[发明专利]一种传动链系统智能反演优化方法

权利要求书

1.一种传动链系统智能反演优化方法，其特征在于：包括以下步骤；

S1.对传动链系统在SMC-SVPWM滑模控制算法下的电磁响应进行建模计算，得到传动链系统在SMC-SVPWM滑模控制算法下的整体效率；

S2.在S1基础上选定永磁体的长度变量、宽度，齿槽参数为优化变量，BS0为槽口宽度,BS1为槽主体部靠近槽口的宽度,BS2为槽主体部靠近槽底部的宽度,HS0为槽口的深度,HS1为槽口至槽主体部渐变部的深度,HS2为槽主体部的深度；建立电机参数的Morris随机抽样矩阵，通过S1建模计算方法计算样本的电磁响应，对电机的参数进行初等效应分析以定量衡量各个参数的敏感性与参数之间的交互性，并通过Taguchi方法建立变量的正交试验表并对其进行信噪比分析，初步筛选出电机的敏感变量；

S3.通过S2选择永磁体的长度变量、宽度，齿槽参数为敏感变量，同时确定BS1=4.5mm，HS1=1.7mm；

定量分析各变量对传动链效率的影响比重，对其进行方差分析，计算出每个变量的方差值；

最后，初等效应与方差分析结合在一起使用，检查一个或多个因子的水平均值之间的差值，通过选取初等效应均值较大、方差分析中幅度变化较大的变量为敏感变量；

S4.根据S3中的敏感变量采用均匀度较高的拉丁超立方抽样方案生成抽样方案；抽样方案步骤如下：

首先通过随机生成6个维度，120个样本点的不同超拉丁立方抽样；

对建立的拉丁超立方抽样方案建立空间两点的距离范数与得分函数：

； （1）

； （2）

式中，为两个样本之间的空间范数，为样本范数的个数；为距离计算参数，为待优化参数，为第个样本的第个变量，为第个样本的第个变量，为样本的总个数，为 个变量，为 个变量，为变量水平数；

通过遗传算法对不同q下的局部最佳试验设计方案进行寻优， 在确定了不同q下的局部最佳设计方案后，通过极大极小准则对所有的局部排序方案进行排序以选择空间均匀性最好的方案：

； （3）

式中，为两个样本之间的空间范数，为样本范数的个数；

S5.将抽样方案中的样本点进行传动链一体化仿真得到效率响应；选取70%的样本点建立高斯随机过程模型，在建立高斯随机过程模型的基础上，采用以目标为导向的反演优化设计方法得到智能反演优化模型；

S6.在智能反演优化模型的基础上，考虑传动链系统整体输出转矩为约束，采用PESA-II基于范围选择的多目标优化算法对其进行优化。

2.根据权利要求1所述的传动链系统智能反演优化方法，其特征在于：在S3中确定敏感变量的步骤如下：

利用初等效应分布图筛选传动链整体效率对各个参数的敏感性，构造Morris统计矩阵对变量进行初等效应分析，即：

； （4）

式中，为第个变量的初等效应分布，为增量，为第k纬变量，为x方向，为传动链效率；

归一化后的（k+1）k的抽样矩阵，每一列仅有两行在第i个位置上不同，通过随机置换算法构造计算矩阵X。

3.根据权利要求2所述的传动链系统智能反演优化方法，其特征在于：所述计算矩阵X如下：

； （5）

； （6）

式中，为k+1列单位向量，为随机初始化的增量，为通过随机增量生成的与变量维度相同的行向量且各个元素为不超过1的随机增量的倍数，为元素只是0、1的矩阵，为只有两个元素为1的零向量，为单位矩阵，为对角线只有1、-1的随机初始化元素，为进行r次上述抽样过程，且X矩阵的每一行为初等效应分析因子；

通过对X矩阵进行r次初等效应计算，得到不同变量的初等效应分布。

4.根据权利要求3所述的传动链系统智能反演优化方法，其特征在于：所述S3中的方差SSX公式为:

； （7）

式中，为试验次数，为变量水平数，为每个水平实验数， 为目标值，代表第个变量的第个水平对应所有的平均值，代表所有试验次数下的平均值。