CN113239604B - 一种磁路优化方法 - Google Patents
一种磁路优化方法 Download PDFInfo
- Publication number
- CN113239604B CN113239604B CN202110532392.6A CN202110532392A CN113239604B CN 113239604 B CN113239604 B CN 113239604B CN 202110532392 A CN202110532392 A CN 202110532392A CN 113239604 B CN113239604 B CN 113239604B
- Authority
- CN
- China
- Prior art keywords
- magnetic circuit
- diameter
- magnetic
- copper wire
- coil
- 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]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种磁路优化方法,属于磁路设计技术领域。采用对磁路进行数学建模的方式建立磁路优化问题,并采用多目标粒子群算法对优化问题进行求解,得到优化问题的帕累托最优解集,从解集中挑选符合要求的解作为磁路的最优解。与传统方法相比,本发明能挑选出不被支配的帕累托最优解,避免盲目进行费时费力的三维电磁仿真,大大加快磁路的设计时间,并且能实现更优的磁化强度水平和更低的电流水平。
Description
技术领域
本发明属于磁路设计技术领域,具体涉及一种磁场强度可调谐磁路的优化方法。
背景技术
在电磁铁、微波可调谐磁器件中,均会涉及软磁磁路的设计。例如,微波旋磁材料在施加一定的偏置磁场后会呈现出张量磁导率,当电磁波作用到微波旋磁材料上之后,由于张量磁导率的作用会呈现出奇特的微波特性。由于微波旋磁材料需要施加一定的偏置磁场才能正常工作,因此这些器件都会带有偏置磁路。这就需要进行软磁磁路的设计以实现磁场的施加。传统的软磁磁路设计是通过磁路定理对磁路进行手工求解,然后建立CAD模型在电磁仿真环境中进行三维有限元等数值方法的求解,若磁场强度不满足要求,则改变CAD模型再次进行数值求解,直到满足要求。传统的软磁磁路设计流程费时费力,需要大量的时间才能完成整个磁路的设计,并且需要大量的人为干涉。
发明内容
本发明的目的在于,针对现有技术需要反复进行CAD模型修改、费时费力的缺陷,提出了一种磁路优化方法,大大减小了磁路优化的工作量,且能实现更好的最优解。
为实现上述目的,本发明采用的技术方案如下:
一种磁路优化方法,其特征在于,包括以下步骤:
步骤1、对磁路中的线圈部分的电阻建立模型:
其中,ρ为铜线的电阻率,d为磁极柱的直径,dCu为带绝缘漆的铜线的直径,d'Cu为纯铜线的直径,Nr为径向方向铜线的匝数,D为磁路腔体的直径,Nh为高度方向铜线的匝数,h为线圈高度,上式中所有[·]代表高斯取整函数;
步骤2、对磁路的磁场强度建立模型:
其中,Ha为磁路的磁场强度,N为线圈匝数,N=NrNh,I为线圈中通过的电流大小,la为磁路气隙间隙,lm为磁路长度,Sa为磁路气隙空气柱面积,Sm为磁极柱面积,μm(Ha)为磁路材料在磁场强度Ha下的磁导率;根据磁路材料的磁化曲线得到离散的μ-H关系,再根据三次样条插值得到任意点处的μ-H关系。
步骤3、建立磁路优化模型:
其中,F(x)=[Ha,-I]=[f1,f2],优化变量x=(h,d,Sa,D,d'Cu,P),P为磁路中的线圈部分的功耗;hmin为预设的线圈高度的最小值,hmax为预设的线圈高度的最大值,dmin为预设的磁极柱的直径的最小值,dmax为预设的磁极柱的直径的最大值,Samin为预设的磁路气隙空气柱面积的最小值,Samax为预设的磁路气隙空气柱面积的最大值,Dmin为预设的磁路腔体的直径的最小值,Dmax为预设的磁路腔体的直径的最大值,d'Cumin为预设的纯铜线的直径的最小值,d'Cumax为预设的纯铜线的直径的最大值,Pmin为预设的磁路中的线圈部分的功耗的最小值,Pmax为预设的磁路中的线圈部分的功耗的最大值;
步骤4、采用多目标粒子群算法对步骤3得到的磁路优化模型进行优化求解,得到帕累托最优解集;
步骤5、利用步骤4中得到的帕累托最优解集中的解建立三维电磁仿真模型进行仿真,得到最优的优化变量。
与现有技术相比,本发明的有益效果为:
本发明提供的一种磁路优化方法,采用对磁路进行数学建模的方式建立磁路优化问题,并采用多目标粒子群算法对优化问题进行求解,得到优化问题的帕累托最优解集,从解集中挑选符合要求的解作为磁路的最优解。与传统方法相比,本发明能挑选出不被支配的帕累托最优解,避免盲目进行费时费力的三维电磁仿真,大大加快磁路的设计时间,并且能实现更优的磁化强度水平和更低的电流水平。
附图说明
图1为实施例的磁路结构的示意图;
图2为实施例的线圈堆叠方式示意图;
图3为实施例采用多目标粒子群算法对磁路优化模型进行求解的算法流程图。
具体实施方式
下面结合附图和实施例,详述本发明的技术方案。
一种磁路优化方法,其特征在于,包括以下步骤:
步骤1、对磁路中的线圈部分的电阻建立模型:
其中,ρ为铜线的电阻率,d为磁极柱的直径,dCu为带绝缘漆的铜线的直径,d'Cu为纯铜线的直径,Nr为径向方向铜线的匝数,Nr=[(D-d)/2dCu-0.5],D为磁路腔体的直径,Nh为高度方向铜线的匝数,h为线圈高度,上式中所有[·]代表高斯取整函数;
步骤2、对磁路的磁场强度建立模型:
其中,Ha为磁路的磁场强度,N为线圈匝数,N=NrNh,I为线圈中通过的电流大小,la为磁路气隙间隙,lm为磁路长度,Sa为磁路气隙空气柱面积,Sm为磁极柱面积,μm(Ha)为磁路材料在磁场强度Ha下的磁导率;根据磁路材料的磁化曲线得到离散的μ-H关系,再根据三次样条插值得到任意点处的μ-H关系。
步骤3、建立磁路优化模型:
步骤4、采用多目标粒子群算法对步骤3得到的磁路优化模型进行优化求解,得到帕累托最优解集;具体过程为:
4.2将第k次(k=0,1,2,…,kmax;kmax为设定的最大迭代次数)迭代得到的(第一次迭代时为初始的向量)代入步骤3建立的磁路优化模型中,得到n组多目标函数值,并将加入外部档案Q中,剔除其中被约束支配的向量,然后计算拥挤度,判断外部档案Q是否达到或超出最大存储容量,如果是,则剔除拥挤度最小的向量,直到外部档案Q不超出最大存储容量;如果否,则继续进行下一步;
其中,为粒子i在第k次迭代时的速度向量,为粒子i在第k+1次迭代的速度向量,ω为惯性权重,由最大值ωmax=0.9到最小值ωmin=0.4按上述公式线性递减,kmax为设定的最大迭代次数,c1和c2为两个预设的常数,r1和r2为随机选择的0~1之间的两个随机数;
4.6重复步骤4.2至4.5的过程,直至达到最大迭代次数,停止计算,输出外部档案中的最优解集;
步骤5、利用步骤4中得到的帕累托最优解集中的解建立三维电磁仿真模型进行仿真,挑选出符合要求的最优解。
实施例
Claims (1)
1.一种磁路优化方法,其特征在于,包括以下步骤:
步骤1、对磁路中的线圈部分的电阻建立模型:
其中,ρ为铜线的电阻率,d为磁极柱的直径,dCu为带绝缘漆的铜线的直径,d'Cu为纯铜线的直径,Nr为径向方向铜线的匝数,Nr=[(D-d)/2dCu-0.5],D为磁路腔体的直径,Nh为高度方向铜线的匝数,h为线圈高度,上式中所有[·]代表高斯取整函数;
步骤2、对磁路的磁场强度建立模型:
其中,Ha为磁路的磁场强度,N为线圈匝数,N=NrNh,I为线圈中通过的电流大小,la为磁路气隙间隙,lm为磁路长度,Sa为磁路气隙空气柱面积,Sm为磁极柱面积,μm(Ha)为磁路材料在磁场强度Ha下的磁导率;
步骤3、建立磁路优化模型:
其中,F(x)=[Ha,-I]=[f1,f2], 优化变量x=(h,d,Sa,D,d'Cu,P),P为磁路中的线圈部分的功耗;hmin为预设的线圈高度的最小值,hmax为预设的线圈高度的最大值,dmin为预设的磁极柱的直径的最小值,dmax为预设的磁极柱的直径的最大值,Samin为预设的磁路气隙空气柱面积的最小值,Samax为预设的磁路气隙空气柱面积的最大值,Dmin为预设的磁路腔体的直径的最小值,Dmax为预设的磁路腔体的直径的最大值,d'Cumin为预设的纯铜线的直径的最小值,d'Cumax为预设的纯铜线的直径的最大值,Pmin为预设的磁路中的线圈部分的功耗的最小值,Pmax为预设的磁路中的线圈部分的功耗的最大值;
步骤4、采用多目标粒子群算法对步骤3得到的磁路优化模型进行优化求解,得到帕累托最优解集;
步骤5、利用步骤4中得到的帕累托最优解集中的解建立三维电磁仿真模型进行仿真,得到最优的优化变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110532392.6A CN113239604B (zh) | 2021-05-17 | 2021-05-17 | 一种磁路优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110532392.6A CN113239604B (zh) | 2021-05-17 | 2021-05-17 | 一种磁路优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113239604A CN113239604A (zh) | 2021-08-10 |
CN113239604B true CN113239604B (zh) | 2022-07-26 |
Family
ID=77134469
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110532392.6A Active CN113239604B (zh) | 2021-05-17 | 2021-05-17 | 一种磁路优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239604B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045984A (zh) * | 2015-07-06 | 2015-11-11 | 哈尔滨工业大学 | 基于小生境排序粒子群算法的电磁机构动态特性优化方法 |
CN105742006A (zh) * | 2016-04-19 | 2016-07-06 | 电子科技大学 | 适用于片上螺线管电感的闭合磁路磁芯膜及其制备方法 |
CN106021706A (zh) * | 2016-05-17 | 2016-10-12 | 北京交通大学 | 基于粒子群-多物理场协同优化的高效感应电机轻量化方法 |
CN106224425A (zh) * | 2016-08-16 | 2016-12-14 | 江苏大学 | 一种基于混合励磁的半主动馈能悬架减振器及其尺寸确定方法 |
CN111367171A (zh) * | 2020-02-18 | 2020-07-03 | 上海交通大学 | 太阳能与天然气耦合冷热电联供系统多目标优化方法及系统 |
-
2021
- 2021-05-17 CN CN202110532392.6A patent/CN113239604B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105045984A (zh) * | 2015-07-06 | 2015-11-11 | 哈尔滨工业大学 | 基于小生境排序粒子群算法的电磁机构动态特性优化方法 |
CN105742006A (zh) * | 2016-04-19 | 2016-07-06 | 电子科技大学 | 适用于片上螺线管电感的闭合磁路磁芯膜及其制备方法 |
CN106021706A (zh) * | 2016-05-17 | 2016-10-12 | 北京交通大学 | 基于粒子群-多物理场协同优化的高效感应电机轻量化方法 |
CN106224425A (zh) * | 2016-08-16 | 2016-12-14 | 江苏大学 | 一种基于混合励磁的半主动馈能悬架减振器及其尺寸确定方法 |
CN111367171A (zh) * | 2020-02-18 | 2020-07-03 | 上海交通大学 | 太阳能与天然气耦合冷热电联供系统多目标优化方法及系统 |
Non-Patent Citations (4)
Title |
---|
Application of Constrained Multi-Objective Hybrid Quantum Particle Swarm optimization for Improving Performance of an Ironless Permanent Magnet Linear Motor;Wen-Jong Chen等;《Applied Mathematics & Information Sciences》;20140901;第8卷(第6期);3111-3120 * |
基于嵌入式实时系统的磁光开关驱动电路设计;刘秀红等;《磁性材料及器件》;20130215;第44卷(第1期);68-72 * |
基于粒子群算法的电磁式电压互感器优化设计;于杰;《数字技术与应用》;20180805;110-111 * |
基于遗传算法的汽车磁流变减振器多目标优化;郑玲等;《汽车工程》;20160725(第07期);84-90 * |
Also Published As
Publication number | Publication date |
---|---|
CN113239604A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Learning from neural control | |
Lucchini et al. | Topology optimization for electromagnetics: A survey | |
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 | |
CN111709150A (zh) | 任意形状磁体磁场空间分布仿真模拟方法 | |
CN113239604B (zh) | 一种磁路优化方法 | |
WO2022028629A3 (zh) | 一种nr型功率电感及基于有限元仿真的优化设计方法 | |
CN108229000B (zh) | 利用混合的三棱柱—四面体网格实现dgtd中pml的方法 | |
CN106887327A (zh) | 一种真空环境用高磁通螺旋磁体三维空间成型结构 | |
Batdorff et al. | High-fidelity magnetic equivalent circuit model for an axisymmetric electromagnetic actuator | |
Yang et al. | An improved genetic algorithm for multiobjective optimization of helical coil electromagnetic launchers | |
CN110174544B (zh) | 一种变压器非对称偏磁问题的定点频域分析系统及方法 | |
CN114580306B (zh) | 一种基于改进pso算法的反激式变压器设计方法 | |
Yu et al. | Existence of an optimized stellarator with simple coils | |
CN112347676B (zh) | 电机定子绕组损耗的快速计算方法、装置和系统 | |
Choi et al. | Design and application of layered composites with the prescribed magnetic permeability | |
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 | |
CN105845427A (zh) | 基于粒子群优化的变压器铁心截面设计方法 | |
CN109408927B (zh) | 一种基于黑盒传输线模型的二维静磁场并行有限元加速方法 | |
Chen et al. | Electromagnetic design study of a superconducting longitudinal gradient bend magnet based on the HALF storage ring | |
CN117010314B (zh) | 一种磁约束反应装置的实现方法、装置、设备及介质 | |
Argeseanu et al. | Optimal design of the transverse flux machine using a fitted genetic algorithm with real parameters | |
CN104050504A (zh) | 一种基于邻域量子粒子群的混沌系统参数估计方法 | |
Changzhi et al. | Chaotic optimization and Taboo search algorithms for design of underwater thruster motor | |
Yu et al. | Equivalent motor radiation of an electric vehicle based on neural network approach | |
Murgatroyd et al. | Optimum shapes for multilayered toroidal inductors |
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 |