یک روش مناسب برای رسیدن به بازده و ضریب توان بالا در ماشین‌های سنکرون رلوکتانسی، افزایش برجستگی مغناطیسی (Ld/Lq) در این ماشین‌ها است. این کار معمولاً از طریق تغییر ساختار هندسی ماشین و به ویژه با تغییر تعداد و شکل سدهای شار رتور انجام می‌شود. در این مقاله از یک روش هوشمند برای بهینه‌سازی موتور سنکرون رلوکتانسی بر مبنای برجستگی مغناطیسی استفاده شده است. به این منظور مشخصات موتور از جمله هندسه ورق‌های استاتور، طول محوری ماشین، نوع سیم‌بندی و تعداد سدکننده‌های شار رتور ثابت فرض شده و شش پارامتر برای تعیین مکان سدهای شار رتور تعريف شده است. سپس به ازاي تغييرات پله‌ای اين پارامترها، برجستگی مغناطیسی رتور با استفاده از روش اجزای محدود (FEM) محاسبه شده و با به کارگیری این مقادیر برای آموزش يك شبكه عصبي (NN)، تابعی برای مدل‌کردن برجستگی مغناطیسی در موتور فراهم شده است. با در نظر گرفتن این مدل عصبی به عنوان تابع هدف درون الگوريتم ژنتيك (GA)، پارامترهای ماشین سنکرون رلوکتانسی بهينه‌سازي شده و بهترين ساختار موتور با بیشترین برجستگی مغناطیسی به دست آمده است. در پایان توانایی تخمین درست شبکه عصبی توسط شبیه‌سازی FEA، و قابلیت سنکرون ماندن موتور در بار نامی توسط شبیه‌سازی دینامیکی تأیید شده است. پرونده مقاله