[发明专利]一种传动链系统智能反演优化方法

说明书

一种传动链系统智能反演优化方法，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，利用该模型计算在改进拉丁超立方抽样方法下生成的试验样本响应，建立以目标搜索为基础的智能反演高斯随机过程优化模型，该模型以传动链效率为目标进行反演迭代以提高模型的精度；在提高效率的同时，为保证传动链系统的高可靠性，即减少传动链输出转矩的波动，采用一种基于范围选择的多目标优化算法对其进行效率与转矩波动的优化，实现了面向大型海上风电设备传动链系统的高可靠性协同优化设计。

技术领域

本发明涉及传动链技术领域，尤其涉及一种传动链系统智能反演优化方法。

背景技术

在面向深远海大型海上风电机组的应用，直驱永磁风电机组传动链系统的高可靠性与高效性设计仍然存在这着较大理论空白与制造困难。传动链的可靠性直接影响整个机组的运行状态与维护成本，其效率直接影响我国海洋资源能源利用效率；因此传动链系统的优化设计对我国海上资源的开发与利用有着重要的意义。

传动链系统主要包括变流器-发电机两大部分，在优化设计过程中主要考虑对传动链系统各个部分进行建模分析，考虑各个部分之间的多物理场交叉耦合作用，在不影响可靠性与稳定性的同时，针对系统的效率最大化展开优化设计。

为了针对传动链系统的最大化效率优化，人们对发电机部分展开了优化设计，虽然能够在一定程度上提高传动链的优化效率，但是仍然存在着以下缺点：

（1）未考虑发电机实际供电为PWM波形，仅考虑发电机在理想正弦供电波形下的优化设计，该优化方法往往难以贴合实际传动链系统的优化设计与应用。

（2）采用传统的拟合代理模型，如多项式拟合、神经网络预测等方法，难以精确建立效率与优化变量之高度交互、高次非线性的数学逻辑关系，建立的模型精度较低。

（3）现有技术在进行优化设计时，往往是针对单独的发电机进行优化设计，即考虑发电机的供电方式为三相正弦波形供电，而实际的传动链系统中电机的供电方式为PWM脉冲调制波形。电机在实际运行过程中即运行在PWM控制波形下，其电磁性能与机械性能相较理想的供电波形下都有较大的变化，具体变化有：电磁损耗的增加、IGBT等功率元件的损耗增大、寿命减小、热应力增大、温升增加等影响。因此不考虑发电机的实际运行状况对其进行优化设计其设计优化方案往往与实际误差较大，并且很难达到设计指标。

（4）现有技术在进行建立代理模型的时候，往往采用传统的拟合模型，如多项式拟合模型、神经网络等模型，而传动链系统，即使是在未考虑变流器侧PWM控制波形的情况下，其优化目标如效率、转矩等物理量与优化设计的电机结构变量之间往往存在着多个物理场的相互影响，其数学关系往往具有高度的交互性、高次非线性等特点；因此传统的代理模型很难通过数据样本学习到其负责的数学关系。在考虑了变流器侧对整个系统的影响后，其数学关系将更加复杂，模型的准确性往往难以保证。

发明内容

本发明所要解决的技术问题是，提供一种传动链系统智能反演优化方法，

为了解决这一技术问题，本发明采用以下技术方案：

一种传动链系统智能反演优化设计方法，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；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；