CN116995954A - 一种轴向磁通永磁无刷直流电机多目标优化方法 - Google Patents
一种轴向磁通永磁无刷直流电机多目标优化方法 Download PDFInfo
- Publication number
- CN116995954A CN116995954A CN202310975309.1A CN202310975309A CN116995954A CN 116995954 A CN116995954 A CN 116995954A CN 202310975309 A CN202310975309 A CN 202310975309A CN 116995954 A CN116995954 A CN 116995954A
- Authority
- CN
- China
- Prior art keywords
- optimization
- permanent magnet
- parameter
- motor
- parameters
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000004907 flux Effects 0.000 title claims abstract description 36
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000000750 progressive effect Effects 0.000 claims abstract description 8
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 238000002474 experimental method Methods 0.000 claims abstract description 7
- 238000012795 verification Methods 0.000 claims abstract description 5
- 230000008520 organization Effects 0.000 claims abstract description 3
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 235000010299 hexamethylene tetramine Nutrition 0.000 description 1
- VKYKSIONXSXAKP-UHFFFAOYSA-N hexamethylenetetramine Chemical compound C1N(C2)CN3CN1CN2C3 VKYKSIONXSXAKP-UHFFFAOYSA-N 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Classifications
-
- 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
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
-
- 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
-
- 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
- H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
- H02P6/34—Modelling or simulation for control purposes
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Control Of Motors That Do Not Use Commutators (AREA)
Abstract
本发明公开了一种轴向磁通永磁无刷直流电机多目标优化方法，包括：确定轴向磁通永磁无刷直流电机的优化目标以及与优化目标相关的多个优化参数；采用改进的交叉递进式采样方法确定最优的优化参数取值范围；从最优的优化参数取值范围中随机取值，建立多优化参数多水平的数据处理表；根据数据处理表组织实验，记录各组优化参数及对应的响应变量观测值；利用获取的实验数据对构建的响应面回归方程进行拟合求解；利用求解的响应面回归方程，从数据处理表中寻找到使响应变量达到特定目标值的多组参数组合；利用有限元分析方法对多组参数组合进行仿真验证，引入新型的乌托邦择优方法，确定最优的电机参数。本发明能够实现高效、高质量的电机多目标优化。
Description
技术领域
本发明涉及电机优化方法，具体涉及一种轴向磁通永磁无刷直流电机多目标优化方法。
背景技术
电机优化传统采用有限元仿真方法，需进行大量计算，而将单个目标转化为多个目标优化时，每个目标都需要进行一次独立的有限元仿真，因此随着目标数量的增加，计算量会呈指数级增长，导致搜索次数增多、算法效率降低，难以在有限时间内探索到更好的解决方案。另一方面，电机系统较为复杂，优化参数间会相互影响，需要综合考虑各参数之间的协同作用，而传统的单目标优化方法不能有效解决此问题，难以找到最佳的方案。
发明内容
发明目的：本发明的目的是提供一种计算量少、优化效率高的轴向磁通永磁无刷直流电机多目标优化方法。
技术方案：本发明所述的轴向磁通永磁无刷直流电机多目标优化方法，包括：
(1)确定轴向磁通永磁无刷直流电机的优化目标，以及与优化目标相关的多个优化参数；
(2)采用改进的交叉递进式采样方法，确定最优的优化参数取值范围；
(3)从最优的优化参数取值范围中随机取值，建立多优化参数多水平的数据处理表；
(4)根据数据处理表组织实验，记录各组优化参数及对应的响应变量观测值；
(5)构建响应面回归方程，利用步骤(4)获取的实验数据对响应面回归方程进行拟合求解；
(6)利用拟合求解得到的响应面回归方程，从数据处理表中寻找到使响应变量达到特定目标值的多组参数组合；
(7)利用有限元分析方法对多组参数组合进行仿真验证，在有限元分析方法中引入新型的乌托邦择优方法，确定最优的电机参数。
进一步地，步骤(1)中，优化目标为气隙磁通密度和空载反电动势。
进一步地，步骤(1)中，选择与优化目标相关的极弧系数、永磁体厚度和气隙长度这三个参数作为优化参数。
进一步地，步骤(2)中，所述采用改进的交叉递进式采样方法，确定最优的优化参数取值范围，包括：
假设采样结果为m行、n列的矩阵：
求值函数的定义如下：Y值越小，采样结果的均匀性越好；
其中Y是实际目标性能值，Mi是第i个采样点，Mj是第i+1个采样点，m是采样点个数。
进一步地，步骤(2)中，最终确定的电机优化参数取值范围为：
进一步地，步骤(3)中，数据处理表每个优化参数具有与水平数相等个数的不同数值。
进一步地，步骤(4)中，每个优化参数的实验进行多次重复，以确保数据的可靠性。
进一步地，步骤(5)中，所述构建响应面回归方程，利用步骤(4)获取的实验数据对响应面回归方程进行拟合求解，包括：
建立多元线性回归方程模型：
Yi＝a0+β1x1+β2x2+…+βnxn+ξi
其中，a0,β1,β2,…,βn为回归系数，ξi是误差项；n等于优化参数数量；
使用最小二乘法进行参数估计：
∑Y＝n·a0+β1Σx1+β2Σx2+...+βnΣxn
∑x1Y＝a0Σx1+β1Σx1 2+β2∑x1x2+...+βn∑xn
∑x2Y＝a0∑x2+β1∑x1x2+β2∑x2 2+...+βn∑xn
∑x3Y＝a0∑x3+β1∑x1x3+β2∑x2x3+...+βn∑xn
根据实验数据联立方程组，求解得到a0,β1,β2,…,βn参数值，求解得到的多元线性回归方程即响应面回归方程，该响应面回归方程用于进行参数优化。
进一步地，步骤(6)中，特定目标值包括额定功率、启动转矩。
进一步地，步骤(7)中，所述利用有限元分析方法对多组参数组合进行仿真验证，在有限元分析方法中引入新型的乌托邦择优方法，确定最优的电机参数，包括：
Oi表示具体的需要择优的点，K+为象牙塔点，n表示需要择优的点的数量，Y+为象牙塔点与Oi的欧几里得距离；K-反象牙塔点，Y-为反象牙塔点与Oi的欧几里得距离，C为最优点。
有益效果：本发明与现有技术相比，具有如下显著优点：
本发明通过改进的交叉递进式采样方法确定最优的优化参数取值范围，然后根据最优的优化参数取值范围构建数据处理表，最后根据实验数据构建并计算得到高精度的回归方程，进而找出最优的参数组合。本发明通过建立数据处理表减少了实验寻优次数，简化了计算步骤，提高了优化效率，实现了高质量的多目标优化。
附图说明
图1是本申请实施例中轴向磁通永磁无刷直流电机永磁体优化参数；
图2是本申请实施例中轴向磁通永磁无刷直流电机参数取值对气隙磁密的影响；
图3是本申请实施例中轴向磁通永磁无刷直流电机参数取值对空载反电动势的影响；
图4是本申请实施例中轴向磁通永磁无刷直流电机气隙磁场的气隙磁密比较；
图5是本申请实施例中轴向磁通永磁无刷直流电机空载反电动势比较。
具体实施方式
下面结合附图对本发明做进一步说明。
本申请实施例提供一种轴向磁通永磁无刷直流电机多目标优化方法，包括如下的步骤：
(1)确定轴向磁通永磁无刷直流电机的优化目标，以及与优化目标相关的多个优化参数；
确定优化目标为气隙磁通密度和空载反电动势。
选择与优化目标相关的极弧系数L、永磁体厚度H和气隙长度Q这三个参数作为优化参数，如图1所示。
(2)采用改进的交叉递进式采样方法，确定最优的优化参数取值范围；
步骤(2)包括：
假设采样结果为m行、n列的矩阵：
求值函数的定义如下：Y值越小，采样结果的均匀性越好；
其中Y是实际目标性能值，Mi是第i个采样点，Mj是第i+1个采样点，m是采样点个数。
(3)从最优的优化参数取值范围中随机取值，建立三优化参数三水平的数据处理表，该数据处理表中每个优化参数都有三个不同的数值。
(4)根据优化参数和水平，组织并进行有限次的实验，记录每个实验条件下的优化参数及对应的响应变量观测值；每个实验条件进行多次重复，以确保数据的可靠性。
(5)构建响应面回归方程，利用步骤(4)获取的有限次的真实实验数据对响应面回归方程进行求解；
步骤(5)包括：
建立多元线性回归方程模型：
Yi＝a0+β1x1+β2x2+β3x3+…+βnxn+ξi
其中，a0,β1,β2,…,βn为回归系数，ξi是误差项；n等于优化参数数量；
使用最小二乘法进行参数估计：
∑Y＝n·a0+β1∑x1+β2∑x2+...+βn∑xn
∑x1Y＝a0∑x1+β1∑x1 2+β2∑x1x2+...+βn∑xn
∑x2Y＝a0∑x2+β1∑x1x2+β2∑x2 2+...+βn∑xn
∑x3Y＝a0∑x3+β1∑x1x3+β2∑x2x3+...+βn∑xn
根据实验数据联立方程组，求解得到a0,β1,β2,…,βn参数值，求解得到的多元线性回归方程即响应面回归方程，该响应面回归方程用于进行参数优化。
(6)根据电机所需的额定功率、启动转矩等要求，利用拟合求解得到的响应面回归方程，从数据处理表中寻找到使响应变量达到特定目标值的多组参数组合。
(7)利用有限元分析方法对多组参数组合进行仿真验证，在有限元分析方法中引入新型的乌托邦择优方法，确定最优的电机参数。
步骤(7)包括：
Oi表示具体的需要择优的点(或者理解为具体的第几组实验数据，带入，使用新型的乌托邦算法进行择优)，K+为象牙塔点，n表示需要择优的点的数量，Y+为象牙塔点与Oi的欧几里得距离；K-反象牙塔点，Y-为反象牙塔点与Oi的欧几里得距离，C为最优点。
以下通过一个具体的示例对本发明做介绍。
以一台240W小型轴向磁通永磁无刷直流电机为例，电机主要尺寸参数如表1所示。
表1永磁同步电机的尺寸参数
确定极弧系数L、永磁体厚度H和气隙长度Q为三个优化参数，电机气隙磁通密度B/Br、空载反电动势E为优化目标；
利用Maxwell进行电机建模分析，采用改进的交叉递进式采样方法，确定最优的参数取值范围，最终确定的电机优化参数取值范围如下表2所示。
表2电机优化参数以及取值范围
从电机优化参数取值范围中进行随机取值，如表3所示；
表3电机优化参数的参数取值
优化目标为气隙磁密B和反电动势E，根据选择的3个优化参数，每个参数确定的3个数值，建立三优化参数三水平的数据处理表如表4所示；
表4数据处理表
根据表4进行实验，对应于优化参数的响应变量观测值见表4中的优化目标栏。
利用表4中的所有数据拟合计算得到响应面回归方程为：
Y＝0.4996x1+0.7521x2+0.7998x3+0.003
各个优化参数在不同参数取值组合时气隙磁密、反电动势的平均值如表5、表6所示；
表5各变量在不同参数取值组合下气隙磁通密度的最大值的平均值
表6各变量在不同参数取值组合下反电动势的最大值
根据上述表3的数据进行有限元仿真，分别得到每组不同参数取值下数据的气隙磁通密度的最大值的平均值与反电动势最大值的平均值。
对各优化参数在不同参数取值组合下不同优化目标的平均值进行分析。
进一步地，将数据归一化根据优化参数的重要性的不同，赋予相应的权重，引入新型的乌托邦择优方法，确定电机最优参数。
Oi表示具体的需要择优的点，K+为象牙塔点，n表示需要择优的点的数量，Y+为象牙塔点与Oi的欧几里得距离；K-反象牙塔点，Y-为反象牙塔点与Oi的欧几里得距离，C为最优点。
得到参数对目标性能的影响比重如表7所示；
表7各变量在水平因子下空载反电动势平均值
优化目标是根据响应确定使平均值最小化或最大化的因素水平，结果如图2所示，从图中可以看出不同参数对优化目标的影响不同。气隙磁密度不是越小越好，空载反电动势满足设计要求即可。因此，根据三个优化参数对优化目标性能影响的比例分析，最终电机优化参数为L2H3Q3，即极弧系数、永磁体厚度和气隙长度分别为0.75、3.2mm和1.1mm。
为了验证以上的最优方案，按照算法优化得出的参数组合进行有限元仿真实验，结果如图2、图3，发现优化后的电机气隙磁通密度降低了31.8％，总谐波畸变率为4.6％，降低了7.5％，验证为最优的实验结果。由此可知，该一种轴向磁通永磁无刷直流电机优化方法，实验组数仅仅为参数化有限元分析的1/16，效率大大提升，设计周期缩短。
从图4可以看出优化后的电机的最大气隙磁通密度相较于优化前提高了43％，使得电机的气隙磁场强度增加，减少了漏磁损耗，同时气隙磁密波形的畸变率也大大降低，降低了11.2％，使得电机的性能更好。
图5是电机的空载反电势波形图，从图中得出优化后的最大空载反电远低于优化前的最大空载反电势，降低了25％，意味着电机在无负载或轻负载情况下所需的电压降低，从而可以减少电机运行时的能耗。同时可以改善电机的效率。因为较低的反电势意味着电机在转动过程中能够更有效地克服电流的阻力，减少功率损耗和热量产生。
电机优化参数最终数值如表8所示：
表8电机优化参数最终数值
Claims (10)
1.一种轴向磁通永磁无刷直流电机多目标优化方法，其特征在于，包括：
(1)确定轴向磁通永磁无刷直流电机的优化目标，以及与优化目标相关的多个优化参数；
(2)采用改进的交叉递进式采样方法，确定最优的优化参数取值范围；
(3)从最优的优化参数取值范围中随机取值，建立多优化参数多水平的数据处理表；
(4)根据数据处理表组织实验，记录各组优化参数及对应的响应变量观测值；
(5)构建响应面回归方程，利用步骤(4)获取的实验数据对响应面回归方程进行拟合求解；
(6)利用拟合求解得到的响应面回归方程，从数据处理表中寻找到使响应变量达到特定目标值的多组参数组合；
(7)利用有限元分析方法对多组参数组合进行仿真验证，在有限元分析方法中引入新型的乌托邦择优方法，确定最优的电机参数。
2.根据权利要求1所述的轴向磁通永磁无刷直流电机多目标优化方法，其特征在于，步骤(1)中，优化目标为气隙磁通密度和空载反电动势。
3.根据权利要求2所述的轴向磁通永磁无刷直流电机多目标优化方法，其特征在于，步骤(1)中，选择与优化目标相关的极弧系数、永磁体厚度和气隙长度这三个参数作为优化参数。
4.根据权利要求3所述的轴向磁通永磁无刷直流电机多目标优化方法，其特征在于，步骤(2)中，所述采用改进的交叉递进式采样方法，确定最优的优化参数取值范围，包括：
假设采样结果为m行、n列的矩阵：
求值函数的定义如下：Y值越小，采样结果的均匀性越好；
其中Y是实际目标性能值，Mi是第i个采样点，Mj是第i+1个采样点，m是采样点个数。
5.根据权利要求4所述的轴向磁通永磁无刷直流电机多目标优化方法，其特征在于，步骤(2)中，最终确定的电机优化参数取值范围为：
6.根据权利要求1所述的轴向磁通永磁无刷直流电机多目标优化方法，其特征在于，步骤(3)中，数据处理表每个优化参数具有与水平数相等个数的不同数值。
7.根据权利要求1所述的轴向磁通永磁无刷直流电机多目标优化方法，其特征在于，步骤(4)中，每个优化参数的实验进行多次重复，以确保数据的可靠性。
8.根据权利要求5所述的轴向磁通永磁无刷直流电机多目标优化方法，其特征在于，步骤(5)中，所述构建响应面回归方程，利用步骤(4)获取的实验数据对响应面回归方程进行拟合求解，包括：
建立多元线性回归方程模型：
Yi＝a0+β1x1+β2x2+…+βnxn+ξi
其中，a0,β1,β2,…,βn为回归系数，ξi是误差项；n等于优化参数数量；
使用最小二乘法进行参数估计：
∑Y＝n·a0+β1∑x1+β2∑x2+...+βn∑xn
∑x1Y＝a0∑x1+β1∑x1 2+β2Σx1x2+...+βnΣxn
∑x2Y＝a0Σx2+β1Σx1x2+β2Σx2 2+...+βn∑xn
∑x3Y＝a0∑x3+β1∑x1x3+β2∑x2x3+...+βn∑xn
根据实验数据联立方程组，求解得到a0,β1,β2,…,βn参数值，求解得到的多元线性回归方程即响应面回归方程，该响应面回归方程用于进行参数优化。
9.根据权利要求8所述的轴向磁通永磁无刷直流电机多目标优化方法，其特征在于，步骤(6)中，特定目标值包括额定功率、启动转矩。
10.根据权利要求9所述的轴向磁通永磁无刷直流电机多目标优化方法，其特征在于，步骤(7)中，所述利用有限元分析方法对多组参数组合进行仿真验证，在有限元分析方法中引入新型的乌托邦择优方法，确定最优的电机参数，包括：
Oi表示具体的需要择优的点，K+为象牙塔点，n表示需要择优的点的数量，Y+为象牙塔点与Oi的欧几里得距离；K-反象牙塔点，Y-为反象牙塔点与Oi的欧几里得距离，C为最优点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310975309.1A CN116995954B (zh) | 2023-08-03 | 一种轴向磁通永磁无刷直流电机多目标优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310975309.1A CN116995954B (zh) | 2023-08-03 | 一种轴向磁通永磁无刷直流电机多目标优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116995954A true CN116995954A (zh) | 2023-11-03 |
| CN116995954B CN116995954B (zh) | 2024-07-12 |
Family
ID=
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110765649A (zh) * | 2019-11-11 | 2020-02-07 | 南通大学 | 一种轴向磁场磁通切换永磁电机多目标优化方法 |
| CN112737463A (zh) * | 2020-12-20 | 2021-04-30 | 浙江理工大学 | 一种永磁直线同步电机的多目标优化方法及装置 |
| CN113098170A (zh) * | 2021-03-31 | 2021-07-09 | 合肥工业大学 | 一种基于田口方法的内置式永磁电机气隙磁场的优化方法 |
| US20220043950A1 (en) * | 2020-05-27 | 2022-02-10 | Jiangsu University | Parametric equivalent magnetic network modeling method for multi objective optimization of permanent magnet motor |
| CN115204039A (zh) * | 2022-06-17 | 2022-10-18 | 重庆大学 | 一种基于电磁热迭代耦合的感应电机散热优化方法 |
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110765649A (zh) * | 2019-11-11 | 2020-02-07 | 南通大学 | 一种轴向磁场磁通切换永磁电机多目标优化方法 |
| US20220043950A1 (en) * | 2020-05-27 | 2022-02-10 | Jiangsu University | Parametric equivalent magnetic network modeling method for multi objective optimization of permanent magnet motor |
| CN112737463A (zh) * | 2020-12-20 | 2021-04-30 | 浙江理工大学 | 一种永磁直线同步电机的多目标优化方法及装置 |
| CN113098170A (zh) * | 2021-03-31 | 2021-07-09 | 合肥工业大学 | 一种基于田口方法的内置式永磁电机气隙磁场的优化方法 |
| CN115204039A (zh) * | 2022-06-17 | 2022-10-18 | 重庆大学 | 一种基于电磁热迭代耦合的感应电机散热优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Song et al. | An efficient multiobjective design optimization method for a PMSLM based on an extreme learning machine | |
| Song et al. | A novel regression modeling method for PMSLM structural design optimization using a distance-weighted KNN algorithm | |
| CN111832133A (zh) | 一种磁悬浮飞轮电机结构参数优化设计方法 | |
| 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 | |
| Jin et al. | Comprehensive sensitivity and cross-factor variance analysis-based multi-objective design optimization of a 3-DOF hybrid magnetic bearing | |
| Cong et al. | Parameters identification of nonlinear DC motor model using compound evolution algorithms | |
| Duan et al. | Nonlinear scaling rules for brushless PM synchronous machines based on optimal design studies for a wide range of power ratings | |
| CN112600375A (zh) | 一种新型交替极无刷混合励磁电机的多目标优化方法 | |
| Wu et al. | Robust optimization of a rare-earth-reduced high-torque-density Pm motor for electric vehicles based on parameter sensitivity region | |
| CN114253157A (zh) | 一种基于二阶灵敏度分析的电机多参数优化方法和系统 | |
| CN116995954B (zh) | 一种轴向磁通永磁无刷直流电机多目标优化方法 | |
| CN116995954A (zh) | 一种轴向磁通永磁无刷直流电机多目标优化方法 | |
| CN111507023B (zh) | 一种新的开关磁阻电机多目标优化方法 | |
| Chekroun et al. | A New approach design optimizer of induction motor using particle swarm algorithm | |
| CN113987946B (zh) | 一种基于正交分析的粒子群多目标电机优化方法及系统 | |
| 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 | |
| CN116796597A (zh) | 一种适用于多参数耦合永磁游标轮缘推进电机的多目标优化方法 | |
| CN105786769B (zh) | 一种基于快速数据读取及对称稀疏因子表法在极坐标pq分解法潮流中的应用 | |
| TWI398742B (zh) | 應用田口方法以及模糊推論決定發電機最佳參數之方法 | |
| Zhang et al. | An improved Kriging surrogate model method with high robustness for electrical machine optimization | |
| Shao et al. | Multi-objective design optimization of synchronous reluctance machines based on the analytical model and the evolutionary algorithms | |
| Jia et al. | Design of IE4 level synchronous reluctance machines with different number of poles | |
| CN111898286B (zh) | 一种电机建模分析与优化方法 | |
| Jing et al. | Genetic-algorithm-based analytical method of SMPM motors | |
| CN109376494B (zh) | 一种基于电力系统的概率潮流确定方法及系统 |
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 |