[发明专利]基于电磁计算及神经网络的水泵电机建模与优化方法

权利要求书

1.基于电磁计算及神经网络的水泵电机建模与优化方法，其特征在于：包括以下步骤：

（1）、根据水泵用潜水三相异步电动机的机理模型，编写电机正向电磁计算程序；

（2）、采用BP神经网络方法，对水泵水力模型进行数据拟合建模；

（3）、将电机电磁计算的输出结果作为水泵水力模型的输入数据，结合两部分程序形成机泵一体化模型；

（4）、对水泵测试数据进行反向拟合，根据水泵功率需求、安全裕量系数，实现对所配用电机进行优化设计功能，形成水泵电机逆向优化系统；

（5）、采用模拟退火遗传算法，根据水泵性能反向拟合得出的需求数据、设定的裕量系数目标及电机性能目标，配合电机正向电磁计算程序，对配用电机进行计算机自动优化设计。

2.根据权利要求1所述的基于电磁计算及神经网络的水泵电机建模与优化方法，其特征在于：所述步骤（1）中，电机正向电磁计算程序：

对水泵配用的潜水电机，采用机理建模方法，将计算过程程序化形成可独立运行的电机电磁计算程序；

程序的输入数据包括：输出功率kW、电源频率Hz、线电压V、定子接法、极数、节距、定转子槽数、定子外内直径mm、气隙mm、转子内径mm、定子槽型尺寸mm、转子槽型尺寸mm)、每圈匝数、并联支路数、并绕根数、槽绝缘厚度mm、线径,双边漆膜mm、铁芯长mm、叠压系数、线圈直线部分伸出长mm、端环平均直径mm、面积mm^2、杂散损耗kW、铁耗系数、漏抗系数等；

经计算输出数据包括：效率、功率因数、额定转矩、最大转矩、启动转矩、启动电流、槽满率；

在传统三相异步电动机等效磁路法电磁计算的基础上，根据潜水电机浸没在水中的运行条件及定转子均采用闭口槽的结构特点，在电机的机械损耗和定转子槽上部漏磁导的计算方法上，采用了与普通异步电机不同的计算方法；

水泵电机机械损耗分为三部分计算：转子与冷却水的摩擦损耗、推力轴承的摩擦损耗以及导轴承的摩擦损耗；

对于水泵电机定转子闭口槽的槽上部漏磁导，采用等效槽口宽的方法进行计算。

3.根据权利要求1所述的基于电磁计算及神经网络的水泵电机建模与优化方法，其特征在于：所述步骤（2）中，BP神经网络：

建立两种结构近似，功能不同的BP神经网络1与BP神经网络2，分别用于结合电机正向电磁计算程序，形成机泵一体化模型，及结合电机电磁计算与优化算法，形成水泵电机逆向优化设计系统；

用于结合电机正向电磁计算程序，形成机泵一体化模型的水泵水力BP神经网络模型1，采用双输入双输出，三层结构，隐层8神经元，梯度下降法修正误差，训练终止条件为训练误差小于2%”的结构特征，以水泵输入轴功率、泵效率为模型输入，输出水泵的扬程和流量数据；

用于结合电机正向电磁计算程序及模拟退火遗传算法，形成水泵电机逆向优化系统的水泵水力BP神经网络模型2，采用三输入单输出，三层结构，隐层8神经元，采用梯度下降法修正误差，训练终止条件为训练误差小于2%”的结构特征，以水泵设计流量、扬程、目标泵效率为输入，计算输出预测水泵需求轴功率。

4.根据权利要求1所述的基于电磁计算及神经网络的水泵电机建模与优化方法，其特征在于：所述步骤（3）中，机泵一体化模型：

输入电机结构参数进行电机正向电磁计算后，将计算的结果传输给经过实测样本训练并已收敛的BP神经网络1，最终输出在当前电机功率状态下水泵的输出流量、扬程；

电机正向电磁程序所使用的输入结构参数，及水泵水力BP神经网络模型1用来进行神经元训练的数据，均以txt文档的形式存放在文件夹中，程序自动读取；

机泵一体化模型可以独立于步骤（4）中所述水泵电机逆向优化系统，单独运行进行计算。

5.根据权利要求1所述的基于电磁计算及神经网络的水泵电机建模与优化方法，其特征在于：所述步骤（4）中，水泵电机逆向优化系统：

结合电机正向电磁计算程序、BP神经网络2及模拟退火遗传算法，形成水泵电机逆向优化系统；

BP神经网络2根据实测样本进行训练并收敛后，当输入一组流量、扬程及目标泵效率数据时，将拟合给出水泵在此状态下需要输入的轴功率，配合人为给定的裕量系数，即可得出水泵在此状态下，其配用的电机应具有的最优输出功率；以此功率作为电机的功率优化设计目标，配合效率、转矩其他指标，进行水泵电机多目标优化设计；优化目标设定为电机的效率、功率因数、最大转矩、启动转矩、启动电流及机泵之间的备用系数；电机优化变量选取：铁芯长、每槽导体数、定转子槽部分内尺寸参数及额定输出功率；

水泵电机多目标优化设计一般很难找到满足所有目标要求的最优解，则将优化终止时所获得的满足部分优化目标的非劣解以txt形式输出作为优化结果，供人工选择；

水泵电机逆向优化系统可以独立于步骤（3）所述机泵一体化模型，单独运行进行计算。