基于自适应改进粒子群算法的无槽永磁直流电机优化设计

摘要

【目的】传统电机优化设计方法是通过搭建电机体积、损耗和成本的解析模型，并选择优化算法对其进行改进，得到最优设计变量。然而，电机模型较为复杂，解析模型无法精确描述部分变量。定子磁密是无槽永磁直流电机的重要变量，其解析式精度较低。粒子群算法广泛用于优化设计，但是其寻优能力较差。【方法】针对上述问题，提出一种基于自适应改进粒子群算法的无槽永磁直流电机优化设计方法。首先，通过搭建无槽永磁直流电机解析模型，构建以电机体积、损耗和成本为优化目标的目标函数。利用Sobol法获取电机的高灵敏度变量，减少设计变量个数。然后，采用有限元仿真搭建电机磁路模型，调整设计变量参数大小，获取磁密数据。使用响应面法对磁密数据进行重新拟合，构建定子磁密响应面模型，代替定子磁密解析式。对粒子群算法进行改进，通过比较粒子迭代更新时个体适应度值与全局粒子平均适应度值的大小，选择不同的惯性权重与学习因子更新方式，实现算法精度上的提升。最后，分别采用原始算法和改进算法对目标函数进行优化，通过比较得到电机最优设计参数。【结果】通过比较定子磁密解析式与定子磁密响应面模型计算结果发现，定子磁密响应面模型计算结果误差较小。采用自适应粒子群算法、原始粒子群算法和其他经典算法对目标函数进行优化，改进粒子群算法优化得到的结果最优。【结论】实验结果表明，定子磁密响应面模型代替定子磁密解析式可以改善定子磁密解析式计算误差较大的问题。同时，自适应更新惯性权重与学习因子的粒子群算法寻优能力得到了提升，与经典算法相比，其寻优能力更强。

关键词

无槽永磁直流电机 / 定子磁密 / Sobol法 / 响应面法 / 自适应粒子群 / 惯性权重 / 学习因子