一种基于遗传算法的车用电机多目标优化设计方法技术

本发明专利技术公开一种基于遗传算法的车用电机多目标优化设计方法，该方法包括：建立电机优化设计的数学模型；异步电机基于遗传算法的优化设计；对优化问题进行编码：把优化问题的求解的参数形式转换成基因码串的表现形式；初始群体产生编码后，首先随机产生一定数量的个体组成初始群体；确定和评估适应度函数；选择交叉变异；反复执行选择、交叉、变异使群体适应度升高，个体逐渐接近最优解，直至满足规定的收敛依据，最后达到全局最优解。本发明专利技术优化速度快、成本低、效率高，缩短了电机设计周期，使电机在满足其性能要求的前提下，功率密度和电机效率显著提高，且遗传算法具有普适性、潜在的全局收敛性和有效性，适合应用到电机优化设计中。

【技术实现步骤摘要】
【专利摘要】本专利技术公开，该方法包括：建立电机优化设计的数学模型；异步电机基于遗传算法的优化设计；对优化问题进行编码：把优化问题的求解的参数形式转换成基因码串的表现形式；初始群体产生编码后，首先随机产生一定数量的个体组成初始群体；确定和评估适应度函数；选择交叉变异；反复执行选择、交叉、变异使群体适应度升高，个体逐渐接近最优解，直至满足规定的收敛依据，最后达到全局最优解。本专利技术优化速度快、成本低、效率高，缩短了电机设计周期，使电机在满足其性能要求的前提下，功率密度和电机效率显著提高，且遗传算法具有普适性、潜在的全局收敛性和有效性，适合应用到电机优化设计中。【专利说明】
本专利技术涉及车用电机
，尤其涉及一种基于遗传算法的车用电机多目标优 化设计方法。
技术介绍
车用电机，是用于汽车等机械的一类专用电机，泛指车辆上一切使机械能转化为 电能、电能转化为机械能的机械装置，特指发电机、电能机和电动机。以电动汽车用驱动电 机为例，电动汽车对驱动电机的可控性、稳态精度、动态性能等均要求较高，而驱动电机的 工况又比较复杂：装配空间小，经常工作在高温、坏天气及频繁振动等恶劣环境下。因此，电 动汽车用驱动电机的设计过程要比一般工业用电机复杂的多。电机优化设计时需要综合考 虑电机的性能、体积、成本等目标，而这些优化目标之间往往是相互冲突的；此外，在优化过 程中，必须考虑实际生产难度和应用条件。由于电机的高度非线性和各参数间的强耦合，电 机的计算方法会直接影响到计算结果的准确性，从而影响最终的优化结果。因此，优化方法 和计算方法是电机优化设计中的关键。但是，传统的车用电机多目标优化方法普遍存在优 化速度慢、成本高、效率低等不足，延长了电机设计的周期。
技术实现思路
本专利技术的目的在于通过，来解 决以上
技术介绍
部分提到的问题。 为达此目的，本专利技术采用以下技术方案： ，其包括： A、建立电机优化设计的数学模型；数学模型如下： 【权利要求】1. ，其特征在于，包括： A、 建立电机优化设计的数学模型；数学模型如下：其中，X = 为设计参量即电磁系统的参数，包括但不限于冲片尺寸、绕 组参量；gi (X)为约束条件，包括性能约束和一般约束； B、 异步电机基于遗传算法的优化设计，其中，设置优化目标为每台电机的功率密度和 电机效率；优化变量为：铁心长度、每槽导体数、线规、定子槽底宽、定子槽身高、转子槽肩 宽、转子槽身高；选定交流电机的额定功率、额定电压、输出转速、转矩作为性能约束； C、 对优化问题进行编码：把优化问题的求解的参数形式转换成基因码串的表现形式； D、 初始群体产生编码后，首先随机产生一定数量的个体组成初始群体，其中，所述初始 群体由基因片段组成，每个基因片段又是一个群体； E、 确定和评估适应度函数； F、 选择交叉变异；反复执行选择、交叉、变异使群体适应度升高，个体逐渐接近最优解， 直至满足规定的收敛依据，最后达到全局最优解。2. 根据权利要求1所述的基于遗传算法的车用电机多目标优化设计方法，其特征在 于，所述步骤B还包括：按工程设计中电机尺寸的极限约束条件来设计一般约束条件。3. 根据权利要求2所述的基于遗传算法的车用电机多目标优化设计方法，其特征在 于，所述步骤C中在参数进行编码过程中需确保问题编码的完备性、健全性及冗余性，并参 考实际加工工艺，选择编码方式和长度。4. 根据权利要求3所述的基于遗传算法的车用电机多目标优化设计方法，其特征在 于，所述步骤D还包括：将异步电机优化设计的特点和技术指标作为参考，确定基因片段群 体范围。5. 根据权利要求1至4之一所述的基于遗传算法的车用电机多目标优化设计方法，其 特征在于，所述步骤E中选取率密度PN和电机效率J作为适度函数，通过加权系数进行优 化衡量，具体如下：【文档编号】G06F17/50GK104517013SQ201410836987【公开日】2015年4月15日 申请日期:2014年12月29日 优先权日:2014年12月29日 【专利技术者】赵卫国, 周志康, 李量 申请人:无锡新大力电机有限公司本文档来自技高网...

【技术保护点】
一种基于遗传算法的车用电机多目标优化设计方法，其特征在于，包括：A、建立电机优化设计的数学模型；数学模型如下：min/max:f(x)gi(x)≤0,i=1,2,3,.....,mXi∈[aj,bj],j=1,2,3...,n---(1)]]>其中，X＝[x1,x2,x3,…,xn]为设计参量即电磁系统的参数，包括但不限于冲片尺寸、绕组参量；gi(X)为约束条件，包括性能约束和一般约束；B、异步电机基于遗传算法的优化设计，其中，设置优化目标为每台电机的功率密度和电机效率；优化变量为：铁心长度、每槽导体数、线规、定子槽底宽、定子槽身高、转子槽肩宽、转子槽身高；选定交流电机的额定功率、额定电压、输出转速、转矩作为性能约束；C、对优化问题进行编码：把优化问题的求解的参数形式转换成基因码串的表现形式；D、初始群体产生编码后，首先随机产生一定数量的个体组成初始群体，其中，所述初始群体由基因片段组成，每个基因片段又是一个群体；E、确定和评估适应度函数；F、选择交叉变异；反复执行选择、交叉、变异使群体适应度升高，个体逐渐接近最优解，直至满足规定的收敛依据，最后达到全局最优解。

【技术特征摘要】

【专利技术属性】
技术研发人员：赵卫国，周志康，李量，
申请(专利权)人：无锡新大力电机有限公司，
类型：发明
国别省市：江苏;32