Çalışma frekansına ve geometrik yapıya bağlı olarak toroid çekirdeklerin manyetik özelliklerinin deneysel ve kuramsal incelenmesi

Abstract

Toroid manyetik çekirdekler, sanayide kesintisiz güç kaynaklan, anahtarlamalı güç kaynaklan (SMPS), güç transfonnatörleri gibi elektrikli aletlerde yaygın olarak kullanılmaktadır. Toroid çekirdeklerin manyetik özellikleri güç kayıplannı doğrudan etkilemektedir. Aynca geometrik yapı, kullanılan manyetik maddenin kalınlığı ve cinsi gibi etkenlerin de güç kayıplannda önemli bir yeri vardır. Bu araştırmada, 12 farklı çalışma frekansında 0.27, 0.1 ve 0.08 mm şerit kalınlığındaki %3 SiFe elektrik çeliklerinden sanlmış farklı boyutlardaki toroid çekirdeklerin manyetik ölçümleri yapılarak çekirdeklerin manyetik çalışma verimleri incelenmiştir. Yapılan analizlerden, 0.27 mm şerit kalınlığına sahip toroidlerde, iç çapı küçük, iç çapı ile şerit genişliği aynı ve dış çapın iç çapa oranı küçük olan çekirdeklerde güç kayıpları fazladır. Yüksek frekanslarda demir kesiti büyük çekirdeklerde güç kayıplan daha az ve yaklaşık 250 Hz'e kadar 0.27 mm şerit kalınlığına sahip çekirdeklerin, 250 Hz' den sonra ise ince şeritli çekirdeklerin daha iyi manyetik özelliklere sahiptir. 0.27 mm şerit kalınlığındaki elektrik çeliğinden sanlmış çekirdeklerin güç kayıplannı hesaplamak için Bertotti modeline yüzey ve geometrik etkiler için ilave terimler içeren matematiksel bir ifade geliştirilmiştir. Bu matematiksel ifade 50 Hz-1 kHz çalışma frekansı ve 0.2 - 1.3 T manyetik indüksiyon aralığında deneysel verilerle oldukça uyumludur. Aynca toroid çekirdeklerin manyetik özelliklerini belirlemek için, çeşitli yapay sinir ağı modelleri geliştirilmiş ve yapay sinir ağlanmn toroid çekirdeklere başanyla uygulanabileceği gösterilmiştir. Yapay sinir ağlannda hassasiyet analizi yapılarak ağın giriş verileri ile çıkış verileri arasındaki ilişki bulunabilir. Hassasiyet analizi sonucu çıkış verisi olarak seçilen güç kaybı ile giriş verisi olarak seçilen iç çap, dış çap, şerit genişliği ve manyetik indüksiyon arasındaki ortalama değişimler hassasiyet fonksiyonu aracılığı ile elde edilmiş ve bu değişimler eğriler uydurularak güç kaybı için sadece geometrik özelliklere ve manyetik indüksiyona bağlı analitik bir denklem elde edilmiştir.

Toroidal magnetic cores have been commonly used in uninterrupted power supplies (UPS), switching mode power supplies (SMPS) and power transformers. Magnetic properties of toroidal cores directly influence the power loss of these electrical machines. Sort of material and its thickness, magnetic induction and magnetising frequency also play an important role in power losses. In this research, toroidal wound cores made from 3% SiFe 0.27 mm thick M4, 0.1 mm and 0.08 mm thin gauge magnetic strip with various geometrical sizes at 12 different induction frequencies have been magnetically measured and magnetic performance of the cores have been investigated. From the results of this investigation, the power losses increase on the toroidal cores which have an inner diameter less than 25 mm, strip width equal to inside diameter and the ratio of outer diameter to inner diameter is less than 1.6. The power losses of toroidal cores with high Fe effective area decrease with increasing frequency. Also the power loss is lower on the cores made from M4 materials than the cores made from thin gauge up to about 250 Hz and higher after 250 Hz. An analytical formula for the power loss of the cores made from M4 material has been improved and adds extra terms to the Bertotti equation coming from skin and geometrical effects. This equation has been verified and found to be good agreement with experimental data obtained in the frequency range from 50 to 1000 Hz and at the peak flux densities from 0.2 to 1.3 T. Furthermore, an artificial neural network model for prediction of magnetic performance of toroidal cores has been improved and successfully applied to toroidal cores. In this model a sensitivity analysis is carried out to find a relationship between the inputs and outputs of the network. From this analysis an analytical equation for the power loss as depending on input parameters has been obtained. The analytical equation obtained neural network also is comparable with experimental data and it can be used for prediction of magnetic properties of toroidal cores from geometrical dimensions without measurements.