CN110022111B - 车用电力驱动系统中永磁电机的全工况效率优化方法 - Google Patents
车用电力驱动系统中永磁电机的全工况效率优化方法 Download PDFInfo
- Publication number
- CN110022111B CN110022111B CN201910319184.0A CN201910319184A CN110022111B CN 110022111 B CN110022111 B CN 110022111B CN 201910319184 A CN201910319184 A CN 201910319184A CN 110022111 B CN110022111 B CN 110022111B
- Authority
- CN
- China
- Prior art keywords
- motor
- permanent magnet
- working condition
- constraint
- working
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
- H02P23/14—Estimation or adaptation of motor parameters, e.g. rotor time constant, flux, speed, current or voltage
-
- 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
-
- 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
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Ac Motors In General (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供了一种车用电力驱动系统中永磁电机的全工况效率优化方法,基于已建立的工况数据库,分析得到车用永磁电机的工作曲线以及峰值性能约束,根据工作曲线计算得到各工况区间(0%‑25%、25%‑50%、50%‑75%、75%‑100%)的时间占比系数,并建立各工况区间的效率函数模型并作为优化体系的目标函数,使用时间占比系数为加权系数,峰值性能为约束条件,转子和永磁体结构参数为设计变量,利用最优化算法进行迭代运算并得到能使电机全工况效率最优的电机结构参数。本发明的优化方法能够同步提高车用永磁电机在多个功率区间的运行效率,弥补额定工况效率优化方法的缺陷。
Description
技术领域
本发明涉及电机优化技术领域,更具体地,涉及一种车用电力驱动系统中永磁电机的全工况效率优化方法。
背景技术
科学技术的不断进步带给了人类生活的不断进步,但也同样带来了严重的能源与环境问题,化石燃料的过度使用容易造成能源安全问题,车辆尾气的大量排放更是造成全球变暖与温室效应的主要原因。人们普遍认为新能源车辆是解决上述问题的可行方案,并受到了广泛的关注。
电力驱动系统是新能源车辆的心脏部位,能够持续地为车辆提供能量消耗。图1示出了一种典型车用电力驱动系统结构,其中电机组作为电力驱动系统的关键部位,其工作效率的高低直接决定了电力驱动系统的整体运行效率,因此电机的效率优化是电机设计人员设计的重要目标。现代电机设计人员通常采用最优化方法来优化电机效率,具体为:以电机运行的额定效率模型为优化目标函数,以电机性能约束与车辆内部限制为约束条件,利用智能算法,对优化目标函数的最优值(即额定效率)进行寻优并最终得到最优解(即电机设计的结构参数),能使电机的额定运行效率达到最高。
然而,由于车辆受到复杂路况以及驾驶需求的影响,需要频繁地改变工况,因此,电机将持续处于一种变工况运行的状态。常规的效率最优化设计只考虑到了电机的额定运行效率最优,却没有考虑到车辆的复杂的路况将导致电机更多时间的处于非额定工况下运行,这可能导致电机的非额定运行效率的严重降低,进而致使车辆的整体运行效率与续航时间的下降。
发明内容
基于上述缺陷,本发明提供一种克服上述问题的车用电力驱动系统中永磁电机的全工况效率优化方法。本发明的优化方法能够同步提高车用永磁电机在多个功率区间的运行效率,其优化方法无需进行复杂的行驶模式模式识别,且计算复杂度低,不仅弥补了额定工况效率优化方法的缺陷,还能够从整体上提高电动车辆的续航时间和寿命。
本发明提供的一种车用电力驱动系统中永磁电机的全工况效率优化方法,包括如下步骤:
S1:数据采集,采集电机运行数据并归入工况数据库,所述电机运行数据包括电机的功率、转速和转矩;所述工况数据库能全面的体现新能源车辆用永磁电机在运行周期内的电机性能数据;
S2:数据处理,基于已建立的工况数据库,分析得到电机的周期功率分布以及峰值性能约束;所述周期功率分布是指基于工况数据库建立功率比例与数据点个数的横纵坐标关系;
并建立各全工况效率优化目标函数F(X):
其中,fi(X)为各工况区间对应的多目标优化函数;
S5:结合目标函数F(X)、加权系数αi以及峰值性能约束迭代计算出设计变量X,所述设计变量包括转子尺寸和永磁体尺寸的电机参数。
在另外一个实施例中,所述峰值性能约束包括转速约束、转矩约束以及过载约束。
在另外一个实施例中,所述电机的类型为发电机或电动机。
在另外一个实施例中,所述发电机与电动机均采用V型结构内置式永磁同步电机。
在另外一个实施例中,所述加权系数与各个工况区间的持续时间成正比。
在另外一个实施例中,所述设计变量X具体包括:电机轴长L1、转子内径Rr、永磁体宽度Lm、永磁体厚度hm、永磁体夹角θm、气隙宽δ。
在另外一个实施例中,所述步骤S4中的多目标优化函数fi(X)分别为不同工况区间的效率模型,考虑的总损耗包括铁心损耗、铜线损耗以及附加损耗,并考虑到不同工况区间下转速与转矩对效率模型的影响关系。
在另外一个实施例中,所述步骤S5中还使用包括电机性能约束的约束条件迭代计算出设计变量X,所述电机性能约束包括各部位磁通密度、电流密度、温升约束以及扭矩约束。
在另外一个实施例中,约束条件除常规的电机性能约束外,还包括定子绕组电流密度J1(X)、定子槽满率Sf(X)、气隙磁密Bg(X)、定子齿部磁密Bt(X)、定子轭部磁密By(X)、电机高转速约束ωmax(X)以及电机最大转矩约束Tma(X)的约束函数。
在另外一个实施例中,所述步骤S5迭代计算的算法为遗传算法。
本发明的优化方法,具体包括车用永磁电机的工况数据库的建立与分析,采集车辆在模拟实际运行状态下永磁电机的功率数据,并将运行工况划分为四个典型区间:0%-25%,25%-50%,50%-75%以及75%-100%;再利用数理统计方法针对典型功率区间数据进行非线性回归分析,拟合得到永磁电机的工作曲线,拟合后的工作曲线能较为准确地描述在车辆运行于复杂工况下永磁电机的功率变化情况;最后针对工作曲线对电机效率进行多目标同步优化,优化体系以多功率区间的效率模型为多目标函数,以各个功率区间的时间占比系数为加权系数,并在永磁电机的多物理场约束下求针对输入的功率数据求解关键的“转子尺寸和永磁体尺寸”结构设计变量,从而得到能同步优化全工况运行效率的最优解。
本发明的优点在于,车用电力驱动系统电机组工况数据库的建立与分析方法能够帮助电机设计人员更加全面地了解拟设计发电机预驱动电机组的工况分布,使得设计方案更具针对性,并根据峰值性能限制设置合理的电机约束条件。再者,最优化算法以多个运行工况的电机组运行效率为目标函数,能同步优化电机组在0%-25%、25%-50%、50%-75%以及75%-100%等典型功率区间段的运行效率。因此,本发明具有提高车用电力驱动系统中永磁电机的全工况综合运行效率的优点。
附图说明
图1为一种典型车用电力驱动系统结构;
图2为本发明的新能源车辆的永磁电机工况数据库建立流程图;
图3为本发明的全工况效率优化方法的负载匹配流程图;
图4为本发明的优化方法采用遗传算法优化设计变量X的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
在一个实施案例中,车辆电力驱动系统为串联式结构如图1所示,电机组包括发电机与驱动电机,其中发电机将内燃机动能转换为电能为系统供电,驱动电机为车辆提供动力。电机组的机械联接端均安装了转矩与速度传感器,以便于车辆在行驶过程中对电机工况数据的记录。
如图2所示,其示出了一种新能源车辆用永磁电机的工况数据库建立流程图,由图可知,所述的工况数据库建立指对车内电机的实际运行进行数据采集与数据处理。
在一个实施案例中,工况数据库的建立流程包括如下步骤:
S1:数据采集,车辆模拟实际驾驶情况的多次、长时间的行驶于目标路段。车内传感器在周期内每隔固定的短时间采集一次电机运行数据并归入工况数据库,具体为:将电机的功率P、转速ω、转矩T等信息按电机的功能差别(发电机或电动机)归入工况数据库。所述工况数据库能全面的体现新能源车辆用永磁电机在运行周期内的电机性能数据。
S2:数据处理,基于已建立的工况数据库,分析得到发电机、驱动电机的周期功率分布以及峰值性能约束。其中,周期功率分布是指基于工况数据建立功率比例(0%-100%)与采集数据数量的散点关系;峰值性能约束指数据库中的电机极限数据的性能约束,包括峰值转速、峰值转矩以及过载约束等,并根据峰值性能约束按照一定的比例来作为最优化设计中的约束条件。
图3示出了一种全工况效率优化方法的负载匹配流程图,如图可知,负载匹配流程包括确立以下四项内容:
目标函数:即各个工况区间的效率数学模型;
加权系数:即每个子目标函数的优化权重,其与各个工况区间的持续时间成正比(点数个数代表时间长度);
约束条件:即车辆实际运行状态下电机各方面性能约束;
设计变量:即能够对电机性能产生重要的影响电机结构参数,并作为拟优化变量。
具体为:
基于全工况数据库和电机系统理论模型,分析电机在各个工况区间(0-25%,25%-50%,50-75%,75%-100%)的转速、转矩的关系以及损耗分布情况,根据其功率比例/数据点个数(该数据点个数是在采样周期内采集的数据点的个数,如图3中的10/20/30/40个数据点数)建立的坐标系,通过曲线拟合来获取时间占比系数αi,并建立各工况区间的效率数学模型作为多目标优化函数fi(X),i=1,2,3,4。
本发明对工况数据库的周期功率分布进行非线性回归分析,从而将离散量回归为连续量,从而得到电机的工作曲线,合理的根据周期功率分布在大部分实验中得到的常规分部曲线形状将其划分为四个工况区间,并求解工作曲线中各个工况区间的定积分从而得到时间占比系数,即目标函数的加权系数αi,计算公式如式(1)所示。
此外,还基于工况数据库的峰值性能约束以及电机性能的电、磁、热、力等约束,确定优化设计过程中的电机性能约束,包括各部位磁通密度、电流密度、温升约束以及扭矩约束等。其峰值性能约束包括转速约束、转矩约束、过载约束等。从而辅助目标函数对选取的设计变量进行准确计算。
分析能够对电机效率以及其它关键性能产生重要性影响的电机结构参数,将这些电机结构参数作为最优化模型中的设计变量,针对建立目标函数的加权系数所选取的输入变量(即功率比例)所影响的输出,本发明合理的选择了输出的设计变量具体为转子尺寸和永磁体尺寸的电机参数,并确定各设计变量的变化范围以使得设计变量在变化范围内寻找最优解。
具体的,各工况区间的加权系数计算公式αi(i=1,2,3,4,5)为
由目标函数与加权系数可得全工况效率优化目标函数为:
其中fi(X)为多目标优化函数,αi为加权系数。
在一个实施案例中,采用遗传算法作为全工况效率优化设计的优化算法,其优化流程图如图4所示。根据已建立优化模型包括:目标函数及其加权系数、约束条件、设计变量,并将优化模型代入遗传算法当中,进行迭代计算,满足程序结束的判定要求时终止运算并得到最优解。
由于本发明是根据周期功率分布在大部分实验中得到的常规分部曲线形状将其合理的划分为四个工况区间的,故由于此种基于经验的加权系数的设置,其计算迭代次数会比随意划分加权系数个数的迭代次数少,且基于连续的曲线计算得出的加权系数的速度也会更快更准确。
在一个实施案例中,发电机与电动机均采用V型结构内置式永磁同步电机。优化程序中设计变量X选用对电机效率产生重要影响电机结构设计参数,设计参数包括了转子尺寸和永磁体尺寸的参数,具体可包含:电机轴长L1、转子内径Rr、永磁体宽度Lm、永磁体厚度hm、永磁体夹角θm、气隙宽δ。
目标函数分别为不同工况区间的效率模型,考虑的总损耗包括铁心损耗、铜线损耗以及附加损耗,并考虑到不同工况区间下转速与转矩对效率模型的影响关系,以提高建模准确率。
优化程序设置的约束条件Gj(X)除常规的电机性能约束外,还可以额外包括:定子绕组电流密度J1(X)、定子槽满率Sf(X)、气隙磁密Bg(X)、定子齿部磁密Bt(X)与定子轭部磁密By(X)的约束函数,以及电机高转速约束ωmax(X)以及电机最大转矩约束Tma(X),从而进一步提高数学建模的准确率。
最后,使用遗传算法对由设计变量、约束条件与目标函数所建立起来的多效率优化体系进行迭代计算与求解,当满足算法结束的判定条件时结束优化程序并得到电机设计参数的最优解。
基于上述各个实施案例可知,本发明的优化方法建立各工况区间的效率函数模型并作为优化体系的目标函数,时间占比系数为加权系数,峰值性能为约束条件,重要结构参数为设计变量,利用最优化算法进行迭代运算并得到能使电机全工况效率最优的电机结构参数;能够同步提高车用永磁电机在多个功率区间的运行效率,使用了功率比例作为加权系数的获取标准来定义全工况效率优化目标函数,从而有效地设计转子尺寸和永磁体尺寸的参数,本发明的加权系数在计算时无需进行复杂的行驶模式模式识别,通过对功率周期分部和工况行曲线拟合分析,从而使用了非线性回归分析就能获取连续的基于功率曲线的时间占比加权系数,且其计算复杂度低,不仅弥补了额定工况效率优化方法的缺陷,还能够从整体上提高电动车辆的续航时间和寿命。
本发明各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
最后,本发明的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种车用电力驱动系统中永磁电机的全工况效率优化方法,其特征在于,包括如下步骤:
S1:数据采集,采集电机运行数据并归入工况数据库,所述电机运行数据包括电机的功率、转速和转矩;所述工况数据库能全面的体现新能源车辆用永磁电机在运行周期内的电机性能数据;
S2:数据处理,基于已建立的工况数据库,分析得到电机的周期功率分布以及峰值性能约束;所述周期功率分布是指基于工况数据库建立功率比例与数据点个数的横纵坐标关系;
并建立各全工况效率优化目标函数F(X):
其中,fi(X)为各工况区间对应的多目标优化函数;
S5:结合目标函数F(X)、加权系数αi以及峰值性能约束迭代计算出设计变量X,所述设计变量包括转子尺寸和永磁体尺寸的电机参数。
2.根据权利要求1所述的优化方法,其特征在于,所述峰值性能约束包括转速约束、转矩约束以及过载约束。
3.根据权利要求1所述的优化方法,其特征在于,所述电机的类型为发电机或电动机。
4.根据权利要求3所述的优化方法,其特征在于,所述发电机与电动机均采用V型结构内置式永磁同步电机。
5.根据权利要求1所述的优化方法,其特征在于,所述加权系数与各个工况区间的持续时间成正比。
6.根据权利要求1所述的优化方法,其特征在于,所述设计变量X具体为电机轴长L1、转子内径Rr、永磁体宽度Lm、永磁体厚度hm、永磁体夹角θm、气隙宽δ中的一种或多种。
7.根据权利要求1所述的优化方法,其特征在于,所述步骤S4中的多目标优化函数fi(X)分别为不同工况区间的效率模型,考虑的总损耗包括铁心损耗、铜线损耗以及附加损耗,并考虑到不同工况区间下转速与转矩对效率模型的影响关系。
8.根据权利要求1所述的优化方法,其特征在于,所述步骤S5中还使用包括电机性能约束的约束条件迭代计算出设计变量X,所述电机性能约束包括各部位磁通密度、电流密度、温升约束以及转矩约束。
9.根据权利要求8所述的优化方法,其特征在于,约束条件除常规的电机性能约束外,还包括定子绕组电流密度J1(X)约束函数、定子槽满率Sf(X)约束函数、气隙磁密Bg(X)约束函数、定子齿部磁密Bt(X)约束函数、定子轭部磁密By(X)约束函数、电机高转速约束ωmax(X)约束函数和/或电机最大转矩约束Tma(X)约束函数。
10.根据权利要求1所述的优化方法,其特征在于,所述步骤S5迭代计算的算法为遗传算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319184.0A CN110022111B (zh) | 2019-04-19 | 2019-04-19 | 车用电力驱动系统中永磁电机的全工况效率优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319184.0A CN110022111B (zh) | 2019-04-19 | 2019-04-19 | 车用电力驱动系统中永磁电机的全工况效率优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110022111A CN110022111A (zh) | 2019-07-16 |
CN110022111B true CN110022111B (zh) | 2020-08-11 |
Family
ID=67192011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910319184.0A Active CN110022111B (zh) | 2019-04-19 | 2019-04-19 | 车用电力驱动系统中永磁电机的全工况效率优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110022111B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110380651B (zh) * | 2019-09-19 | 2020-01-31 | 潍柴动力股份有限公司 | 一种新能源车的电机设计方法及装置 |
CN110884362B (zh) * | 2019-11-28 | 2021-01-26 | 安徽江淮汽车集团股份有限公司 | 电机驱动控制方法、装置、设备及存储介质 |
CN113075565B (zh) * | 2021-03-29 | 2022-12-13 | 潍柴动力股份有限公司 | 电池耐久测试工况设计方法、装置及电池耐久测试方法 |
CN116384065B (zh) * | 2023-03-07 | 2024-01-30 | 浙江大学 | 一种混合动力车辆组合参数优化方法和装置 |
CN117067668B (zh) * | 2023-10-13 | 2023-12-26 | 南通双耀冲压有限公司 | 一种电机定转子冲压模具的配合精度控制方法及系统 |
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 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8849538B2 (en) * | 2011-04-21 | 2014-09-30 | Pioneer Corporation | Torque distribution apparatus, torque distribution method, torque distribution value generation method, and program |
CN104079230B (zh) * | 2014-07-07 | 2016-09-28 | 神王伟国 | 异步电动机效率优化控制的方法、装置、系统及电动汽车 |
CN104319969A (zh) * | 2014-11-19 | 2015-01-28 | 芜湖杰诺瑞汽车电器系统有限公司 | 新能源汽车高功效同步电机的优化设计方法 |
CN107342667B (zh) * | 2017-05-24 | 2019-05-31 | 江苏大学 | 一种永磁同步电机高效率区域调节方法 |
CN107623421B (zh) * | 2017-09-08 | 2019-08-02 | 江苏大学 | 一种基于多运行工况的车用驱动电机的优化设计方法 |
CN108595853B (zh) * | 2018-04-28 | 2021-06-04 | 吉林大学 | 一种基于遗传算法的并联混合动力汽车参数优化设计方法 |
-
2019
- 2019-04-19 CN CN201910319184.0A patent/CN110022111B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110022111A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110022111B (zh) | 车用电力驱动系统中永磁电机的全工况效率优化方法 | |
Lee et al. | Particle swarm optimization algorithm with intelligent particle number control for optimal design of electric machines | |
Diao et al. | System-level robust design optimization of a switched reluctance motor drive system considering multiple driving cycles | |
CN104331573A (zh) | 无刷复合结构电机系统的优化设计方法 | |
Hao et al. | Optimization of torque ripples in an interior permanent magnet synchronous motor based on the orthogonal experimental method and MIGA and RBF neural networks | |
CN109033488B (zh) | 一种基于水机电耦合模型的抽水蓄能机组寿命分析方法 | |
CN108073755B (zh) | 电动车开关磁阻电机系统多目标优化设计方法 | |
Gao et al. | Multi-interval efficiency design optimization for permanent magnet synchronous generators used in hybrid electric special vehicles | |
CN108875255B (zh) | 基于电动汽车实际行驶工况的永磁驱动电机温升分析方法 | |
JP5884160B2 (ja) | ハイブリッド自動車用モータの性能解析方法 | |
Sun et al. | Multiobjective optimization of IPMSM with FSCW applying rotor notch design for torque performance improvement | |
CN110555249B (zh) | 基于水泵负载年损耗电量全局最优的电机参数设计方法 | |
CN110083912B (zh) | 年发电量最优的水力永磁发电机优化设计方法 | |
CN102904518A (zh) | 一种同步发电机q轴参数在线辨识方法 | |
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 | |
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 | |
CN103279607B (zh) | 一种计算永磁电动机气隙磁通密度的方法 | |
CN113085832A (zh) | 一种增程式混合动力车辆能量管理方法 | |
CN115221787A (zh) | 基于nsga-ⅱ的圆筒型永磁直线电机多目标优化方法和系统 | |
Xiao et al. | Fast design of spoke-type PM motor with auxiliary notches based on lumped-parameter magnetic equivalent circuit model and hybrid multiobjective optimizer | |
JP5696469B2 (ja) | モータの鉄損解析方法、モータの鉄心用材料選定方法、およびモータの製造方法 | |
CN106777692B (zh) | 一种增压器涡轮与叶轮bx寿命预测方法 | |
Rivière et al. | Multi-physics Optimisation of a High Speed Copper Rotor Induction Motor for a Traction Application Using a Metamodel Based Approach | |
Xia et al. | PM hub motor design for electric two-wheelers based on measured driving cycles | |
CN113642159A (zh) | 一种发动机特征工况点聚合方法 |
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 |