[发明专利]一种新型力矩电机结构参数优化方法

摘要

本发明一种新型力矩电机结构参数优化方法，属于电机智能优化设计领域，采用有限元分析系统对引入的结构参数进行建模和转矩分析取代传统的电机数学模型分析计算，使得计算结果误差小，精确度高；本发明提出变权重免疫克隆选择算法，采用变权重机制后，单目标函数之间的权重会随着算法的运行而不断地调整，其中接近于设计要求的单目标函数的权重会变小，偏离要求较大的单目标函数的权重继续加大，从而加快了算法的收敛速度，节省了大量的不必要的寻优时间，更快的得到最优结果；此外，该算法能有效的保持种群的多样性，能够同时实现全局搜索和局部搜索，有助于防止进化早熟和搜索陷于局部极小值，可以解决复杂的非线性问题。

主权项

一种新型力矩电机结构参数优化方法，其特征在于，包括以下步骤：步骤1、根据实际需求设定目标电机永磁体圆心角、转子相对于定子的转动角度最大值和采样转动角度；所述的圆心角的取值范围为20°～50°，转子相对于定子的转动角度的取值范围为0°～30°，采样转动角度根据实际需求而定，即每次采样转子所旋转的角度；步骤2、采用有限元分析法对目标电机进行分析，确定电机每次转动后的转矩值，每次转动角度为设定的采样转动角度，具体如下：步骤2‑1、确定目标电机参数，包括定子铁芯外径、定子铁芯内径、转子铁芯外径、转子铁芯内径、转子磁极厚度、定子磁极厚度、气隙长度、铁芯长度、定子极对数、定子磁及对应弧度、转子极对数和转子磁极对应弧度，根据上述电机参数构建目标电机模型；步骤2‑2、将目标电机转子转动一个采样转动角度；步骤2‑3、采用有限元分析法对目标电机模型侧面结构进行网格划分，网格边长为0.001m～0.003m：步骤2‑4、设定网格边界条件，即确定位于转子铁芯内径圆周和定子铁芯外径圆周的网格节点，通过上述节点作圆周的切线，将电机产生的磁力线沿切线分解，设置分解后垂直于切线方向的矢量磁位为零，即将电机内部磁力线约束在转子铁芯内径圆周和定子铁芯外径圆周之间；步骤2‑5、设置一个圆环将定子和转子之间的空气隙平均分为两层，将该圆环作为路径，并将位于该路径上的网格节点磁通密度进行积分，获得该采样转动角度下的目标电机转矩：步骤2‑6、将目标电机转子按同一方向继续转动一个采样转动角度，返回执行步骤2‑2至步骤2‑5，获得转子转动后的电机的实际转矩，直至达到转子相对于定子的转动角度最大值；步骤3、确定理想状态下，电机转矩与转子相对于定子的转动角度的关系，进而获得每个转动角度下电机的理想转矩；步骤4、将不同采样角度下，理想转矩与实际转矩之间的均方差取值最小作为目标，将两两相对的永磁体圆心角之差在设定范围内和定子轭部磁密在设定范围内作为约束条件，并采用变权重免疫克隆选择算法进行优化，获得电机永磁体圆心角的最优值，具体如下：步骤4‑1、以不同采样角度下，理想转矩与实际转矩之间的均方差取值最小作为目标函数，将两两相对的永磁体圆心角之差在设定范围内和定子轭部磁密在设定范围内作为约束条件，构建目标电机的多目标模型；目标电机的多目标模型如下：其中，F(x)表示理想转子角度‑转矩曲线与实际转子角度‑转矩曲线之间的均方差；f_k(x)表示在第k次转动后电机实际转矩与相应的理想转矩之间差的平方；w₁，w₂，...，w_n依次表示f₁(x)，f₂(x)，...，f_n(x)的权重；n表示采样点个数，即电机转子转动次数；表示第k次转动后电机的实际转矩；表示第k次转动后电机的理想转矩；θ_k表示第k次转动后电机转子相对于定子的角度；x₁，x₂，…x_a分别表示电机每个永磁体的圆心角，a表示永磁体个数；x^l为20°，x^u为50°；β_{1，..，m‑1}(x)表示两两相对的永磁体圆心角之差；β_{1，..，m‑1max}(x)表示根据实际情况设定的两两相对的永磁体圆心角之差最大值；β_d1(x)表示定子轭部磁通密度；表示根据实际情况设定的定子轭部磁通密度最大值；步骤4‑2、设定变权重免疫克隆选择算法的种群规模、进化代数和记忆单元规模；所述的种群规模即为每次迭代时计算的目标函数个数，所述的记忆单元规模即为在每代获得的多个目标函数中，取优个数；步骤4‑3、在目标电机永磁体圆心角的取值范围内，随机确定多组电机永磁体圆心角，将获得的圆心角代入目标电机的多目标模型中，获得第一代多个目标函数结果，即多个理想转子角度‑转矩曲线与实际转子角度‑转矩之间的均方差；所述的多组电机永磁体圆心角，其组数即为种群规模设定的个数；步骤4‑4、根据目标电机两两相对的永磁体圆心角之差及其最大值，获得惩罚值，并将获得的多个目标函数结果与惩罚值相乘；计算惩罚值p(x)公式如下：$p\left(x\right)=1+\frac{1}{m}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{\left[\frac{\mathrm{\Δ}{\mathrm{\β}}_i\left(x\right)}{\mathrm{\Δ}{\mathrm{\β}}_{i\max }}\right]}^a---\left(2\right)$其中，Δβ_i(x)＝max{0，β_i(x)‑β_imax}，Δβ_imax＝max{ε，Δβ_i(x)}，i＝1，....，d1：ε取值范围为0.01～0.05；将获得的多个目标函数结果与惩罚值相乘：F_eval(x)＝F(x)·p(x) (3)其中，F_eval(x)表示乘以惩罚值后的多个目标函数值；步骤4‑5、将乘以惩罚值后的多个目标函数值由小到大进行排序，根据实际需求，取其前若干个目标函数值，并在剩余的目标函数中随机选取若干个目标函数值，将上述两部分目标函数值进行克隆存储于记忆单元，其中，该两部分目标函数值的个数和为记忆单元规模设定的个数；步骤4‑6、对进行克隆的目标函数值对应的电机永磁体圆心角进行变异，获得与原永磁体圆心角不同的新的圆心角，并将新的圆心角代入目标函数中，获得新的目标函数值；步骤4‑7、将获得的新的目标函数值与原目标函数值进行比较，若大于原目标函数值，则删除，若小于原目标函数值，则替换更新原目标函数值；步骤4‑8、将记忆单元中更新后的目标函数带回第一代剩余目标函数中，获得第二代多个目标函数结果，并返回执行步骤4‑4至步骤4‑7，直至达到设定的进化代数；步骤4‑9、确定最后一代多个目标函数中的最小值，将其对应的电机永磁体圆心角作为最优值；步骤5、根据所获得的最优永磁体圆心角的度数，进行制作电机。