La modélisation par éléments finis dans ANSYS Maxwell est essentielle pour simuler des modèles tels que la transmission d'énergie sans fil (WPT), les transformateurs à couplage résonnant, les transformateurs multi-enroulements multiphasés ou encore ceux excités par des signaux périodiques non sinusoïdaux haute fréquence. C'est également un outil clé pour la conception de moteurs synchrones à aimants permanents (PMSM) et de moteurs à aimants permanents à denture (PMVM).

Lors de la modélisation de bobines résonantes haute fréquence, l'étape cruciale réside dans la définition précise des propriétés des matériaux. Pour un fil de type Litz, il est impératif de paramétrer correctement l'effet de torsion (stranding) afin de capturer fidèlement l'effet de peau et d'éviter une déviation significative de la fréquence de résonance. Voici un exemple de configuration de matériau dans le script :

fil_litz = Material(name='Litz_0.1mm')
fil_litz.set_property('conductivity', 5.8e7)
fil_litz.set_stranded(True)  # Activation de l'effet de torsion
fil_litz.set_strand_radius(0.05e-3)  # Rayon de chaque toron

L'omission de l'activation de la propriété stranded conduit le logiciel à traiter le conducteur comme un fil massif, ce qui fausse les calculs des pertes haute fréquence et la qualité (facteur Q) du circuit résonant.

Pour les transformateurs multi-enroulements et multiphasés, notamment avec des modulations de phase, l'attribution des phases aux différents enroulemnets est optimisée par l'utilisation de tableaux. Cette méthode réduit les erreurs manuelles et garantit la cohérence des excitations. L'approche suivante illustre une configuration pour un système triphasé :

dephasages = [0, 120, 240]  # Déphasages en degrés
for idx, angle in enumerate(dephasages):
    excitation.set_voltage(
        winding_index=idx,
        expression=f'10*sin(2*pi*85kHz*t + {angle}deg)'
    )

Une attention particulière doit être portée aux unités ; une erreur dans la fréquence (ex. : kHz vs k) peut entraîner des résultats incohérents sans notification d'erreur explicite de la part du solveur.

La modélisation des moteurs à aimants permanents, et en particulier des moteurs à denture, requiert une gestion rigoureuse de l'entrefer. L'analyse de l'influence du déséquerrage du rotor est réalisée efficacement via une analyse paramétrique, bien plus rapide qu'une modification manuelle des coordonnées géométriques.

analyse_param = Analysis.Parametric()
analyse_param.add_variable('excentricite', start=0, stop=0.5, unit='mm', step=0.1)
analyse_param.run_analysis(analysis_type='Transient')

Les résultats permettent de tracer directement l'ondulation du couple en fonction de l'excentricité. Au-delà d'un certain seuill (e.g., 0.3 mm), l'ondulation peut devenir critique, ce qui guide les décisions de conception, comme l'ajout de rainures auxiliaires ou la modification de la forme des pôles.

Enfin, pour les transformateurs haute fréquence soumis à des excitations non sinusoïdales, il est préférable d'utiliser le solveur transitoire couplé à un circuit externe plutôt que le solveur fréquentiel. L'onde d'excitation peut être définie sous forme de fonction par morceaux pour reproduire des profils complexes.

signal_mixte = [
    (0, 0),
    ('10ns', '20*sin(2*pi*1MHz*t)'),
    ('50ns', 'PWM(30MHz, 0.6)')  # Fonction PWM définie par l'utilisateur
]
source_excitation = Excitation.create_waveform('signal_ZVS', signal_mixte)

L'analyse spectrale (FFT) du résultat de simulation met en évidence le contenu harmonique, par exemple les composantes de rang 3, ce qui est révélateur des défauts de topologie ou des désaccords de résonance.

En outre, Maxwell offre des fonctionnalités peu documentées mais utiles. Par exemple, dans le visualiseur de flux, maintenir la touche Ctrl en cliquant sur une flèche de champ magnétique permet de localiser instantanément le point de densité de flux maximale. Cette astuce est particulièrement précieuse pour analyser la saturation locale des aimants permanents. La maîtrise de ces techniques de paramétrage et de ces raccourcis est déterminante pour gagner en efficacité et en fiabilité dans les simulations.