[发明专利]一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法

说明书

本发明公开了一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法，包括以下步骤：采用敏感度分析对设计参数分层，对不同敏感层参数分别优化；参数扫描被用于固定低敏感参数值，实现计算模型的降维；对高敏感参数建立插值模型以提高优化效率，对电机性能以及性能波动使用多目标遗传算法进行优化；确定参数确定值后，对加工误差以及加工成功率继续进行多目标优化，最后获得包含加工允许误差的完整电机加工方案。本发明使用插值算法以及多目标优化算法，在保证优化精度的同时提高了优化效率，在优化设计过程中考虑到电机加工制造过程中的不确定性因素，使得电机性能以及其加工成功率得到提升。

技术领域

本发明属于电机鲁棒性优化设计领域，是一种考虑到电机实际加工过程中由于各种不确定性导致的电机性能波动的鲁棒性优化设计方法。

背景技术

在电机技术领域，永磁同步电机(PMSM)由于其结构简单、体积小、重量轻、损耗小、效率高等优点，经常作为电力推进系统的核心部件，如电动汽车和拖拉机、电器以及各种工业设备等。而电机优化作为电机设计过程中的一个关键步骤，往往对电机的最终性能有着极大的提升作用。然而，目前广泛存在的电机优化方法，大多是确定性的优化方法，缺乏对电机加工过程中一系列不确定性的考虑，如加工误差，装配误差等，极大的增大了电机加工不合格的风险。

近年来，为了研究电机设计和制造阶段的各种不确定性，获得高质量、高可靠性的电机，相关学者提出了电机的鲁棒性优化设计。所谓鲁棒性优化设计，就是在考虑到电机加工制造过程中存在各种不确定性干扰因素的情况下，仍然要求电机满足设计需求的优化设计。文献“Application of Taguchi method to robust design of BLDC motorperformance,”中(公开发表于1999年IEEE Transactions on Magnetics,35卷，5期，3700-3702页)提出了一种基于田口法的电机鲁棒性优化设计方法，然而该方法最大的缺陷在于其当可控因素间交互作用显著时导致的该方法计算分析的不准确性。文献“A novelsequential-stage optimization strategy for an interior permanent magnetsynchronous generator design,”中(公开发表于2018年IEEE Transactions onIndustrial Electronics 65卷，2期，1781-1790页)提出了一种考虑最坏情况下的电机鲁棒性优化设计方法。其主要思想是通过搜寻可能的设计参数波动空间内的电机性能最差点，然后通过优化手段，使其满足设计需求。但是该方法存在一定的缺点，其中最突出的在于其对设计参数空间反复重复搜寻所带来的巨大的计算量，消耗大量的计算时间，大大降低了优化效率。文献“System-level design optimization method for electricaldrive systems–Robust approach,”中(公开发表于2015年IEEE Transactions onIndustrial Electronics 62卷，8期，4702-4713页)提出了一种考虑到加工制造过程中各种不确定性的系统级鲁棒性优化策略，其主要手段是通过6西格玛科技来解决大批量生产过程中的产品质量问题。然而，该方法仅仅是针对工业制造中的大批量生产，而对于目前尚处于研究阶段的原理样机，该方法不适用。因此，如何设计与优化电机使其考虑到实际加工制造过程中的各种不确定性仍然是当前电机优化设计领域亟待解决的问题。

发明内容

本发明为了克服现有技术中存在的不足，提供了一种基于插值模型和多目标遗传算法的电机鲁棒性优化设计方法，该方法能够在满足精度要求的情况下，考虑到电机加工制造过程中的不确定性因素，得到最优的电机参数组合以及各个参数允许的偏差范围以及按照该电机加工方案进行电机实际加工，电机的一次加工成功率。该方法不仅解决了传统鲁棒性优化设计计算精度不足以及计算量过大的问题，同时其还适用于小批量的电机加工制造，尤其适合原理机的研究以及设计。

为实现上述目的，本发明采用的技术方案包括以下步骤：