Optimal design of a highly efficient PMSM for a Shell Eco-marathon urban concept

This thesis presents the design, optimization, prototyping and experimental validation of a high-efficiency permanent-magnet synchronous motor developed for the Shell Eco-marathon competition. Unlike conventional electric traction applications, where power density and dynamic performance are the primary objectives, the design process focused on maximizing the overall drivetrain efficiency under the specific operating conditions imposed by the race strategy. The work began with the development of a vehicle-level energy model and the identification of the most representative operating points through a race-strategy optimization procedure. These operating conditions were then used to define the requirements for the electric machine. Three candidate topologies, namely 24-slot 4-pole, 36-slot 6-pole and 12-slot 8-pole permanent-magnet synchronous machines, were investigated through a fully parametric electromagnetic design framework. A large database of finite-element simulations was generated and subsequently employed to train surrogate neural-network models capable of accurately predicting the machine performance while drastically reducing computational time. The surrogate models were integrated into a multi-objective genetic optimization procedure aimed at maximizing efficiency while minimizing active mass. Pareto-front analysis enabled a systematic comparison of the candidate topologies and led to the selection of a 36-slot 6-pole configuration as the optimal compromise for the target application. The optimization process was further refined to account for manufacturing constraints and material availability in collaboration with the industrial partner CIMA1915. The final design was realized as a physical prototype using high-efficiency electrical steels, distributed windings and NdFeB permanent magnets. The machine was subsequently tested on a dedicated dynamometric bench and experimentally characterized under different operating conditions and control strategies. The measured results demonstrated good agreement with the simulation predictions, validating both the electromagnetic modelling approach and the surrogate-based optimization framework. Furthermore, the experimental campaign confirmed the superior efficiency of sinusoidal field-oriented control compared with BLDC operation, highlighting the importance of minimizing harmonic losses in ultra-efficient traction systems. The proposed methodology demonstrates the effectiveness of combining finite-element analysis, machine-learning techniques and experimental validation for the development of next-generation high-efficiency electric machines, providing a scalable framework for future electric mobility applications.

La presente tesi descrive la progettazione, l’ottimizzazione, la realizzazione e la validazione sperimentale di un motore sincrono a magneti permanenti ad alta efficienza sviluppato per la competizione Shell Eco-marathon. A differenza delle tradizionali applicazioni per la trazione elettrica, nelle quali densità di potenza e prestazioni dinamiche rappresentano gli obiettivi principali, il processo di progettazione è stato orientato alla massimizzazione dell’efficienza complessiva del sistema di propulsione nelle specifiche condizioni operative imposte dalla strategia di gara. Il lavoro è iniziato con lo sviluppo di un modello energetico del veicolo e con l’individuazione dei punti di funzionamento più rappresentativi attraverso una procedura di ottimizzazione della strategia di guida. Tali condizioni operative sono state successivamente utilizzate per definire i requisiti della macchina elettrica. Sono state analizzate tre differenti topologie di motore sincrono a magneti permanenti, rispettivamente a 24 cave e 4 poli, 36 cave e 6 poli, e 12 cave e 8 poli, mediante un ambiente di progettazione elettromagnetica completamente parametrico. È stato quindi generato un ampio database di simulazioni agli elementi finiti, utilizzato per l’addestramento di modelli surrogati basati su reti neurali in grado di predire accuratamente le prestazioni della macchina riducendo drasticamente i tempi computazionali. Tali modelli sono stati integrati all’interno di una procedura di ottimizzazione genetica multi-obiettivo finalizzata alla massimizzazione dell’efficienza e alla minimizzazione della massa attiva del motore. L’analisi dei fronti di Pareto ha consentito di confrontare in modo sistematico le diverse configurazioni e di identificare nella topologia a 36 cave e 6 poli il miglior compromesso per l’applicazione considerata. Il processo di ottimizzazione è stato successivamente adattato per tenere conto dei vincoli costruttivi e della disponibilità dei materiali, grazie alla collaborazione con il partner industriale CIMA1915. Il progetto finale è stato quindi realizzato sotto forma di prototipo fisico, impiegando lamierini magnetici ad alte prestazioni, avvolgimenti distribuiti e magneti permanenti in NdFeB. Il motore è stato infine caratterizzato sperimentalmente mediante prove al banco dinamometrico, eseguite in differenti condizioni operative e con differenti strategie di controllo. I risultati sperimentali hanno mostrato una buona corrispondenza con le previsioni ottenute in fase di simulazione, validando sia il modello elettromagnetico sia l’approccio di ottimizzazione basato su modelli surrogati. Inoltre, la campagna sperimentale ha evidenziato la superiorità del controllo sinusoidale orientato al campo rispetto alla commutazione trapezoidale di tipo BLDC, confermando l’importanza della riduzione delle perdite armoniche nei sistemi di trazione ad altissima efficienza. La metodologia proposta dimostra come l’integrazione di simulazioni agli elementi finiti, tecniche di machine learning e validazione sperimentale costituisca un approccio efficace per lo sviluppo di macchine elettriche di nuova generazione ad alta efficienza, fornendo una procedura progettuale estendibile a future applicazioni nel settore della mobilità elettrica.