CN104038135A - 一种新型力矩电机结构参数优化方法 - Google Patents

Abstract

本发明一种新型力矩电机结构参数优化方法，属于电机智能优化设计领域，采用有限元分析系统对引入的结构参数进行建模和转矩分析取代传统的电机数学模型分析计算，使得计算结果误差小，精确度高；本发明提出变权重免疫克隆选择算法，采用变权重机制后，单目标函数之间的权重会随着算法的运行而不断地调整，其中接近于设计要求的单目标函数的权重会变小，偏离要求较大的单目标函数的权重继续加大，从而加快了算法的收敛速度，节省了大量的不必要的寻优时间，更快的得到最优结果；此外，该算法能有效的保持种群的多样性，能够同时实现全局搜索和局部搜索，有助于防止进化早熟和搜索陷于局部极小值，可以解决复杂的非线性问题。

Description

一种新型力矩电机结构参数优化方法

技术领域

本发明属于电机智能优化设计领域，具体涉及一种新型力矩电机结构参数优化方法。

背景技术

目前，电机的计算分析方法主要有集中参数的磁路分析法和分布参数的电磁理论法，有限元分析法；集中参数的磁路分析法，理论计算容易，但是计算误差较大，为了弥补误差而引入的修正参数需要大量的工程试验获得，费时费力；分布式参数电磁场理论方法理论计算复杂，同时不能解决复杂的边界条件及材料的非线性因素等。

但随着科学技术的发展，对电机的分析计算提出了更高的要求；电机的单机容量不断提高，各种特殊类型的电机层出不穷，电磁结构更加复杂，用电路和磁路的分析方法就越来越显得不能满足分析计算的需求；生产中的某些实际问题得不到很好解决，如汽轮发电机端部漏磁场；大型电机和变压器的局部过热；有些结构复杂的电机如水磁电机、开关磁阻电机等都无法精确计算；当前具体的电机模型往往通过计算机有限元分析软件进行有限元分析，简单有效，且计算精度高。

传统电机优化设计采用的优化算法是一种基于设计变量可微性的数值方法；主要有直接搜索法和随机搜索法两种寻优模式，其中经典寻优策略有Powell法、单纯形法、SUMT罚函数法、可变容差法和梯度法等等，虽然传统优化设计策略在指导电机设计的实践中已经取得一定成果。但是仍然存在许多问题，譬如优化结果与初始解的选择有密切关系；优化算法往往收敛于初始值附近的局部极值点，难以获得理想的全局最优结果；另外对离散变量的处理也存在一定困难；电机的建模和优化设计都是具有噪声情况下的多模空间中的多维优化问题，传统的解析和数值方法所需要的目标函数的优良特性已不复存在，因此，传统优化方法无法轻易或准确地完成电机这一多维多模优化任务。

因新型力矩电机结构异于普通电机，采用传统的磁路分析方法，需要更多的工程经验，对结构参数的修正，也只是通过试凑的方法，计算的误差大；采用有限元法可以保证对电机模型计算的精确度，但在进行结构参数优化设计时计算量大，人工耗时也多。

发明内容

针对现有技术的缺点，本发明提出一种新型力矩电机结构参数优化方法，以达到提高计算精确性，简化处理过程，减小工作量的目的。

一种新型力矩电机结构参数优化方法，包括以下步骤：

步骤1、根据实际需求设定目标电机永磁体圆心角、转子相对于定子的转动角度最大值和采样转动角度，所述的圆心角的取值范围为20°～50°，转子相对于定子的转动角度的取值范围为0°～30°，采样转动角度根据实际需求而定，即每次采样转子所旋转的角度；

步骤2、采用有限元分析法对目标电机进行分析，确定电机每次转动后的转矩值，每次转动角度为设定的采样转动角度，具体如下：

步骤2-1、确定目标电机参数，包括定子铁芯外径、定子铁芯内径、转子铁芯外径、转子铁芯内径、转子磁极厚度、定子磁极厚度、气隙长度、铁芯长度、定子极对数、定子磁及对应弧度、转子极对数和转子磁极对应弧度，根据上述电机参数构建目标电机模型；

步骤2-2、将目标电机转子转动一个采样转动角度；

步骤2-3、采用有限元分析法对目标电机模型侧面结构进行网格划分，网格边长为0.001m～0.003m：

步骤2-4、设定网格边界条件，即确定位于转子铁芯内径圆周和定子铁芯外径圆周的网格节点，通过上述节点作圆周的切线，将电机产生的磁力线沿切线分解，设置分解后垂直于切线方向的矢量磁位为零，即将电机内部磁力线约束在转子铁芯内径圆周和定子铁芯外径圆周之间；

步骤2-5、设置一个圆环将定子和转子之间的空气隙平均分为两层，将该圆环作为路径，并将位于该路径上的网格节点磁通密度进行积分，获得该采样转动角度下的目标电机转矩；

步骤2-6、将目标电机转子按同一方向继续转动一个采样转动角度，返回执行步骤2-2至步骤2-5，获得转子转动后的电机的实际转矩，直至达到转子相对于定子的转动角度最大值；

步骤3、确定理想状态下，电机转矩与转子相对于定子的转动角度的关系，进而获得每个转动角度下电机的理想转矩；

步骤4、将不同采样角度下，理想转矩与实际转矩之间的均方差取值最小作为目标，将两两相对的永磁体圆心角之差在设定范围内和定子轭部磁密在设定范围内作为约束条件，并采用变权重免疫克隆选择算法进行优化，获得电机永磁体圆心角的最优值，具体如下：

步骤4-1、以不同采样角度下，理想转矩与实际转矩之间的均方差取值最小作为目标函数，将两两相对的永磁体圆心角之差在设定范围内和定子轭部磁密在设定范围内作为约束条件，构建目标电机的多目标模型；

目标电机的多目标模型如下：

其中，F(x)表示理想转子角度-转矩曲线与实际转子角度-转矩之间的均方差；f_k(x)表示在第k次转动后电机实际转矩与相应的理想转矩之间差的平方；w₁，w₂，...，w_n依次表示f₁(x)，f₂(x)，...，f_n(x)的权重；n表示采样点个数，即电机转子转动次数；表示第k次转动后电机的实际转矩；表示第k次转动后电机的理想转矩；θ_k表示第k次转动后电机转子相对于定子的角度；x₁，x₂，…x_a分别表示电机每个永磁体的圆心角，a表示永磁体个数；x^l为20°，x^u为50°；β_1，..，m-1(x)表示两两相对的永磁体圆心角之差；β_{1，..，m-1max}(x)表示根据实际情况设定的两两相对的永磁体圆心角之差最大值；β_d1(x)表示定子轭部磁通密度；表示根据实际情况设定的定子轭部磁通密度最大值；

步骤4-2、设定变权重免疫克隆选择算法的种群规模、进化代数和记忆单元规模；所述的种群规模即为每次迭代时计算的目标函数个数，所述的记忆单元规模即为在每代获得的多个目标函数中，取优个数；

步骤4-3、在目标电机永磁体圆心角的取值范围内，随机确定多组电机永磁体圆心角，将获得的圆心角代入目标电机的多目标模型中，获得第一代多个目标函数结果，即多个理想转子角度-转矩曲线与实际转子角度-转矩之间的均方差；

所述的多组电机永磁体圆心角，其组数即为种群规模设定的个数；

步骤4-4、根据目标电机两两相对的永磁体圆心角之差及其最大值，获得惩罚值，并将获得的多个目标函数结果与惩罚值相乘；

计算惩罚值p(x)公式如下：

$p\left(x\right)=1+\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left[\frac{\mathrm{\Δ}{\mathrm{\β}}_i\left(x\right)}{\mathrm{\Δ}{\mathrm{\β}}_{i\max }}\right]}^a---\left(2\right)$

其中，Δβ_i(x)＝max{0，β_i(x)-β_imax}，Δβ_imax＝max{ε，Δβ_i(x)}，d1；ε取值范围为0.01～0.05；

将获得的多个目标函数结果与惩罚值相乘：

F_eval(x)＝F(x)·p(x) (3)

其中，F_eval(x)表示乘以惩罚值后的多个目标函数值；

步骤4-5、将乘以惩罚值后的多个目标函数值由小到大进行排序，根据实际需求，取其前若干个目标函数值，并在剩余的目标函数中随机选取若干个目标函数值，将上述两部分目标函数值进行克隆存储于记忆单元，其中，该两部分目标函数值的个数和为记忆单元规模设定的个数；

步骤4-6、对进行克隆的目标函数值对应的电机永磁体圆心角进行变异，获得与原永磁体圆心角不同的新的圆心角，并将新的圆心角代入目标函数中，获得新的目标函数值；

步骤4-7、将获得的新的目标函数值与原目标函数值进行比较，若大于原目标函数值，则删除，若小于原目标函数值，则替换更新原目标函数值；

步骤4-8、将记忆单元中更新后的目标函数带回第一代剩余目标函数中，获得第二代多个目标函数结果，并返回执行步骤4-4至步骤4-7，直至达到设定的进化代数；

步骤4-9、确定最后一代多个目标函数中的最小值，将其对应的电机永磁体圆心角作为最优值；

步骤5、根据所获得的最优永磁体圆心角的度数，进行制作电机。

步骤4-1所述的权重w₁，w₂，...，w_n，计算公式如下：

$w_i=1+\frac{\left|N_i{\left(x\right)}_{\mathrm{gen}}\right|+1}{25}\·C^{\frac{\left|N_i{\left(x\right)}_{\mathrm{gen}}\right|+1}{|N_i{\left(x\right)}_{\mathrm{gen}}-N_i{\left(x\right)}_{\mathrm{gen}-1}|+1}}---\left(4\right)$

其中，表示某一代中，第i个采样点的实际转矩与理想转矩的差值，gen表示免疫克隆选择算法的进化代数，i＝1…n，C为增长系数，C的初始值为1，此后取值范围为1～1.5。

步骤3所述的确定理想状态下，电机转矩与转子相对于定子的转动角度的关系，公式如下：

y＝1.808x+7 (4)

其中，y表示理想状态下的电机转矩，x表示理想状态下的电机永磁体圆心角。

步骤2-5所述的获得该采样转动角度下的目标电机转矩，计算公式如下：

式中，T表示目标电机转矩，l_Fe表示目标电机铁芯长度，B_n表示位于路径上的网格节点磁通密度的法向分量，B_t表示位于该路径上的网格节点磁通密度的切向分量，μ₀表示气隙磁导率，r表示所选路径的半径，l表示所选路径的周长。

本发明优点：

本发明一种新型力矩电机结构参数优化方法，采用有限元分析系统对引入的结构参数进行建模和转矩分析取代传统的电机数学模型分析计算，使得计算结果误差小，精确度高；本发明提出变权重免疫克隆选择算法，采用变权重机制后，单目标函数之间的权重会随着算法的运行而不断地调整，其中接近于设计要求的单目标函数的权重会变小，偏离要求较大的单目标函数的权重继续加大，从而加快了算法的收敛速度，节省了大量的不必要的寻优时间，更快的得到最优结果；此外，该算法能有效的保持种群的多样性，能够同时实现全局搜索和局部搜索，有助于防止进化早熟和搜索陷于局部极小值，可以解决复杂的非线性问题。

附图说明

图1为本发明一种实施例的新型力矩电机结构参数优化方法流程图；

图2为本发明一种实施例的新型力矩电机结构简图，其中，1-定子轭，2-定子永磁体，3-气隙，4-转子永磁体，5-转子轭，6-转轴；

图3为本发明一种实施例的有限元分析系统流程图；

图4为本发明一种实施例的电机优化设计流程图；

图5为本发明一种实施例的结果对比图。

具体实施方式

下面结合附图对本发明一种实施例做进一步说明。

本发明实施例中，电机采用新型力矩电机(如图2所示)，电机定子和转子材料均为10号钢，定、转子磁极材料为NdFeB N50，(Br为剩磁)B_r＝1.425T，(Hc为矫顽力)H_c＝907KA/m。

本发明实施例中，新型力矩电机结构参数优化方法，方法流程图如图1所示，包括以下步骤：

步骤1、根据实际需求设定目标电机永磁体圆心角、转子相对于定子的转动角度最大值和采样转动角度；

本发明实施例中，目标电机的六个永磁体圆心角范围X＝[20°，50°]；转子相对于定子的转动角度最大值为30°；采样转动角度为2°。

步骤2、采用有限元分析法对目标电机进行分析，确定电机每次转动后的转矩值，每次转动角度为设定的采样转动角度，流程图如图3所示，具体如下：

步骤2-1、确定目标电机参数，包括定子铁芯外径、定子铁芯内径、转子铁芯外径、转子铁芯内径、转子磁极厚度、定子磁极厚度、气隙长度、铁芯长度、定子极对数、定子磁及对应弧度、转子极对数和转子磁极对应弧度，根据上述电机参数构建目标电机模型；本发明实施例中，电机模型侧面如图2所示。

步骤2-2、将目标电机转子转动一个采样转动角度；

步骤2-3、采用有限元分析法对目标电机模型侧面结构进行网格划分，网格边长为0.002m：

有限元分析系统是由有限元分析软件及附属软件组成，将电机的参数如气隙、定子厚度，转子厚度，极对数，定子圆心角，转子圆心角以及选取的待优化参数输入到系统中，系统会建立相应的电机模型，模型建成后，系统会自动对其进行网格剖分，为后来的有限元分析铺垫，经过求解后如果解集收敛，则提取数据，最后经附属软件处理后输出所要的数据。

步骤2-4、设定网格边界条件，即确定位于转子铁芯内径圆周和定子铁芯外径圆周的网格节点，通过上述节点作圆周的切线，将电机产生的磁力线沿切线分解，设置分解后垂直于切线方向的矢量磁位A_Z＝0，即将电机内部磁力线约束在转子铁芯内径圆周和定子铁芯外径圆周之间；

步骤2-5、设置一个圆环将定子和转子之间的空气隙平均分为两层，将该圆环作为路径，并将位于该路径上的网格节点磁通密度进行积分，获得该采样转动角度下的目标电机转矩；

计算公式如下：

式中，T表示目标电机转矩，l_Fe表示目标电机铁芯长度，B_n表示位于路径上的网格节点磁通密度的法向分量，B_t表示位于该路径上的网格节点磁通密度的切向分量，μ₀表示气隙磁导率，r表示所选路径的半径，l表示所选路径的周长。

本发明实施例中，进行有限元分析求解，判断解是否收敛，如果收敛继续执行，如果不收敛则返回步骤2-1重新选取参数往下执行。

步骤2-6、将目标电机转子按同一方向继续转动一个采样转动角度，返回执行步骤2-2至步骤2-5，获得转子转动后的电机的实际转矩，直至达到转子相对于定子的转动角度最大值；

步骤3、确定理想状态下，电机转矩与转子相对于定子的转动角度的关系，进而获得每个转动角度下电机的理想转矩；

电机转矩与转子相对于定子的转动角度的关系，公式如下：

y＝1.808x+7 (4)

其中，y表示理想状态下的电机转矩，x表示理想状态下的电机永磁体圆心角。

步骤4、将不同采样角度下，理想转矩与实际转矩之间的均方差取值最小作为目标，将两两相对的永磁体圆心角之差在设定范围内和定子轭部磁密在设定范围内作为约束条件，并采用变权重免疫克隆选择算法进行优化，获得电机永磁体圆心角的最优值，流程图如图4所示，具体如下：

步骤4-1、以不同采样角度下，理想转矩与实际转矩之间的均方差取值最小作为目标函数，将两两相对的永磁体圆心角之差在设定范围内和定子轭部磁密在设定范围内作为约束条件，构建目标电机的多目标模型；

目标电机的多目标模型如下：

其中，F(x)表示理想转子角度-转矩曲线与实际转子角度-转矩曲线之间的均方差；f_k(x)表示在第k次转动后电机实际转矩与相应的理想转矩之间差的平方；w₁，w₂，...，w_n依次表示f₁(x)，f₂(x)，...，f_n(x)的权重；n表示采样点个数，即电机转子转动次数；表示第k次转动后电机的实际转矩；表示第k次转动后电机的理想转矩；θ_k表示第k次转动后电机转子相对于定子的角度；x₁，x₂，…x_a分别表示电机每个永磁体的圆心角，a表示永磁体个数；x^l为20°，x^u为50°；β_1，..，m-1(x)表示两两相对的永磁体圆心角之差；β_{1，..，-m1max}(x)表示根据实际情况设定的两两相对的永磁体圆心角之差最大值；β_d1(x)表示定子轭部磁通密度；表示根据实际情况设定的定子轭部磁通密度最大值；

所述的权重w₁，w₂，...，w_n，计算公式如下：

$w_i=1+\frac{\left|N_i{\left(x\right)}_{\mathrm{gen}}\right|+1}{25}\·C^{\frac{\left|N_i{\left(x\right)}_{\mathrm{gen}}\right|+1}{|N_i{\left(x\right)}_{\mathrm{gen}}-N_i{\left(x\right)}_{\mathrm{gen}-1}|+1}}---\left(4\right)$

其中，表示某一代中，第i个采样点的实际转矩与理想转矩的差值，gen表示免疫克隆选择算法的进化代数，i＝1…n，C为增长系数，C的初始值为1，此后取值范围为1～1.5。

本发明实施例中，若采样点上实际转矩与理想转矩的差值函数|N_i(x)|＞0，则变大，从而权重w_i增大；当代数gen＞1时，C为略大于1的某个定值，若差值函数较上一代变化不大，则会指数倍增大，从而权重w_i会更大，进一步加大搜索压力，直至差值减小；若差值较上一代大大减小，则的增大幅度也会大大减小，从而权重w_i基本保持不变。

根据曲线中各采样点拟合的难易程度，变权重机制具体分为以下三类：

1)针对曲线中拟合难度大的点，需要进一步加大搜索压力，加大该点的权重，增长系数C取大于1的值；

2)曲线中拟合难度一般的点，则不需要太大的权重，故C的取值为1；

3)由于方案自身的不足，某些采样点的值变化幅度很小，因此将其权重固定为1来避免给其它采样点的拟合产生影响。

步骤4-2、初始化种群，设定变权重免疫克隆选择算法的种群规模、进化代数和记忆单元规模；所述的种群规模即为每次迭代时计算的目标函数个数，所述的记忆单元规模即为在每代获得的多个目标函数中，取优个数；

本发明实施例中，种群规模N_pop为20、进化代数为30和记忆单元规模为0.2N_pop；

步骤4-3、在目标电机永磁体圆心角的取值范围内，随机确定多组电机永磁体圆心角将获得的圆心角代入目标电机的多目标模型中，并调用有限元分析系统，获得第一代多个目标函数结果，即多个理想转子角度-转矩曲线与实际转子角度-转矩之间的均方差；

所述的多组电机永磁体圆心角，其组数即为种群规模设定的个数；

步骤4-4、根据目标电机两两相对的永磁体圆心角之差及其最大值，获得惩罚值，并将获得的多个目标函数结果与惩罚值相乘；

计算惩罚值p(x)公式如下：

$p\left(x\right)=1+\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left[\frac{\mathrm{\Δ}{\mathrm{\β}}_i\left(x\right)}{\mathrm{\Δ}{\mathrm{\β}}_{i\max }}\right]}^a---\left(2\right)$

其中，Δβ_i(x)＝max{0，β_i(x)-β_imax}，Δβ_imax＝max{ε，Δβ_i(x)}，i＝1，....，m；ε取值范围为0.01～0.05；

将获得的多个目标函数结果与惩罚值相乘：

F_eval(x)＝F(x)·p(x) (3)

其中，F_eval(x)表示乘以惩罚值后的多个目标函数值；

步骤4-5、将乘以惩罚值后的多个目标函数值F_eval(x)由小到大进行排序，根据实际需求，取其前0.15N_pop个目标函数值，并在剩余的目标函数中随机选取0.05N_pop个目标函数值，将上述两部分目标函数值进行克隆存储于记忆单元，其中，该两部分目标函数值的个数和为记忆单元规模设定的个数；

本发明实施例中，对抗体X_t(即选取的两类目标函数值对应的圆心角)做克隆操作得到y_t，用clone_op表示克隆算子则：y_t＝clone_op(x_t)＝I_t×x_t＝[x_t，x_t，…x_t]，I_t为元素为1的q_t维行向量，q_i＝0.2N_pop，t＝1～0.2N_pop；

步骤4-6、对进行克隆的目标函数值对应的电机永磁体圆心角进行变异，获得与原永磁体圆心角不同的新的圆心角，并将新的圆心角代入目标函数中，获得新的目标函数值；

本发明实施例中，对每个y_t进行概率为1的多项式变异得到mut_t；

其中，Pm_op表示多项式变异操作，mut_t表示变异获得的新的圆心角t＝1～0.2N_pop；

计算mut_t及X_t的加入惩罚因子的抗体-抗原亲合度函数(方法与步骤4-4相同)。

步骤4-7、将获得的新的目标函数值与原目标函数值进行比较，若大于原目标函数值，则删除，若小于原目标函数值，则替换更新原目标函数值；

更新记忆单元，选出F_eval(mut_t)中最小值的个体记为mut_t,*，比较F_eval(mut_t,*)与F_eval(x_t)的大小，如果F_eval(mut_t,*)小于F_eval(x_t)则令x_t＝mut_t，否则X_t保持不变；

步骤4-8、将记忆单元中更新后的目标函数带回第一代剩余目标函数中，获得第二代多个目标函数结果，并返回执行步骤4-4至步骤4-7，直至达到设定的进化代数；

步骤4-9、确定最后一代多个目标函数中的最小值，将其对应的电机永磁体圆心角作为最优值；

步骤5、根据所获得的最优永磁体圆心角的度数，进行制作电机。

若制作出的电机符合设计，则进行批量生产，若不符合，则返回执行步骤4。

本发明实施例提出的新型力矩电机结构优化方法获得的结果，与传统方法比较以验证本发明所提出的方法的有效性。比较结果如图5所示，其中，1号线为传统方法，2号线为VW-ICSA方法，3号线为目标曲线；未经优化的、利用传统方法设计的电机转矩曲线同目标曲线之间的均方差为F＝7.89107，经过本发明所用方法优化后F＝1.82966，由此可以得出本发明提出的计算方法可以有效地获得比原传统设计方法更好的解集，同时也大大节省了设计的时间，满足该方法的有效性。，

虽然以上描述了本发明的具体实施方式，但是本领域内的熟练的技术人员应当理解，这些仅是举例说明，可以对这些实施方式做出多种变更或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。

Claims (4)

1.一种新型力矩电机结构参数优化方法，其特征在于，包括以下步骤：

步骤1、根据实际需求设定目标电机永磁体圆心角、转子相对于定子的转动角度最大值和采样转动角度；

所述的圆心角的取值范围为20°～50°，转子相对于定子的转动角度的取值范围为0°～30°，采样转动角度根据实际需求而定，即每次采样转子所旋转的角度；

步骤2、采用有限元分析法对目标电机进行分析，确定电机每次转动后的转矩值，每次转动角度为设定的采样转动角度，具体如下：

步骤2-1、确定目标电机参数，包括定子铁芯外径、定子铁芯内径、转子铁芯外径、转子铁芯内径、转子磁极厚度、定子磁极厚度、气隙长度、铁芯长度、定子极对数、定子磁及对应弧度、转子极对数和转子磁极对应弧度，根据上述电机参数构建目标电机模型；

步骤2-2、将目标电机转子转动一个采样转动角度；

步骤2-3、采用有限元分析法对目标电机模型侧面结构进行网格划分，网格边长为0.001m～0.003m：

步骤2-4、设定网格边界条件，即确定位于转子铁芯内径圆周和定子铁芯外径圆周的网格节点，通过上述节点作圆周的切线，将电机产生的磁力线沿切线分解，设置分解后垂直于切线方向的矢量磁位为零，即将电机内部磁力线约束在转子铁芯内径圆周和定子铁芯外径圆周之间；

步骤2-5、设置一个圆环将定子和转子之间的空气隙平均分为两层，将该圆环作为路径，并将位于该路径上的网格节点磁通密度进行积分，获得该采样转动角度下的目标电机转矩：

步骤2-6、将目标电机转子按同一方向继续转动一个采样转动角度，返回执行步骤2-2至步骤2-5，获得转子转动后的电机的实际转矩，直至达到转子相对于定子的转动角度最大值；

步骤3、确定理想状态下，电机转矩与转子相对于定子的转动角度的关系，进而获得每个转动角度下电机的理想转矩；

步骤4、将不同采样角度下，理想转矩与实际转矩之间的均方差取值最小作为目标，将两两相对的永磁体圆心角之差在设定范围内和定子轭部磁密在设定范围内作为约束条件，并采用变权重免疫克隆选择算法进行优化，获得电机永磁体圆心角的最优值，具体如下：

步骤4-1、以不同采样角度下，理想转矩与实际转矩之间的均方差取值最小作为目标函数，将两两相对的永磁体圆心角之差在设定范围内和定子轭部磁密在设定范围内作为约束条件，构建目标电机的多目标模型；

目标电机的多目标模型如下：

其中，F(x)表示理想转子角度-转矩曲线与实际转子角度-转矩曲线之间的均方差；f_k(x)表示在第k次转动后电机实际转矩与相应的理想转矩之间差的平方；w₁，w₂，...，w_n依次表示f₁(x)，f₂(x)，...，f_n(x)的权重；n表示采样点个数，即电机转子转动次数；表示第k次转动后电机的实际转矩；表示第k次转动后电机的理想转矩；θ_k表示第k次转动后电机转子相对于定子的角度；x₁，x₂，…x_a分别表示电机每个永磁体的圆心角，a表示永磁体个数；x^l为20°，x^u为50°；β_1，..，m-1(x)表示两两相对的永磁体圆心角之差；β_{1，..，m-1max}(x)表示根据实际情况设定的两两相对的永磁体圆心角之差最大值；β_d1(x)表示定子轭部磁通密度；表示根据实际情况设定的定子轭部磁通密度最大值；

步骤4-2、设定变权重免疫克隆选择算法的种群规模、进化代数和记忆单元规模；所述的种群规模即为每次迭代时计算的目标函数个数，所述的记忆单元规模即为在每代获得的多个目标函数中，取优个数；

步骤4-3、在目标电机永磁体圆心角的取值范围内，随机确定多组电机永磁体圆心角，将获得的圆心角代入目标电机的多目标模型中，获得第一代多个目标函数结果，即多个理想转子角度-转矩曲线与实际转子角度-转矩之间的均方差；

所述的多组电机永磁体圆心角，其组数即为种群规模设定的个数；

步骤4-4、根据目标电机两两相对的永磁体圆心角之差及其最大值，获得惩罚值，并将获得的多个目标函数结果与惩罚值相乘；

计算惩罚值p(x)公式如下：

$p\left(x\right)=1+\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left[\frac{\mathrm{\Δ}{\mathrm{\β}}_i\left(x\right)}{\mathrm{\Δ}{\mathrm{\β}}_{i\max }}\right]}^a---\left(2\right)$

其中，Δβ_i(x)＝max{0，β_i(x)-β_imax}，Δβ_imax＝max{ε，Δβ_i(x)}，i＝1，....，d1：ε取值范围为0.01～0.05；

将获得的多个目标函数结果与惩罚值相乘：

F_eval(x)＝F(x)·p(x) (3)

其中，F_eval(x)表示乘以惩罚值后的多个目标函数值；

步骤4-5、将乘以惩罚值后的多个目标函数值由小到大进行排序，根据实际需求，取其前若干个目标函数值，并在剩余的目标函数中随机选取若干个目标函数值，将上述两部分目标函数值进行克隆存储于记忆单元，其中，该两部分目标函数值的个数和为记忆单元规模设定的个数；

步骤4-6、对进行克隆的目标函数值对应的电机永磁体圆心角进行变异，获得与原永磁体圆心角不同的新的圆心角，并将新的圆心角代入目标函数中，获得新的目标函数值；

步骤4-7、将获得的新的目标函数值与原目标函数值进行比较，若大于原目标函数值，则删除，若小于原目标函数值，则替换更新原目标函数值；

步骤4-8、将记忆单元中更新后的目标函数带回第一代剩余目标函数中，获得第二代多个目标函数结果，并返回执行步骤4-4至步骤4-7，直至达到设定的进化代数；

步骤4-9、确定最后一代多个目标函数中的最小值，将其对应的电机永磁体圆心角作为最优值；

步骤5、根据所获得的最优永磁体圆心角的度数，进行制作电机。

2.根据权利要求1所述的新型力矩电机结构参数优化方法，其特征在于：步骤4-1所述的权重w₁，w₂，...，w_n，计算公式如下：

$w_i=1+\frac{\left|N_i{\left(x\right)}_{\mathrm{gen}}\right|+1}{25}\·C^{\frac{\left|N_i{\left(x\right)}_{\mathrm{gen}}\right|+1}{|N_i{\left(x\right)}_{\mathrm{gen}}-N_i{\left(x\right)}_{\mathrm{gen}-1}|+1}}---\left(4\right)$

其中，表示某一代中，第i个采样点的实际转矩与理想转矩的差值，gen表示免疫克隆选择算法的进化代数，i＝1…n，C为增长系数，C的初始值为1，此后取值范围为1～1.5。

3.根据权利要求1所述的新型力矩电机结构参数优化方法，其特征在于：步骤3所述的确定理想状态下，电机转矩与转子相对于定子的转动角度的关系，公式如下：

y＝1.808x+7(4)

其中，y表示理想状态下的电机转矩，x表示理想状态下的电机永磁体圆心角。

4.根据权利要求1所述的新型力矩电机结构参数优化方法，其特征在于：步骤2-5所述的获得该采样转动角度下的目标电机转矩，计算公式如下：

式中，T表示目标电机转矩，l_Fe表示目标电机铁芯长度，B_n表示位于路径上的网格节点磁通密度的法向分量，B_t表示位于该路径上的网格节点磁通密度的切向分量，μ₀表示气隙磁导率，r表示所选路径的半径，l表示所选路径的周长。