911

Sähkötekniikan ja automaation laitos

äö첹Ծ첹

Sähkömekaniikan tutkimusryhmä keskittyy sähkömekaniikan tutkimukseen kolmesta eri näkökulmasta: teoreettisesta, numeerisesta ja kokeellisesta. Ryhmä kehittää ja käyttää omia laskennallisia mallejaan ja skriptejään, ja omistaa testiympäristön, jossa voidaan testata sähkökoneita aina 150kW tehoon asti.
Stator Machine only Picture Group electromechanics
Sähkömekaniikan laboratorio:

Loading table of contents

Tietoja tutkimusryhmästä:

Sähkömekaniikan tutkimusryhmää johtaa Prof. .

Ryhmä pyrkii käsittelemään ajankohtaisia tutkimusaiheita liittyen sähköllä toimivien koneiden sähköisiin, mekaanisiin ja termisiin ominaisuuksiin.  
 
Kehitämme omat menetelmämme ja teemme niihin liittyvän ohjelmoinnin / skritpauksen itse, ja validioimme nämä menetelmät kokeellisesti omissa testiympäristöissämme. Osa kehittämistämme menetelmistä on sisällytetty myös kaupallisiin ohjelmistoihin tiedon siirtämiseksi paremmin sidosryhmillemme. Ryhmän testitiloissa voidaan testata jopa 150kW sähkömekaanisia laitteita. Testituloksia tarvitaan ja käytetään tyypillisesti kehitettyjen numeeristen menetelmien ja mallien validioinnissa. 

Ryhmä tekee tutkimusta koneiden suunnittelusta ja optimoinnista aina teollisiin sovelluksiin asti. Kyseinen tutkimus sisältää myös liikenteen sähköistämistä ja seuraavan sukupolven koneiden suunnittelua yhteistyössä More Electric Aircraft (MEA) ja Electric Vehicles (EV) kanssa. 

Eräs suuri aihe on magneettisissa materiaaleissa ja erityisesti sähkökoneiden rakentamiseen käytettävissä sähköteräslevyissä esiintyvien useita fysiikan aloja yhteen kytkevien ongelmien numeerinen mallintaminen. Nämä ongelmat vaihtelevat materiaalien energiahäviöistä aina koneiden tuottamaan värinään ja ääneen. 

Ryhmä toimii osana useassa kansallisessa, Euroopan laajuisessa ja kansainvälisessä tutkimusprojektissa, ja tekee yhteistyötä niin akateemisten kuin teollisuuden kumppanien kanssa ympäri maailmaa.

Ryhmä on avoin miellekkäille yhteistyömahdollisuuksille: Ota yhteyttä

Seuraa äää uusimpia päivityksiämme:

Tutkimuskohteemme

Edelliset ryhmästä valmistuneet tohtorinväitökset löydät . Ryhmä työskentelee aktiivisesti useiden tutkimusaiheiden parissa. Ohessa näistä muutama: 

  1. Sähkökoneiden optimisaatio: Kehittyvien optimisaatiotekniikoiden, kuten Particle Swarm ja Genetic Algorithm, ansiosta koneita voidaan hienosäätää käyttökohteen vaatimusten mukaisiksi, jolloin saavutetaan hyvä hyötysuhde ja tehotiheys.
  2. Prototyyppien mallinnus: Monifysiikalliset mallit (sähkömagneettiset, termiset ja mekaaniset) ovat ratkaisevassa osassa parhaan suorituksyvyn ja kustannustehokkuuden saavuttamisessa lyhyemmässä aikaikkunassa, mahdollistaen tehokkaan prototyyppimallinnuksen. 
  3. Suurinopeukseiset koneet: Suurinopeuksiset koneet mahdollistavat suuren tehotiheyden saavuttamisen, tehden niistä ideallisia useisiin sovellutuksiin esimerkiksi auto- ja lentokoneteollisuudessa. Nämä sähkökoneet vaativat tarkkaa suunnittelua, jotta otetaan huomioon koneen eri osissa esiintyvät korkeataajuiset ilmiöt. 
  4. Liikenteen sähköistäminen: Sähkökoneet helpottavat siirtymistä liikenteen sähköistymiseen varmistamalla tärkeimmät tekniset vaatimukset kuten tehokkuuden, suorituskyvyn ja kompaktin rakenteen. Nämä ovat avainasemassa liikenteen vihreässä siirtymässä auttaen meitä tavoittelemaan päästöttömyyttä vuoteen 2050 mennessä. 
  5. Ydinhäviöiden käänteinen mallinnus: Uudet käänteismallinnustekniikat mahdollistavat ydinhäviöiden ja paikallisten häviöiden arvioimisen sähkökoneessa käyttäen transienttilämpömittauksia, jotka on vahvistettu laskennallista mallia hyväksi käyttäen. 
  6. Magneettisesti kelluvat roottorit: Tämä kone hyödyntää magneettikenttiä roottorin jousituksessa ja pyörimisessä niin, että fyysisiä kontakteja ei synny, jolloin eliminoidaan kitka ja saavutetaan parempi hyötysuhde. Tälle löytyy sovellutuksia mm. suurnopeuskuljetuksissa, energian varastoinnissa, ja kehittyneissä teollisuuden prosesseissa. 
  7. Pitkittäissuunnassa laminoidut roottorit: Roottorit koostuvat ohuista toisistaan eristetyistä laminaattikerroksista, jotka on pinottu pyörimisakselin suuntaisesti, mikä puolestaan mahdollistaa useita hyötyjä suurissa nopeuksissa: pienemmät pyörrevirtahäviöt, paremman lämpösuorituskyvyn ja vahvemman mekaanisen rakenteen.
  8. Sähkökoneiden topologinen optimointi: Topologisten optimointitekniikoiden, kuten Solid Isotropic Material with Penalization (SIMP) tai Level-set method (LSM), ansiosta sähkökoneet voidaan suunnitella niin että saadaan suuri vääntötiheys ja mekaaninen kestävyys. 
  9. Tilanteen seuranta: Koneoppimisen ja datan lisäämisen (data augmentation) yhdistäminen auttaa parantamaan tilanteen seurantaa sähkökoneista koostuvassa systeemissä luomalla synteettistä dataa vielä mittaamattomiin olosuhteisiin, ja näin ollen parantaa ongelmien jäljittämistä ja diagnostiikkaa käyttämällä vähemmän mittausdataa ja enemmän simulaatiodataa. 
  10. Magnetomekaaniset kytkennät: Rei’ityksen vaikutus sähköistettyihin teräslevyihin kuvataan termodynaamisella ja moniakselisella esitystavalla.
magneto mechanical coupling 5
optim machines flowchart
ac_losses_1

Sähkökoneiden optimisaatio: Annettujen vaatimusten pohjalta tapahtuvalla sähkökoneiden optimoinnilla on huomattavia vakutuksia eri teollisuudenaloilla ja sovellutuksissa, kuten auto- ja ilmailualoilla. Optimoimalla geometria, materiaalit ja käämien kokoonpanot käyttäen monifysikaalisia (sähkö, mekaniikka ja lämmönvaihtelu) malleja koneet saavuttavat annetut ominaisuudet ja vaatimukset. Usean tavoitteen optimointi suoritetaan moneen kertaan, jotta saadaan aikaan Pareto-rintama, joka edustaa tasapainoa eri suorituskyvyn osa-alueiden välillä, mitkä puolestaan voivat olla ristiriidassa keskenään, kuten tehokkuus ja tehotiheys. Vaikkakin tämä on aikaa vievää, laajamittaista optimointia elementtimalleilla voidaan suorittaa Aalto-yliopiston tehokkailla tietokoneilla, jotka mahdollistavat laajojen ratkaisujen tutkimisen ennätysajassa. Optimoinnin tutkimus voi tehdä sähkökoneista kilpailukykyisempiä ja kestävempiä vaihtoehtoja vihreälle liikenteelle.

optim machines flowchart
optim machines flowchart
High Speed Machine 0

Sähkökoneiden optimisaatio: Annettujen vaatimusten pohjalta tapahtuvalla sähkökoneiden optimoinnilla on huomattavia vakutuksia eri teollisuudenaloilla ja sovellutuksissa, kuten auto- ja ilmailualoilla. Optimoimalla geometria, materiaalit ja käämien kokoonpanot käyttäen monifysikaalisia (sähkö, mekaniikka ja lämmönvaihtelu) malleja koneet saavuttavat annetut ominaisuudet ja vaatimukset. Usean tavoitteen optimointi suoritetaan moneen kertaan, jotta saadaan aikaan Pareto-rintama, joka edustaa tasapainoa eri suorituskyvyn osa-alueiden välillä, mitkä puolestaan voivat olla ristiriidassa keskenään, kuten tehokkuus ja tehotiheys. Vaikkakin tämä on aikaa vievää, laajamittaista optimointia elementtimalleilla voidaan suorittaa Aalto-yliopiston tehokkailla tietokoneilla, jotka mahdollistavat laajojen ratkaisujen tutkimisen ennätysajassa. Optimoinnin tutkimus voi tehdä sähkökoneista kilpailukykyisempiä ja kestävempiä vaihtoehtoja vihreälle liikenteelle.

ac_losses_1
High Speed Machine 0
transport electrification

Suurinopeuksiset koneet: Suurinopeuksiset sähkökoneet ovat kovassa kysynnässä tilarajoitteellisissa sovellutuksissa. Useat korkeataajuuksiset ilmiöt esiintyvät tällöin koneen eri komponenteissa usealla tavalla. Nämä sähkömagneettiset haasteet pitävät sisällään mm. pyörrevirrat ja käämitykset. Jäähdytykseen liittyviä haasteita ovat mm. suuret häviötiheydet, jotka edellyttävät innovatiivisia jäähdytystekniikoita, ja ilmaväleissä esiintyvät korkeataajuuksiset sähköiset ilmiöt. Mekaanisia haasteita ovat mm. korkea roottorin mekaaninen rasitus ja värinä. Monet edellämainituista ilmiöistä on mahdollista mallintaa tarkasti, ja näin ollen ne voidaan ottaa huomioon kyseisen sovellutuksen suunnittelussa ja optimoinnissa.

Lue lisää (englanniksi):

Why High-Speed Machines?High-Speed Machines: Economic Impact

High Speed Machine 0
transport electrification
axially laminated rotor

Liikenteen sähköistäminen: Sähkökoneilla on keskeinen rooli sähköistetyn liikenteen voimanlähteinä, mukaan lukien auto-, ilmailu-, rautatie- ja merisovellukset. Koneet voidaan suunnitella täyttämään eri toimialojen asettamat vaatimukset liittyen esimerkiksi vikasietoisuuteen, maksimitehoon, väännön aaltoiluun, hammastusmomenttiin, kokoon, kustannuksiin jne. Näiden vaatimusten huomioon ottaminen on välttämätön osa suunnittelu- ja optimointiprosesseja. Kaksi ensisijaista näkökohtaa teollisuudessa ovat hyötysuhteen parantaminen ja koon pienentäminen, mikä voidaan saavuttaa valitsemalla oikeanlainen konetyyppi, tutkimalla uusia materiaaleja ja toteuttamalla optimointeja. 

Lue lisää (englanniksi):

Why Electric Transports?

transport electrification
axially laminated rotor
inverse modeling 0

Pitkittäissuunnassa laminoidut roottorit: Suurinopeuksisien, pitkittäissuunnassa laminoitujen reluktanssimoottorien suunnittelu tuottaa suuria haasteita moottorien monimutkaisen rakenteen vuoksi. Tämä tutkimus syventyy sähkömagnetismin ja sähkökoneiden mekaanisen suunnittelun metodien mutkikkaisiin ulottuvuuksiin samalla huomioiden koneiden jäähdytystarpeet ja pitäen sisällään jäähdytyksen virtausdynamiikan mallinnusta (CFD). Maininnan arvoisia yksityiskohtia ovat kattava 3D-analyysi, tarkkaa roottorin häviöiden arviointia eri metodeja hyödyntäen, ja sähkökoneen toimintahäiriöiden ja taajuusmuuttajan vaikutus energiahäviöihin. 3D- ja 2D-simulaatiot toteutetaan Aalto Yliopiston supertietokoneella hyödyntäen klusterilaskentaa, jotta datan käsittely ja analysointi olisi tehokasta. Tämä työ tasoittaa tietä suuri-nopeuksisen synkronisen reluktanssikonetekniikan edistymiselle. 

axially laminated rotor
inverse modeling 0
SynRM prototype, torque transducer, load motor

Ydinhäviöiden käänteinen mallinnus: Häviöiden tarkka arviointi ja mittaaminen on elintärkeää kun arvioidaan sähkökoneen hyötuhdetta, lämmön jakautumista ja jäähdyttämistä. Tämä tutkimus esittelee uudenlaisen käänteiseen mallinnukseen perustuvan tekniikan sähkökoneen ydinhäviöiden ja paikallishäviöiden arvioimiseksi. Tämä lähestymistapa käyttää lyhytaikaisia lämpötilatransienttimittauksia koneen sydämen lämpötilan mittaamiseen ja mittaustulokset varmennetaan laskemalla mallinnuksesta. Ensisijaisia mittaustapoja on kaksi: lämpöanturit, jotka on upotettu piirilevyyn staattorin sydämessä, ja pintatermografiset mittaukset infrapunakameralla. Tulokset osoittavat käänteismallinnustekniikan tehokkuuden ennakoitaessa koneen ydinhäviöitä lyhytaikaisten lämpötilatransienttimittausten perusteella. 

inverse modeling 0
SynRM prototype, torque transducer, load motor
Electrical motor

Sähkökoneiden topologinen optimointi: Topologinen optimointi on suunnittelun optimointia, joka ratkaisee automaattisesti materiaalin sijoittelun suunniteluvaiheessa parhaan suorituskyvyn saavuttamiseksi. Jotta suunniteluvaatimukset suuresta elektromagneettisesta väännöstä, kevyestä painosta ja mekaanisesta lujuudesta saavutetaan tämä tämä tutkimus kehittää topologiaoptimointia lähestymistapana kun suunnitellaan reluktanssimoottoreiden (SynRMs) roottoreita. Ottaen huomioon monifysiikallisen suorituskyvyn aiheuttamat korkeat tilarajoitukset, laajennettuun Lagrangen menetelmään perustuva optimointikehys on kehitetty ratkaisemaan minimointiongelmaa. Esitettyjen metodien tehokkuus varmistetaan suorittamalla SynMRs-moottoreiden topologiaoptimoinnin simulaatioanalyysi, ja optimoidun rakenteen suorituskyky varmennetaan prototyypillä tehtävillä testeillä ja kokeilla. 

SynRM prototype, torque transducer, load motor
Electrical motor
Condition Monitoring of machines

Magneettisesti kelluvat roottorit: Tutkimus ottaa huomioon kuusivaiheisen oikosulkumoottorin ohjauslohkon ja erilaiset käämikokoonpanot. Sähkökone mallinnetaan käyttämällä analyyttistä mallia, magneettista ekvivalenttipiiriä (MEC) ja elementtimallia (FEM). Tutkimus kattaa erilaisia näkökulmia: sähkömagneettisten suorituskyvyn optimointi (vääntömomentti ja voimat x-y-suunnissa), värähtelyn mallinnus, vääntömomentin ja voiman aaltoilu, sekä värähtelyjen vaimentaminen. Mallinnukset vahvistetaan prototyypimoottorille tehtävillä testeillä.

Electrical motor
Condition Monitoring of machines
magneto mechanical coupling 5

Tilanteen seuranta: Sähkökoneiden tilan valvonta on edistynyt merkittävästi dataohjattujen koneoppimismallien käyttöönoton ansiosta, millä vastataan luotettavaien ja tehokkaiden toiminnallisuuksien kasvavaneeseen kysyntään. Tämän tutkimusprojektin tavoitteena on tutkia koneoppimisen ja innovatiivisten datan lisäysmenetelmien keskenäistä integraatiota, jolla saavutetaan sähkökoneiden tilan valvonnan parempi tarkkuus. Päätavoitteena on kehittää tarkkoja ja tehokkaita datan lisäystekniikoita käyttämällä pienempää määrää mittausdataa ja sisällyttämällä sen lomaan simulaatiodataa, jolloin syntyy suuri määrä synteettistä dataa. Lopullinen tavoite on kehittää uusia datan lisäysmenetelmiä, jotka pystyvät toistamaan mitattua dataa minimoimalla kohinan ja epävarmuuden aiheuttamat poikkeamat mitatun ja simuloidun tiedon välillä.

Condition Monitoring of machines
magneto mechanical coupling 5
optim machines flowchart

Magnetomekaaniset kytkennät: Termodynaamiset kytkennät ja erityisesti magnetomekaaninen kytkentä sähkömagneettisissa laitteissa mahdollistavat rikkomatomien aineenkoetusmenetelmien (NDT) kehittelemisen. Magnetoelastisen käyttäytymisen malli perustuu Gibbsin vapaan energian tutkimuksiin, ja jonka ehdot on määritetty invarianttien teoriaa hyväksi käyttäen. Tämä projekti keskittyy magnetoelastisten kytkentöjen muotoiluun aiempia tekniikoita käyttäen ja johtaen niistä kokeellisia menetelmiä. Tämän projektin tavoitteena on myös kuvata plastisuuden vaikutusta moniakseliselle kuormitukselle altistuvien sähköteräslevyjen suorituskykyyn.

Tämänhetkiset tutkimusprojektit

Edelliset tutkimusprojektit

Edelliset tohtorinväitökset

Alumnit

Brijesh Upadhaya

PhD 2022

Brijesh Upadhaya

PhD 2022

Asad Bilal

PhD 2021

Victor Mukherjee

PhD 2020

Ravi Sundaria

PhD 2020

Sabin Sathyan

PhD 2020

Mehrnaz Farzam Far

PhD 2019

Ugur Aydin

PhD 2018

Antti Lehikoinen

PhD 2017

Bishal Silwal

PhD 2017

Deepak Singh

PhD 2016

Javier Martinez

PhD 2015

Paavo Rasilo

PhD 2012

Jenni Pippuri

PhD 2010

Zlatko Kolondzowski

PhD 2010

Katarzyna Anna Fonteyn

PhD 2010

Emad Ali Dlala

PhD 2008

Tieteelliset julkaisut

Viimeisimmät tieteelliset julkaisumme:

Taiea A. Ahmed, Ahmed Ismail M. Ali, Anouar Belahcen, Essam E. M. Mohamed, Mohamed A. Ismeil, Zuhair Muhammed Alaas, Abdel‐Raheem Youssef 2026 Engineering Reports

Ahmed Ismail M. Ali, Anouar Belahcen, Alaaeldin Hassan, Ahmed Hemeida, Mahetab Alam, Mokhtar Aly, José Rodríguez, Mahmoud S.R. Saeed 2026 IEEE Transactions on Power Electronics

Ahmed Ismail M. Ali, S. R. Mahmoud Saeed, Alaaeldien Hassan, Anouar Belahcen, Mokhtar Aly, José Rodríguez 2026 2025 26th International Middle East Power Systems Conference (MEPCON)

Craig S. Carlson, Michiel Postema 2026

Benjamin Ducharne, Floran Martin, Anouar Belahcen 2026 IEEE Transactions on Magnetics

Alaaeldien Hassan, Mohamad Abou Houran, Mustafa Abu-Zaher, Ahmed Ismail M. Ali, Mokhtar Aly, Fernanda De Morais Carnielutti 2026 IEEE Open Journal of Power Electronics

Alaaeldien Hassan, Mustafa Abu-Zaher, Mahmoud S.R. Saeed, Ahmed I.M. Ali, Mokhtar Aly, Anouar Belahcen, José Rodríguez 2026 2025 26th International Middle East Power Systems Conference (MEPCON)

Eedit Koivukangas, Nonna Nurmi, Konstantin Malafeev, Sofia Voimanen, Harish Swaminathan, Sahrooz Sharifi, Craig S. Carlson, Michiel Postema, Antonia Ressle 2026 Open Ceramics

Semen Koveshnikov, Nada El Bouharrouti, Anouar Belahcen, Alireza Nemat Saberi 2026 IET Electric Power Applications

Tetsuji Matsuo, Floran Martin, Anouar Belahcen 2026 IEEE Transactions on Magnetics
Lisää tietoa tutkimuksestamme löytyy Aallon tutkimusportaalista.
  • äٱٳٲ:
  • Julkaistu:
Jaa
URL kopioitu