CN109033617B - 基于遗传算法的直流永磁无刷电机的多目标参数优化方法 - Google Patents
基于遗传算法的直流永磁无刷电机的多目标参数优化方法 Download PDFInfo
- Publication number
- CN109033617B CN109033617B CN201810814471.4A CN201810814471A CN109033617B CN 109033617 B CN109033617 B CN 109033617B CN 201810814471 A CN201810814471 A CN 201810814471A CN 109033617 B CN109033617 B CN 109033617B
- Authority
- CN
- China
- Prior art keywords
- motor
- genetic algorithm
- target
- parameters
- stator
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/64—Electric machine technologies in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Iron Core Of Rotating Electric Machines (AREA)
Abstract
本发明公开了一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,通过调节电机参数得到目标参数,然后以目标参数、决策量、目标函数和约束条件作为输入量构建遗传算法模型,由遗传算法模型进行处理后得到最优解,完成目标参数的优化,可以有效的抑制转矩脉动,并且通过采用遗传算法,不会像人工修正一样那么盲目,可以提高电机的效率。
Description
技术领域
本发明涉及一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法。
背景技术
随着我国日益增长的人口和上涨的GDP,汽车的使用也是逐步普及,与此同时,我国逐渐变成了石油进口大国,在面对日益严峻的工业污染、汽车废气排放,节能减排、低碳环保也被列入了国家工业生产的一个重要标准,故而在2013年,我国正式开启了新能源汽车的产业化时代,永磁无刷直流电机则以它良好机械特性和调节特性,成为了电动汽车的首选目标,随着大功率耐用性蓄电池、整流逆变电路以及永磁材料生产工艺的逐步提升,让永磁无刷电机成为汽车的动力源成为了可能,但与此同时,永磁无刷电机存在转矩脉动的缺点,需要设计者在设计电机时对电机本体进行优化来降低这种脉动。
然而在传统的电机设计过程中,往往是富有经验的工程师通过反复的修正、计算、再修正、再计算,从而让设计结果慢慢接近电机的性能要求,所以我们把这种方法形象的称之为“试凑法”,但这种方法往往具有很大的盲目性,因为仅仅是依靠经验去分析、计算和调整电机的参数的话,需要设计者具有十分多的设计经验,于此同时还需要花费大量的时间去计算相关参数,更不用提电机的多目标参数优化了。
发明内容
为解决上述问题,本发明的目的在于提供一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,通过遗传算法来对直流永磁无刷电机的目标参数进行优化,能有效的抑制转矩脉动,不会像人工修正一样存在误差,可以提高电机的效率。
本发明解决其问题所采用的技术方案是:
一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,包括以下步骤:
A、调整电机参数使得电机初始值等于设定的电机目标值,并得到目标参数;
B、根据目标参数构建电机参数化模型并进行校准;
C、获取电机多目标优化的决策量、目标函数以及约束条件;
D、根据目标参数、决策量、目标函数以及约束条件构建遗传算法模型;
E、根据遗传算法模型得到电机多目标参数的最优解。
进一步,所述步骤A调整电机参数使得电机初始值等于设定的电机目标值的具体步骤为:采集电机初始的参数并进行仿真,调整电机的参数使得电机初始值等于电机目标值,调整后的参数为目标参数。
进一步,所述步骤A调整电机参数使得电机初始值等于设定的电机目标值中,所述电机初始值和电机目标值均包括额定电压大小、内转子方式、定子外径、定子内径、定子叠厚、叠压系数、绕组接法。
进一步,所述步骤B根据目标参数构建电机参数化模型并进行校准中,采用Maxwell构建电机参数化模型并进行校准。
进一步,所述步骤C中的决策量包括定子槽口宽度、定子内径、绕线线径以及每槽匝数。
进一步,所述步骤C中的目标函数为:
f1(x)=1000/η;
f2(x)=T;
其中f1(x)为第一目标函数,f2(x)为第二目标函数,η为电机的效率,T为电机的齿槽转矩。
进一步,所述步骤C中的约束条件为:
其中Sd1为槽满率,Bt1为定子齿部磁通密度,Bt1max为最大定子齿部磁通密度,Jcu为定子导线电流密度,Jcumax为最大定子导线电流密度,Bd1为定子轭部磁通密度,Bd1max为最大定子轭部磁通密度,g1(x)为槽满率的约束条件,g2(x)为定子齿部磁通密度的约束条件,g3(x)为定子导线电流密度的约束条件,g4(x)为定子轭部磁通密度的约束条件。
进一步,所述步骤D根据目标参数、决策量、目标函数以及约束条件构建遗传算法模型中,采用Matlab根据目标参数、决策量、目标函数以及约束条件构建遗传算法模型。
进一步,所述步骤E根据遗传算法模型得到电机多目标参数的最优解中,采用Matlab的遗传算法工具对决策量进行遗传、迭代后得到电机多目标参数的最优解。
本发明的有益效果是:本发明采用的一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,通过调节电机参数得到目标参数,然后以目标参数、决策量、目标函数和约束条件作为输入量构建遗传算法模型,由遗传算法模型进行处理后得到最优解,最后将最优解输入到电机参数化模型中,完成目标参数的优化,可以有效的抑制转矩脉动,并且通过采用遗传算法,不会像人工修正一样那么盲目,可以提高电机的效率。
附图说明
下面结合附图和实例对本发明作进一步说明。
图1是本发明一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法的流程图。
具体实施方式
参照图1,本发明的一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,包括以下步骤:
A、调整电机参数使得电机初始值等于设定的电机目标值,并得到目标参数;
在设计的过程中,电机首先会存在初始参数,而初始参数下电机运行后得到的一些数据输出为电机初始值,为了电机的效率最大化,就需要设定一个电机目标值,通过对电机的参数进行调节,使得电机的初始值不断的向电机目标值靠近,当调整到电机初始值等于电机目标值时,此时的电机参数即为目标参数,
具体地,电机初始值和电机目标值均包括额定电压大小、内转子方式、定子外径、定子内径、定子叠厚、叠压系数、绕组接法、电机输出功率、电机转速、槽满率选、齿磁通密度目标值、轭部磁通目标值、电流密度、叠长、电流等。
B、根据目标参数构建电机参数化模型并进行校准;
具体地,采用Maxwell构建电机参数化模型并进行校准,其中电机参数化模型包括齿部、轭部磁通密度、电流密度、匝数、定子长度等参数,通过采用Maxwell来构建电机参数化模型,可以进一步的对电机的多个参数进行校准。
C、获取电机多目标优化的决策量、目标函数以及约束条件;
在借助Maxwell建立的电机参数化模型的基础上进行多目标优化之前,先要明确地知道优化的目标函数什么,决策量有哪些,以及约束条件是什么,在确定完上述的内容之后,借助Maxwell软件获得一系列决策量和目标函数所对应的离散样本数组。
考虑到本发明的优化目的就是为了减少电机的噪音并且提升电机的效率,所以决策量的选择方向要向这两个参数靠拢,而定子槽口宽度和气隙长度是对齿槽转矩影响较大的参数,定子绕组的线径和每槽匝数对于电机效率的影响较大,所以可以确定决策量为定子槽口宽度、定子内径、绕线线径以及每槽匝数。
而已知优化的最终目的是改善电机的效率和降低噪声,所以目标函数应当是以这两个为主,目标函数为:
f1(x)=1000/η;
f2(x)=T;
其中f1(x)为第一目标函数,f2(x)为第二目标函数,η为电机的效率,T为电机的齿槽转矩。
对于f1(x)而言,极小化处理就是效率的极大化,而噪声的大小和齿槽转矩的大小关系密切,故对于f2(x)也是进行极小化处理。
具体地,步骤C中的约束条件为:
其中Sd1为槽满率,Bt1为定子齿部磁通密度,Bt1max为最大定子齿部磁通密度,Jcu为定子导线电流密度,Jcumax为最大定子导线电流密度,Bd1为定子轭部磁通密度,Bd1max为最大定子轭部磁通密度,g1(x)为槽满率的约束条件,g2(x)为定子齿部磁通密度的约束条件,g3(x)为定子导线电流密度的约束条件,g4(x)为定子轭部磁通密度的约束条件。
D、根据目标参数、决策量、目标函数以及约束条件构建遗传算法模型;
在决定了电机的决策量、目标函数以及约束条件之后,利用Ansoft Maxwell软件的RMxprt模块将目标参数输入进正确的位置,并且完成模型的搭建,在RMxprt模块的Design Properties窗口创建完成定子槽口宽度、定子内径、绕线线径、每槽匝数,并规定各自的单位,在Machine中把四个参数改成刚刚创建的决策量名字。
在定下目标参数和决策量、约束函数后,使用Matlab构建遗传算法模型。
E、根据遗传算法模型得到电机多目标参数的最优解,并将最优解输入到电机参数化模型中。
最后通过Matlab的遗传算法工具箱把决策量转化为一串很长的二进制数据链群,在当中随机抽取50个初始化为起始种群,在遗传过程中采用单点交叉的变异方式进行遗传,迭代次数为100次,联合Ansoft的电磁模块进行电机的遗传算法优化。
本发明经过遗传算法得到的均为非劣解,在从这些非劣解当中选取最优解。
然后将最优解输入到电机参数化模型中,同时利用Maxwell进行校准,电机的一些变量以及性能参数的优化前后对照结果如下表所示:
由上表可知优化后的电机的齿槽转矩变小了,而且电机的效率也得到了一定程度的提升,证明了本发明遗传算法优化的可行性。
以上,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。
Claims (8)
1.一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,其特征在于:包括以下步骤:
A、调整电机参数使得电机初始值等于设定的电机目标值,并得到目标参数;
B、根据目标参数构建电机参数化模型并进行校准;
C、获取电机多目标优化的决策量、目标函数以及约束条件;
D、根据目标参数、决策量、目标函数以及约束条件构建遗传算法模型;
E、根据遗传算法模型得到电机多目标参数的最优解;其中,所述步骤C中的约束条件为:
其中Sd1为槽满率,Bt1为定子齿部磁通密度,Bt1max为最大定子齿部磁通密度,Jcu为定子导线电流密度,Jcumax为最大定子导线电流密度,Bd1为定子轭部磁通密度,Bd1max为最大定子轭部磁通密度,g1(x)为槽满率的约束条件,g2(x)为定子齿部磁通密度的约束条件,g3(x)为定子导线电流密度的约束条件,g4(x)为定子轭部磁通密度的约束条件。
2.根据权利要求1所述的一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,其特征在于:所述步骤A调整电机参数使得电机初始值等于设定的电机目标值的具体步骤为:采集电机初始的参数并进行仿真,调整电机的参数使得电机初始值等于电机目标值,调整后的参数为目标参数。
3.根据权利要求1所述的一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,其特征在于:所述步骤A调整电机参数使得电机初始值等于设定的电机目标值中,所述电机初始值和电机目标值均包括额定电压大小、内转子方式、定子外径、定子内径、定子叠厚、叠压系数、绕组接法。
4.根据权利要求1所述的一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,其特征在于:所述步骤B根据目标参数构建电机参数化模型并进行校准中,采用Maxwell构建电机参数化模型并进行校准。
5.根据权利要求1所述的一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,其特征在于:所述步骤C中的决策量包括定子槽口宽度、定子内径、绕线线径以及每槽匝数。
6.根据权利要求1所述的一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,其特征在于:所述步骤C中的目标函数为:
f1(x)=1000/η;
f2(x)=T;
其中f1(x)为第一目标函数,f2(x)为第二目标函数,η为电机的效率,T为电机的齿槽转矩。
7.根据权利要求1所述的一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,其特征在于:所述步骤D根据目标参数、决策量、目标函数以及约束条件构建遗传算法模型中,采用Matlab根据目标参数、决策量、目标函数以及约束条件构建遗传算法模型。
8.根据权利要求1所述的一种基于遗传算法的直流永磁无刷电机的多目标参数优化方法,其特征在于:所述步骤E根据遗传算法模型得到电机多目标参数的最优解中,采用Matlab的遗传算法工具对决策量进行遗传、迭代后得到电机多目标参数的最优解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810814471.4A CN109033617B (zh) | 2018-07-23 | 2018-07-23 | 基于遗传算法的直流永磁无刷电机的多目标参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810814471.4A CN109033617B (zh) | 2018-07-23 | 2018-07-23 | 基于遗传算法的直流永磁无刷电机的多目标参数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109033617A CN109033617A (zh) | 2018-12-18 |
CN109033617B true CN109033617B (zh) | 2023-02-24 |
Family
ID=64645246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810814471.4A Active CN109033617B (zh) | 2018-07-23 | 2018-07-23 | 基于遗传算法的直流永磁无刷电机的多目标参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033617B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420505B (zh) * | 2021-06-23 | 2022-09-20 | 合肥工业大学 | 一种永磁辅助式同步磁阻电机优化设计方法 |
CN116108765B (zh) * | 2023-04-14 | 2023-06-30 | 河北惠仁医疗设备科技有限公司 | 一种常导型磁共振磁体极头优化的设计方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608299A (zh) * | 2016-03-04 | 2016-05-25 | 安徽工程大学 | 基于多目标优化的纯电动车动力系统参数匹配方法 |
CN106774162A (zh) * | 2016-12-06 | 2017-05-31 | 天津商业大学 | 一种数控加工参数多目标优化方法 |
-
2018
- 2018-07-23 CN CN201810814471.4A patent/CN109033617B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608299A (zh) * | 2016-03-04 | 2016-05-25 | 安徽工程大学 | 基于多目标优化的纯电动车动力系统参数匹配方法 |
CN106774162A (zh) * | 2016-12-06 | 2017-05-31 | 天津商业大学 | 一种数控加工参数多目标优化方法 |
Non-Patent Citations (1)
Title |
---|
《考虑 VSC-MTDC 动态稳定性约束的优化协调控制策略》;郭敬梅等;《高电压技术》;20180719;第44卷(第7期);正文1-8页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109033617A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Optimization methods of torque density for developing the neodymium free SPOKE-type BLDC motor | |
CN109033617B (zh) | 基于遗传算法的直流永磁无刷电机的多目标参数优化方法 | |
Woo et al. | Cogging torque optimization of axial flux permanent magnet motor | |
CN109684775B (zh) | 一种基于非线性等效变磁网络模型的磁通可控记忆电机在线调磁性能预测和优化设计方法 | |
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 | |
Zhao et al. | Multi-objective optimization design of permanent magnet synchronous motor based on genetic algorithm | |
CN113094911A (zh) | 一种磁场调制永磁容错电机高功率因数设计方法 | |
CN108736773B (zh) | 小型风力发电系统中盘式永磁同步发电机多目标优化方法 | |
Yamazaki et al. | Shape optimization of rotating machines using time-stepping adaptive finite element method | |
Lei et al. | Robust multiobjective and multidisciplinary design optimization of electrical drive systems | |
CN106295004B (zh) | 一种考虑扰动型设计变量区间的永磁电机优化设计方法 | |
CN113420386A (zh) | 一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法 | |
Cosdu et al. | Design optimization of an outer rotor pmsm for a drive cycle using an improved mode algorithm for a lightweight racing vehicle | |
CN116822095A (zh) | 一种双定子单转子轴向永磁电机磁路建模方法 | |
CN116796675A (zh) | 一种无轭分块电枢轴向磁场电机结构的设计方法 | |
CN107729628B (zh) | 一种三相电励磁双凸极电机非线性电感建模方法 | |
CN113408160B (zh) | 一种基于多目标优化的电机参数设计方法 | |
CN112713729B (zh) | 一种表贴式永磁电动机电磁设计方法 | |
Nobahari et al. | Optimal Shaping of Non-Conventional Permanent Magnet Geometries for Synchronous Motors via Surrogate Modeling and Multi-Objective Optimization Approach. | |
Liu et al. | Structure optimization of switched reluctance motor for torque ripple suppression | |
To et al. | Optimization of IM Rotor Bars Inclination Angle using Analytical Model in Free FEA Software | |
Noh et al. | Proposal of Motor Improvement Design Method under Limited Conditions Using Taguchi Method | |
CN111478466A (zh) | 一种同步磁阻电机转子优化设计方法 | |
Dranca et al. | Permanent magnet generator for counter-rotating vertical axis micro-wind turbine | |
Polat et al. | GA and PSO Based Approaches for Fast Optimization of External Rotor Switched Reluctance Motor Design Parameters |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |