论文部分内容阅读
对永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)的研究不断加深,促进了电机优化设计的发展,也对优化算法提出了更高的要求。PMSM结构多样,加大了内部磁场的复杂程度,导致等效磁路法等传统方法无法达到需要的精度。电磁场数值分析虽然具备良好的精确性,但计算消耗过大,因此需要一种新型算法来缩短电机设计的周期。本文从PMSM基本尺寸的确定和传统性能分析方法开始,经过二维有限元法相关理论的介绍,过渡到电磁场数值分析方法,在此基础上利用电机设计分析软件建立电机的初始模型,并对电机性能进行分析计算。为改善电机性能,选取磁极厚度、极弧系数、气隙长度以及偏心距为设计变量,齿槽转矩、空载气隙磁密波形正弦畸变率为目标函数进行优化。首先通过仿真实验确定各变量的取值范围,然后设计正交试验来获取回归分析所需的样本空间;接着,分别建立2个目标函数基于支持向量机(Support Vector Machine,SVM)的响应面模型,并通过引入变异操作的微粒群优化算法(Particle Swarm Optimization,PSO)分别对2个目标函数进行单目标优化;将优化结果代入有限元软件,齿槽转矩由初始的4.37N?m降为0.264N?m,空载气隙磁密波形正弦畸变率由29.14%降为17.36%,仿真实验验证了结果的准确性;最后,鉴于实际的电机优化一般均为多目标优化问题,因此将两个目标函数放在一个优化过程中,采用PSO同时对其进行多目标优化,仿真后齿槽转矩为0.31N?m,空载气隙正弦畸变率为22.33%,两者均比较理想。“SVM+PSO”算法优化效果良好,可以保证较高的准确性;同时需要的样本空间小,寻优历经的进化代数少、收敛速度快;两种算法结合后延续了各自的先进性。此外,SVM回归分析采用了“黑箱方法”,大大降低了相关人员对电机知识的依赖,有效简化了电机设计过程;由于算法的通用性,也为电机其他性能参数的优化提供了指导与借鉴。