CN117131667A - 一种槽口永磁型混合励磁双凸极电机的优化方法及*** - Google Patents
一种槽口永磁型混合励磁双凸极电机的优化方法及*** Download PDFInfo
- Publication number
- CN117131667A CN117131667A CN202310991412.5A CN202310991412A CN117131667A CN 117131667 A CN117131667 A CN 117131667A CN 202310991412 A CN202310991412 A CN 202310991412A CN 117131667 A CN117131667 A CN 117131667A
- Authority
- CN
- China
- Prior art keywords
- optimization
- motor
- permanent magnet
- objective
- expressed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000005284 excitation Effects 0.000 title claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000004804 winding Methods 0.000 claims abstract description 32
- 230000035945 sensitivity Effects 0.000 claims abstract description 29
- 238000013461 design Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000002474 experimental method Methods 0.000 claims abstract description 14
- 238000013178 mathematical model Methods 0.000 claims abstract description 13
- 230000009467 reduction Effects 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 20
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 14
- 229910052802 copper Inorganic materials 0.000 claims description 14
- 239000010949 copper Substances 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 4
- 238000010206 sensitivity analysis Methods 0.000 claims description 4
- 230000006978 adaptation Effects 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000004323 axial length Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 230000000452 restraining effect Effects 0.000 abstract 1
- 230000010349 pulsation Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004260 weight control Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000008111 motor development Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Permanent Magnet Type Synchronous Machine (AREA)
Abstract
本发明所述方法及***,涉及槽口永磁混合励磁电机技术领域包括通过槽满率和绕组电流密度的限制对优化进行约束,得到优化模型方程和多目标加权的目标函数;结合DOE实验方法和综合灵敏度对电机优化结构参数进行降维和分层;对RBF数学模型运用改进的NSGA‑Ⅱ算法进行优化,计算Pareto解输入多目标加权函数得到电机最优结构。本发明提供的槽口永磁型混合励磁双凸极电机的优化方法在有限槽面积的限制下对电机本体进行设计和优化,不仅最大化了电机的性能,还充分保证了电机在实际制造的合理性。本发明在计算成本、合理性和局部灵敏性方面都取得更加良好的效果。
Description
技术领域
本发明涉及槽口永磁混合励磁电机技术领域,具体为一种槽口永磁型混合励磁双凸极电机的优化方法。
背景技术
随着新能源技术的快速发展和电气领域的迫切需求,发电机作为电力***的一个重要组成元件,其性能发挥着重要作用,所以研究和设计强性能、高容错和低波动的电机结构有着重要的意义。槽口永磁型混合励磁双凸极电机由于其优异的输出性能和可控的磁通调节能力以及一定的容错能力成为电机发展领域的一个重要方向。
目前很多研究针对槽口永磁型混合励磁双凸极电机提出了多种拓扑结构,获得了相当优异的电机性能,但却没有考虑此类电机本体固有的限制。由于混合励磁定子侧电机的所有励磁源和电枢绕组和放置在定子侧,而定子槽面积有限,如果不进行合理规划,不仅会导致电机的效率低下,还有可能在实际样机中难以工作,达不到理论效果。所以合理分配定子槽面积,在有限槽面积的限制下对电机本体进行设计和优化以最大化电机性能就很有必要。
电机的本体优化是一个多目标、非线性、强耦合问题,为了提高电机的综合性能,需要在一定约束下对多个目标进行同时优化。然而,现有的优化技术大多都是对电机的单个目标进行优化或是在多目标优化时简单将多个目标量转变成单目标函数的优化问题,这些优化手段不仅不能对优化目标实现权重控制,还大概率导致优化结果发生一定程度的畸变,使得电机的最终优化结果缺乏全面性和先进性。
发明内容
鉴于上述存在的问题,提出了本发明。
因此,本发明解决的技术问题是:现有的电机优化方法存在效率低,缺乏全面性和先进性,以及如何对优化目标实现权重控制的优化问题。
为解决上述技术问题,本发明提供如下技术方案:一种槽口永磁型混合励磁双凸极电机的优化方法,包括:通过槽满率和绕组电流密度的限制对优化进行约束,得到优化模型方程和多目标加权的目标函数;结合DOE实验方法和综合灵敏度对电机优化结构参数进行降维和分层;对RBF数学模型运用改进的NSGA-Ⅱ算法进行优化,计算Pareto解输入多目标加权函数得到电机最优结构。
作为本发明所述的槽口永磁型混合励磁双凸极电机的优化方法的一种优选方案,其中:所述对优化进行约束包括槽满率和绕组电流密度的限制;根据二维理论计算的局限性以及实际绕组绕制中工艺的限制,所述槽满率K约束条件表示为:
其中,SA为每个定子槽内单侧交流绕组的面积,SDC为每个定子槽内所有直流励磁绕组的面积,SPM为每块永磁体所占的槽面积,S槽为整个定子槽的面积;根据电机运行过程中线圈状态,所述绕组电流密度JDC和JA的约束条件表示为:
其中,JDC为励磁线圈的电流密度,JA为电枢线圈中的电流密度,Idc为励磁绕组电流,Ndc为励磁绕组匝数,Irms为相绕组电流的有效值,N为电枢绕组的匝数;根据约束条件SA得到每相电枢绕组的电阻R为:
其中,n为每相的定子极数,ρ为电枢线圈的电阻率,L为电机的轴向长度,ts为电机的定子宽度。
作为本发明所述的槽口永磁型混合励磁双凸极电机的优化方法的一种优选方案,其中:所述优化模型方程和多目标加权的目标函数包括提出约束和目标组成的优化模型方程,表示为:
其中,P为输出功率,Uri为输出电压脉动,Pa为电枢铜损,Tri为输出转矩脉动;所述多目标加权的目标函数根据优化权重并结合样本库均值表示为:
其中,xi为参数变量,和/>分别为输出功率、电压脉动、电枢铜损和转矩脉动的样本平均值,P(xi)、Uri(xi)、Pa(xi)和Tri(xi)分别为输出功率、电压脉动、电枢铜损和转矩脉动的优化值,权重系数λ1、λ2、λ3和λ4分别为各目标在优化过程中的重要性,且λ1+λ2+λ3+λ4=1。
作为本发明所述的槽口永磁型混合励磁双凸极电机的优化方法的一种优选方案,其中:所述综合灵敏度包括计算Pearson相关系数rxiyi表示为:
其中,xi为第i个设计参数,yi为第i个优化目标,N为样本容量;通过DOE实验方法生成S行正交表,选取S组固定尺寸,用S组系数均值表示单个系数对单个优化目标的灵敏度指数H(Xi),表示为:
其中,引入增加权重系数后综合灵敏度G(Xi),表示为:
G(Xi)=λ1|H1(Xi)|+λ2|H2(Xi)|+…+λk|Hk(Xi)|
其中,H1(Xi)、H2(Xi)和Hk(Xi)分别为设计系数对第1、2和k个目标的灵敏度指数,λ1、λ2和λk分别为不同目标重要程度的权重指数。
作为本发明所述的槽口永磁型混合励磁双凸极电机的优化方法的一种优选方案,其中:所述对电机优化结构参数进行降维和分层包括将综合灵敏度分为低敏感层和高敏感层,通过单参扫描法确定低敏感层系数,对高敏感层的m个系数选取n个水平分量,有限元得出nm组样本数据库并进行归一化处理,将数据库按照4:1比例分为训练样本和检测样本,建立RBF数学模型。
作为本发明所述的槽口永磁型混合励磁双凸极电机的优化方法的一种优选方案,其中:所述对数学模型运用改进的NSGA-Ⅱ算法进行优化包括引入佳点集生成的初始种群,在四维空间下取N个佳点集,表示为:
P(i)={(r1i1,r2i2,...,r4i4},i=1,2,3,...,N
其中,N为种群数量,r=(r1,r2,...,r4)为佳点,rj表示为:
其中,P为满足P≥2×4+3的最小素数,将rj映射到搜索空间,表示为:
其中,uaj和laj分别为第j维的上下限。
作为本发明所述的槽口永磁型混合励磁双凸极电机的优化方法的一种优选方案,其中:所述对数学模型运用改进的NSGA-Ⅱ算法进行优化还包括对合并种群排序,按适应值从小到大排序,再对拥挤距离进行升序排序,根据线性函数决定每组变量被选中概率,按排序先后,分派给排名i个体的选择概率P(i)表示为:
其中,M为合并种群数量,η+和η-为指定的系数,满足η++η-=2,且0≤η-≤1;在算法迭代过程中逐步增加父代种群的选择压力,η-的值表示为:
其中,n为当前代数;对合并种群施加约束条件,约束模型表示为:
其中,xi为合并种群中的优化变量;经过m次迭代后得到优化的Pareto解输入多目标加权函数得到电机的最优结构。
本发明的另外一个目的是提供槽口永磁型混合励磁双凸极电机的优化***,其能通过约束优化模块对约束条件进行定义和管理,解决了目前无法准确处理和满足各种约束条件的问题。
作为本发明所述的槽口永磁型混合励磁双凸极电机的优化***的一种优选方案,其中:包括约束优化模块、降维分层模块、多目标优化计算模块;所述约束优化模块用于定义和管理设计问题中的约束条件,收集限制条件并转化为数学形式的约束方程;所述降维分层模块通过使用DOE实验方法,将设计变量设为不同的取值,对实验结果进行分析和建模,基于灵敏度分析,采用优化算法进行参数优化;所述多目标优化计算模块用于定义优化目标,使用改进的NSGA-II多目标优化算法来搜索设计空间,生成非支配解并解构为Pareto解,将Pareto解映射到单一解空间,得到电机最优结构。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序是实现一种槽口永磁型混合励磁双凸极电机的优化方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现一种槽口永磁型混合励磁双凸极电机的优化方法的步骤。
本发明的有益效果:本发明提供的槽口永磁型混合励磁双凸极电机的优化方法充分考虑了理论计算的局限性以及实际绕组绕制中工艺的限制,结合定子侧电机槽面积有限的特点对定子槽面积进行合理规划,在有限槽面积的限制下对电机本体进行设计和优化,不仅最大化了电机的性能,还充分保证了电机在实际制造的合理性。结合DOE实验方法和综合灵敏度对电机的优化结构参数进行降维和分层,不仅摆脱了某一固定尺寸下的局部灵敏性,还大大降低了后期优化的计算成本。本发明在计算成本、合理性和局部灵敏性方面都取得更加良好的效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明第一个实施例提供的一种槽口永磁型混合励磁双凸极电机的优化方法的整体流程图。
图2为本发明第二个实施例提供的一种槽口永磁型混合励磁双凸极电机的优化方法的算法改进前的优化结果图。
图3为本发明第二个实施例提供的一种槽口永磁型混合励磁双凸极电机的优化方法的算法改进后的优化结果图。
图4为本发明第三个实施例提供的一种槽口永磁型混合励磁双凸极电机的优化***的整体流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1,为本发明的一个实施例,提供了一种槽口永磁型混合励磁双凸极电机的优化方法,包括:
S1:通过槽满率和绕组电流密度的限制对优化进行约束,得到优化模型方程和多目标加权的目标函数。
更进一步的,对优化进行约束包括槽满率和绕组电流密度的限制。
应说明的是,根据二维理论计算的局限性以及实际绕组绕制中工艺的限制,所述槽满率K不能超过0.5,约束条件表示为:
其中,SA为每个定子槽内单侧交流绕组的面积,SDC为每个定子槽内所有直流励磁绕组的面积,SPM为每块永磁体所占的槽面积,S槽为整个定子槽的面积;根据电机运行过程中线圈状态,所述绕组电流密度JDC和JA不能超过10A/mm2,约束条件表示为:
其中,JDC为励磁线圈的电流密度,JA为电枢线圈中的电流密度,Idc为励磁绕组电流,Ndc为励磁绕组匝数,Irms为相绕组电流的有效值,N为电枢绕组的匝数;根据约束条件SA得到每相电枢绕组的电阻R为:
其中,n为每相的定子极数,ρ为电枢线圈的电阻率,L为电机的轴向长度,ts为电机的定子宽度,当电机本体结构参数发生变化时,R也随之改变。
更进一步的,优化模型方程和多目标加权的目标函数包括提出约束和目标组成的优化模型方程。
应说明的是,约束和目标组成的优化模型方程表示为:
其中,P为输出功率,Uri为输出电压脉动,Pa为电枢铜损,Tri为输出转矩脉动;所述多目标加权的目标函数根据优化权重并结合样本库均值表示为:
其中,xi为参数变量,和/>分别为输出功率、电压脉动、电枢铜损和转矩脉动的样本平均值,P(xi)、Uri(xi)、Pa(xi)和Tri(xi)分别为输出功率、电压脉动、电枢铜损和转矩脉动的优化值,权重系数λ1、λ2、λ3和λ4分别为各目标在优化过程中的重要性,且λ1+λ2+λ3+λ4=1,根据重要性分别设置λ1、λ2、λ3和λ4为0.35、0.35、0.15和0.15,F(xi)min的值越小,电机的优化效果越好。
S2:结合DOE实验方法和综合灵敏度对电机优化结构参数进行降维和分层。
更进一步的,综合灵敏度包括对单个优化目标的灵敏度指数和引入增加权重系数后综合灵敏度。
应说明的是,Pearson相关系数表示为:
其中,xi为第i个设计参数,yi为第i个优化目标,N为样本容量;通过DOE实验方法生成S行正交表,选取S组固定尺寸,用S组系数均值表示单个系数对单个优化目标的灵敏度指数H(Xi),表示为:
其中,引入增加权重系数后综合灵敏度G(Xi),表示为:
G(Xi)=λ1|H1(Xi)|+λ2|H2(Xi)|+λ3|H3(Xi)|+λ4|H4(Xi)|
其中,H1(Xi)、H2(Xi)、H3(Xi)和H4(Xi)分别为设计参数对输出功率、电压脉动、电枢铜损和转矩脉动的灵敏度指数。
更进一步的,对电机优化结构参数进行降维和分层包括将综合灵敏度分为低敏感层和高敏感层。
应说明的是,如表1所示,hpm、hs、ts、hr、tr和dn分别为永磁体的厚度、定子极长、定子极宽、转子极长、转子极宽和转子内径,以G(Xi)=0.1为分界将设计参数分为两个层次,hr和dn为低敏感层次,采用单参扫描法直接优化;hpm、hs、ts和tr为高敏感层次,仿真出数据样本库后建立数学模型再用改进的NSGA-Ⅱ算法进行优化。
表1敏感度分析结果
对高敏感层的4个参数选取5个水平分量,有限元仿真出625组样本数据库并进行归一化处理,将数据库按照4:1的比例分为训练样本和检测样本,建立RBF数学模型。
S3:对RBF数学模型运用改进的NSGA-Ⅱ算法进行优化,计算Pareto解输入多目标加权函数得到电机最优结构。
更进一步的,对数学模型运用改进的NSGA-Ⅱ算法进行优化包括引入佳点集生成优秀的初始种群。
应说明的是,在四维空间下取N个佳点集表示为:
P(i)={(r1i1,r2i2,...,r4i4},i=1,2,3,...,N
其中,N为种群数量,r=(r1,r2,...,r4)为佳点,rj表示为:
其中,P为满足P≥2×4+3的最小素数,将rj映射到搜索空间,表示为:
其中,uaj和laj分别为第j维的上下限。
更进一步的,对数学模型运用改进的NSGA-Ⅱ算法进行优化还包括对合并种群排序。
应说明的是,按适应值从小到大排序,再对拥挤距离进行升序排序,根据线性函数决定每组变量被选中概率,按排序先后,分派给排名i个体的选择概率P(i)表示为:
其中,M为合并种群数量,η+和η-为指定的系数,满足η++η-=2,且0≤η-≤1;在算法迭代过程中逐步增加父代种群的选择压力,η-的值表示为:
其中,n为当前代数;对合并种群施加约束条件,约束模型表示为:
其中,xi为合并种群中的优化变量;只有当对应的P、Uri、Pa和Tri这四个优化目标的值都优于样本库中的均值时,才认为这一组变量没有发生畸变。此时在算法前期经过k次迭代后的种群已经足够优秀,可以保证经过约束后的种群数目大于N,能够顺利生成下一代子群。经过m次迭代后得到优化的Pareto解输入多目标加权函数得到电机的最优结构。
实施例2
参照图2-3,为本发明的一个实施例,提供了一种槽口永磁型混合励磁双凸极电机的优化方法,为了验证本发明的有益效果,通过经济效益计算和仿真实验进行科学论证。
经过m次迭代后得到优化出的一组Pareto解代入多目标加权函数得到电机的最优结构。在保证优化准确的前提下权衡计算的成本后,设置前期迭代次数k为200,总迭代次数m为500,种群大小N为100,交叉比例为0.7,变异比例为0.4,变异率为0.02,得到算法改进前后优化结果的对比。
从图2,图3可以看出,算法改进后的Pareto解集更加集中且更加逼近Pareto前沿,可以生成更优秀的个体。
如表2,表3所示,算法改进前后的优化结果存在差异,但普遍比初始尺寸和样本库均值要好,只有算法改进前的输出转矩脉动性能发生了畸变,高于平均值。虽然算法改进前的电枢铜损很小,但考虑到电机多目标的均衡性,不考虑此种结果。算法改进后的各目标结果性能优异,相对样本库的均值,输出功率性能提高了19.8%,电枢铜损降低了6.7%,输出电压脉动降低了24.5%,输出转矩脉动降低了21.5%。通过对算法改进后优化出的结构参数进行有限元分析发现,算法优化的结果与仿真结果十分接近,输出功率误差为0.45%,电枢铜损误差为0.54%,输出电压脉动误差为0.3%,输出转矩脉动误差为0.19%。此时,根据有限元分析计算出电枢线圈中的电流密度为5.61A/mm2,满足对电流密度的要求,且电机输出功率和输出电压脉动的值满足优化模型方程中的约束条件,故优化结果达到了设计要求。
表2电机结构参数对比
结构参数 | 优化前 | 算法改进前 | 算法改进后 |
hpm/mm | 4 | 2.7 | 3.3 |
hs/mm | 36.5 | 38.4 | 38.1 |
ts/mm | 8 | 9.2 | 9.3 |
hr/mm | 12.5 | 13 | 13 |
tr/mm | 8.4 | 7.4 | 10.6 |
dn/mm | 100 | 102 | 102 |
表3优化目标结果对比
优化目标 | 优化前 | 样本库均值 | 算法改进前 | 算法改进后 | 改进后仿真 |
输出功率/W | 3327.2 | 3032 | 3502.6 | 3649 | 3632.5 |
电枢铜损/W | 244.5 | 198.2 | 178.6 | 186 | 185 |
输出电压脉动 | 0.137 | 0.132 | 0.1007 | 0.0994 | 0.0997 |
输出转矩脉动 | 0.305 | 0.337 | 0.4047 | 0.2639 | 0.2644 |
实施例3
参照图4,为本发明的一个实施例,提供了一种槽口永磁型混合励磁双凸极电机的优化***,包括约束优化模块,降维分层模块,多目标优化计算模块。
其中约束优化模块用于定义和管理设计问题中的约束条件,收集限制条件并转化为数学形式的约束方程;降维分层模块通过使用DOE实验方法,将设计变量设为不同的取值,对实验结果进行分析和建模,基于灵敏度分析,采用优化算法进行参数优化;多目标优化计算模块用于定义优化目标,使用改进的NSGA-II多目标优化算法来搜索设计空间,生成非支配解并解构为Pareto解,将Pareto解映射到单一解空间,得到电机最优结构。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置)、便携式计算机盘盒(磁装置)、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编辑只读存储器(EPROM或闪速存储器)、光纤装置以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种槽口永磁型混合励磁双凸极电机的优化方法,其特征在于,包括:
通过槽满率和绕组电流密度的限制对优化进行约束,得到优化模型方程和多目标加权的目标函数;
结合DOE实验方法和综合灵敏度对电机优化结构参数进行降维和分层;
对RBF数学模型运用改进的NSGA-Ⅱ算法进行优化,计算Pareto解输入多目标加权函数得到电机最优结构。
2.如权利要求1所述的槽口永磁型混合励磁双凸极电机的优化方法,其特征在于:所述对优化进行约束包括槽满率和绕组电流密度的限制;
根据二维理论计算的局限性,所述槽满率K约束条件表示为:
其中,SA为每个定子槽内单侧交流绕组的面积,SDC为每个定子槽内所有直流励磁绕组的面积,SPM为每块永磁体所占的槽面积,S槽为整个定子槽的面积;
根据电机运行过程中线圈状态,所述绕组电流密度JDC和JA的约束条件表示为:
其中,JDC为励磁线圈的电流密度,JA为电枢线圈中的电流密度,Idc为励磁绕组电流,Ndc为励磁绕组匝数,Irms为相绕组电流的有效值,N为电枢绕组的匝数;根据约束条件SA得到每相电枢绕组的电阻R为:
其中,n为每相的定子极数,ρ为电枢线圈的电阻率,L为电机的轴向长度,ts为电机的定子宽度。
3.如权利要求1所述的槽口永磁型混合励磁双凸极电机的优化方法,其特征在于:所述优化模型方程和多目标加权的目标函数包括提出约束和目标组成的优化模型方程,表示为:
其中,P为输出功率,Uri为输出电压脉动,Pa为电枢铜损,Tri为输出转矩脉动;
所述多目标加权的目标函数根据优化权重并结合样本库均值表示为:
其中,xi为参数变量,和/>分别为输出功率、电压脉动、电枢铜损和转矩脉动的样本平均值,P(xi)、Uri(xi)、Pa(xi)和Tri(xi)分别为输出功率、电压脉动、电枢铜损和转矩脉动的优化值,权重系数λ1、λ2、λ3和λ4分别为各目标在优化过程中的重要性,且λ1+λ2+λ3+λ4=1。
4.如权利要求1所述的槽口永磁型混合励磁双凸极电机的优化方法,其特征在于:所述综合灵敏度包括计算Pearson相关系数表示为:
其中,xi为第i个设计参数,yi为第i个优化目标,N为样本容量;
通过DOE实验方法生成S行正交表,选取S组固定尺寸,用S组系数均值表示单个系数对单个优化目标的灵敏度指数H(Xi),表示为:
其中,引入增加权重系数后综合灵敏度G(Xi),表示为:
G(Xi)=λ1|H1(Xi)|+λ2|H2(Xi)|+…+λk|Hk(Xi)|
其中,H1(Xi)、H2(Xi)和Hk(Xi)分别为设计系数对第1、2和k个目标的灵敏度指数,λ1、λ2和λk分别为不同目标重要程度的权重指数。
5.如权利要求1所述的槽口永磁型混合励磁双凸极电机的优化方法,其特征在于:所述对电机优化结构参数进行降维和分层包括将综合灵敏度分为低敏感层和高敏感层,通过单参扫描法确定低敏感层系数,对高敏感层的m个系数选取n个水平分量,有限元得出nm组样本数据库并进行归一化处理,将数据库按照4:1比例分为训练样本和检测样本,建立RBF数学模型。
6.如权利要求1所述的槽口永磁型混合励磁双凸极电机的优化方法,其特征在于:所述对RBF数学模型运用改进的NSGA-Ⅱ算法进行优化包括引入佳点集生成的初始种群,在四维空间下取N个佳点集,表示为:
P(i)={(r1i1,r2i2,...,r4i4},i=1,2,3,...,N
其中,N为种群数量,r=(r1,r2,...,r4)为佳点,rj表示为:
其中,P为满足P≥2×4+3的最小素数,将rj映射到搜索空间,表示为:
其中,uaj和laj分别为第j维的上下限。
7.如权利要求6所述的槽口永磁型混合励磁双凸极电机的优化方法,其特征在于:所述对RBF数学模型运用改进的NSGA-Ⅱ算法进行优化还包括对合并种群排序,按适应值从小到大排序,再对拥挤距离进行升序排序,根据线性函数决定每组变量被选中概率,按排序先后,分派给排名i个体的选择概率P(i)表示为:
其中,M为合并种群数量,η+和η-为指定的系数,满足η++η-=2,且0≤η-≤1;在算法迭代过程中逐步增加父代种群的选择压力,η-的值表示为:
其中,n为当前代数;
对合并种群施加约束条件,约束模型表示为:
其中,xi为合并种群中的优化变量;
经过m次迭代后得到优化的Pareto解输入多目标加权函数得到电机的最优结构。
8.一种采用如权利要求1~7任一所述的槽口永磁型混合励磁双凸极电机的优化方法的***,其特征在于:包括约束优化模块、降维分层模块、多目标优化计算模块;
所述约束优化模块用于定义和管理设计问题中的约束条件,收集限制条件并转化为数学形式的约束方程;
所述降维分层模块通过使用DOE实验方法,将设计变量设为不同的取值,对实验结果进行分析和建模,基于灵敏度分析,采用优化算法进行参数优化;
所述多目标优化计算模块用于定义优化目标,使用改进的NSGA-II多目标优化算法来搜索设计空间,生成非支配解并解构为Pareto解,将Pareto解映射到单一解空间,得到电机最优结构。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的槽口永磁型混合励磁双凸极电机的优化方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的槽口永磁型混合励磁双凸极电机的优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310991412.5A CN117131667A (zh) | 2023-08-08 | 2023-08-08 | 一种槽口永磁型混合励磁双凸极电机的优化方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310991412.5A CN117131667A (zh) | 2023-08-08 | 2023-08-08 | 一种槽口永磁型混合励磁双凸极电机的优化方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117131667A true CN117131667A (zh) | 2023-11-28 |
Family
ID=88860781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310991412.5A Pending CN117131667A (zh) | 2023-08-08 | 2023-08-08 | 一种槽口永磁型混合励磁双凸极电机的优化方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117131667A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540643A (zh) * | 2024-01-10 | 2024-02-09 | 西安特力科技术股份有限公司 | 采用智能优化算法的齿槽电机高密绕组实现方法 |
-
2023
- 2023-08-08 CN CN202310991412.5A patent/CN117131667A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540643A (zh) * | 2024-01-10 | 2024-02-09 | 西安特力科技术股份有限公司 | 采用智能优化算法的齿槽电机高密绕组实现方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059348B (zh) | 一种轴向分相磁悬浮飞轮电机悬浮力数值建模方法 | |
Gao et al. | A hybrid optimization method of harmony search and opposition-based learning | |
CN117131667A (zh) | 一种槽口永磁型混合励磁双凸极电机的优化方法及*** | |
CN113627000B (zh) | 一种基于参数敏感域的永磁电机分层稳健优化设计方法 | |
US11288409B2 (en) | Method and system for designing electrical machines using reinforcement learning | |
Mutluer et al. | Heuristic optimization based on penalty approach for surface permanent magnet synchronous machines | |
Zhang et al. | An efficient multi-objective bayesian optimization approach for the automated analytical design of switched reluctance machines | |
Liu et al. | An online data-driven multi-objective optimization of a permanent magnet linear synchronous motor | |
Lin et al. | Multi-objective optimization design using amended particle swarm optimization and Taguchi method for a six-phase copper rotor induction motor | |
KR20110108714A (ko) | 영구자석형 풍력발전기의 최적화 알고리즘 개발 및 이를 위한 지식기반 최적설계 방법 | |
CN110390157B (zh) | 一种基于田口方法的双凸极混合励磁发电机优化设计方法 | |
CN113434958B (zh) | 基于异构集成代理模型的磁悬浮飞轮电机多目标优化方法 | |
Soltanpour et al. | Optimisation of double‐sided linear switched reluctance motor for mass and force ripple minimisation | |
Contreras et al. | Modelling of squirrel cage induction motors for a bio‐inspired multi‐objective optimal design | |
CN113177341A (zh) | 基于kriging近似模型的磁悬浮飞轮电机多目标优化设计方法 | |
CN116796597A (zh) | 一种适用于多参数耦合永磁游标轮缘推进电机的多目标优化方法 | |
CN115593264B (zh) | 基于边缘计算的充电优化控制方法、装置和计算机设备 | |
Wang et al. | Application of simulated annealing particle swarm optimization based on correlation in parameter identification of induction motor | |
CN115221787A (zh) | 基于nsga-ⅱ的圆筒型永磁直线电机多目标优化方法和*** | |
Lee et al. | Search region management method for local search algorithm employing design optimization of brushless dc motor | |
Awadallah | Parameter estimation of induction machines from nameplate data using particle swarm optimization and genetic algorithm techniques | |
Ilka et al. | Multiobjective optimal design of saturated surface‐mounted permanent magnet synchronous motors | |
Bi et al. | Research on optimization method of high speed permanent magnet synchronous motor based on surrogate model | |
CN113935152A (zh) | 永磁风力发电机及其设计方法、***、电子设备和介质 | |
Howard et al. | Modeling and design of air-core tubular linear electric drives |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |