Em,d = 2. P .N.¢ .l ( 3_5 )

60

Logo, sendo a o número de circuitos paralelos do enrolamento da armadura:

Z
N = _“
2.a
( 3.6 ) e E med = #-
Z .p.¢.n
a.60
( 3.7 )

Onde:
Za: número total de condutores da armadura

a: número de par vias paralelas da armadura

Z
C= como sendo:
.

Admitindo que "Tí pode-se reescrever a equação

, ( 3.7 )
a.

EM, = C.¢.n ( 3.8)

Conclui-se portanto pela equação ( 3.8 ), que a tensão média induzida nos terminais da
armadura é dependente do fluxo de excitação e da velocidade do rotor.

No caso de um motor, a tensão E é defmida como a tensão Uz fornecida pelo conversor

menos a queda de tensão provocada pela própria resistência do enrolamento, assim pode-se defi-
nir:

E=Ua-Raja (3.9)

Onde:
Ua: Tensão de armadura
Ra: Resistência da armadura
Ia: Corrente da armadura

Assim, substituindo-se ( 3.9 ) em ( 3.8 ), para o motor tem-se a seguinte equação:

 33

n_U,-R,,.1,,
(310)
c¢
'

A equação ( 3.7 ) é a equação básica de projeto das máquinas de corrente continua. Atra-

vés dessa equação é possível analisar o comportamento da máquina em regime permanente e tra-

çar as curvas características de conjugado e potência.

3.4.3 Curva de Conjugado e Potência

Observando a equação ( 3.10 ), é possível concluir que a rotação do motor pode ser alte-

rada através da variação da tensão da armadura (Ua) com o campo constante ou pela variação do

fluxo (¢), com tensão de armadura constante.

O comportamento das curvas de conjugado e potência pode ser observado pela figura 3.8.
Na variação da tensão da armadura com excitação constante, o torque da máquina permanece

constante desde a rotação mínima até a nominal (linha contínua) e a potência aumenta proporcio-
nalmente à rotação (linha pontilhada).

Na faixa de controle pelo campo, também conhecido como enfraquecimento de campo, a

potência permanece constante enquanto o torque é reduzido de maneira inversamente proporcional

à rotação.

Uma análise apurada da equação ( 3.9 ) pennite observar que no caso da ausência de fluxo
com o motor em funcionamento, a rotação da máquina tende ao infmito, portanto, é necessário que
haja uma previsão de segurança para o desarme do sistema em caso de falha na alimentação do
enrolamento principal, pois na prática, o motor tende a disparar sua velocidade além de seu limite
mecânico na ausência de excitação.

É importante observar pelo gráfico da figura 3.8 que o motor pode trabalhar em qualquer
faixa de rotação variando a tensão da armadura até a nominal e então reduzindo a tensão de campo
até a rotação máxima.
 34

CARACTERISTICAS DE MAQUINAS CC
Rotação Nominal: 2000 rpm I Rotação Máxima: 2600 rpm

1.2000 _

1.0000 _ . . . . . . . . . . . . ._
›
1

É
->

._ o.aooo _
.-

"pu

I
ugado

.__ ‹ f

š
Con

f
Potencia.

.°
.
I

0.2000 ‹ -¢

1
'
'
o.oooo - ~ - - -

í
-
z

o soo 1ooo 1500 zooo 2500 :ooo

>
R°*=¢20 (mm) ~>

Coniugado .... . . Potência

Figura 3.8: Curva de Conjugado e Potência

3.4.4 0 efeito de reação da armadura

Para analisar o efeito de reação da armadura, pode-se recorrer ao principio da sobreposi-

ção analisando-se o campo principal da máquina de maneira independente daquele gerado pelos
condutores da armadura [23].

%
\
‹'

§\ .Li

É Ê ¡
U | u
à `
-I

á,
z,
\ø

"
,-

` - ~...
._` \
_~1.'»

t'

.nn , '---
~

~_-z
-

`_-~,:`_, zé
_-_
_.'

-_

..
f_
o
5:1:-\" WP
-" I
\O
:¬'\`è

. "'
'.:'~,
;;-__'

I
'-'-:z If _
.
°
,_\

__

'if I- Ú' ú
u“._
' 2Q É
li'
.»4._`\°z.,,.f/,',_-

zn9, _

Q .. ,
-"I' flu..
"'
".5'f .;.-
'.`›:=:...:~

,,,._f¡_

'
,___

..l,‹~
`_,¢

/-2::
-_

5
\¢

.x ¬
"
.gif

V'

,
.×~í~;~r-
`_¢.
'

' _/ _.

ša
._

- Í/`
: *` I, 5;),f g

-_

Figura 3.9a: Campo em vazio 3.9b: Campo Magnético erado pela armadura

A figura 3.9a mostra o fluxo principal de uma máquina com funcionamento a vazio. Neste
caso o fluxo é simétrico ao eixo dos pólos e existe somente a força magnetomotriz relativa ao

campo principal atuando sobre o rotor.

 35

Na figura 3 . 9b o campo é produzido pela corrente que circula pelos condutores da arma-
,

dura, estando as escovas na linha neutra geome'trica e a máquina sem excitação. Nesta conñgura-
ção, o campo ger ado pelas espiras formam de dois po'l o s distintos sob os pó l o s principais.

Í] Ê”'

`<] Ê?2mwmmhHHd

H Inmmw Cmmwnàamún
~.
F _---_\
'¬-`._

z""

I
1
_--"

`~.
,z

Swatflhwuhmd

Figura 3 10' Distribuição espacial do fluxo prin cipal

_ .

Numa máquina em carga, o fluxo magnético é aquele resultante do fluxo principal e o

produzido pelos condutores da annadura. A força magnetomotriz induzida pela armadura sobre a
força magnetomotriz principal é denominada reação da armadura e possui uma influência signifi-
cativa sobre a distribuição espacial do fluxo no entreferro como pode ser observado na figura 3.10.

O efeito de reação da armadura pode ser compensado através do enrolamento de compen-

sação, alocado na periferia da sapata polar do pólo principal conforme demonstrado na figura 3.4
na região coberta pelo fluxo principal. O enrolamento, interligado em série com o enrolamento do
rotor, gera um fluxo oposto ao provocado pela reação da armadura, reduzindo assim o efeito da

reação sob a distribuição espacial do fluxo.

O enrolamento de comutação é responsável por possibilitar o reposicionamento das esco-

vas na posição neutra geométrica através da geração de um fluxo auxiliar contrário e de mesma
intensidade do provocado para a distorção do campo principal, reduzindo assim a reação de arma-
dura na região interpolar (entre os pólos principais).

3.4.5 Comutação

A comutação é o conjunto de fenômenos relacionados com a variação de corrente nos

condutores da armadura [23] quando são curto-circuitados pelas escovas. Uma boa comutação é
usualmente caracterizada pela ausência de faíscas durante a passagem da escova de uma lamela
para outra.
 36

Pela ñgura 3.6 e pela equação ( 3.3 ) pode-se concluir que o fluxo que atravessa uma espi-
ra é máximo quando a espira está num plano perpendicular ao campo gerado e nesta posição, a

tensão gerada nos terminais da espira é nula. Esta posição é denominada de zona neutra e é nesta

posição que as escovas devem estar colocadas a fim de se evitar faíscas na comutação pois nesta
posição, teoricamente não há corrente.

O faiscamento na comutação produz o enegrecimento, corrosão e desgaste destrutivo do

comutador e das escovas [21]. As faíscas durante o processo de comutação, podem ter origem elé-

trica ou mecânica, esta devido à ovalização e defeitos na superficie de arraste das escovas e aquela

devido ao desajuste da zona neutra ou assimetria magnética de ordem prática construtiva. Muitos
estudos foram realizados para a melhorar a comutação das máquinas de corrente contínua, princi-

palmente técnicas para se minimizar a tensão de reatância [26-28].

3.5 Especificação eletromagnética da Máquina de corrente contínua

3.5.1 Análise eletromagnética

A análise do projeto eletromagnético da máquina considera a geometria e a qualidade das

chapas de aço que são empregadas em sua construção.
As perdas no ferro constituem em certas ocasiões uma das principais fontes de perdas da
máquina além das perdas Joule nos enrolamentos, fato pelo qual, existe uma preocupação especial

na qualidade das chapas de aço e em sua laminação para redução das perdas parasitas.
Um ponto importante dentro do contexto do projeto magnético da máquina é a análise do
fluxo e do comportamento das induções nas diversas partes do circuito. Atualmente, a análise mais
comum é realizada através do método de elementos finitos.

Figura 3.11: Análise por elementos finitos

A figura 3.11 ilustra o comportamento do fluxo em um quarto de um motor de corrente

contínua de quatro pólos analisado através do método de elementos finitos. A análise deste primei-
 37

ro quadrante é suficiente para uma conclusão a respeito dos fluxos e induções, pois os demais qua-
drantes são similares a este primeiro.

A figura da esquerda ilustra as linhas de fluxo geradas pelo enrolamento principal da má-
quina, enquanto que a ñgura da direita ilustra, através de diferentes de tonalidades, o valor das in-

duções nas diversas regiões da máquina. ^

A análise do projeto através deste método possibilita estudar a saturação magnética da

máquina, ou seja, verificar quais pontos possuem uma indução muito elevada que poderia causar
um distúrbio no comportamento do motor.

3.5.2 Considerações para o cálculo das grandezas elétricas

Será admitido para os cálculo das grandezas elétricas, um motor hipotético, cuja geometria
está pré-definida dentro dos parâmetros reais de construção.

O estator será constituído de chapas laminadas juntamente com os pólos principais e auxi-
liares (comutação). A chapa do rotor será considerada como sendo aço silício laminada com fator

de empacotamento kFE = 0.97, que significa que o comprimento real após a prensagem é de 97%
do comprimento calculado pela multiplicação do número de chapas pela sua espessura.

3.5.3 Cálculo das grandezas do enrolamento principal

Como o enrolamento principal da máquina de corrente contínua de excitação independente

é separado dos demais enrolamentos, pode-se iniciar o projeto da máquina através da estimativa do
fluxo e elevação de 'temperatu`ra`deste enrolamento.

A resistência do enrolamento de excitação corrigida para a temperatura de trabalho pode

ser calculada por:

255 + ATex”
R ... = ›i1
Q
l Ma,
* 3.11
‹ ‹ ›
58,,Am*pppe2 255

Onde:

Rexc: Resistência do enrolamento

Aexc: Seção transversal do condutor do enrolamento

ppe: Número de pólos em paralelo

lmtaz: Comprimento total do enrolamento

ATexc: Elevação de temperatura do enrolamento

 38

Assim, a densidade de corrente de excitação Sexc é determinada por:

J
U
=-.+”'°- A/ 2

Onde:

Jexc: Densidade de corrente no condutor

Uexc: Tensão de excitação

Determinado o diâmetro do condutor do enrolamento independente da excitação segundo a

temperatura alcançada, pode se calcular a potência de excitação ( 3.13 ) e a - Força Mag-
netomotriz ( 3.14 ) gerada pelo enrolamento.

Pm =1;c*Rm [W] (3.13)

He = 2 *(Espíras/Pól0)*i°- [ A.espiras] ( 3.14 )

P176

Onde:

Pexc: Potência de excitação

Iexc: Corrente de excitação

69€: Força Magnetomotriz da excitação (ƒÍm.m.exc¡¡açã0)

Espiras/Pólo: Número de espiras por pólo

3.5.4 Força Eletromotriz (fle.m.)

Para o caso de uma máquina de corrente contínua funcionando como gerador, tem-se:

f.e.m=UA~AU [V] (3.15)

Onde:

UA: Tensao de armadura nominal `

AU: Queda de tensão do circuito da armadura

Se a máquina funcionar como motor então tem-se:

f.e.m=UA+AU [V] (3.16)

E a queda de tensão do circuito da armadura é obtida através da equação:

 39

AU=IA.(RAq+RCm)+AUESc [V] (3.17)

Onde:

RAq: Resistência quente do enrolamento da armadura

Rcm: Resistência quente do enrolamento da comutação .t

IA: Corrente de armadura

AUESC: Queda de tensão nas escovas

3.5.5 Cálculo da rotação nominal

A rotação nominal do motor de corrente contínua é determinada por:

_ (f.e.m.).a
[rpm] (3.18)
n-ez?-p.¢A

Onde:

p: Número de pares de pólos

ZA: Número total de condutores da armadura

a: Número de circuitos paralelos na armadura

¢A: Fluxo na armadura

3.5.6 Cálculo do número de escovas por suporte _

O número de escovas a ser utilizado é obtido em função da corrente de armadura IA. As-
sim, a equação ( 3.19 ) pode ser utilizada para se obter o número aproximado de escovas necessá-
por suporte:

-i-
rias

ns = (3.19)
de.p.(ta).(a.x)

Onde:

de: Densidade de corrente nominal da escova

ta: Medida tangencial da escova

ax: Medida axial da escova

O comprimento do comutador é proporcional ao número de escovas por suporte mais o

espaço deixado livre para dissipação de calor no comutador.
 40

A densidade de corrente admitida para as escovas das máquinas de altura de ponta de eixo
inferior a l60mm é de aproximadamente 8.5 A/cmz.

A mesma equação ( 3.19 ) rearranjada pode ser utilizada para se prever a densidade de cor-
rente da escova quando o motor opera em suas condições nominais: '

_ IA
de (320)
ns. p.(ta).(ax)

3.5. 7 Perdas do comutador

As perdas no comutador, conforme descrito na seção 3.3, são compostas pelas perdas me-
cânicas e elétricas. As perdas mecânicas se referem às perdas por atrito e podem ser determinadas
por uma constante Kmac que inclui o coeficiente de atrito e a pressão das molas.
Assim, pode-se prever as perdas do comutador por:

P AU .1--
PCOM zi-Elf-A-[W/óm2] (321)
A COM
Onde:

P¿-om: Perdas no comutador

Acom: Área superficial do comutador

Pa¡: Perdas mecânicas na escova

As perdas mecânicas na escova são obtidas em função da rotação que se deseja calcular as
perdas, logo:

Pa, = Km .(ta).(ax).(2.p).(ns).vp [W] ( 3.22 )

Onde:

vp: Velocidade periférica do comutador

3.5.8 Determinação da tensão de reatância

Por definição, a tensão de reatância é responsável pelo aparecimento de faíscas durante 0

processo de comutação e pode ser calculado [20] pela equação ( 3.23 ).

er = L R * dz _ ( 3.23 )

Onde:
 41

LR: Coeficiente de auto-indução

Desenvolvendo-se a equação ( 3.23 ) e o coeficiente de Pichelmayerš a tensão de reatân-

cia pode ser calculada [23] por:

e,=2*wL*VAN*AS*§*L,.d (324)
Onde:

WL: Número de espiras por lamela

VA N: Velocidade periférica da armadura

L,-d: Comprimento ideal da armadura

§: Coeficiente de Pichelmayer

AS: Carga Perzférica da armadura ~

E a tensao de reatância máxima:

nf
1as b * --
_ * -°~
emáx-e, (3.25)
Ia nn

Onde:

Iasob: Corrente de sobrecarga

3.5.9 Determinação da tensão entre lamelas

A tensão entre lamelas para as condições nominais da máquina é deterrninada pela equa-
ção 26.
'

*2*
eL=a-Q?-Â (326)
L

E a tensão máxima entre lamelas é obtida através da equação ( 3.27 ).

eLlflflx . =eL*Êfl¢*- (3.27)

Onde:

Bmáx: Indução máxima no entreferro

BL: Indução no entreferro

 42

3. 5.10 Rendimento

O rendimento é calculado nc através da potência útil e do somatório de perdas da máqui-

na. Para um motor, o rendimento, por definição pode ser obtido através da equação ( 3.28 ).

Pal* 100
=-"-
17. (3-23)
Pl

Onde: H

P...-z
= U. *I. -ZPerd.as (129)

3.5.11 Indução no entreferro

A indução no entreferro é calculada baseado na sua seção magnética e no fluxo nominal

gerado pelo pólo principal, assim:

~_
,

Bentreƒerro
=
P
¢ares

zuzzzl
()
Onde:

bp: Arco polar

Lid: Comprimento ideal da armadura

3.5.12 Indução nos dentes da armadura

A indução nos dentes da armadura pode ser calculada pela equação ( 3.31 ).

B "*"'* (331,
`

z,,*N*bp*1,,*o.97

3.5.13 Indução na armadura

O cálculo da indução na coroa da armadura é realizado segundo a equação ( 3.32 ).

¢“
Bm.. = (332)
4*D.
D,--.Ê-'-2o*h, *1,,*o.97

Onde:
Da: Diâmetro extemo da armadura
Di: Diâmetro interno da armadura
 43

hn: Altura da ranhura

la: Comprimento da armadura

3.5.14 Indução no pólo

A indução no pólo de excitação é calculado pela equação ( 3.33 ).

B.*'°'°
=_-L_-
¢
b,,,,*1,,*o.9s
(333)
_

Onde:

¢a: Fluxo na armadura em mWb

Bpólo: Indução no pólo em T
bhp: Largura do pólo em mm
lid: Comprimento ideal da armadura em mm

3.6 Conclusao

Este capítulo fez uma breve introdução às equações básicas da máquina de corrente contí-
nua mostrando seus principais aspectos. Estas equações serão úteis na especificação da função de
avaliação. Embora as equações intermediárias ou secundárias (de menos importância) não sejam
apresentadas neste capítulo, foram estudadas e consideradas neste trabalho. Estas equações de me-

nos importância foram omitidas devido à sua simplicidade pouca influência para a função de ava-
E

liação.
'

No capítulo seguinte, será apresentado a fonna de implementação das funções dos Algo-

ritmos Genéticos utilizados neste trabalho. No capítulo 4, estas funções serão implementadas com
base nas equações estudadas neste capítulo.

Q
 44

4. IMPLEMENTAÇÃO DAS FUNÇÕES Do ALGORITMO

As' rotinas referentes ao fluxograma da figura 2.1 .do primeiro capítulo serão detalhadas e

implementadas em linguagem Matlabl neste capítulo. Como as rotinas implementadas são genéri-

cas e independentes, tomam-se disponíveis para outras aplicações em que se queira empregar o
método de Algoritmos Genéticos.

4.1 Função de Geração

A população inicial é gerada de forma aleatória. A função de geração da população pode

ser observada na ñgura 4.1. _

As variáveis de entrada são numero_individuos e comprimento que representam respecti-

vamente o número de indivíduos a ser gerado e o comprimento da cadeia de bits que representa
cada um dos indivíduos. A função aleatória é propiciada pela função rand e pela variável s que
recebe um número aleatório entre O e 1.

function geracao = generate( numero_individuos, comprimento )

for i = 1 : numero__individuos,
for j = 1 : comprimento,
g

s = rand(l);
if s > 0.5,
p<›p( )
= 0;
i,J`

else
P<›p( 1,1'
)
= 1;
end
end
end

geracao = pop;

% End of function geracao

Figura 4.1: Função de geração da população

1
Matlab versão 4.1
 45

4.2 Função de Crossover

A função de crossover de pontos múltiplos pode ser observada na figura 4.2. As variáveis
de entrada individuo] e individuo2 se referem aos dois indivíduos a serem recombinados. A variá-
vel numero_pontos é o número de pontos do crossover e prob é a probabilidade (de O a 1) da re-

combinação ocorrer. .

function recombinar = crossover( individuol individuo2, numero_pontos, prob

,
)

temp = rand(l);
if temp < prob
= length( individuol
A

len );

% Rotina para definicao dos pontos de crossover

P = 0; ~

for i = l : numero_pontos,
A
pontos(i) = round( rand(l)*(len-p) + p );
while or ( ( pontos(i)>(len-1 ) ),( pontos(i)<l) )
pontos(i) = round( rand(l)*(len-p) + p );
end
p = pontos(i);
end

% Xover
for k= numero _pontos
1 :

subpopl( l:pontos(k)-1 )= individuol( l:pontos(k)-1 );

subpopl( pontos(k):len )= individuo2( pontos(k):len );
subpop2( l:pontos(k)-1 )= individuo2( l:pontos(k)-1
_
); .

subpop2( pontos(k):len )= individuo1( pontos(k):len );

individuol = subpopl;
individuo2 = subpop2;
end
recombinar(l = individuo 1;
, :)

recombinar(2,:) = individuo2;
else
recombinar( 1 , :)
= individuol ;

recombinar(2,:) = individuo2;
end -

Figura 4.2: Função de crossover de pontos múltiplos

A rotina descrita na figura 4.2 pode ser dividida em duas partes distintas. A primeira tem a
função de se escolher aleatoriamenteos pontos em que os individuos serão recombinados. A se-
gunda parte realiza a operação de crossover segundo os pontos estabelecidos anteriormente.
4.3 Função de Mutação

A rotina de mutação tem como parâmetros de entrada a vanavel individuo, que se refere
ao individuo em que se deseja realizar o processo de mutação, mut_pontos que se refere ao numero
`
d e pontos de mutaçao ( usual mente 1 ) e mut_pro b que é, assim como na rotina de crossover, a

probabilidade de ocorrer a mutação.

function muta cao = mutation( individuo, mut_pontos, mut_prob )

l= length( individuo );
sorteio = rand (1);
if ( sorteio < mut_prob)
for k = l mut_pontos,:

pontos( k) = round( 'rand(l)*(l-1) + 1 );

end
for k= l : mut_pontos,.
indivi duo( pontos( k ) ) = bitcmp( individuo( pontos( k ) ) 1)
end
end
mutacao = individuo;
Figura 4.3: Função de mutação

4.4 Funções de seleção

A"d1`dld`l
4.4.1 Seleção da roleta

tecnica e se eçao a ro eta po e ser imp ementada conforme mostra a figura 4 4 e tem
como único parâmetro de entrada a variável Nota que deve conter a matriz cujo elementos repre-
sentem as notas das avaliações de cada um dos indivíduos.

A matriz Nota deve respeitar a posiçao

"
de cada elemento pois a saida da funçao e a p -

ção do indivíduo escolhido na matriz.

function selec ao = selecionar( Nota )

soma = sum( Nota );
for k = l siz e(Nota)
:

fP( 1< ) = N ota(k)/ soma;

end
ps = rand(l);
indice = rp( l );

if ps < indice
selecao = 1 7

else
 47

for i
=2
size(Nota)
~:

indice = indice + rp( i );

if ps <= indice
selecao = i;
break;
end
end
end

Figura 4.4: Rotina de seleção da roleta

4.4.2 Método de seleção pelo Rank

`

No método de seleção pelo Rank, os individuos devem ter os espaços da roleta proporcio-
nais às suas ordenações dentro da matriz de notas. A implementação deste método pode ser obser-
vada na ñgura 4.5.

function selrank = selecao__rank( nota )

[ notas, ordenado ]
= sort( nota );
tamanho = size( nota, 2 );

vetor = l:tamanho;

selrank = ordenado ( selecao( vetor( :

) ) );

Figura 4.5 Método de seleção pelo

: Rank

De maneira análoga ao método de seleção da roleta, a única variável de entrada é a matriz

Nota. Assim que a função é chamada, o vetor de notas é ordenado e a proporção de seção da roleta
relativa a cada indivíduo é dividida segundo sua posição no rank (ordenado pela função sort). Em
seguida, é chamada a fimção de sorteio pela roleta nonnal.

4.4.3 Mudança de escala de maneira linear

Conforme explicado no primeiro capítulo, baseado nas proposições de Goldberg em [l5],

pode-se implementar a mudança de escala conforme a equação 1.1 da maneira mostrada pela figu-
ra 4.6.

function scale = scale( u, a, b)

scale = a*u+b;

Figura 4.6: Mudança de escala

Os parâmetros a e b podem ser calculados pelas funções mostradas na figura 4.7.
 48

fimction prescale = prescale( umax, uavg, umin)

fmultiple = 2;
if umin > (fmultiple*uavg - umax)/(fmultiple - 1)
delta = umax - uavg;
a = (fmultiple - l)*uavg/delta;
b = uavg*(umax-fmultiple*uavg)/delta;
else
delta = uavg - umin;
=
a uavg/delta;
b = -umin*uavg/delta;
end
prescale( 1 )= a;
prescale( 2 )
= b; '

Figura 4.7: Função de pré escala

Os valores umax, uavg e umin são respectivamente o valor máximo, médio e mínimo das
avaliações dos indivíduos da população a ser normalizada. ,

4.5 Função de decodificação

A trecho correspondente à decodificação do cromossomo dentro das funções é mostrado
pela figura 4.8, onde ƒiohp, fioarm, cp, ZapN, ppe e La são as variáveis que receberão os valores
decodificados e chrom 'é o cromossomo codificado em número binário.

fiohp = bi2de( chrom( 7:11 )

fioarm = bi2de( chrom( 12:16 )

=
`u`¡`n

cp bi2de( chrom( 17:17 )

ZapN = bi2de( chrom( )*2*cp;

I-'I-'+|-'P-*F-'

++“'+++

I-' ON U1
(
`ppe = bi2de( chrom( 18:18 )

La = bi2de( chrom( 19:21 )

\¢\u

Figura 4.8: Decodificação do cromossomo

A função bi2de é uma função do Matlab que permite a conversão de números binários
para decimais.

No próximo capítulo, as funções estudadas serão implementadas em conjunto com as

equações estudadas no capítulo anterior, unindo-se então a aplicação de projetos de máquinas de

corrente contínua com a teoria dos Algoritmos Genéticos.
 49

5. IMPLEMENTAÇÃO DO ALGORITMO

A implementação do cálculo da máquina de corrente contínua com algoritmos genéticos

pode ser realizada segundo as etapas descritas no fluxograma da figura 2.1 do segundo capítulo.

De maneira mais detalhada, pode-se observar na figura 5.1 a construção do algoritmo.

Geração da População

Seleção

__íY______
Crossove1Mutação
Compr|mento `Temperatura da comutação
V `

›
T8052-10 I'68Í8flCIâ Avaliação Temperatura da excitação
1

Tensão Iammas Temperatura da armadura

Enchlmento
___íví___ I

Reposição

Convergiu?
N
S

Figura 5.1: Fluxograma detalhado

As etapas a serem estudas nas seções seguintes para se construir o algoritmo acima são:

0 Codificação;

0 Implementação da Função de avaliação;

0 Método de Seleção;

0 Recombinação (Crossover e Mutação);

0 Elitismo ( opcional);

0 Saída dos dados e curvas.

 50

5.1 Considerações

Para a especificação da máquina, é necessária a definição de determinados parâmetros

para o projeto eletromagnético e mecânico do motor. Dentro deste contexto, tais parâmetros da
máquina a ser calculada ficam estabelecidos conforme as definições abaixo.

0 Número de lamelas ou segmentos do comutador ZL = 136;

0 Número de ranhuras do rotor N = 34,'

0 Número de pólos da máquina 2 *p = 4;

0 Altura da ponta de eixo: 132 mm (Frame 132 segundo norma IEC );

0 Entreferro principal ó`e = 1.50 mm

0 Entreferro do pólo de comutação ôc = 3.1 mm

0 Largura do pólo principal Bhp = 38 mm

0 Largura do pólo auxiliar Bwp = 24 mm

0 Diâmetro da armadura: Da = 160 mm

0 Largura tangencial da escova: t = 12.5 cm
0 Comprimento axial da escova: ax = 20 cm

0 Diâmetro do comutador: Dk = 125 mm

0 Queda de tensão nas escovas: AUQSC = 2.0 V

0 Área disponível para enchimento da ranhura: Smnhu,-a: 80 mm2

Para as características da máquina a ser calculada, é necessário especificar os seguintes

dados:

0 Potência nominal PN em kW;

0 Tensão de armadura Ua em Volts;
0 Tensao de excitaçao Ue em Volts;

0 Rotação nominal n N em rpm;

0 Rotação máxima em rpm;
 51

A configuração da excitação da máquina é independente com entreferro fixo, sem enrola

mento de compensação e a potência nominal é dada no regime contínuo.

A elevação de temperatura padrão para esta máquina é de 105 graus Celsius na armadura e
nos pólos considerando a máquina com refrigeração independente forçada através de ventilador de
corrente alternada extemo.

O Cálculo assume a temperatura ambiente máxima de 40 graus Celsius e uma altitude de

1000 m acima do nível do mar.
A geometria do estator e rotor da máquina pode ser definida conforme a figura 5.2.

Estator bobinadu
“-1-I__I_ZIIII-_É__1 -af*
°
ê›..;z¬ : **›ãêz._

M .›az~››/ff -›

››--a'›'‹-_.‹':›_z. ›~z/.'5z^;.;'.*
§|
"!¢;›z *I
Qçis-wi
.ar
_í_:-z
Y`¡-, ~
×-_,,¡¡.,
×`,›>.›.' 1/
9.'-š'/>'
.».{.f."<.
-,.›`
\.
.ÂI
›‹-_. 21:»
.

F-_-_:-_x-_fi_|-__
R 5
f/2-za

zsšfafáí

_-¡_-

'?‹:'¿z'.i'=“
gq ~fÊ.`‹.›
zz~. . . z

1.
óxs g

-Ê
l__

_-__----I

W
.N

*ig
I Q lnnñli
Im. › ..
`

_ . . ._.._ . . . . . . . _ _ _ --._
ôhp
.

./ \.
/ 1
\
I

Da+óh,, '

|Ec
132

\
zz

“V
Figura 5.2: Geometria da máquina 132

5.2 Codificação

Os parâmetros da máquina são codificados por números binários. Para a cada parâmetro
de busca do algoritmo é atribuído um conjunto de números binários. Neste caso, os parâmetros do
motor a ser codiñcado são representados pelas seguintes variáveis:

0 Za: Número total de condutores da armadura por ranhura;

0 FioA: Diâmetro do fio nú da armadura;

0 Cp: Número de fios paralelos na armadura;

0 Fiohp: Diâmetro do fio da excitação;

0 Ppe: Número pólos paralelos na excitação;

 0 La: Comprimento da armadura;

O número de bits de cada parâmetro é dependente da amplitude do intervalo que 0 pa _

metro pode admitir e também a sua precisão, conforme a tabela 5.1.

Parâmetro g
-Valor mínimo Valor máximo I
Número de bits
Zan 20 148 6
FioA 7
1 32 5
Cp
l

1 2 -À

Fiohp g
_\

19 UI

Ppe i 2 «J

La -¿
5 (9

Tabela 5.1: Codificação dos parâmetros de busca

,
O número de condutores por ranhura Zan admite somente números pares quando o número
de condutores paralelos Cp for igual a 1. No caso de Cp igual a 2, Zan admite somente números
múltiplos de 4. Assim, o número de bits necessários para a representação de Zan é somente 6 bits

que resultam num intervalo com 64 valores pares do intervalo [ 20; 148 ].

O diâmetro do condutor de cobre nú (sem revestimento) da armadura FioA em milímetros

está codificado segundo a tabela 5.2.

Cód. I
Diâmetro mm Cód. Diâmetro mm I
Cód. Diâmetro mm Cód. Diâmetro mm
01 0.850 09 1.320 17 2.120 3.317
02 0.900 10 1.400 2.240 3.469
03 0.950 1 1 1.500 2.360 3.691
04 1.000 12 1.600 2.500 3.925
05 1.060 13 1.700 2.650 4.428
06 l
1.120 14 1.800 2.800 4.679
07 1.100 15 1.900 3.000 4.957
os 1.250 16 |
2.000 3.119 5.268
Tabela 5.2: Codificaçao dos condutores da armadura

O diâmetro do ño da excitação Fiohp em milímetros e o respectivo número de espiras da

bobina estão codificados segundo a tabela 5.3.

Cód. Diâmetro Cód Diâmetro cód. Diâmetro Cód. Diâmetro

/Espiras /Espiras | I
/Espiras /Espiras
01 0.280/5400 06 0.500/1850 0.800/0750 .060/0440
`

02 0.315/4300 07 0.560/1510 0.850/0650 1.120/0390

03 0.255/3500 08 0.630/1200 0.900/0600 1.180/0350
04 0.400/2900 09 0.710/0950 0.950/0540 1.250/0320
05 I
0.450/2300 10 0.750/0850 1 .000/0490

Tabela 5.3: Codificação do condutor e número de espiras da excitação

O número de espiras do enrolamento de excitação está relacionado com o diâmetro do

condutor devido à área disponível para alocação da bobina e uma melhor noção do cálculo térmico
da máquina.
1
 53

Uma escolha aleatória do número de espiras dificultaria o dimensionamento térmico deste

pólo que considera, além da passagem de ar pela bobina, a densidade de corrente que por ela Cir-

cula (ambos dependentes do diâmetro do condutor).

As induções, embora importantes, podem ser desconsideradas neste caso, pois para a faixa

de tensão usual na excitação ( 110 - 400 V), a combinação das espiras da excitação com o respec-
tivo diâmetro, garantem a não saturação magnética do pólo para as combinações existentes na ta-

bela 5.3.

O cálculo das induções será realizado ao final, após o motor já estar especificado, somente
para efeito de apresentação dos resultados.

Os condutores da comutação também relacionam o número de espiras com o diâmetro do

condutor a ser utilizado na comutação conforme mostra a tabela 5.4.

Cód. Diâm. Esp. Cód. Diâm. Esp. Cód. Diâm. Esp. Cód. Diâm. Esp.
_;
0.850 630 9 1.320 295 17 2.120 118 25 3.317 042
N 0.900 570 10 1.400 266 18 2.240 106 26 3.469 036
00 0.950 515 11 1.500 230 19 2.360 096 27 3.691 032
-Jä
1.000 465 12 1.600 204 20 2.500 085 28 3.925 028
U1 1.060 410 13 1.700 182 21 2.650 075 29 4.428 025
O) 1.120 370 14 1.800 160 22 2.800 069 30 4.679 022
`I
1.180 336 15 1.900 146 23 3.000 060 31 4.957 019
(D 1.250 300 16 2.000 130 24 3.119 047 32 5.268 016

Tabela 5.4: Codificação dos condutores da comutação

O comprimento da armadura está codificado conforme a tabela abaixo.

Código Comprimento em [mm]
1 90
2 130
180
UI-bbb
240
320
Tabela 5.5: Codificação do comprimento da armadura

De forma semelhante a excitação, valores aleatórios do comprimento da armadura, varian-

do de 130 a 320 mm implicariam uma pior qualidade na estimativa dos parâmetros ténnicos e elé-
tricos como elevação de temperatura dos enrolamentos e tensão de reatância da máquina. Ao rela-
cionar somente 5 comprimentos considerados padrão, além da facilidade do projeto em termos
mecânicos, a precisão e confiabilidade dos parâmetros ténnicos e magnéticos aumentam.
5.3 Implementação da função de avaliação

A função de avaliação é composta de diversas subfunções, cada uma avaliando diferentes

parâmetros da máquina. Os principais aspectos a serem monitorados no projeto são:

0 Elevação de temperatura no enrolamento de excitação (pólo principal);

0 Elevação de temperatura no enrolamento de comutação (pólo auxiliar);

0 Elevação de temperatura no enrolamento da armadura;

0 Enchimento dos condutores da armadura;

0 Tensão de reatância e entre segmentos do comutador;

0 Custo (peso) da máquina;

0 Rotação nominal;

0 Comprimento do rotor.

O bloco “
Avaliação da população” do fluxograma da figura 5.1 pode ser expandido de
maneira mais detalhada conforme mostra a figura 5.3.

Comparação com er Comparação com Seom

l
Tensão de reatância Temperatura da comutação

Pe so 'Comparação com Se׋=

l l
Custos Temperatura da excitação

Avaliação da População

Tensão entre lâminas Enchimento da armadura

1' t
Comparação com ei. Comparação com Szzmhuz-.z

Rotação Temperatura da armadura

T
Comparação com nu Comparação com SxAS t

Figura 5.3: Fluxograma detalhado da função de avaliação

 "d e ava ração, seguin'd0 a uma definição semelhante à utilizada por [l0], consti-
Afunçao l'

tui-se da seguinte maneira:

_ 100
Avalzaçao =
_

n ( 5_1 )
1oo+z(Pn*|V” |)-custos
I

Onde:

n: número de parâmetros a serem analisados

P: Constante peso de cada parâmetro

V: Valor em módulo da comparação com o valor limite de cada parâmetro

As seções seguintes implementam as subfunções para a determinação da elevação de tem-

peratura no enrolamento de excitação e dos parâmetros Vn, responsáveis pela avaliação da máqui-

na conforme a tabela 5.6.

n Parâmetro Vn Avaliação Constante ( Peso )

1 V1 Temperatura do enrolamento da armadura
2 V2 Temperatura do enrolamento da comutação T

3 V3 Temperatura do enrolamento principal

3 V4 Enchimento das ranhuras do rotor
4 V5 Rotação
5 V6 Comprimento
*Õ
.

V7 Tensão entre segmentos do comutador ~

7 V8 Tensão de reatância

Tabela 5.6: Descrição dos parâmetros avaliados

5.3.1 Elevação de temperatura do enrolamento principal ( V3)

Através do número de espiras da excitação, relaciona-se segundo a tabela 5.3, o diâmetro

do condutor. Assim, é possível calcular a resistência fria do enrolamento pela equação ( 5.2 )

Rf =
1tata z
(5.2
58*Am*1›pe 2

Onde:
 56

ltotal: Comprimento total do enrolamento de excitação

Aexc: Área transversal do condutor da excitação

ppe: Número de pólos de excitação em paralelo

A corrente de excitação pode então ser determinada pela resistência Re calculada e a ten-
são nominal Ue. A densidade de corrente da excitaçao é determinada por: ~~›-

1
S6 =---f (53)
A..›.z.z*p.ve

Onde:

Ie: Corrente de excitação .

Para se estimar a elevação de temperatura do enrolamento através da densidade de cor-

rente, admite-se uma comparação do valor experimental de densidade Seg para 100 graus Celsius
que varia de acordo com o comprimento do pólo conforme a tabela 5.7.

A1;= -2 *100 (s.4)

Se2

Onde:

Seg: Densidade de corrente de referência para 100 graus Celsius

Comprimento [mm] Densidade Seg 100°C [A/mm ]

96 7.24
136 6.65
186 6.13
246 5.89
«
326 5.51

Tabela 5.7: Densidade padrão S62 para l00°C

A força magnetomotriz F.M.M. pode ser calculada por:

FMM
' '
'excitação
- ~{í
ppe
( 5 5
'
)

Onde:

Espiras: Número de espiras do pólo de excitação

 57

A F.M.M. principal resultante será a diferença daquela produzida pelos pólos principais

com aquela produzida pela reação de armadura, conforme descrito no capítulo 2.

As perdas do enrolamento de excitação (potência de excitação) pode ser calculada pela

equação ( 5.6 ).

Pz=Rz*Iš (5.6)

'
5.3.2 Elevação de temperatura nos condutores da armadura ( V1 )

O número de condutores da armadura é definido pelo parâmetro Za. Sendo o mínimo valor
de Za 20 e somente valores pares, tem-se que Za pode ser decodificado da seguinte maneira:

z *N
Z..=-L-
“

(51)

Com: 20 < Zan < 148

Onde:

Za": Número de condutores da armadura por ranhura

N: Número de ranhuras do rotor

cp: Número de condutores paralelos na armadura

A partir do número de condutores da annadura é possível se determinar a rotação da má-

quina através da equação 5.8.

n =í-__
EMK*2*zz*6oooo
ZH
(5.s)

Onde:

p: Número de par de pólos

a: Número de circuitos paralelos da armadura

EMK: Força Eletromotriz

¢a.' Fluxo na armadura

A força eletromotriz pode ser estimada pela equação ( 5.9 ) assumindo-se inicialmente

uma queda de tensão do circuito da armadura AU de 0.1V.

EM1<=U,,-AU (5.9)
 58

O fluxo da armadura pode ser determinado a partir da curva da figura 5.4, de fluxo por
força magnetomotriz considerando a geometria da máquina da figura 5.2. Assumindo-se 15%
como um fator de dispersão do fluxo principal, calcula-se o fluxo resultante gerado pelo pólo de

excitação pela equação ( 5.10 ).

=¢..*1.15 (5.10)

A Corrente de armadura pode ser calculada considerando um rendimento inicial de 87%

pela equação ( 5.11 )no'caso de um motor. V

I--Ií- (.
511
z.

Uaw )

Onde:

Pn: Potência nominal

Ua: Tensão de armadura

17: Rendimento

Fluxo magnético na armadura

_6.798, 3

6 .
/////.

/
,_, .

:Li
mWb

uxo

.- 0.189,
'2
0 1000 2000 3000 4000 5000 6000
~°- °R .ó×1o3,
F.M.M. [A.Espiras ]

Figura 5.4: Fluxo magnético na armadura

\
 59

O comprimento total dos condutores da armadura pode ser determinado pela equação

(5.12). _

lvl! =ldmedio*Zn*cp

Onde:

lamedio: Comprimento médio de um condutor da armadura

E a resistência da armadura:

lcd *255+ATa '

R,,= 2* (5.13)
(2 * a) Aa * (cp)
2
255

Onde: _
.

Aa: Área transversal do condutor da armadura

A densidade de corrente dos condutores da armadura para comparação térmica pode ser
calculada por:

Sa =--“--
I
2*a*A, *cp
(5.14)

O carregamento periférico AS da armadura é obtido através da equação ( 5.15 ).

AS=--L
2*a*n'*Da
(5.15)

Onde:

Da: Diâmetro da armadura

Comparando-se o produto da densidade de corrente calculada Sa com o carregamento pe-

riférico AS e o produto da densidade de corrente padrão Saz com o carregamento periférico padrão
para 100 graus Celsius, é possível se estimar a elevação de temperatura na annadura.

(As*s )2
A1; ={-_--_T°_2)*1oo (s.1ó)
(ASPadrão Sa2)
 60

Comprimento [ mm] SXAS 100°C

90 3500
130 3300
180 3050
240 2425
320 2010
I

Tabela 5.8: SXAS padrão para l00°C

As perdas no enrolamento da armadura são calculadas pela equação ( 5.17 ).

P,,=R,,*Iš
~ ~

(5.17)

O parâmetro V1 pode então ser comparado com uma temperatura padrão de l00°C.
'

V,= í-
Ara-100
.1oo
.

(sis)

5.3.3 Elevação de temperatura no enrolamento de comutação ( V2 )

O número de espiras NC do enrolamento de comutação pode ser determinado por uma

constante Ga que relaciona o número de condutores da armadura e da comutação segundo a equa-
ção 5.19
'

( ).

* *
N¢=in{Z'i”9°+o.s)
V4*a*2*p (5.19)
- -

Onde: _

int: É a parte inteira do argumento entre parênteses

ppw: Número de pólos de comutação em paralelo

Através da tabela 5.3 que relaciona 0 número de espiras com o diâmetro do condutor do

enrolamento de comutação, pode-se estimar a densidade de corrente neste enrolamento sabendo-se

que a corrente que percorre o condutor é a própria corrente de armadura calculada anteriormente.

Assim, a densidade de corrente é deterrninada por:

sm = _-fÍ--
I
5.20
*ppw Am. _
( )
 61

Onde:

Acom: Diâmetro do condutor da comutação

A elevação de temperatura ATcom pode ser estimada comparando-se a densidade de cor-

rente calculada Scom com uma densidade de corrente padrão para 100 graus Celsius Scomz que
varia de acordo com o comprimento do pólo.

2
S
Scom2

Densidade Scomz 100“C

\Comprmento[mm] A/mm2] [

96 8.16
136 _
7.99
186 7.43
246 5.89.
326 5.51

Tabela 5.9: Densidade padrão Scomz para l00°C

A resistência da comutação pode então ser determinada pela equação ( 5.22 ).

Im 255 + ATL”,
Rm. = *
5 -22
58 ppw 2 * Am
* ( )
255

Onde:

lcom: Comprimento total do enrolamento da comutação

A queda de tensão AU do circuito da armadura é calculado através da soma da queda de

tensão no enrolamento de comutação, da armadura e das escovas (AUCSC) , esta última depende
diretamente do material e qualidade que são compostas as escovas.

AU=Ia *(Ra +Rcom)+AUm (5.23)

As perdas no enrolamento de comutação pode ser calculada pela equação ( 5.24 ).

P. = RW. *If (5.24)

A comparação para o parâmetro V2 é calculado pela equação ( 5.25 ).

AT°°'"_1OO
V2'- (525)'

100
 62

5.3.4 Cálculo do enchimento da armadura ( V4 )

Com a finalidade de se obter uma fabricação das chapas de aço do rotor a um custo mais
baixo, o processo de produção das chapas é geralmente realizado pelo processo de estampagem.

Esse processo utiliza uma matriz com 0 desenho da geometria da chapa que se deseja estampar.
Embora este processo tenha um custo mais baixo, como a vida útil da matriz é alta, uma vez defi-
nido a geometria da chapa, não é possível alterá-la a menos da confecção de uma nova matriz.
Assim, utiliza-se uma única geometria de chapa para todas as máquinas de mesmo diâme-
tro do rotor. Com a geometria fixa, as ranhuras da máquina muitas vezes alojam poucos conduto-
res, ocupando uma pequena área se comparada com a área disponível na ranhura deixando assim
muita “ folga” entre os condutores, prejudicando o processo de fabricação e a própria dinâmica do
funcionamento da máquina.
C

Chama-se fator de enchimento, a porcentagem da área ocupada pelos condutores da arma-

dura com relação à área disponível nas ranhuras e pode ser calculada pela equação ( 5.26 ).

e% = Sranhura

Aa *Za

Onde:

Smnhum: Área disponível na ranhura

De maneira ideal, todo o espaço da ranhura deve estar preenchido pelos condutores, en-
tretanto na prática, aceita-se de 80% a 100% da área disponível preenchida como satisfatório para

o bom desempenho da máquina, ou seja, sem prejuízos para as características elétricas e mecâni-

cas. Assim, o cálculo do parâmetro V3 pode ser calculado pela equação ( 5.27 ).

V. =
(
Ê?
%-80
80 ]
‹ 5.27 ›

5.3.5 Determinação da rotação ( V5)

Com a queda de tensão AU calculada pela equação ( 5.23 ), é possível utilizar novamente a
equação ( 5.8 ) para determinação da rotação da máquina e compará-la com a rotação nominal.

V, ={---"_"”) (5.23)
"N
5.3.6 Determinação do comprimento ( V6 )

O comprimento do pacote magnético da máquina pode ser estimado baseado na curva de

potência para cada rotação mostrado na figura 5.5, entretanto trata-se de uma aproximaçao e em
certos casos, comprimentos magnéticos menores poderão ser utilizados.

40- Potência e rotação por comprimento

35 “
.‹ 1 I

)/X / (
(

I !
I
30 -
f` K /
1 I Í
/I / ..-'
/ ,"`
I / 1 ,'
"
25 _
)(
1'
Í I
I
'il
I
[KW] .f ./ 1 ,' ff

f
‹Í
f z' .f
a L.)
D - /
/ / z' z'
f'/If /) ,',¡
3 //'
í
Potênc

'
/.«'/z' /z'
z'
10-
/,'
/I Í
'
f
.-
" 090
//,/ 1,' 130
/// ,f 180
5- _///if/' 240
/I .I
320

Ú 1 v v | | 1 | › | |

0 500 I000 1500 2000 2500 3000 3500 4000 4500 5000
Rotação [rpm]

Figura 5.5: Curva de seleção aproximada do comprimento magnético

Por se tratar de uma aproximação, o comprimento é deixado também como um parâmetro

de escolha do algoritmo e a comparação é realizada segundo a equação ( 5.29 )

l-l
V5: (529)
Curva

Onde:

l¿.u,»va.' Comprimento estimado pelo gráfico da figura 5.5.

 64

5.3. 7 Cálculo da tensão entre segmentos do comutador ( V7)

O valor médio da tensão entre segmentos do comutador é proporcional à tensão nominal

da armadura e ao número de segmentos ZL do mesmo, neste caso, 136, assim:

-U“*2*p
eL (530)
-

ZL

Entretanto, para efeito de comparação, por se tratar de um ponto mais crítico, utiliza-se a

tensão entre segmentos máxima que pode ser determinada pela equação ( 5.31 ).

eLmà× =eL
T
*Bmzíx
L
(5-31)

Onde:

Bmáx: Indução Máxima no entreferro -~

BL: Indução média no entreferro

Assim, a comparação pode ser realizada conforme a equação ( 5.32 ).

V6 = e1.z»à.‹ `eL1¡m¡zz
(532)
enimirz

Onde: -

eL1¡m¡¡e: Limite de tensão para esta carcaça

5.3.8 Cálculo» da tensão de reatância ( V8 )

Da equação ( 2.25 ) formulada no capítulo 2, é possível fazer a comparação da tensão de

reatância máxima pela equação ( 5.33 )

V7 =
(~) r lim ite
(533)

Onde:

er1¡m¡¡e: Limite para a tensão de reatância

 65

5.3.9 Cálculo das perdas da máquina

As perdas da máquina são basicamente constituídas pelas perdas nos enrolamentos do

motor, nas escovas, no ferro e suplementares. As perdas no comutador totais da máquina são obti~

das pela equação ( 5.34 ).

Pt :Pa + Pe + Pc + Psuplementares +PFe + Pescovas (5-34)

Onde:
*

Psupzememares : 1% da potência nominal do motor

Pes¿›0vas: 2*Ia considerando a queda de tensão de 2 Vnas escovas

Ppe: Perdas no ferro, dependente do comprimento do pacote de chapas

5.3.10 Critério de parada pelo cálculo do rendimento

O critério de parada de cálculo da máquina é através do rendimento, calculado a partir das

equações ( 2.28 ) e ( 2.29 ) do segundo capítulo. O erro admissível pode ser obtido através de sz
|n~f7cI<f (5-37)

Caso a relação ( 5.37 ) não seja satisfeita, um novo rendimento é estimado pela equação

(5.3 8) e o cálculo do motor é recalculado a partir da equação ( 5.11 ) e assim por diante até o erro e

seja satisfeito.

1;
zig-Ti (538)

No próximo capítulo será apresentado os resultados obtidos para alguns casos típicos de

máquinas de corrente contínua com as respectivas configurações dos Algoritmos Genéticos utili-

zados.
 66

6. RESULTADOS
Os resultados obtidos nas simulações realizadas com diversas configurações do algoritmo
são apresentados em forma de tabelas e gráficos neste capítulo. Para alguns tipos de seleção dis-
poníveis, foram realizadas simulações envolvendo vários tipos de recombinações, probabilidades e

diferentes valores de pesos Pi conforme descrito na seção 4.3.

6.1 Limites admissíveis

Os limites superior e inferior admitidos para as variáveis monitoradas pela função de ava-

liação estão descritas na tabela 6.1 abaixo.

Parâmetro Descrição Limite inferior Limite Superior

V1 Temperatura do enrolamento da armadura O [ °C ] l05[ °C ]
V2 Temperatura do enrolamento da comutação O [ °C ] l05[ °C ]
V3 Temperatura do enrolamento da excitação 0 [ °C ] l05[ °C ]
V4 Enchimento das ranhuras do rotor 40 [mm2 80 [ mm2 ]
%
]

V5 Rotação calculada - 5 + 5 %
V6 Comprimento magnético do estator - -

V7 Tensão entre segmentos do comutador - 40 [V]

V8 Tensão de reatância - 8 [V ]

Tabela 6.1: Limites das variáveis da função de avaliação

_
O comprimento magnético do estator é estabelecido conforme gráfico de aproximação do
aproveitamento do volume ativo da máquina conforme curva da figura 4.5 da seção 4.2.6.

6.2 Parâmetros de configuração

Os parâmetros de configuração dos algoritmos genéticos que podem ser alterados pelo

programa
V

são:

0 Número total de indivíduos da população;

0 Método de seleção;

0 Número de indivíduos selecionados por geração; ,

0 Tipo de crossover;

0 Número de pontos de crossover;

 67

0 Probabilidade de ocorrência do crossover;

0 Probabilidade de ocorrência da mutação;

O método de reposição adotado foi o de substituição do individuo com pior avaliação e

uma estratégia de elitismo foi utilizada para garantir a presença do melhor indivíduo a cada gera-

ção.

O crossover pode ser escolhido entre 2 tipos:

0 Crossover de pontos múltiplos;

0 Crossover simples;

O método de seleção pode ser escolhido entre:

0 Seleção pela Roleta;

0 Seleção pela Roleta com “ Scaled fitness”;

H

0 Seleção pelo Rank;

6.3 Simulaçoes

Os pesos utilizados pela função de avaliação (confonne tabela 4.6 da seção 4.3) para dife-

renciar a importância de cada parâmetro avaliado pode ser verificado na tabela 6.2. Estes pesos

foram obtidos por uma estimativa inicial de importância para cada um dos parâmetros a ser avali-
ado. A análise apurada de uma série de simulações será o auxílio para estimar os pesos ideais para
o cálculo das máquinas.

A tabela 6.3 mostra as características de um motor a ser especificado.

Parâmetro Descrição Constante (Peso )

V1 Temperatura do enrolamento da annadura T

1.2
V2 Temperatura do enrolamento da comutação C
1.2
V3 Temperatura do enrolamento da excitação 1.2
V4 Enchimento das ranhuras do rotor 1.0
V5 Rotação calculada 2.0
V6 Comprimento magnético do estator 1.0
V7 _
Tensão entre segmentos do comutador 1.1
V8 Tensão de reatância 1.1

Tabela 6.2: Tabela de pesos dos parâmetros avaliados

 68

Potência 12 [kw]
Rotação Nominal 1500 [ rpm ]

Rotação Máxima 1500 [ rpm ]

Tensão de Armadura 500 [ V ]
Tensão de Excitação 300 [V ] I

Tabela 6.3: Características do motor

6.3.1 Método de seleção da roleta

As primeiras simulações realizadas possuem o método de seleção pela roleta. Neste méto-

do, a fim de evitar a convergência prematura, foi necessário escolher um número elevado de indi-
víduos na população.

Foram realizadas 2 simulações com este método de seleção, a primeira, com 2 pontos de
crossover e a segunda com 3 pontos. O resultado e as configurações destas simulações podem ser
observados pelas tabelas e gráficos abaixo. -

Método de seleção: Roleta Pressão seletiva: -

Total de indivíduos: 800 Número de pontos de crossover: 2
Indivíduos selecionados: 2 (pares) Probabilidade de crossover: 96 %
Método de crossover: Múltiplo Probabilidade de mutação: 4.8 %
Tabela 6.4: Configuração da primeira simulação

Avaliação das simulações

0.5200

0.0000

0.7800

0.1000 ‹ f

5 W»
0.7200 -

0.7000

0.6000 -

°`°6°°'
1 2 a 4 5 0 1 a 9 10

|¡~°zzz| o.1aza |
ones |
o.1aza |
0.1142 |
uma l
0.1022 |
0.1012 |
meu |
‹›.1az:a |
arm |

Simulação

Figura 6.1: Avaliações obtidas para a primeira simulação

 Elevação do Temperawra

140

120

11”

w.
nuutcahn

IArm¡dIli
G lüofluaá
N
1...

50. Düdução
Tcmponturi
I
40- ,

2° 1 s

1 _

2
:

O
.

1 2 3 4 5 5 1 9 10
Iumadu-a 0a|10:1| 53 111 100 51 100 O¿ l°=I `°°l
lO01nu!açà0I4Z|42| 8 |42|5a
I l
| |

39 42 5: 50 sa
0a}1o1| 8 3
I
| 1 |

,oE׋:11açâo I
93 |
101 [
ea |
ea I
ea |
93
simulzçâø

Figura 6.2: Elevação de temperatura para a primeira simulação

Erro da Rotação

1000
1500
1¡00
I I
i

1300
1200 IIIII
5

1100 -

1000 -

rpm BW A

_. nncuçàøcanuúaúa
800
Rotação
71!! IIIIIII=IIIIII¬
nmmgø Rzquenaa

"":“Í':=

EIIIIIIII
êêâsâ

III

100
0
1 2 3 4

iunúczçâocalczuaúz 1525 |
1500 |
1500 |
1405 |
15511 |
1500 I
1515 |
1400 |
15:14
|
1405
unmzçànnâquemz 1500 |
1500 |
1500 |
1500 I
1500 |
1500 |
1500 |
1500 |
1500 |
1500
Simulação

Figura 6.3: Rotação calculada para a primeira simulação

Método de seleção: Roleta Pressão seletiva: -

Total de indivíduos: 800 Número de pontos de crossover: 3
Indivíduos selecionados: 1 (par) Probabilidade de crossover: 96 %
Método de crossover: Múltiplo Probabilidade de mutação: 4.8 %
Tabela 6.5: Configuração da segunda simulação
 70

Avaliação das simulações

0.1900

0.7800 -

0.7700 f

0.1600

o.1soo

o.14oo ‹

2š o.1aoo -

o.1zoo -

o.11oo

o:/ooo -

o.esoo

o.øaoo-
1 2 s 4 s a 1 s 9 1o
Ianmzâl o.1s2:s |
o.1m |
ones |
uma 1
o.1ssa I
0.162: |
0.1322 |
o.11oo |
uma |
o.1u4 |

Slmulafio

Figura 6.4: Avaliações obtidas para a segimda simulação

Elevação de Temperatura

120

Q
100

Ceaus

Graua

I I I
IAf|l'IãltI2

. í- íí I I
Tompafatura

QQ.
¡ _ _ ,
ía i
iííí
A

2° : ííí

Éšš5 1211|s::|oa|
.

O
a
V

Q 0 w
§
0
ã
Ô gu-
-
a 8 8 2 2
51
és
S â 2 8 2
se se
s s
-

DI
as esa
sz 2. :â
mulação

Figura 6.5: Elevação de temperatura para a segunda simulação

As tabelas com os valores detalhados das duas primeiras simulações podem ser analisados

no anexo 1 e 2 respectivamente.
 71

Erro da Rotação

1100
,,,, | 1 | | | | 1 | 1

A
1511)
ll ll‹ll=ll ll llflrll
1400
llzll ll.ll llíllll
-

ll
_

,,,,,

W, ll,llâll.ll ll llzll
ll
ll.ll~llâll,ll ll¬ll~ll
_ ,,,,,
ll ll.ll.ll.ll :ll llíll
_ §
,,,,
ll ll=ll.llIll ll ll;ll
llzllzlltllll
rpm

§ llllllzll llzll-gll
ã ll ,ll lltll
§ ,ll
Rotação

II ;ll, II ll
IIIIÉIZIIIIIIII

ll II II
ë
°:=:á:¡.:==:==::=

ll fllrâ ll 'EII ll .II;IIêII

.

š ll II ÊIIš II ll
'

'IÍJ
II II
§ ll .Ilê ÍÍ.âllfi ll .II IIJII
;

A _
i

ë ll 'II,IIÂl|§ ll II ;I|Ê II
, .
.

š ll I|1II'I|¿ ll II ill: II
z ll II¡I| |IifI| II ÊII II
2 3 Ú 5 7 5 9 10
¡Rw¡z,¢a|.;.|z¢.| 1504 |
nas |
15:12 1534 |
1559 |
1525 |
1501 |
1504 |
1414 I
1550
unøvzgønaquemzl 1500 |
1500 |
1500 |
1500 l
150o |
1500 |
1500 |
1500 |
1500 |
1500
Slmulação

Figura 6.6: Rotação calculada para a segunda simulação

6.3.2 Método de seleção pelo Rank

Neste método, os resultados foram mais semelhantes mantendo suas avaliações e erros
pertinentes à rotação relativamente constantes. As elevações de temperatura nos pólos também
mantiveram um padrão constante.

Embora o número de gerações para a convergência da população neste método de seleção

seja menor que o método anterior, o tempo de processamento é maior pois a cada geração, a subs-

tituição dos indivíduos é completa, ou seja, todos os individuos são substituídos pelos seus des-

cendentes enquanto que no método anterior, (sorteio da roleta) somente mn par de indivíduos fo-
ram substituídos.

Método de seleção: Rank Pressão seletiva: -

Total de indivíduos: 500 Número de pontos de crossover: 3
Indivíduos selecionados: 250 (pares) Probabilidade de crossover: 96 %
Método de crossover: Múltiplo Probabilidade de mutação: 4.8 %
Tabela 6.6: Configuração da terceira simulação
 Avaliação das simulações

0.9000

0.ü)O0 -

0.7000

0.&fl0

0.5000

š
0.4000

0.3000 -

02000

0.1000 -

o.oooo-
1 2 a 4 5 Q 1

lumvzzl o.soaa |
o.1a2a |
o.11as |
0.1823 I
o.1s22 |
o.1a2z |
0.102 |

Simulação

Figura 6.7: Avaliações obtidas para a terceira simulação

Elevação de Tomporatura

120

100

Celsius

Graus

__ 0° - - IAm\adu'n
:comutação
DE×dta¢o
Tumpomun

4° _

20

äii 5
0
1

:rx

91 |
2

flš
na |
101
3

|
4

flš
91
5

se

ea |
B
61
so
91
ss~‹

Simulação

Figura 6.8: Elevação de temperatura para a terceira simulação

A tabela com os valores detalhados da terceira simulação pode ser analisado através do anexo 3
 Erro da Rotação

1000
1500
1400
13W
1200
1100
1000
rpm 900
000 lRo1:fl› Cilmloda
lkotaäo Requerida
Rotação
700
600
500
400
IRD
200
100
0
1 2 ,

;IRøu›a‹›cau=›1aaa| 1441 |
14e5 |
1541 |
1414 |
1491 |
1414 |
1400
,nRúfzçàz›Ruzuen‹1z| 1500 ]
1500 |
1soo |
1soo |
asoo |
1soo |
1soo
Slmuhção

Figura 6.9: Rotação calculada para a terceira simulação

6.3.3 Método de seleção da Roleta com “Scaledfitness”

O número de indivíduos na população para este método foi mantido igual ao da roleta para
efeito de comparação. No anexo 4 é possível visualizar os dados resultantes deste método

Método de seleção: Roleta + fitness Pressão seletiva: -

Total de indivíduos: 800 Número de pontos de crossover: 3

Indivíduos selecionados: 1 (par) Probabilidade de crossover: 96 %
Método de crossover: Múltiplo Probabilidade de mutação: 4.8 %
Tabela 6.7: Configuração da quarta simulação

Avaliação das Simulações

0.02%

0.8011) .MM
0.7811!

0.7600

0.7400

0.7200
š
0.70%

0.6600

0.60W

0.04W

0.6200
1 2 J 4 5 s 1 a 9 1o
lama
z

|
0.152: |
0.1999 |
0.11521 I
0.1241 |
goƒnss [
o.sa1z
|
o.1az:1
|
o.1m I
0.11115 |
o.11es |

Slmulaçbu

Figura 6.10: Avaliações obtidas para a quarta simulação

 Elevação do Temperatura

120

1oo -_i_
¢¬

80
Gmucoulua

BO
E
V
uE׋=naçaz
Temperatura

40 - _ z
- 5
z
- ,E
I _ I

20. _ ‹

_
_ .Í Í. 3 --

_ _
,l

I.

..

ÃZÃçÚ
Q _ “_
10
IAm\¡dll2
ncõnmàçàúl ‹.-J
Ê; Zš 1'

8
5'

8 2; 8
5 LÊ
B1
41
uezemçào |
3 Í-Â 101 '

Sllmlliçõll

Figura 6.11: Elevação de temperatura para a quarta simulação

Erro da Rotação

1700
W, I I I I I I I
I

1500
II II II II
_

W, II-ç II_¿ II II
me II »II¿ II IIzIIV II II
: ¿

II
*II»II II'IIÉII¢
'

Ile II
J

mo II
,wo
III II zII II.II II;IIIII1
;

II ll II II ll II II II :I
I

-‹
~

1003
›
'

II ll II ll
-

II II II II ll
I

Ip
I
I

Ilz ll II Í
III ll II Ilzllz II R°flÇ5° mama
Rotação

II ll II Í
II ll II II II II
II .ll II
.

llt ll
ÉIIIÉÉIIIÉIÉIII

ll ll
IIIÉÉÉÉÉÉÉÉÉÉÉI

II II
í ç

II ›llâ= II Illll ll~ II II

II. ll ill .II~IIíIIz¿II
š§§§§§š'§§

ll ll
A

I e -

II ll ll II II II II
llillzlllzll
í

ll; ll ll
f
_-

II ll ll II
-=-

II II II
'

I-II XIII '

o llf ll 2
-_
ll
»

II -

II ll- II
2 3 ã 6 1 a o O
|m×zç5°¢z|w|z¡zI 1515 1soe me |
um 1514 me 1414 1525 I
1512 1541
nRmzçâ°fzq.,¢mz|1soo|1soo|1soo|1soo|15oo|1soo|1soo|1soo]15oo|15oo
| | | | | | |

Simulaçlo

Figura 6.12: Rotação calculada para a quarta simulação

Os dados detalhados desta simulação são encontrados no anexo 4.

6.3.4 Análise dos resultados

As divergências na elevação de temperatura em alguns casos simulados sugere que os pe-

sos relativos à temperatura não estão com uma influência predominante, logo, uma nova conñgu-
ração dos pesos foi proposta conforme descreve a tabela 6.8.
 75

Esta nova configuração assegura uma maior infiuência na temperatura fazendo com que o
custo (peso) da máquina seja menos prioritário que a elevação de temperatura.

Parâmetro Descrição Constante ( Peso )

V1 Temperatura do enrolamento da armadura 1.7
V2 Temperatura do enrolamento da comutação 1.6
V3 Temperatura do enrolamento da excitação 1.6
V4 Enchimento das ranhuras do rotor 1.0
V5 Rotação calculada 2.2
V6 Comprimento magnético do estator 1.0
V7 Tensão entre segmentos do comutador 1.25
V3 Tensão de reatância 1.25

Tabela 6.8: Tabela de proposta de pesos para novos parâmetros

A tabela 6.9 mostra a configuração da quinta simulação, feita com a seleção pelo método
da roleta com “ scaled fitness” e crossover de pontos múltiplos. O número de indivíduos da popu-
lação permaneceu inalterado assim como os demais dados para efeito' de comparação com os pesos
inicialmente propostos.

Método de seleção: Roleta+scaled fitness Pressão seletiva: -

Total de indivíduos: 800 Número de pontos de crossover: 3
Indivíduos selecionados: l (par) Probabilidade de crossover: 96 %
Método de crossover: Múltiplo Probabilidade de mutação: 4.8 %
Tabela 6.9: Configuração da quinta simulação
Avaliação das Simulações

00

08

07

08

05
NOIII

04

03

02

01

0
1 2 3 4 5 O 1 8 9 10
l¡Nc|t2s| 0782258 |
0.78226 0.78224 |
0.70003 |
0,762028 I
0.78239 0.782206 0101724 0.782230 0.5¡§02
I | |

Simulações

Figura 6.13: Avaliações obtidas para a quinta simulação

 Elevação de Tempentun

12o ,

“Im

Celsius
80 - --lí
nn ¡Arm a S
Grau:

B0.
_.
íí

ííí
Temperatura

4o ,I
EÉFQI

1
“ '
tuga

.rs
"

NO ”

11
O
M H ~‹
10
|¡Annadu=| 11 ea 2. 1: 43
C0"-"já 40
|

42
|

â z⶛
;;;m 5 ;;;w šzzo 46
l. 2
| | | --

93 93 as
--

gfixdtaçáo I | |
42
SI mutação!

Figura 6.14: Elevação de temperatura para a quinta simulação

1ÃÉ1:|1||l|1
Rotação

II`IIfIIí II 'Í1
1500
,M II
,zm II II IIL II
==='l
ZÉ
II
,zm II IIšIIíII~ II ====
II
II`II II i

II
II II1II§II II II'II-
1100 Í

.-
um
_..
rpm

gm IIJII II5II II'IIšII.§ Rmzçào camisa;

.W II II II II II II Ilí nmzçàz muenaa
Rotação

íII'II:II;IIçII.IIíII:
ç

I:II'II
I.;
IIÍ~IIíII^;II Ilíllzí
IIIIIIIIIIIIIIÉ

I.II II¿II`II1II`II II§IIÍ

I-II IIiII¿II-%II~'IIÍII{§IIí§
IIII I =IIzII§II II IIÍIIE
IzII'II.II'II:II II IIÊII'
I§II;II1II.II=.II II II§II_â
Išll II-II«II1II
1'S II II'=II'
4 5 6 7 8 9 o
¡R‹×açàz›c=1w1aaz 1541 ÊÊ~ |14a9|1‹9o\1s54|14a1|15zs|14e1|1522 155
11soo|15oo¡15oo|1soo|15oo|1soo|15oo|15oo
|

¡Rotnçã›ruquer\da] 1500 I

Simulação

Figura 6.15: Rotação calculada para a quinta simulação

Analisando minuciosamente o gráfico da figura 6.14, conclui-se que em nenhuma simula-

ção as temperaturas dos enrolamentos ultrapassaram os limites propostos pela tabela 6.1, mostran
do o efeito positivo das alterações nos pesos dos parâmetros da função de avaliação.

Uma comparação entre as máquinas, mostra que o motor 2 e 7 são os que possuem a me-
lhor nota e portanto, a melhor configuração da máquina. Pode-se fazer uma análise do comporta-
mento destas duas simulações durante as gerações através dos gráficos gerados pelo programa
 A figura 6.16 mostra a curva de convergência da máquina 2. A figura 6.17 mostra o com
portamento da elevação de temperatura nos três enrolamentos no decorrer das gerações e a figura
6.18 mostra as induções na máquina. A figura 6.19 apresenta as perdas totais durante o processo e
igualmente a figura 6.20 apresenta a variação do custo do motor durante as gerações.

Grafico de Convergencla
0.8

.fz
»_-"'
.
0.7
I.

/4
0.6
/4
L
0.5 Â
A
.'¢

›: 2.
ÍÍIBSS
O à I.
F à
A
0.3 /.
'~
Azizâ. media
,_ ›‹__..‹ melhorindividuo
0.2 /4
4
0.1
4

0 I I F F I

500 1000 1500 2000 2500

Iteraeoes

Figura 6.16: Gráfico de convergência

E Ievacao de Tem peratura

120

100
v-‹ mf ir Y '›‹~~ ›‹ rf 'M' tt >‹ 1 mf N' 2.' N' '›‹ xr

US

80
Ces

GÍBUS

60
_.
ao

evac
40
E
+-ii»
20
W Aíg
›‹-Z-r
Arm edura
C om utaeao
E xeltacao

0 F F I F I

0 500 1000 1500 2000 2500

Itevaeoes

Figura 6.17: Elevação de temperatura nos enrolamentos

 1
Wblm

I
nducoes
2.5-

2-

1.5-

1-

0.51

O
0
1
+

Í
~~Ó
f

šÍ~õ+é~â
1'

f1"~'fff
-r

S00
O raflco de Inducoes

1*-1'~k1ffl'1'1'2lf111'1'1=-*1'1¢1"l'11>1'3

u:>‹1‹1ra‹›‹>r›c-\f×'>f*‹Y×'ff>‹›‹

1000
HOÍGCOOS

Figura 6.18: Gráfico de Induções

P erdas Totais
1500
vía:
eíg
.~.r_í1z
Qíç)
|
E ntra ferro
Dente
P olo de excitecao
Coroa

2000 2500

2500 -

2000 -

›_
1500 -
[W

Perdas

1000 _

soo.I

Ú y | | | | I

0 500 1000 1500 2000 2500

Ita racoes

Figura 6.19: Perdas totais do motor

 Custos
25 -

20-

Z;
sum

O
..
CUS .-x
O

sl

Ú-V
mou
I I 1 |

suo
|

o 1soo :ooo :sou

Iteracoes

Figura 6.20: Custo

A configuração detalhada da máquina 2 obtida pelo programa é apresentada pelo relatono

de saída mostrado abaixo na figura 6.21.

Calculo: 2

Seed: 931316785
Fitness: 0.782265
D A D O S D E E N T R A D A
Carcaça IEC 132
Comprimento Mag. Estimado: 130
Potência Nominal 12.00
Conjugado 76.40 -~âÍÊ

Tensão de armadura 500

<<3Z?T

Tensão de excitação 300

|_\|_\r_w_\r-1|_z|_||-1

Rotação nominal requerida: 1500 H pm]

Rotação nominal calculada: 1525 rpm ]
- 101.7 percentuais
Rotação máxima 1500 rpm ]

D A D O S D E C A L C U L O
Comprimento da armadura 130 ímm]
[rpm]
Rotacao
Ia
Sa
1500
28.40
10.02 [A/mm2]
[A1
Custo 92779 96 [kg]
Rendimento 0.85
 D A D O S D A A R M A D U R A
Condutores/Ranhura : 66
Condutores Totais : 2244
Condutor Nu : 0.95 [ mm ]

Condutores Paralelos: 1
Secao Cobre : 0.71
Enchimento : 54.9 9
Comprimento medio 310. 0 âššš hJ`_¡I\Jk)

dT Armadura : 93

D A D O S D A C O M U T A C A O
Numero de espiras : 75
Area do fio : 5.52 [ mm2 ]

dT Comutacao 42 [ OC ]

D A D O S D A E X C I T A C A O
Numero de espiras : 950
Polos em paralelo : 1
Diametro do fio : 0.71 âš
dT Excitacao .~ 93

D A D O S R E A T A N C I A

KCW 1.102 X : 1.16

Ln 0.78: Lz : 1.44 Ls : 0.50
Pichel 4.11:

er 3.99: ermax : 7.05 <

eL 14.71
:
<1<
eLmax 39.02 <
[Cm]
:

Comp. Ideal 13.30

:

Velocidade 12.78
: [ m/s 1

Carga perifer.: 317 [ A/cm ]

Figura 6.21: Relatório de Saída

6.4 Simulação genérica

Nas simulações realizadas anteriormente, a excitação está limitada ao processo de produ-

ção e padronização dos enrolamentos segundo a tabela 4.3 da seção 4.2. Pode-se no entanto, sl-

mular uma situação ideal, onde o número de espiras da excitação e sua área transversal possa ser
escolhida.

Assim, utilizando uma nova cadeia de genes conforme a tabela 6.10 que seja capaz de re-
presentar o número de espiras e o diâmetro do fio da excitação, pode-se realizar a simulação con-
forme a configuração da tabela 6.11.
 Parâmetro Valor mínimo Valor máximo Número de bits
Zan 20 148 6
FioA 1 32 5
CD U¶_¡.

Fiohp
.J-L ¿o|\)

_;

Ppe _; I\)

WEP
_;

300 4396 1 2
La 1 5 3
Tabela 6.10: Nova configuração dos genes

Método de seleção: Roleta + fitness Pressão seletiva: -

Total de indivíduos: 800 Número de pontos de crossover: 3
Indivíduos selecionados: 1 (par) Probabilidade de crossover: 96 %
Método de crossover: Múltiplo Probabilidade de mutação: 4.8 %
Tabela 6.11: Configuração para uma simulação genérica

Os resultados para um algoritmo com a configuração da tabela 6.11 está mostrada nas ñ-

guras 6.22, 6.23 e 6.24. Os dados detalhados podem ser analisados no anexo 6.

Avallação das Simulações

O9

oa

o1

oe

o.s

zš 04

os

oz

o1

0.
1 2 3 4 5 8 7 8 9 10
|¡m¢zz| o.az‹1n1 |
oseúeaø |
onssao |
o.s4az1o 1
o.1se29s |
ofnoosn |
o.õo4aa2 |
o.eea1ø1 |
assazss |
o.1mo1 [

Slllllllçñll

Figura 6.22: Avaliação da simulação genérica

 Elevação da Temperatura

120

100

«-
us
50.
Col:

lkflmmn
nus

G_. 60 - lConua¢ø
uaouçân
Í

I
.

_
I

40-
Temperatura

20- E
1 _ Q .. 1
¡
_ 1
V
¿

.E ,'
Í
É
1
-`›
1 Y

1 I

5 -3 :_›1
O
z
.
I

3 4 5
11Ia5|1o1|17|1oo|z1|01|za
1 2 e 1 0 0 10
lAnm¢0‹=|
4oI4a|
10: I 41

fl5ISflIfl5I°^I°°IMI
ev 51 5: 41 42 za 30
::::';"i..'í-°I;:I 59I1o1|
I I I I I I

104
Slmulaçñoa

Figura 6.23 Elevação de temperatura para a simulação genérica

Rotação

2000
1900
1800
1700
1600
I
1500
1400 IIâIIâIÉ,II~:II";
IIIII .1 II II II*
.
;
-.V
_
I
z

1
1* â

1300
IIÉ IIÊ III
¡
`
5

II
1

IIfl
.
"

:it II
:-1
1200
1:
I

II]II;II¡ãIIzII_-'ÊIIÊ
1100 -I .
1 J
1
"'
1000
II'šII*IIfi§II'IIÊII” II;
I ii
šš'
uçào cazzlaaa
mumz
II`§II1II2IIÍ
mzcáomm

ração
000 II
.II zII*
R
IIfiII.II=IIz 'IIz 1II-
II
II
II
=
z
II
II
II
¡~

_.
II
II
II
:

2
)
II
II
II
' llltlif ,z
.
1
: III
II»
5
II I

1
______________

*IIfiIIIIIIII'.% ÊIII II*

š'š§š§§§§
z _
1 .
É
_________
*

II II I II II II
-
i . z
¡

II II II II II II
II II II II II II II
_ , ,

E
*

O
I =

1 2 3 4 5 e 1 a 9 O

É
<,

unmzçâocânzzzlzazl 1505 I
1490 |
1541 |
1426 |
155: I
1455 I
1554 I
1eo0 I
10:: I
ÍIl
¡R¢|z¢à<,muWzI 15oo I
15oo |
15oo |
1500 |
1500 I
1500 |
1500 |
15 oo |
1500 ]

Simulação

Figura 6.24: Rotação calculada para a simulação genérica

6.5 Comparação teórica

Um comparaçao
`
entre a maquina pro] eta "`dll a pe o a goritmo e por um projetista foi realizada
para verificar as possíveis deñciências e vantagens do algoritmo.

A tabela 6.12 mostra a configuração utilizada para projetar a máquina e a tabela 6 13

mostra as características elétricas dos dois motores em teste.

Método de seleção: Roleta Pressão seletiva: -
Total de indivíduos: 500 Número de pontos de crossover: 3
Indivíduos selecionados: 1 (par) Probabilidade de crossover: 96 %
Método de crossover: Múltiplo Probabilidade de mutação: 4.8 %
Tabela 6.12: Configuração do algoritmo
 83

Potência [ kW ] 24 18
Rotação [rpm] 2550 1650
Tensão de annadura [V] 260 300
Tensão de excitação [V] 200 200
Temperatura exc./com./arm. [
°C ] 105/ 105/ 105 105/ 105/ 105
Tabela 6.13: Características do motor ~

AG Projetista AG Projetista
Potência [kW] 24 24 18 18
Rotação rpm] [ 2576 2572 1662 1646
Ua / Ue V][ 260/200 260/200 300/200 300/200
Rotor
Comprimento da armadura [ mm ]: _
180 180 180 180
Condutores por ranhura: 32 34 56 56
Diâmetro do condutor [ mm ]: 1.5 1.32 1.25 1.18
'A
Condutores' paralelos: 2 3 2 2
Enchimento: 83% 95% 100% 89%
Elev. Temperatura( Celsius): 41 67 40 82
Excitação
Número de espiras do campo: 1200 1200 1200 1200
Diâmetro do condutor [ ]: mm 0.63 0.63 0.63 0.63
Pólos em paralelo: 2 2 2 2
Elev. Temperatura ( Celsius): 89 89 89 89
Comutação
Número de espiras comutação: 19 40 36 35
Condutor[ mm ]: 3.55 × 5.6 2.00 x 4.0 2.50 x 4.0 2.5 X 4.0
Pólos em paralelo: 1 2 1 1

Elev. Temperatura ( Celsius ): 50 63 92 75

Tabela 6.14: Resultados da comparação

Os resultados descritos na tabela 6.14 são os melhores resultados obtidos numa série de 10
simulações para cada máquina. Através da análise destes resultados, nas duas condições o algorit-
mo se aproxima do projeto realizado pelo projetista. Entretanto, o tempo de convergência do algo-
ritmo deixa o método com um alto custo quando comparado à experiência humana.

O alto custo se deve ao tempo necessário para que o algoritmo obtivesse uma resposta sa-
tisfatória. Um projetista experiente pode levar em média de 20 a 40 minutos com o auxílio do
computador para realizar o projeto da máquina. Os Algoritmos genéticos consomem em média 50
a 90 minutos por cálculo realizado (Simulação).
 84

Os fatores de ajuste empíricos realizados pelo projetista não foram implementados no al-

goritmo razão pela qual, em alguns casos, o algoritmo poderá convergir para um motor menos efi-
ciente que a máquina projetada pelo projetista elétrico. .

6.6 Comparaçao prática

Para efeito prático de validação dos projetos, aplicou-se também o Algoritmo Genético
para o desenvolvimento de um motor com as seguintes características:

Potência [kW ] 22
Rotação [ rpm ] 2000
Tensão de armadura [ V ] 440
Tensão de excitação [ V ] 190
°C ]
_

Temperatura exc./com./ann. [ I
105/ 105/105
Tabela 6.15: Características do motor

A configuração do algoritmo para o projeto do motor acima é mostrado na tabela 6.16.

Método de seleção: Roleta + fitness Pressão seletiva: -
Total de individuos: 800 Número de pontos de crossover: 3
Indivíduos selecionados: l (par) Probabilidade de crossover: 96 %
Método de crossover: Múltiplo Probabilidade de mutação: 4.8 %
Tabela: 6.16: Configuração para o caso prático

Nestas condições, para um série de 12 simulações, o algoritmo apresentou as respostas

mostradas pela tabela 6.17 e ilustradas pelos gráficos do anexo 7.

Nota
0.7219
Nnc
2051 180 56.43
B'

K
É fioA
1.4
-8 Ench.
58.49
38 wwcfiow DtwWEP
42 8.64' 77 1200
§ N
flo
0.63
Dte
8
eL
35.7
er
6.9
K 8 8
-\

N 0.7218 2051 180 55.51 1.5 66.66 42 8.64 75 600 0,90 35.3 6.8
(0 0.7218 2021 180 56.30 8 1.5 74.51 8 47 7.64 98 1510 0.56 8 39.2 7.7
K 8
I\)

0.7219 1980 180 56.42 58.49 95 42 8.64 77 540 0.95 35.0 6.9
`

.4

8
-5 1
UI
0.7218 2021 180 56.30 @
0)
1.5 74.51 90 47 7.64 98 1510 0.56 39.2 7.7
K
_;
ro
O)
0.5466 1989 180 54.49 1.8 94.38 30 42 8.64' 72 950 0.71 N 34.2 6.7
K
YU

8
-A .À

`I
0.7218 2075 180 54.74 1.7 84.61 39 42 8.64 73 600 0.90 35.1 6.7
GJ
0.7218 2072 180 55.51 K 1.5 66.66 68 42 8.64 75 1200 ro 0.63 8 35.4 6.8
(D _o.121a 1917 180 56.29 @
O0 1.5 74.51 90 47 7.64 98 650 0.85 74 38.0 7.7
K 8
_x _¡

Ó 0.7219 2051 180 56.43 1.4 58.49 95 42 8.64 77 1200 0.63 35.7 6.9
K
-ni

8
ro

0.7218 2075 180 54.74 1.7 84.61 39 42 8.64 73 600 0.90 35.1 6.7
8 8
_\ _¡

_;
M 0.5233 2238 180 56.22 0.95 N 99.99 9 87 36 ‹9.45 64 540 0.95
`

33.6 `4.9;_

Tabela 6.17: Resultados para asimulação prática

 85

V
Verifica-se que neste caso prático, todas as máquinas projetadas, com exceção das de nú-
mero 6 e 12, possuem praticamente a mesma avaliação (Nota). Neste caso, máquina construída
está baseada no projeto detalhado da máquina de número 8, cujos dados de projeto se encontram

no anexo 8.

O ensaio da máquina construída conforme as características descritas pelo anexo 8 está

apresentado na tabela 6.18.

Potência:_ 22 kW AT Armadura: 67 °C
440 V
I

Tensão de Armadura: AT Excitação: 73 °C

Corrente de Armadura: 56 A AT Comutação: 67 °C
Tensão de Excitação: 190 V Rotação: 2079 rpm
Corrente de Excitação: 3.55 A Comutação: OK!
Tabela 6.18: Resultados do ensaio da máquina proposta pela simulação 8 da tabela 6.17
 86

6. CONCLUSÃO

A dificuldade de implementação desta técnica da Inteligência Artificial no projeto das má-

quinas de corrente contínua está nos inúmeros fatores empíricos que devem ser incorporados ao
projeto e precisam ser respeitados e conjugados dentro da função e avaliação.

Por ser uma máquina onde o processo de fabricação exige uma alta precisão geométrica
em sua construção, a comprovação prática do projeto não é uma tarefa simples. Entretanto, foi

possível comprovar a validade prática da seqüência de cálculo através dos testes efetuados para

uma máquina construída segundo os parâmetros indicados pelos Algoritmos Genéticos.

Baseando-se nos vários modelos simulados, os resultados obtidos através do método em

estudo não se distanciaram da realidade dos projetos elaborados por analistas experientes de má-

quinas de corrente contínua. Embora os critérios utilizados para o projeto das máquinas simuladas
estejam baseados em fatores práticos (usuais), pode-se controlar a otimização do motor através dos
pesos utilizados pela função de avaliação, dando maior peso para os parâmetros com maior im-
portância, por exemplo, o custo.

As inúmeras combinações dos parâmetros dos Algoritmos Genéticos exigem tempo e aná-
lises minuciosas dos resultados para se encontrar uma boa configuração. A implementação das
rotinas em vez da utilização de programas (toolbox) existentes, possibilitou um maior conheci-
mento e contato com a técnica, facilitando futuras implementações e utilização do método em ou-
tras áreas.

Na questão da utilização prática do método de AG's para a otimização

V

do projeto das má-

quinas de corrente contínua, deve-se pesar de um lado, o fator "estocástico" da técnica vinculado
ao seu custo computacional (elevado tempo de resposta) e de outro, a ausência de interferência

durante todo o processo de cálculo da máquina e a alta possibilidade de se encontrar a melhor con-

figuração para sua construção. Não existe um cálculo analítico completo e exato para todas as con-
figurações de máquinas de corrente contínua. Os cálculos existentes abrangem uma faixa de má-
quinas e por isso, necessitam da experiência do projetista para se fazer a correção do projeto. Essa

experiência consiste no conhecimento e domínio da máquina quanto à seus parâmetros e influên-

0'

cias nos aspectos eletromagnéticos da máquina.

A simulação com outras configurações dos algoritrnos genéticos, variando o tamanho da

população, as probabilidades de recombinação e as inúmeras técnicas de crossover e mutação
contemplam as implementações futuras. Neste trabalho, o enfoque para a determinação dos parâ-
 87

metros da máquina além da configuração do algoritmo nesta aplicação, limitou em tempo, o núme-
ro de combinações para a simulação do algoritmo.

Ainda como trabalhos futuros, as implementações com populações paralelas ou subpopu-

lações tendem a diminuir o tempo de simulação do algoritmo reduzindo assim o seu custo compu-
tacional, principal desvantagem encontrada nesta aplicação. ~

A proposição da técnica como otimização dos projetos de máquinas de corrente contínua é

uma das aplicações deste método que não está restrito somente à configuração elétrica do motor.

Propostas de otimização magnética das chapas do rotor e estator podem ser verificadas em traba-
lhos como [6,1l,l2].
 AU eX O 1 P Y m E Y3 S
.I .I .I
mu a _a
0
WT W
1 C__

OdO dC S C 1 C Ç ~a Nm RM C t8 PTC S S O S e 1 C Vmm _

w
~a
t _n

W N ,W aO dC pOUtOS dC CTOS S OVCE 2

MM mW
O dC _md um $ 8 0 O
nau
_1

WS C 1 C C 1 O n 3 d O mm 2 ( p a
é d O d C CrO S S OVCE M m É .mM
mS ) PrOb 1” d 3dC dC C rO S S OV 9 6 %
PrOb 3Mm M adC d C m
_1

m4 % W _W
W
8_

É :Ú Ed :ÕÉ :Ó m_,R_ñ_ mg
:Ó gd Kd

mà'
_ÉÍÉÍÉÉ?ÃÉ
QR og 82
“mg mg mg
ZÉ
gm" ga ãmw
_ HHÉ

šë QQgQ$ mm m@ ãQ8
Qšâ
$@ mm gm só É; 5% xi É; mm 5%
_

uš §W mà QQ8 mw g QW RÉ

gg
8% QQ aa QQ 8% 38 Q: 8% 8%
___“___m_

mg
ga gd EQ
me
3 gd gd
me
gd gd

zgfl% 8Q88ÉgEÉ8É
mm:
Q: Q; mz
gm gm Q; gá gm
Ofiflm

gm

:Ê EQ B8 8% QR EQ 38 :K Ba
gä

mg
@$ Íä E2 mš _`$
__
_ _ _ _ gm ___
mwmm
“Ez $_` 8ñ`

Ig
QNQ: “Ê “Ê nã Qä “Ê 9% ñ_% nã 95

mpg ggg mpg

8°: mäd aid ääó Qmxd
gšä
ggd ggó
 A H eX 0 ML S eg U D d 2 S .m U h Ç _a
O
O d O C S C1 C Ç ~a m RO1 C t3
W
P YC S S O S C 1 C t _w mm _
MW
~a
,C
t _d

Ot31 dC H d “G S 8 0 O Nú rO de OHtOS dC OTO S SOVCT 2

M
_1

m
WW
M P rOb ab md 3 de dC C TO S S OVCT 9 6 %
MTM D_

d HGUO S S C I CC On 3 dO S 1 ( p
W
.I
\)

é t OdO d C CTO S S OV 1 Í _m 1 O P rO 3 M 3 dC dC mU ã Nm 4 %
__D __D
8_

ma É8 _8_
É mõ 8ÉÉEQ
Ê Eu :Ó 95 2_
gd Kd
QE au Wñ_ 26

mà'
É_F@_F@WW@
“mg
Ê: É amu
“Ê
_ gm_ gm* ___
ññmw
gm*
hmm
gm

ag
QEgQ8QQ;QÉ
¡m__šP_

Ê@ :Ê
gm mm
_`2_

gm
É; mm :má Sá

uš EäEÊÉ 8QÉ pm mw

wwe
ÉR mm ä Ê Q g É “Ê ñã

mag mäg
93% QNQ boà möã aim 84%
___U__m_
m_m__%

gp”

.mm
_
Ê: gd
É Q:
gd
É gd
N:
gd gd gd

L__%NE

8ÉgÉE8ÉÉÊÉ
55 Q; N;
gm
Q; Rm §_____ QQ ãá mg Q:

“_ Êä häm $_R 1% ema Ya Wma B_ä Nmä

gñä

5 “Ê
É mí “Ê nã 8P %_ “Ê mí ñš
V

8% Em “Ê “Ê “Ê
FF__ _ F gmF gm _
_ gm
_H_%_
QUE
Él

wma
aí QE ãfi aa EQ ãfi E:
ga ga
“vg ñgg
Ê“___¬_m¡“__¿_Ê_¶=

gm Qñ 9% 9% gm”
9%
gm 9%

mg HU8
gm QE 9% gm gm gm QUÊ
gm

QQQQQQQQQ5
iflíllhwmmê

mpg mpg mpg Egg

ãMW:_ até mad
gfió gäd gíd

í
 Anexo 3: Terceira Simulação
Método de seleção: Rank Pressão seletiva. -
Total de indivíduos: 500 Número de pontos de crossover 3
Indivíduos selecionados: 250 (pares ) Probabilidade de crossover 96 °‹›
Método de crossover: Múltiplo Probabilidade de mutaçao 4 8 %
r×.mf`-|~zrnr×m
Éov 0'›cnDcnmmo'›
GJ
‹-

O “fl PCR'-fl.§~1¬.z`~I
fo:
':3o‹:›C'c3D‹:›
U.
ãfN‹-\_('\I\--{\I‹-

š1 1 1
8.1 850 950 850 850 950
850
950

f"\I."|')‹-
'=l'|¬l'Jfl'LfJ'=f'Ll'lL.D
(¬"JOD@@

‹-\_('\I?‹_\_‹-
ÚÚÚÚLIÚÚÚÕÚÚÚÚÚ
fiow ¶"=!'LO¶'¶'¶'¬fl'

Ê:
wwc
LDLOLDLOLOLDLO
CDlII|'\@O303®
É @‹-
É “£<=>$D"
ca Ci
v- ÍÕLQLD
‹-¢
`_

Ench. 113.91 58.88 53.33 58.88 87.28 71.45 71.45

‹_?`.._`_..`._,..¢_

O
É:
‹- ZZ
FVLDLDLDGDLDLD
{(`ÕO`)U')U)
¬"ÊÊZ\-‹-‹-
ZapN
QUDWCOÉZ
I\(.DÍ.DLQI'*‹-IN-E

`-_ (`\IL1'Il'\l'=fl`\|(`\I
Peso f\LQf"“.|(.Qf")O'§D')
D`)'=f"<ffi|'*-I-17LI.')

28.94 28.57 28.33 28.57 27.2 27.88 27.88

(U ÊZ@@@@@
_! l"`lf"]("7f'1l"7l'Út"`l
¶'*_T_'?'?\'_T"T"

Z
u-
1500 1500 1500 1500 1500 1500 1500

Nnc 1441 1541 1474 1491 1474 1488

ZÊÊÉÉÉÉ
1485

Uexc ÉIDCJZZQID
f'7('Õ('*')lf"JO"J(`f`1("'7

C3@@ClED@@
Z@@@@C)@
3 Lnmiànmmnnnn
(U

____*__¿_____._...__
D. f\IͶÍ'\I
‹-‹-v- «_ ('\ll'\I('\I
\-‹-v- ('\l

5889 7823 7785

Nota

000
0.7823 0.7822 0.7822 0.7822
 AA D eX0 Mm Aux U 3 T t 3 S .m U hm ç ã O
M 0 dO d C S C E Ç _am RO E t3 + f Em C S S
M P TC S S O SC 1C VE
t _a _

W3
'C _n

TO ta1 de n dU0 S 8 O O N Im HO dC pOHtOS e CTO S S OV

m m W %
_l ,1
_d

W
_m d1 na S S C I C C _m d O mm 1 um PI0b 3 H d 3 C d6 C TO S S O V 9 6
W
( p
__b

Mü m
__O

Mw
_1

)
é d O dC CTO S S OVCT P
_h

PrO 3 H d 3dC dC u ~3 4 8
__D __D
m m %

O: 98 Qd
gd :D :Ó Ed gd 2_ ÉD
m_H_

Ea'
ÃÍÉÉÉÍÃÉÍÍ

Êš 8% _ “Ê
_uä ZÉ@_ Z$Í_ Z@m ZÍÍ ZmÍ
ãmw %m_

šë QM QQQQ8$Q mä 3
dšê
8% gm gm gm gh Êä Sé
gm gm gm

uš pm g 9” *UK
EgÊ WN E pm

se

Rg mšã Nhã Qwm

88 8% 8%
___u__m

Rm? tm; ämmw

dê m_u__
eu
mg mg ? N:
gd gd
mm:
gd

ZZQN
8ÊÊ88E ma 88E
855 pag pag Qmšó
m__ä`N@

mãhamw
mãämw QERKW m$R_m
Ngämfl Qgãfim

~_ $_ä mg $_% imã $_R mma

mñä Êmä 8_ä GR

É: EE QE 89 :É Q: Ê: 39
ga gä gä
“ug _“_g

ga Qä Qñ
_Uä¬_
gm” gm” SFH gnu gm

¬a “_ “_ Q “_ “_ “_ “_ Q “_ “_

QE MWQWNB
Êgd QQÓ ätd Qãd asd
gmrg
äkd
gmxó
gtd
 Anexo 5: Quinta Simulação

Método de seleção: Roleta + fitness Pressão seletiva: -

Total de indivíduos: 800 Número de pontos de crossover 3
Indivíduos selecionados: l (par) Probabilidade de crossover 96 °‹›
Método de crossover: Múltiplo Probabilidade de mutação 4 8 °‹›

É
GJ
‹o-v |"¬~
U) ÉÍ mm”
l"¬-

cnmc' CDH- EÉ
IN
1* LOCI3 U) É É
ff)
I"-

LO ‹-v.- LO T- LO

OÍ
I-D
fio U5 Í*-. |\-_|""*-_ U5 N. P*-.
ÉG
P*--_ 053 |`”-_

CJ CI CI

.EPE
t`\l *_ `_`_ Q.-' `... l'\l t* *_ Q...

1858
ÉLD Cl CJ 13
LO LD LD 1258 1858
Cl C3
LD LD LD
E
CDCD
UVEP
CD U3 U) CD CD

CD
W
(`\J f\I(`\I É U7 U) P
š
f\l l.`\I
ff) '=!"=I' 'Q' LO LD 'Q' ITU 'QI'

low LD LD
Í.DÍ.D` LD *if LO LO LD LD

LO LD LDLO LO LO LD LO LD LD
IN- CD CD I*- H- IH-
WWC
|'~¬- |'\ l'¬¬-|¬'--

W U1 U7 É U7 F G
É CUU) LD CD
É ¶_ C1
É LD C3
‹-v l¬-- ff) |"-
1* \-' |^'- LD ¶'_

Y 7 45 95 55 99 37
82?
Ench.
5?
4 4 50 85 55 54 5?
5?3? 5333
45?

Q.. T..
U ë `._.`-. *_ .y `z `_. ‹-' É
F\I LD
U9 U9 U9 `__ UL
fioA 1põ
É 095 095 195
1-..
¡'-

N É É ÍD C] CD C3(Ú C3 GOU ÉU7

-I (Ú ÍÕÍÚ
T_ ‹-\- ÉÉ
IT)
`_' T_
0") ff)
11'
ff)
¶_' `*'

U
C
Z 15?5 1558 1549 1502 1514 1445 14?4 1525 1532 1541

Uexc
ÉE Cl CIE ID E E É E E
Cl GED C! E E C1 E C)
01 0707 07 03
(TJ U7 U7 U7 Of)

G GÉ
=E É GG
EC! C3 G ÉC] C) Cl G CI
C) Cl E Cl
LD LD LDI-fl LD LD LD LD LD I-.D

L \* \_ \-'\- (N
(`\I l.'\I f`\lÍ.`\I
‹_ ‹_ ‹_ Q- P-
(`\I
1-'
l'\I l`\I l`\I (`\I

UI 82254 9985 53742 24582 Y8481

5ar237
82255 78475 Y8485
3;' U?82255

LL.
U? Ú? U7 U7 U7
U Ú? U? U?
AA H EX 0 mm nn E S u "__ 3 d 0 S d 2 S _m U 1 3 Ç ã 0 g E n é T C 3 .I

__”
QR _m_N
am mm Rm
gm gm gm gm gfi

“mg mpg
fiàä %_%
QQ mñä
|_m

Qmñ adm Qññ QMÊ

O: “md mg
:Ó QQ Kd md Ed :Ó EU
gd

mà'
WÉWWÉÉWÍÉÉ
l@§m Rã
äg QK
88
gg
_ WÊÉH
F
gm* Sã 3%
E
ga
QQQEE8QQ _8
ã
®@@ Fm;
dana
mm Â; Ê* Sá Sé RH:
mm
gm

Uš mm ÊÉgÊÉÉE bmw mm

mäg
MWQÊP
8_$ mamã
amv B_E g_E
___ëm_

kg*
gÓm_ gsè

qc: QG É mí ÉÉ gd
Nm__
mg
N: sé

ZÊNN WÊ ÉäÉÊÊÊ8E m_m_

Êg
WQ W8
Ê:
r
gm 8: QA:
v gm_ _ ÊÉ QE_ _
__w__u___`

Hug
UNO:
QUÊ Qñ Qä Qä 9% QUÊ 3% Qä
gm”

mõmëgd
B
QE mñ@ä›mÓ äägó
šgúmš ®§m_ã__U
ãgkd ägõmã
Egd šgmÊ__H_
ggäzu
 Anexo 7: Comparação Prática

Avaliação das Slmdaçños

0.9000

0.0000

0.7w0 -

OJWO

0.5lX)0 ›

Ê OÁNO

0.3W0

0.2W0 -

0.1(1fl -

0.0®0
1 2 3 O 5 O 7 I 9 10
||N°|u| 05242 |
0.5541 |
onsu |
aus: ¡
0.150: 0.1701 0.504: |
assaz |
0.533: I
0.'/em
shnuuçoa
Elnvnçio da Tumpumurl

120

100'

1
u
Golo
00

Grau
lhnmdln
[ 5°. Icømmçno
05,5; .

Tunpoutuvu

¿°.
-¬¡i

š
.-.'-

20

0
-n
s
`

1 2 a 4 5 7 o 10
8 3 2 3
4o|‹a|s1|51|5:|47I42|
n Amudun 1o:‹| `l _.
N IJ UI - 11 _.
41
8
_.

u
ê a
42 38
D Exdhflfl a z 2 a 2 8 se 104
Slvnulnçãun

Oman

25

20

15

Cunt‹|n[$U.l|.]

10

0
1 2 3 4 5 0 7 E 9 10
Inema um I
zo:/1 |
usa l
11.1s mas |
15.1: I
21.: |
11.a-1 I
mas |
zoa:
Slmukçhu
 Anexo 8: Dados detalhados

Dados de entrada

Carcaça IEC: 132

Comprimento Mag. Estimado: 180 mm [ ]

Potência Nominal: 22.00 kW [ ]

Conjugado: 105.05 N.m [ ]

Tensão de armadura: 440 V [ ]

Tensão de excitação:l90 V [ 1

Rotação nominal requerida: 2000 rpm [ ]

Rotação nominal calculada: 2072 rpm [ ]

- 103 6 percentuais
Rotação máxima: 2000 rpm [ ]

Dados de Calculo
Comprimento da armadura: 180 [ mm ]

Rotacao
Ia
Sa
:

:
2000 rpm
55.51
[

7.85 [A/mm2]
[A] ]

Custo : l28446.76 $U.M [ 1

Rendi. : 0.90

Dados dos condutores da armadura

Cond/Ranh: 34
Cond. Tot: 1156
Cond. Nu :1.50 [ mm 1

Cond. Par: 1
Secao Cu : 1.77 mm2[ ]

Enchim. : 66.66
lmia : 360.0
dT Armadura : 68

Dados da comutacao
Numero de espiras 42
Area do fio 8.64 [ mm2 ]

dT Comutacao: 75

Dados da excitacao
Numero de espiras 1200
Polos em paralelo: 2
Diametro do fio 0.63 [ mm ]
dT Excitacao: 83

Dados de reatancia
KCW: 1.10 X 1.16 :

Ln: 0.78 Lz 1.44

: Ls 0.50
Pichel: 3.88
er 3.93
: ermax 6.83 :

eL 12.94
: eLmax 34.81 :

Lid: 18.30 Van: 17 36

AS : 319
 96

REFERÊNCIAS BIBLIOGRÁFICAS

[1]BEASLEY, D.B., David R., MARTIN, R.R. An Overview of Genetic Algorithms: Part I,

Fundamentals, University Computing, 1993.

[2]BITTENCOURT, G. Inteligência Computacional, Editora da UFSC, pp 16-17, 1998.

[3]S. Lin, E. D. GOODMAN, W. E. Punch A Genetic Algorithm Approach to Dynamic Job Shop
Scheduling Problems, Michigan State University.

[4]ALONGE F., D'Ippolito F., FERRANTE G., et al. Parameter identification of induction motor
model using genetic algorithms, IEE Proc.-Control Theory Appl., Vol 145, no. 6, November, 1998.

[5]BIANCHI N., BOLOGNANI S. Brushless dc motor design: An optimization procedure based

on genetic algoritms, IEE Conference Publication n. 444, September, 1997

[6] BIANCHI N., BOLOGNANI S. Design optimization of electric motors by genetic algorithms,
IEE Proc.-Electr. Power Appl., Vol 145, no 5, September, 1998.

[7]CHUNG P.Y., DÕLEN M., LORENZ R.D. Parameter Identification for Induction Machines by
Continuous Genetic Algorithms, ANNIE 2000 Conference, St. Louis, MO, November 5 - 8, 2000
[8]CHUNG T.K., KIM S.K. Optimal Pole Shape Design for the Reduction of Cogging Torque of

Brushless DC Motor Using Evolution Strategy, IEEE Transactions on magnetics, Vol. 33, no. 2,
March 1997.

[9]CVETKOVSKI, G., PETKOVSKA, L., CUNDEV, M., GAIR, S., Optimal Designing of
Electrical Machines Using Genetic Algorithms, COMPUMAG - the 11th Conference on the
Computation of Electromagnetic Field, November, 1997.

[10]NANGSUE, P., PRAGASEN, P., CONRY, S. E., Evolutionary Algorithms for Induction
Motor Parameter Determination, IEEE Transaction on Energy Conversion, Vol. 14, no 3,

September, 1999.

[11]SARENI, B. KRÃHENBÚHL, NICOLAS, A., Niching Genetic Algorithms for Optimization in

Electromagnetics I. Fundamentals., IEEE Transactions on Magnetics, vol 34, n.5, September,
1998.
 97

[12]YONG-HWAN O., TAE-KYUNG C., MIN-KYU K., et al. Optimal Design of Electric
Machine using Genetic Algorithms Coupled with Direct Method, IEEE Transactions on Magnetics,
Vol. 35, no. 3, May 1999.

[13]GOLDBERG, D. E. A Meditation on the Application of Genetic Algorithms, I1liGAL Report

no. 98003, February, 1998.

[14]BEASLEY, D.B., David R., MARTIN, R.R. An Overview of Genetic Algorithms: Part 2,

Research Topics, University Computing, 1993.

[l5]GOLDBERG, D. E. Genetic Algorithms in Search, Optimization and Machine Learning,

Addison Wesley, 1989.

[16]MILLER Brad L., GOLDBERG, David E., Genetic Algorithms, Selection Schemes, and the

Varying Efi'ects of Noise, November, 14, 1995.

[17]Genetic Algorithms: Principles. Methods and Algorithms, Hartmut Pohlheim, Daimler Benz
AG, Research and Technology
'

[18]MILLER Brad L., GOLDBERG, David E. Genetic Algorithms, Toumament Selection, and the
effects ofNoise, July 12, 1995 .

[19]WHITLEY, D. A Genetic Algorithm Tutorial, Computer Science Department, Colorado State

University.

[20]ELECTRO-CRAFT, DC Motors, Speed Controls and Servo Systems, third edition, Electro-

Craft Corporation, 1975.

[21]FITZGERALD, A. E. KINGSLEY, C. KUSKO, A. Máquinas Elétricas, McGraw Hill do Bra-

sil, 1975.

[22]SOLARI, C. La Construzione delle Macchine elettriche, nona edizione, Editore Ulrico Hoepli
Milano, 1952.

[23]KOSTENKO, M. PIOTROVSKI L. Máquinas Eléctricas, Edições Lopes da Silva - Porto,

Volume I, 1979.

[24]KOSOW, I. L. .Máquinas Elétricas e Transformadores, 3* edição, Editora Globo, Porto Ale-

gre, 1979.

[25]ALMEIDA, A.T.L. Máquinas de Corrente Contínua, IEEÍDET- EFEI, 1995.

[26]CEROVSKY, Z., Design of Commutation by Means of a Computer, Conference on

Commutation in Rotating Machines, November, 1964.
 98

[27]GRIMSHAW, K. P. The Electromagnetic Design Problem of Commutation in Direct Current

Machines, Conference on Commutation in Rotating Machines, November, 1964.

[28]TSAPPI, P., SANDERS, G.J., TAYLOR P.L., A Method of Reducing Sparking in

Commutating DC Machines, Conference on Commutation in Rotating Machines, November, 1964.