上一篇完成了一字型IPM定子、转子铁芯和绕组的基础建模。本篇继续解决转子上一个很容易被忽略、却会明显影响气隙磁场的问题:Q轴凹槽应该为什么开、开在哪里,以及怎样把它做成真正可扫描的全参数化结构。
本文不把某个固定尺寸包装成通用答案。Q轴凹槽的收益与槽极配合、气隙、磁钢尺寸、磁桥厚度和运行工况有关。历史项目曾出现齿槽转矩下降约60%的结果;本文80mm外径、10极样机后续优化得到的实际改善为37.38%。真正可复用的是建模和验证方法,而不是直接照抄尺寸或降幅。
新手做一字型IPM转子,开好磁钢槽、把磁钢塞进去就觉得完事了,根本没想过两磁极中间那个异形凹槽是干啥的。说白了,这个不起眼的小槽,是降低齿槽转矩和转矩脉动性价比最高的一招,没有之一。
核心原理就一句:它调制气隙磁导,让气隙磁密更接近正弦。
IPM的气隙磁密本来就不是正弦,而是接近方波、谐波含量丰富的波形,里面裹着大量5、7、11次谐波,这些谐波正是齿槽转矩、转矩脉动和电磁噪声的来源。在Q轴(两磁极正中间)开一个大小合适的凹槽,等于在对应位置改变了气隙长度,把特定次数的谐波抵消掉,磁密波形就平滑下来了。
说人话:原来磁密是方波,谐波多,电机转起来抖、噪音大;开对凹槽,相当于把方波"削"成接近正弦,谐波少了,电机自然转得稳、声音小。
从电磁机理看,Q轴凹槽可能带来以下6类收益。本文章已经直接验证的是平均转矩、转矩脉动、齿槽转矩和反电动势谐波畸变率;转子损耗、温升、弱磁和NVH仍需要专门仿真或试验确认:
变频器供电、高速运行时,转子表面会感应出大量沿表面闭合的涡流,这是转子发热的一大来源。凹槽会改变局部涡流回路和路径长度,理论上可能降低部分转子表面涡流损耗。但降幅与转速、材料、叠片及谐波频率有关,必须通过转子损耗和温升仿真确认,不能只凭几何变化直接下结论。
Q轴区域本来就有条沿转子表面极间短路的漏磁通路,这部分磁通根本不和定子绕组交链,纯属浪费。开合适深度的凹槽有助于抑制这条漏磁通路,逼着更多磁通穿过气隙去和定子交链,有效气隙磁通增加,永磁转矩分量随之提升;同时涡流小了,涡流制动转矩也跟着降。一升一降,净输出转矩实打实地提上去了。
一方面凹槽调制气隙磁导,抵消磁密的低次谐波,齿槽转矩能降50%以上。我手头项目里开对凹槽,齿槽转矩从28mNm掉到11mNm,直接砍掉60%多。另一方面它对Q轴磁阻转矩的空间分布做调制,平滑磁阻转矩的空间导数,削弱和定子齿对应的阶次分量,负载下的转矩脉动同样能降60%以上,电机跑起来顺得多。
磁密更接近正弦,以我手头的项目为例,反电动势的5、7、11次谐波大幅回落,THD能从5%~6%压到2%上下。控制精度高一点,铜损铁损小一点,效率还能再抠出一点。
凹槽直接动Q轴磁阻,进而影响Lq和凸极率(Lq/Ld)。调凹槽深度就能重新配比磁阻转矩和永磁转矩,把功率因数提上去,同时改善高速弱磁扩速能力。做高速驱动电机,这点很关键。
磁密径向分量被平滑后,低阶径向力波幅值明显下去,电磁振动和噪声都被摁住;再通过调凹槽的角度和位置,挪动力波的空间阶次,绕开机壳和端盖的固有频率,避免共振。
顺带提一句,凹槽还多了点外表面积,转子表面和气隙之间的对流换热条件好了些,对降整体温升有点辅助作用,算意外之喜。
凹槽深度不是越深越好。越深,漏磁阻断越狠、齿槽转矩越低,但凹槽底部到磁钢槽之间的磁桥剩余厚度也越薄,高速旋转时离心应力会窜上去,磁桥太薄,转子有飞裂的风险。
工程上正经的做法是:先用Maxwell做参数化扫描,看凹槽深度对转矩、齿槽转矩、损耗的影响;再把模型导进Workbench做静力学分析,看不同磁桥厚度对应的离心应力;联合优化,找到满足许用应力(一般取屈服强度的1/3到1/2当安全系数)的最薄磁桥厚度,在这个机械约束下挑最优的凹槽深度。只盯着电磁性能、不管机械强度,是新手最常犯的错。在不少场景里,先把Q轴凹槽尺寸调对,性价比比盲目斜极、改磁钢角度更高;槽型和磁钢分段往往是组合着用,不是互相替代。

*(图1 :10极一字型IPM转子整体图,红色箭头指向两磁极中间的Q轴凹槽位置)*

*(图2 :Q轴凹槽局部放大,可见异形圆角槽的入口大圆角 R1 与底部形状)*
基础篇已经把定转子铁芯、绕组和转子 PMCore 搭好了(Step 1-10)。这一篇接着做转子精修:用辅助槽挖出磁钢槽、做出 Q 轴凹槽、装好磁钢,最终拿到一个能跑参数扫描的全参数化模型。下面每一步都配了操作截图,照着做就行。
这一步基础篇没写,但本篇要用它生成辅助槽,必须先装好。把 `01_one_Shape_IPM_Rotor.py` 复 制到以下任意路径(没有就新建):
`F:/Program Files/AnsysEM24R1/AnsysEM/v241/Win64/syslib/UserDefinedPrimitives`
首次安装后,执行 Draw → User Defined Primitives → Update Menu 更新菜单。之后就能在 Draw → User Defined Primitives → (PersonalLib) → 01_one_Shape_IPM_Rotor 找到它。
操作路径:Draw → User Defined Primitive → 01_one_Shape_IPM_Rotor,按图中填入对应变量参数。辅助槽是磁钢槽和 Q 轴凹槽的毛坯,它的轮廓决定了后面凹槽的初始形状。

*(图3 )*
先在参数窗口按图输入辅助槽的变量(半径、角度、厚度等),确认生成。然后选中辅助槽,点 Modeler → Boolean → Split,沿 X 轴切割,只保留右半部分单个磁钢槽轮廓。

*(图4)*

*(图5)*
选中切割后的半片辅助槽,点 Modeler → Rotate,绕 Z 轴旋转 360/Poles/2*1deg,对准一个极位置。一字型磁钢不用额外转,这里直接到下一步。


*(图6,图7)*
选中旋转好的单个辅助槽,点 Modeler → Array → Around Axis,旋转角度 360/Poles*1deg,Total Number 先填 1 确认,再改成 Poles(直接填变量会报错,这是 Maxwell 的老毛病)。
然后挖第一层磁钢槽:先 Ctrl+C/V 复 制一份转子备份;选中转子和所有阵列好的辅助槽,Modeler → Boolean → Subtract,Blank 选转子、Tool 选辅助槽,不勾 Clone tool objects。


*(图8,图9)*
再插一次 PMCore 辅助模型(参数和转子一致),选中它和转子做 Subtract,挖出第二层磁钢槽,和第一层形成阶梯空气层,压低漏磁。


*(图10,图11)*
选中挖完第一层槽的转子,Ctrl+C/V 复 制一个新转子备用。再建一个 PMCore5 辅助模型(参数同转子但含凹槽特征),对它做 Around Axis 阵列(360/Poles*1deg,Total Number 先 1 后 Poles)。然后选中前面复 制的转子 PMCore3 和 PMCore5 做 Subtract,得到带凹槽雏形的转子。

*(图12)*
选中 PMCore3,把 ThickMag 从 H_mag_slot 改成 H_mag_slot - Mag_Lim_Slot_H。这一步是凹槽深度参数化的核心:改一个变量,凹槽切入
深度就自动变,不用重画。


*(图13,图14)*
先选中 PMCore1 和 PMCore3 用 Unit 命令合并成一个整体(不然后面倒角选不中边)。

*(图15)*
然后用 Fillet 倒角做出 Q 轴凹槽:选中转子外圆 Q 轴位置的点,Fillet Radius 填 Notch_R1 做入口大圆角;再选中凹槽底部点,Fillet Radius 填 Notch_R2 做底部圆角(默认 0mm 即尖角)。

*(图16)*
再插一次 PMCore,InfoCore=2(生成磁钢实体),ThickMag=H_mag(磁钢实际厚度),材料赋钕铁硼(按温度等级选,如 N35SH)。

*(图17)*



*(图18,图19,图20)*
选中阵列好的磁钢整体,右键 Edit → Boolean → Separate Bodies 拆成单个磁钢,按 N/S 交替设充磁方向,逐个检查。错了仿真结果完全不对。

*(图21)*
到这儿,参数化模型就建完了。改极数、改槽数、改任何尺寸,全模型自动更新,直接能做参数扫描和优化。

*(图22)*
原篇幅里"6个坑""6个技巧"内容较多,这里只留最容易翻车的几条:
这一篇把一字型IPM转子的Q轴凹槽从原理和建模两个维度摊开了讲。如果你跟着流程走了一遍,应该能带走三个核心结论:
第一,Q轴凹槽不是装饰,而是性价比最高的谐波抑制手段。 它不换磁钢、不加材料、不改工艺,只在转子外圆动四个参数,就能让齿槽转矩、转矩脉动、THD 同时下降。本质上是通过调制局部气隙磁导,把接近方波的气隙磁密"削"得更接近正弦,同时把原来从Q轴极间漏掉的磁通逼回气隙,变成有效转矩。
第二,参数化建模的价值不在"一次画对",而在"一次改对"。 用 01_one_Shape_IPM_Rotor.py 辅助槽、两次布尔挖槽、Unit 合并、Fillet 倒角这一套固定流程,把 Notch_Offset_Angle、Notch_Depth、Notch_R1、Notch_R2 全部变量化。后面无论改极数、改外径还是改凹槽深度,模型都能自动更新,直接对接 Optimetrics 参数扫描。
第三,建模阶段的5个坑,每一个都会让后面的优化白费。 磁钢槽没分两次挖、磁钢定位顺序错、凹槽位置偏离Q轴、没 Unit 就倒角、忽视隔磁桥厚度——这些问题在建模时看起来都是小失误,但会一直传递到 946 组扫描结果里,让你在最后一步才发现全盘皆错。
到这儿,一个真正全参数化的一字型IPM转子模型就齐了。但模型能扫,不等于已经找到最优尺寸。
模型建完,很多人下一步就是打开 Optimetrics,把四个参数一拉,跑完几百组 Case,然后按齿槽转矩从小到大排个序,挑最小的那个当最优解。
真这么干,十有八九会翻车。
你可能会挑出一个"齿槽转矩最低、平均转矩掉 5%、THD 反而起飞"的伪最优;也可能漏掉一组"综合得分不是第一、但电压裕量和机械强度都更友好"的真香解;更可能面对 946 行 Excel 完全不知道从哪下手。
下一篇我会把我自己写的 Maxwell 参数化多目标优化工具 完全摊开讲:
946 组数据,不是让你用眼睛一行行看的,是用规则一层层筛的。
如果你也不想面对满屏仿真结果抓瞎,下一篇值得蹲一下。

