[发明专利]多约束条件下基于PSO算法的高速电机转子拓扑优化方法

说明书

本发明实施例提供了一种多约束条件下基于PSO算法的高速电机转子拓扑优化方法，包括：给出电机的电磁设计参数；设计转子护套结构，选择相应护套材料；由原始尺寸确定初始计算方案，与可优化拓扑及其边界；计算热应力与机械应力得出护套厚度的极限设计区间；结合电机电磁特性确定不同转子拓扑的等效模型；采用智能算法与磁路耦合的方法进行基于效率的优化设计；使用电磁场有限元法细化计算结果，校核等效拓扑的合理性；通过最优方案下的温度分布，检验拓扑分配的有效性；对优化后高速电机运行性能和电机最高温度与原始方案比较分析。本发明实现了电机高速运行下的高性能电磁要求，降低电机最高温度，满足转子高速运行时应力设计要求。

技术领域

本发明涉及电机系统节能技术领域，尤其涉及一种多约束条件下基于PSO算法的高速电机转子拓扑优化方法。

背景技术

PSO(Particle Swarm Optimization，粒子群算法)属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，通过适应度来评价解的品质，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。

拓扑优化是以材料分布为优化对象，通过拓扑优化，可以在均匀分布材料的设计空间中找到最佳的分布方案。

高速永磁电机具有转速高、功率密度高的特点，在许多关键领域有十分重要的作用。通常转子外圈会套有护套，以抵制高转速引起的表面离心力过大，不同的护套厚度会产生不同的涡流，进而会带来相应的热问题。

为了实现对高速电机的高效应用，有必要设计一种多约束条件下高速电机高效应用的拓扑智能分配方法，基于PSO算法，对高速电机转子的材料分布进行拓扑优化。

发明内容

本发明的实施例提供了一种多约束条件下基于PSO算法的高速电机转子拓扑优化方法，以解决上述背景技术中的问题。

为了实现上述目的，本发明采取了如下技术方案：

本发明的实施例提供的一种多约束条件下基于PSO算法的高速电机转子拓扑优化方法，其特征在于，包括：

步骤1：根据电机的实际运行工况要求，给出电机的电磁设计目标参数与基本结构，确定优化目标函数；

步骤2：保证电机基本性能参数不变的情况下，确定护套的基本结构和材料；

步骤3：在初始模型和计算目标基础上，保证多约束条件不变，采用电磁计算，得出可优化拓扑与边界条件，并根据热应力与机械应力计算出护套的应力优化区间；

步骤4：根据所述电磁设计目标参数与基本结构，以及所述护套的基本结构和材料，结合电机电磁特性确定不同转子拓扑的等效模型，进行基于改进PSO算法的磁路计算，并通过不同粒子种群迭代得到优化区间内的最优目标；

步骤5：使用电磁场有限元法校核磁路计算的结果和等效模型的合理性，验证磁路计算与实际结果的跟随精度，若满足精度要求则继续计算，否则返回所述磁路计算重新计算；

步骤6：采用温度场有限元法对电机温度进行校核计算，检验拓扑分配的有效性，对优化后高速电机运行性能和电机最高温度与原始方案比较分析。

优选地，所述的根据电机的实际运行工况要求，给出电机的电磁设计目标参数与基本结构，确定优化目标函数，包括：

所述实际运行工况要求包括：电机的工作时间与相应的转矩和转速；

所述电磁设计目标参数包括：不同转速下的电机功率、效率、功率因数、起动转矩和制动转矩；