CN116796574B - 一种驱动电机振动噪音优化方法及系统 - Google Patents
一种驱动电机振动噪音优化方法及系统 Download PDFInfo
- Publication number
- CN116796574B CN116796574B CN202311061744.XA CN202311061744A CN116796574B CN 116796574 B CN116796574 B CN 116796574B CN 202311061744 A CN202311061744 A CN 202311061744A CN 116796574 B CN116796574 B CN 116796574B
- Authority
- CN
- China
- Prior art keywords
- driving motor
- vibration
- preset
- optimized variable
- parameter
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013507 mapping Methods 0.000 claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 30
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims description 24
- 238000009413 insulation Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 9
- 230000000739 chaotic effect Effects 0.000 claims description 8
- 230000005672 electromagnetic field Effects 0.000 claims description 6
- 238000007499 fusion processing Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000003491 array Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/10—Noise analysis or noise optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Computational Mathematics (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明提供了一种驱动电机振动噪音优化方法及系统,该方法包括:确定出驱动电机的结构参数的取值范围以及约束条件,并基于预设映射算法根据取值范围以及约束条件生成对应的优化变量集;基于预设算法对若干优化变量值进行迭代计算,并实时判断计算结果是否满足预设停止条件;若是,则将当前计算结果设定为最优电机结构参数,并根据最优电机结构参数构建出对应的最优电机模型;通过预设程序对最优电机模型进行模态分析,以输出对应的理论振动参数,并获取驱动电机的实际振动参数;将理论振动参数与实际振动参数进行比对,以生成对应的比对结果,并根据比对结果对驱动电机进行优化处理。本发明能够准确的对驱动电机的振动噪音进行优化处理。
Description
技术领域
本发明涉及新能源汽车技术领域,特别涉及一种驱动电机振动噪音优化方法及系统。
背景技术
随着科技的进步以及生产力的快速发展,新能源汽车技术也得到了快速的发展,并且已经逐渐得到了人们的认可,已经在人们的日常生活中得到普及,并且极大地方便了人们的生活。
其中,驱动电机是新能源电动汽车的核心零部件之一,用于给汽车提供动力,但是驱动电机在运行的过程中会产生一定的振动噪声,而振动噪声会直接影响车辆的驾乘舒适性,从而会对应影响用户的使用体验。
具体的,现有的电机振动噪声主要来源于电磁力,并且该电磁力的大小和分布情况与驱动电机的结构参数、控制策略以及工艺误差等因素有关,其中,现有技术大部分通过模态分析或者有限元分析的方式来优化驱动电机的振动噪声,然而,上述方式需要首先构建出大量的三维模型,并在构建出的三维模型的基础上进行对应的分析,导致优化的周期较长,同时会产生大量的优化数据,不利于快速的获取到优化结果,从而对应降低了优化的效率。
发明内容
基于此,本发明的目的是提供一种驱动电机振动噪音优化方法及系统,以解决现有技术的振动噪音优化周期较长,导致优化效率较低的问题。
本发明实施例第一方面提出了:
一种驱动电机振动噪音优化方法,其中,所述方法包括:
基于预设规则确定出驱动电机的结构参数的取值范围以及约束条件,并基于预设映射算法根据所述取值范围以及所述约束条件生成对应的优化变量集,所述优化变量集包括若干优化变量值;
基于预设算法对若干所述优化变量值进行迭代计算,并实时判断计算结果是否满足预设停止条件;
若实时判断到计算结果满足预设停止条件,则将当前所述计算结果设定为最优电机结构参数,并根据所述最优电机结构参数构建出对应的最优电机模型;
通过预设程序对所述最优电机模型进行模态分析,以输出对应的理论振动参数,并获取所述驱动电机的实际振动参数;
将所述理论振动参数与所述实际振动参数进行比对,以生成对应的比对结果,并根据所述比对结果对所述驱动电机进行优化处理。
本发明的有益效果是:通过实时获取驱动电机的结构参数的取值范围以及约束条件能够对应确定出当前驱动电机的型号以及整体结构,进一步的,生成的优化变量值能够对应当前驱动电机的结构参数,并对应计算出最优的结构参数,基于此,再构建出对应的最优电机模型,从而能够将当前驱动电机的实际振动参数与上述最优电机模型的理论振动参数进行比对,并能够最终根据两者的比对结果进行对应的优化处理,从而不需要构建出大量的三维模型,同时不会产生大量的数据,进而能够对应缩短优化的周期,同时提升优化的效率,也能够提升用户的使用体验。
进一步的,所述方法还包括:
若实时判断到计算结果不满足所述预设停止条件,则对若干所述优化变量值进行混沌变异或者交叉或者选择处理,以生成若干对应的二次优化变量值;
对若干所述二次优化变量值重新进行迭代计算,并在重新输出的计算结果满足所述预设停止条件时停止运算。
进一步的,所述基于预设映射算法根据所述取值范围以及所述约束条件生成对应的优化变量集的步骤包括:
当获取到所述取值范围以及所述约束条件时,对所述取值范围以及所述约束条件进行归一化处理,以将所述取值范围和所述约束条件存储至对应的映射区间;
通过所述预设映射算法根据所述映射区间映射出所述优化变量集,所述优化变量集具有唯一性。
进一步的,所述预设算法的表达式为:
其中,xn表示第n次迭代后的状态变量,n表示次数。
进一步的,所述方法还包括:
逐一计算出每一所述优化变量值分别对应的径向电磁力谐波幅值,并根据预设适应度函数以及所述径向电磁力谐波幅值计算出每一所述优化变量值分别对应的适应度值;
基于所述适应度值对所述驱动电机进行电磁场分析,以提取出所述驱动电机的电磁力对应的时空二相性,并根据所述时空二相性以及所述理论振动参数对所述驱动电机进行隔音处理。
进一步的,所述根据所述时空二相性以及所述理论振动参数对所述驱动电机进行隔音处理的步骤包括:
提取出所述理论振动参数中包含的振动位移、振动速度、振动加速度以及辐射声功率,并基于所述时空二相性对所述振动位移、所述振动速度、所述振动加速度以及所述辐射声功率进行融合处理,以生成对应的时空分布图;
根据所述时空分布图检测出所述驱动电机表面的若干振动区域,并对若干所述振动区域进行隔音包裹处理。
进一步的,所述预设适应度函数的表达式为:
其中,n表示谐波阶次,Fri表示第i阶径向电磁力谐波幅值。
本发明实施例第二方面提出了:
一种驱动电机振动噪音优化系统,其中,所述系统包括:
映射模块,用于基于预设规则确定出驱动电机的结构参数的取值范围以及约束条件,并基于预设映射算法根据所述取值范围以及所述约束条件生成对应的优化变量集,所述优化变量集包括若干优化变量值;
判断模块,用于基于预设算法对若干所述优化变量值进行迭代计算,并实时判断计算结果是否满足预设停止条件;
处理模块,用于若实时判断到计算结果满足预设停止条件,则将当前所述计算结果设定为最优电机结构参数,并根据所述最优电机结构参数构建出对应的最优电机模型;
分析模块,用于通过预设程序对所述最优电机模型进行模态分析,以输出对应的理论振动参数,并获取所述驱动电机的实际振动参数;
优化模块,用于将所述理论振动参数与所述实际振动参数进行比对,以生成对应的比对结果,并根据所述比对结果对所述驱动电机进行优化处理。
进一步的,所述驱动电机振动噪音优化系统还包括计算模块,所述计算模块具体用于:
若实时判断到计算结果不满足所述预设停止条件,则对若干所述优化变量值进行混沌变异或者交叉或者选择处理,以生成若干对应的二次优化变量值;
对若干所述二次优化变量值重新进行迭代计算,并在重新输出的计算结果满足所述预设停止条件时停止运算。
进一步的,所述映射模块具体用于:
当获取到所述取值范围以及所述约束条件时,对所述取值范围以及所述约束条件进行归一化处理,以将所述取值范围和所述约束条件存储至对应的映射区间;
通过所述预设映射算法根据所述映射区间映射出所述优化变量集,所述优化变量集具有唯一性。
进一步的,所述预设算法的表达式为:
其中,xn表示第n次迭代后的状态变量,n表示次数。
进一步的,所述驱动电机振动噪音优化系统还包括提取模块,所述提取模块具体用于:
逐一计算出每一所述优化变量值分别对应的径向电磁力谐波幅值,并根据预设适应度函数以及所述径向电磁力谐波幅值计算出每一所述优化变量值分别对应的适应度值;
基于所述适应度值对所述驱动电机进行电磁场分析,以提取出所述驱动电机的电磁力对应的时空二相性,并根据所述时空二相性以及所述理论振动参数对所述驱动电机进行隔音处理。
进一步的,所述提取模块还具体用于:
提取出所述理论振动参数中包含的振动位移、振动速度、振动加速度以及辐射声功率,并基于所述时空二相性对所述振动位移、所述振动速度、所述振动加速度以及所述辐射声功率进行融合处理,以生成对应的时空分布图;
根据所述时空分布图检测出所述驱动电机表面的若干振动区域,并对若干所述振动区域进行隔音包裹处理。
进一步的,所述预设适应度函数的表达式为:
其中,n表示谐波阶次,Fri表示第i阶径向电磁力谐波幅值。
本发明实施例第三方面提出了:
一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上面所述的驱动电机振动噪音优化方法。
本发明实施例第四方面提出了:
一种可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上面所述的驱动电机振动噪音优化方法。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1为本发明第一实施例提供的驱动电机振动噪音优化方法的流程图;
图2为本发明第六实施例提供的驱动电机振动噪音优化系统的结构框图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了便于理解本发明,下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是,本发明可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是,当元件被称为“固设于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1,所示为本发明第一实施例提供的驱动电机振动噪音优化方法,本实施例提供的驱动电机振动噪音优化方法在不需要构建出大量三维模型,同时不会产生大量数据的前提下,能够缩短优化的周期,同时提升优化的效率,对应提升了用户的使用体验。
具体的,本实施例提供的驱动电机振动噪音优化方法具体包括以下步骤:
步骤S10,基于预设规则确定出驱动电机的结构参数的取值范围以及约束条件,并基于预设映射算法根据所述取值范围以及所述约束条件生成对应的优化变量集,所述优化变量集包括若干优化变量值;
步骤S20,基于预设算法对若干所述优化变量值进行迭代计算,并实时判断计算结果是否满足预设停止条件;
步骤S30,若实时判断到计算结果满足预设停止条件,则将当前所述计算结果设定为最优电机结构参数,并根据所述最优电机结构参数构建出对应的最优电机模型;
步骤S40,通过预设程序对所述最优电机模型进行模态分析,以输出对应的理论振动参数,并获取所述驱动电机的实际振动参数;
步骤S50,将所述理论振动参数与所述实际振动参数进行比对,以生成对应的比对结果,并根据所述比对结果对所述驱动电机进行优化处理。
具体的,在本实施例中,首先需要说明的是,本实施例提供的驱动电机振动噪音优化方法具体应用在新能源汽车技术领域,用于对驱动电机的结构参数进行优化,以对应提升驱动电机的使用性能。基于此,为了能够准确的进行优化处理,需要首先根据当前驱动电机的预期性能要求以及设计规范确定出当前驱动电机的结构参数的取值范围以及约束条件,具体的,该结构参数可以包括转子分段斜极的参数。进一步的,根据预先设置好的映射算法对当前取值范围以及约束条件进行处理,以生成对应的优化变量集,并且该优化变量集包括若干优化变量值,具体的,该若干优化变量值可以具体包括斜极宽度、斜极高度以及斜极角度等。另外,上述结构参数的取值范围具体可以为定子齿数的数量为36-48,以及定子铁芯的厚度为10-20mm等,进一步的,上述约束条件具体可以为转矩不低于150N·m,以及重量不高于30kg等。
进一步的,在获取到若干优化变量值之后,此时需要进行对应的迭代计算,以对当前若干优化变量值进行优化处理,并实时判断计算结果是否满足预先设置好的停止条件。具体的,若是,则说明当前实时输出的计算结果处于最优的状态,并立即根据当前最优电机结构参数构建出对应的最优电机模型。更进一步的,还会进一步通过现有的ANSYSWorkbench软件对当前最优电机模型进行模态分析,并输出与当前最优电机模型对应的理论振动参数,与此同时,还可以在现有的数据库中同步获取到当前实际的驱动电机对应的实际振动参数。基于此,最后将当前理论振动参数与当前实际振动参数进行比对,并能够获取到需要的比对结果,即两者之间的差值,并能够最终根据当前差值对当前实际的驱动电机进行对应的优化处理。
第二实施例
具体的,在本实施例中,需要说明的是,上述方法还包括:
若实时判断到计算结果不满足所述预设停止条件,则对若干所述优化变量值进行混沌变异或者交叉或者选择处理,以生成若干对应的二次优化变量值;
对若干所述二次优化变量值重新进行迭代计算,并在重新输出的计算结果满足所述预设停止条件时停止运算。
具体的,在本实施例中,需要说明的是,为了便于实施,本实施例提供的预设停止条件可以为迭代次数是否达到预设值,或者产生的适应度值是否达到预期目标,或者适应度值变化小于给定阈值,优选的,本实施例将停止条件设定为迭代次数是否达到100次。基于此,若实时判断到计算结果不满足上述停止条件,则对应需要对当前若干优化变量值进行混沌变异或者交叉或者选择处理,并能够对应生成若干对应的二次优化变量值,即新的优化变量值。同理,需要对当前若干二次优化变量值同样进行迭代计算,并同样在输出的结果满足上述预设停止条件时停止运算。其中,需要指出的是,上述混沌变异为对每个优化变量进行混沌映射迭代一次,并将迭代后的状态变量作为新的优化变量值,从而产生一个新的优化变量值,进一步的,上述交叉为对每相邻两个优化变量值进行交叉操作,具体的,即随机选择一个交叉点,并将相邻两个优化变量值在交叉点之前或者之后的优化变量值互换,从而产生新的优化变量值,另外,上述选择为对每两个相邻的原始个体和交叉后的新个体进行比较,并选择适应度较大的两个个体进入下一代种群,以产生新的优化变量值,以便于后续快速的处理。
第三实施例
具体的,在本实施例中,还需要说明的是,上述基于预设映射算法根据所述取值范围以及所述约束条件生成对应的优化变量集的步骤包括:
当获取到所述取值范围以及所述约束条件时,对所述取值范围以及所述约束条件进行归一化处理,以将所述取值范围和所述约束条件存储至对应的映射区间;
通过所述预设映射算法根据所述映射区间映射出所述优化变量集,所述优化变量集具有唯一性。
具体的,在本实施例中,还需要说明的是,为了能够准确的生成需要的优化变量集,以便于后续的分析处理,本实施例在实时获取到需要的取值范围以及约束条件之后,会立即对当前取值范围以及约束条件进行归一化处理,即将当前取值范围以及约束条件存储并映射至[0,1]区间内,便于后续的映射处理。
进一步的,通过预设设置好的映射算法根据上述映射区间对应映射出上述优化变量集,具体的,该优化变量集由一系列优化变量值组成,并且该优化变量集具有唯一性。
另外,在本实施例中,需要说明的是,上述预设算法的表达式为:
其中,xn表示第n次迭代后的状态变量,n表示次数。
另外,在本实施例中,需要说明的是,通过该预设算法能够准确的对实时获取到的若干变量值进行迭代计算,并实时输出需要的计算结果,以便于后续构建出需要的最优电机模型,并对应完成实际的驱动电机的优化处理。
第四实施例
另外,在本实施例中,还需要说明的是,上述方法还包括:
逐一计算出每一所述优化变量值分别对应的径向电磁力谐波幅值,并根据预设适应度函数以及所述径向电磁力谐波幅值计算出每一所述优化变量值分别对应的适应度值;
基于所述适应度值对所述驱动电机进行电磁场分析,以提取出所述驱动电机的电磁力对应的时空二相性,并根据所述时空二相性以及所述理论振动参数对所述驱动电机进行隔音处理。
另外,在本实施例中,还需要说明的是,为了能够对当前实际的驱动电机进行对应的振动隔音处理,在通过上述方式获取到需要的优化变量值之后,还能够进一步逐一计算出当前每个优化变量值分别对应的径向电磁力谐波幅值,与此同时,根据当前预先设置好的适应度函数以及上述径向电磁力谐波幅值计算出当前每个优化变量值分别对应的适应度值,该适应度值能够对应反映出当前驱动电机的使用性能。
基于此,根据当前适应度值对当前实际的驱动电机进行对应的电磁场分析,以对应提取出当前驱动电机的电磁力所对应的时空二相性,与此同时,就能够进一步根据当前时空二相性以及上述理论振动参数对当前驱动电机进行对应的隔音处理。
其中,在本实施例中,需要指出的是,所述根据所述时空二相性以及所述理论振动参数对所述驱动电机进行隔音处理的步骤包括:
提取出所述理论振动参数中包含的振动位移、振动速度、振动加速度以及辐射声功率,并基于所述时空二相性对所述振动位移、所述振动速度、所述振动加速度以及所述辐射声功率进行融合处理,以生成对应的时空分布图;
根据所述时空分布图检测出所述驱动电机表面的若干振动区域,并对若干所述振动区域进行隔音包裹处理。
其中,在本实施例中,需要指出的是,为了能够准确的对当前驱动电机进行隔音处理,本实施例会进一步提取出上述理论振动参数中包含的振动位移、振动速度、振动加速度以及辐射声功率,具体的,上述若干参数均为具体的数值。
进一步的,通过上述获取到的时空二相性对当前振动位移、振动速度、振动加速度以及辐射声功率进行融合处理,并能够进一步生成对应的时空分布图,即当前驱动电机的噪音分布图。基于此,根据当前时空分布图就能够对应检测出当前驱动电机表面的若干振动区域,与此同时,能够通过橡胶以及泡沫等隔音材料对当前若干振动区域进行隔音包裹处理。
其中,在本实施例中,需要指出的是,所述预设适应度函数的表达式为:
其中,n表示谐波阶次,Fri表示第i阶径向电磁力谐波幅值。
其中,在本实施例中,需要指出的是,为了能够准确的计算出上述每个优化变量值分别对应的适应度值,本实施例会预先设置好对应的适应度函数。
具体的,只需将实时计算出的径向电磁力谐波幅值输入至当前适应度函数中,就能够简单、快速的使当前适应度函数输出对应的适应度值,以便于后续的处理。
请参阅图2,本发明第六实施例提供了:
一种驱动电机振动噪音优化系统,其中,所述系统包括:
映射模块,用于基于预设规则确定出驱动电机的结构参数的取值范围以及约束条件,并基于预设映射算法根据所述取值范围以及所述约束条件生成对应的优化变量集,所述优化变量集包括若干优化变量值;
判断模块,用于基于预设算法对若干所述优化变量值进行迭代计算,并实时判断计算结果是否满足预设停止条件;
处理模块,用于若实时判断到计算结果满足预设停止条件,则将当前所述计算结果设定为最优电机结构参数,并根据所述最优电机结构参数构建出对应的最优电机模型;
分析模块,用于通过预设程序对所述最优电机模型进行模态分析,以输出对应的理论振动参数,并获取所述驱动电机的实际振动参数;
优化模块,用于将所述理论振动参数与所述实际振动参数进行比对,以生成对应的比对结果,并根据所述比对结果对所述驱动电机进行优化处理。
其中,上述驱动电机振动噪音优化系统中,所述驱动电机振动噪音优化系统还包括计算模块,所述计算模块具体用于:
若实时判断到计算结果不满足所述预设停止条件,则对若干所述优化变量值进行混沌变异或者交叉或者选择处理,以生成若干对应的二次优化变量值;
对若干所述二次优化变量值重新进行迭代计算,并在重新输出的计算结果满足所述预设停止条件时停止运算。
其中,上述驱动电机振动噪音优化系统中,所述映射模块具体用于:
当获取到所述取值范围以及所述约束条件时,对所述取值范围以及所述约束条件进行归一化处理,以将所述取值范围和所述约束条件存储至对应的映射区间;
通过所述预设映射算法根据所述映射区间映射出所述优化变量集,所述优化变量集具有唯一性。
其中,上述驱动电机振动噪音优化系统中,所述预设算法的表达式为:
其中,xn表示第n次迭代后的状态变量,n表示次数。
其中,上述驱动电机振动噪音优化系统中,所述驱动电机振动噪音优化系统还包括提取模块,所述提取模块具体用于:
逐一计算出每一所述优化变量值分别对应的径向电磁力谐波幅值,并根据预设适应度函数以及所述径向电磁力谐波幅值计算出每一所述优化变量值分别对应的适应度值;
基于所述适应度值对所述驱动电机进行电磁场分析,以提取出所述驱动电机的电磁力对应的时空二相性,并根据所述时空二相性以及所述理论振动参数对所述驱动电机进行隔音处理。
其中,上述驱动电机振动噪音优化系统中,所述提取模块还具体用于:
提取出所述理论振动参数中包含的振动位移、振动速度、振动加速度以及辐射声功率,并基于所述时空二相性对所述振动位移、所述振动速度、所述振动加速度以及所述辐射声功率进行融合处理,以生成对应的时空分布图;
根据所述时空分布图检测出所述驱动电机表面的若干振动区域,并对若干所述振动区域进行隔音包裹处理。
其中,上述驱动电机振动噪音优化系统中,所述预设适应度函数的表达式为:
其中,n表示谐波阶次,Fri表示第i阶径向电磁力谐波幅值。
本发明第七实施例提供了计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如上述实施例提供的驱动电机振动噪音优化方法。
本发明第八实施例提供了可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述实施例提供的驱动电机振动噪音优化方法。
综上所述,本发明上述实施例提供的驱动电机振动噪声优化方法及系统在不需要构建大量三维模型,同时不会产生大量数据的前提下,能够缩短优化的周期,同时提升优化的效率,对应提升了用户的使用体验。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
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,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、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系统、装置或设备或结合这些指令执行系统、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所述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所述程序,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系统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。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、 “示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种驱动电机振动噪音优化方法,其特征在于,所述方法包括:
基于预设规则确定出驱动电机的结构参数的取值范围以及约束条件,并基于预设映射算法根据所述取值范围以及所述约束条件生成对应的优化变量集,所述优化变量集包括若干优化变量值;
基于预设算法对若干所述优化变量值进行迭代计算,并实时判断计算结果是否满足预设停止条件;
若实时判断到计算结果满足预设停止条件,则将当前所述计算结果设定为最优电机结构参数,并根据所述最优电机结构参数构建出对应的最优电机模型;
通过预设程序对所述最优电机模型进行模态分析,以输出对应的理论振动参数,并获取所述驱动电机的实际振动参数;
将所述理论振动参数与所述实际振动参数进行比对,以生成对应的比对结果,并根据所述比对结果对所述驱动电机进行优化处理。
2.根据权利要求1所述的驱动电机振动噪音优化方法,其特征在于:所述方法还包括:
若实时判断到计算结果不满足所述预设停止条件,则对若干所述优化变量值进行混沌变异或者交叉或者选择处理,以生成若干对应的二次优化变量值;
对若干所述二次优化变量值重新进行迭代计算,并在重新输出的计算结果满足所述预设停止条件时停止运算。
3.根据权利要求1所述的驱动电机振动噪音优化方法,其特征在于:所述基于预设映射算法根据所述取值范围以及所述约束条件生成对应的优化变量集的步骤包括:
当获取到所述取值范围以及所述约束条件时,对所述取值范围以及所述约束条件进行归一化处理,以将所述取值范围和所述约束条件存储至对应的映射区间;
通过所述预设映射算法根据所述映射区间映射出所述优化变量集,所述优化变量集具有唯一性。
4.根据权利要求1所述的驱动电机振动噪音优化方法,其特征在于:所述预设算法的表达式为:
其中,xn表示第n次迭代后的状态变量,n表示次数。
5.根据权利要求1所述的驱动电机振动噪音优化方法,其特征在于:所述方法还包括:
逐一计算出每一所述优化变量值分别对应的径向电磁力谐波幅值,并根据预设适应度函数以及所述径向电磁力谐波幅值计算出每一所述优化变量值分别对应的适应度值;
基于所述适应度值对所述驱动电机进行电磁场分析,以提取出所述驱动电机的电磁力对应的时空二相性,并根据所述时空二相性以及所述理论振动参数对所述驱动电机进行隔音处理。
6.根据权利要求5所述的驱动电机振动噪音优化方法,其特征在于:所述根据所述时空二相性以及所述理论振动参数对所述驱动电机进行隔音处理的步骤包括:
提取出所述理论振动参数中包含的振动位移、振动速度、振动加速度以及辐射声功率,并基于所述时空二相性对所述振动位移、所述振动速度、所述振动加速度以及所述辐射声功率进行融合处理,以生成对应的时空分布图;
根据所述时空分布图检测出所述驱动电机表面的若干振动区域,并对若干所述振动区域进行隔音包裹处理。
7.根据权利要求5所述的驱动电机振动噪音优化方法,其特征在于:所述预设适应度函数的表达式为:
其中,n表示谐波阶次,Fri表示第i阶径向电磁力谐波幅值。
8.一种驱动电机振动噪音优化系统,其特征在于,所述系统包括:
映射模块,用于基于预设规则确定出驱动电机的结构参数的取值范围以及约束条件,并基于预设映射算法根据所述取值范围以及所述约束条件生成对应的优化变量集,所述优化变量集包括若干优化变量值;
判断模块,用于基于预设算法对若干所述优化变量值进行迭代计算,并实时判断计算结果是否满足预设停止条件;
处理模块,用于若实时判断到计算结果满足预设停止条件,则将当前所述计算结果设定为最优电机结构参数,并根据所述最优电机结构参数构建出对应的最优电机模型;
分析模块,用于通过预设程序对所述最优电机模型进行模态分析,以输出对应的理论振动参数,并获取所述驱动电机的实际振动参数;
优化模块,用于将所述理论振动参数与所述实际振动参数进行比对,以生成对应的比对结果,并根据所述比对结果对所述驱动电机进行优化处理。
9.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的驱动电机振动噪音优化方法。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任意一项所述的驱动电机振动噪音优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311061744.XA CN116796574B (zh) | 2023-08-23 | 2023-08-23 | 一种驱动电机振动噪音优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311061744.XA CN116796574B (zh) | 2023-08-23 | 2023-08-23 | 一种驱动电机振动噪音优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116796574A CN116796574A (zh) | 2023-09-22 |
CN116796574B true CN116796574B (zh) | 2023-12-29 |
Family
ID=88044122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311061744.XA Active CN116796574B (zh) | 2023-08-23 | 2023-08-23 | 一种驱动电机振动噪音优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116796574B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117040351B (zh) * | 2023-10-08 | 2024-01-26 | 江西五十铃汽车有限公司 | 一种驱动电机控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1524613A1 (en) * | 2003-10-15 | 2005-04-20 | Rieter Technologies A.G. | Optimising method for vibration damping |
CN108595789A (zh) * | 2018-04-04 | 2018-09-28 | 上海理工大学 | 一种约束阻尼结构振动辐射声功率分层优化设计方法 |
CN113449399A (zh) * | 2021-07-16 | 2021-09-28 | 四川长虹空调有限公司 | 一种压缩机减振脚垫结构优化设计方法 |
WO2022179302A1 (zh) * | 2021-02-25 | 2022-09-01 | 国网河北省电力有限公司经济技术研究院 | 配电网自愈重构规划方法、装置及终端 |
CN116304649A (zh) * | 2023-05-23 | 2023-06-23 | 南昌工程学院 | 电机故障信号特征提取方法、系统、计算机及存储介质 |
-
2023
- 2023-08-23 CN CN202311061744.XA patent/CN116796574B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1524613A1 (en) * | 2003-10-15 | 2005-04-20 | Rieter Technologies A.G. | Optimising method for vibration damping |
CN108595789A (zh) * | 2018-04-04 | 2018-09-28 | 上海理工大学 | 一种约束阻尼结构振动辐射声功率分层优化设计方法 |
WO2022179302A1 (zh) * | 2021-02-25 | 2022-09-01 | 国网河北省电力有限公司经济技术研究院 | 配电网自愈重构规划方法、装置及终端 |
CN113449399A (zh) * | 2021-07-16 | 2021-09-28 | 四川长虹空调有限公司 | 一种压缩机减振脚垫结构优化设计方法 |
CN116304649A (zh) * | 2023-05-23 | 2023-06-23 | 南昌工程学院 | 电机故障信号特征提取方法、系统、计算机及存储介质 |
Non-Patent Citations (2)
Title |
---|
减振控制结构传感器优化布置分析;夏明辉;熊仲明;;建筑结构学报(第S2期);全文 * |
立式磨机减速器模态―振动联合优化分析;林胜;陆颖荣;;机械传动(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116796574A (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116796574B (zh) | 一种驱动电机振动噪音优化方法及系统 | |
CN111400852B (zh) | 风电场湍流强度参数的确定方法及装置 | |
CN116853073B (zh) | 一种新能源电动汽车能量管理方法及系统 | |
KR20140087653A (ko) | 풍력터빈 블레이드 설계 및 해석방법 | |
CN116470190B (zh) | 动力电池包加热方法、系统、计算机及可读存储介质 | |
CN115422869A (zh) | 负荷模型的参数辨识方法、系统、计算机设备及存储介质 | |
CN111428869A (zh) | 模型生成的方法、装置、计算机设备和存储介质 | |
Ciceo et al. | Data-driven electrical machines structural model using the vibration synthesis method | |
CN116776747B (zh) | 一种igbt模块使用寿命计算方法及系统 | |
CN112818462B (zh) | 车轮参数模型的生成方法、装置、存储介质和计算机设备 | |
CN116674396B (zh) | 一种新能源汽车电驱动系统控制方法及系统 | |
CN117220266A (zh) | 一种新能源预测出力场景生成方法和系统 | |
CN116404951A (zh) | 一种基于gp-narx模型的电机温度估算方法及装置 | |
CN111980814A (zh) | 发动机控制方法和装置 | |
CN111696120B (zh) | 一种点云数据分割方法、装置、电子设备及存储介质 | |
Hong et al. | Effects of the pole-slot combination on the PMSM of an integrated motor propulsor for an unmanned underwater vehicle considering its electric performance, noise and vibration | |
CN117040351B (zh) | 一种驱动电机控制方法及系统 | |
CN113076667A (zh) | 等效仿真方法、系统、计算机设备及计算机可读存储介质 | |
CN111291464A (zh) | 一种电力系统动态等值方法及装置 | |
CN116431135B (zh) | 汽车代码编写方法、系统、计算机及可读存储介质 | |
CN117254746B (zh) | 一种驱动电机温度控制方法及系统 | |
CN116923100B (zh) | 一种动力电池包修复方法及系统 | |
CN117556688A (zh) | 一种电机优化尺寸确定方法、装置、设备和介质 | |
CN118246166A (zh) | 一种力矩电机齿槽转矩优化方法、存储介质及设备 | |
CN117117374A (zh) | 一种动力电池包回收方法及系统 |
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 |