Kompensation von Magnetisierungsabweichungen in Permanentmagnet-Synchronmotoren durch selektive Rotormontage

Die Herstellung elektrischer Antriebe für Elektro- und Hybridfahrzeuge entwickelt sich von der heutigen Kleinserienproduktion hin zur Massenproduktion. Optimierte Ansätze der Qualitätssicherung in der Produktion von Verbrennungsmotoren können aufgrund technologischer Unterschiede nicht direkt auf die Produktion von Elektromotoren übertragen werden. Um die heutigen hohen Ausschussraten zu reduzieren, müssen neue Strategien entwickelt werden. Permanentmagnet-Synchronmotoren sind aufgrund ihrer kompakten Bauweise und hohen Leistungsdichte die am häufigsten eingesetzten Antriebe hybrider und elektrischer Fahrzeuge und müssen hohen Qualitäts- und Sicherheitsanforderungen genügen. Die Magnetisierung der Permanentmagnete unterliegt natürlichen Schwankungen, die durch Prozessregelung nicht verhindert werden können, da der Magnetisierungsprozess bereits im Sättigungsbereich durchgeführt wird. Magnetisierungsabweichungen in den Einzelteilen führen direkt zu Streuungen im montierten Rotor. Diese verringern im Betrieb die Leistung des Elektromotors und verursachen Vibrationen, die wiederum Geräuschemissionen und Verschleiß erhöhen. Eine Reparatur der Rotoren sowie der montierten Motoren am Ende der Produktionslinie ist aufgrund der Aufbauart technisch nicht möglich. Aus diesem Grund wird in dieser Arbeit eine Strategie der selektiven Rotormontage entwickelt, die es erlaubt, unvermeidbare Abweichungen der Magnetisierung zu erkennen und in nachfolgenden Prozessschritten zu kompensieren. Durch Ändern der Reihenfolge und Verdrehen der fehlerhaften Einzelteile soll der zusammengebaute Rotor wieder innerhalb der Toleranz liegen und ein möglichst gleichmäßiges Magnetfeld aufweisen. Eine Herausforderung ist hierbei die Entwicklung geeigneter Methoden zur Vorbehandlung der Magnetisierungs-Messwerte mittels Datenreduktion, Merkmalsselektion und -extraktion. Anschließend erfolgt eine Klassifikation der Merkmalsvektoren durch künstliche neuronale Netzwerke, welche die Grundlage der selektiven Optimierung bildet. Ein Fuzzy Inferenz System wird zur Auswahl der idealen Kombination der Einzelteile eingesetzt. Dabei wird Expertenwissen über den Prozess und die geplante Kompensation mittels Fuzzy Regeln in einer Regelbasis gespeichert. Die Methoden zur Datenanalyse, Klassifikation und Optimierung werden in MATLAB implementiert und anhand von experimentellen und simulativen Daten validiert. Mittels selektiver Rotormontage wird somit erreicht, dass die Elektromotoren trotz Magnetisierungsabweichungen in den Einzelteilen innerhalb der gewünschten Toleranzen liegen. Die Toleranzen in den Einzelteilen können dadurch weniger restriktiv gewählt werden. Durch diese Strategie wird die Ausschussrate, sowohl der Einzelteile als auch des montierten Motors, verringert. Dies ermöglicht zukünftig eine wirtschaftlichere Massenproduktion von Permanentmagnet-Synchronmotoren, die die hohen Qualitätsanforderungen erfüllen.

Fabrication of electric motors for electric and hybrid vehicles is moving towards mass production as the number of electrified vehicles is constantly growing. As optimized production and inspection processes from conventional combustion engines cannot be transferred directly to the production of electric motors due to different technological challenges, new strategies for quality control must be developed. Permanent magnet synchronous machines are widely used in the automotive industry due to their compactness and high efficiency. The quality and security requirements are very high for vehicle engines and require 100% inspection. However, the magnetization of the permanent magnets shows irregularities and deviations from the target values due to natural raw material properties and defects during handling and assembly. Process control cannot be applied for deviation avoidance as the magnetization process occurs in the saturation area of the magnets. Deviations in the single parts cause magnetization deviations in the assembled rotor. This decreases the motor efficiency and causes vibrations in operation, which increase noise emission and wear. Inline repair of defective parts is not possible without damaging the rotor. Therefore, a new selective rotor assembly strategy for downstream compensation of existing deviations is developed within this work. By rotating and changing the stacking order of single stacks the deviations in magnetization can be compensated yielding a uniform magnetic field of the assembled rotor that is within the desired tolerances. First, the measured magnetization signal must be reduced and the relevant features must be selected and extracted. Then, the stacks can be classified based on the characteristic magnetic properties by artificial neural networks. The optimization algorithm selects stacks from matching bins reducing the solution space of combination. A fuzzy inference system contains the expert knowledge about optimization and compensation of magnetic deviations and finds the best matching stacks to be assembled. Finally, the selective rotor assembly methods for downstream compensation are implemented in MATLAB and verified by using simulated and experimental data. Selective rotor assembly allows to build motors that are within the tolerances although single parts contain magnetization deviations. This approach decreases the amount of scrapped parts in upstream processes as well as assembled motors at the end of line, enabling mass production of electric motors of high quality in the future.