【技术实现步骤摘要】
本专利技术涉及电机设计优化，尤其涉及基于有限元模型的电机设计优化方法、存储介质及设备。
技术介绍
1、电机设计是一个多变量、各项性能强耦合的过程，牵一发而动全身。常规的电机多目标优化算法，往往存在设计步骤复杂、设计人员干预较多、优化精度差、效率低等情况。另外，对单个设计参数的调整，不仅易造成多个电机性能的变化，且较难得出电机综合性能较优的设计方案。因此，如何简化优化过程、减少设计人员操作、同时提升优化精度以获得整个电机设计空间内的较优解，成为电机设计迫切需要解决的问题。
技术实现思路
1、针对上述现有技术存在的不足，本专利技术提供了一种基于有限元模型的电机设计优化方法、存储介质及设备，以解决现有技术中设计步骤复杂、人为因素影响较多、优化精度差、效率低等问题。
2、本专利技术通过结合多目标优化算法与有限元分析软件，不仅降低了优化过程的复杂度，而且进一步保证了优化精度，从而实现电机整体性能的提升；同时，还基于模糊集理论从pareto最优解集中选取最佳方案，避免了设计人员的二次干预，有效降低了电机优化过程中人为因素的影响。此外，本专利技术提供的方法可适用于任何类型电机优化设计，尤其是具有复杂结构且设计变量众多的电机优化设计。
3、本专利技术提供了基于有限元模型的电机设计优化方法，具体步骤为：
4、s1：基于待优化电机实际尺寸参数，使用有限元分析软件进行电机参数化建模，获得初始电机有限元分析模型；
5、s2、依据电机设计要求及设计者对电机性能
6、s3、根据确定的设计变量以及设计者对优化精度的要求，确定每组待优化子组中设计变量的数量；
7、s4、引入灵敏度分析法对全部设计变量进行分组，获得若干组待优化子组；
8、s5、使用确定的多目标优化算法确定优化目标的优化模型，其中优化目标的优化模型为：
9、，
10、式中，为优化目标，为限制条件， i为限制条件个数， x为设计变量，与为设计变量上下限；
11、s6、使用确定的多目标优化算法对每组待优化子组进行优化，获得若干组待优化子组的pareto最优解集，其中每组待优化子组的pareto最优解集中具有个解；
12、s7、基于模糊集理论，从每组待优化子组的pareto最优解集中选择满意度值最大的解作为该待优化子组的最佳设计方案，其中模糊隶属度函数如下所示：
13、，
14、满意度值计算公式如下：
15、，
16、式中，j1···，表示pareto最优解集中的第j个解；i1···，表示第 i个优化目标；表示第j个解的第i个目标的模糊隶属度函数，和分别为第 i个优化目标性能值的下限和上限，为第j个解中第 i个优化目标性能值；
17、s8、基于步骤s2-s7构建优化控制指令；
18、s9、基于优化控制指令调用初始电机有限元分析模型完成若干组待优化子组的优化，在初始电机有限元分析模型中合并所有待优化子组的最佳设计方案，获得目标电机有限元分析模型，并将目标电机有限元分析模型中的设计方案作为最终设计方案输出。
19、优选的，所述初始电机有限元分析模型是基于有限元分析软件ansys em模块构建，所述设计变量及设计变量取值范围是基于常规设计经验从对优化目标性能确定存在影响的设计变量中选择。
20、优选的，优化目标包括但不限于电机效率 ef、平均转矩t和转矩脉动tr。
21、优选的，所述多目标优化算法为差分进化算法，该算法主要流程为：
22、(1)：设置基本参数，初始化种群，计算个体适应度；
23、(2)：进行个体变异操作和种群交叉操作，得到中间代种群；
24、(3)：在原种群和中间代种群中评估、选择个体，生成下一代种群；
25、(4)：判断是否达到终止条件或进化代数达到最大，若是则终止进化，将得到最佳个体作为最优解输出；若否则返回步骤(2)继续优化。
26、优选的，每组待优化子组中设计变量的数量为4。
27、优选的，所述步骤s4具体步骤为：
28、s41、基于设计变量的数量，构建维设计变量空间；
29、s42、使用均匀抽样在维设计变量空间中形成组设计组合，其中；
30、s43、使用初始电机有限元分析模型求解每组设计组合中优化目标性能值；
31、s44、基于组设计组合及每组设计组合中优化目标性能值，构建二阶多项式响应面模型，从而获得各个优化目标对于各个设计变量的灵敏度，即，其中二阶多项式响应面模型基本形式为：
32、，
33、式中，i为第 i个优化目标，为第i个优化目标在二阶多项式响应面模型的预测函数，分别为第k、p个设计变量，为设计变量的数量，为统计误差，分别为第i个优化目标的待求解系数；
34、s45、将不同优化目标对于同一设计变量的灵敏度进行求和，获得该设计变量的重要程度；
35、s46、将每个设计变量的重要程度按降序排序，基于每组待优化子组中确定的设计变量的数量，将全部设计变量划分为若干组待优化子组。
36、优选的，所述优化控制指令是基于程序语言python编写，该指令可实现对有限元分析软件的调用、电机参数模型设计变量参数值的更改与分析结果的导出，同时对确定的优化目标进行优化并输出最终设计方案。
37、本专利技术提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，即可实现基于有限元模型的电机设计优化方法。
38、本专利技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，即可实现基于有限元模型的电机设计优化方法。
39、与现有技术相比，本专利技术具有如下有益效果：
40、1、本专利技术通过结合多目标优化算法与有限元分析软件，不仅降低了优化过程的复杂度，而且进一步保证了优化精度，从而实现电机整体性能的提升。
41、2、本专利技术基于模糊集理论从pareto最优解集中选取最佳方案，避免了设计人员的二次干预，有效降低了电机优化过程中人为因素的影响。
42、3、本专利技术提供的方法可适用于任何类型电机优化设计，尤其是具有复杂结构且设计变量众多的电机优化设计。
本文档来自技高网...【技术保护点】
1.基于有限元模型的电机设计优化方法，其特征在于，具体步骤为：
2.根据权利要求1所述的基于有限元模型的电机设计优化方法，其特征在于，所述初始电机有限元分析模型是基于有限元分析软件Ansys EM模块构建，所述设计变量及设计变量取值范围是基于常规设计经验从对优化目标性能确定存在影响的设计变量中选择。
3.根据权利要求2所述的基于有限元模型的电机设计优化方法，其特征在于，优化目标包括但不限于电机效率ef、平均转矩T和转矩脉动Tr。
4.根据权利要求3所述的基于有限元模型的电机设计优化方法，其特征在于，所述多目标优化算法为差分进化算法，该算法主要流程为：
5.根据权利要求4所述的基于有限元模型的电机设计优化方法，其特征在于，每组待优化子组中设计变量的数量为4。
6.根据权利要求5所述的基于有限元模型的电机设计优化方法，其特征在于，所述步骤S4具体步骤为：
7.根据权利要求6所述的基于有限元模型的电机设计优化方法，其特征在于，所述优化控制指令是基于程序语言Python编写，该指令可实现对有限元分析软件的调用、电机参
8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时，即可实现权利要求1-7任意一项所述的基于有限元模型的电机设计优化方法。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，即可实现权利要求1-7任意一项所述的基于有限元模型的电机设计优化方法。
...【技术特征摘要】
1.基于有限元模型的电机设计优化方法，其特征在于，具体步骤为：
2.根据权利要求1所述的基于有限元模型的电机设计优化方法，其特征在于，所述初始电机有限元分析模型是基于有限元分析软件ansys em模块构建，所述设计变量及设计变量取值范围是基于常规设计经验从对优化目标性能确定存在影响的设计变量中选择。
3.根据权利要求2所述的基于有限元模型的电机设计优化方法，其特征在于，优化目标包括但不限于电机效率ef、平均转矩t和转矩脉动tr。
4.根据权利要求3所述的基于有限元模型的电机设计优化方法，其特征在于，所述多目标优化算法为差分进化算法，该算法主要流程为：
5.根据权利要求4所述的基于有限元模型的电机设计优化方法，其特征在于，每组待优化子组中设计变量的数量为4。
6.根据...
【专利技术属性】
技术研发人员：赵屹涛，吕迎玺，闫宪峰，范浩，苏跃龙，郝斌，乔康定，
申请(专利权)人：山西省机电设计研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。