[发明专利]一种磁齿轮无刷直流电机的多目标结构优化方法

说明书

本发明公开了一种磁齿轮无刷直流电机的多目标结构优化方法，以体积最小化以及效率最高化作为优化目标，在分析的过程中，考虑电流、滑差、磁通密度以及功率因数等相关限制条件，选择定子槽数、转子槽数、转子端环的外径、转子端环的内径为优化对象，以便让磁齿轮无刷直流电机系统性能提高。该方法主要包括混沌搜索反向学习差分法集中了混沌搜索、反向学习法融入到差分进化法中，本发明可以改进差分进化法的搜索能力外，因仅有两个控制参数需指定，因此，混沌搜索反向学习差分法具有鲁棒性，该架构具有在线调整参数能力，对于磁齿轮无刷直流电机有着较好的优化结构能力，并且能有效提高驱动系统的动态特性。

技术领域

本发明涉及电力传动技术领域，特别是一种磁齿轮无刷直流电机的多目标结构优化方法。

背景技术

磁齿轮与机械齿轮相比具有低噪音、高效率、便于维护、高可靠性以及过载保护等优势。磁齿轮在高力密度驱动装置等电力传动领域，具有广泛的应用，特别适用于无需润滑、无噪声、无摩擦能耗、无油污、防水防尘场合。磁齿轮与无刷直流电机集成后为磁齿轮无刷直流电机，应用于电动汽车中，更加具有高功率密度及高转矩密度、宽速度范围，包含低速爬坡与高速行驶、高效率、宽定功率区与定转速区、高可靠性。所以，如何提升磁齿轮无刷直流电机的效率便成为一个相当重要的课题，为制定并提升感应电动机的最低效率，本发明提出一种将混沌搜索反向学习差分法应用于磁齿轮无刷直流电机，以优化结构，改善其性能。

混沌搜索反向学习差分法集中了混沌搜索、反向学习法融入到差分进化法中，以便克服差分进化法有关交叉因数、比例参数以及变异运算元选择上的缺点，除了可以改进差分进化法的搜索能力外，因仅有两个控制参数需指定，因此，混沌搜索反向学习差分法具有鲁棒性。经检索国内外相关专利和文献，尚无混沌搜索反向学习差分法应用于磁齿轮无刷直流电机的多目标结构优化方法。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种磁齿轮无刷直流电机的多目标结构优化方法，以体积最小化以及效率最高化作为分析目标，在分析的过程中，考虑电流、滑差、磁通密度以及功率因数等相关限制条件，选择定子槽数、转子槽数、转子端环的外径、转子端环的内径为优化对象，以便让磁齿轮无刷直流电机系统更加符合电动车等。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种磁齿轮无刷直流电机的多目标结构优化方法，其特征在于，包括以下步骤：

步骤S1、初始化

选择磁齿轮无刷直流电机结构参数中定子槽数、转子槽数、转子端环外径、转子端环内径作为结构参数，同时产生最初的4个族群；选择任意一个结构参数作为其中一个族群，最初族群产生方式是在搜寻空间中随机开始，其进行方式如式(1)

其中，为最初的族群，σ_i∈(0,1]的随机数，在最初族群中，所有个体产生方式如(1)式；N_p是族群大小，X_i,max和X_i,min分别代表第i个个体上限值以及下限值；

步骤S2、变异操作

在差分进化法中，变异运算元的操作方式以向量差方式进行，在第G代的族群中，任意两个个体定义式(2)的向量差，

其中，D_jk为向量差，分别为G代族群中第j和第k个个体；

通过上述向量差观念，下一代候选个体，通过个体利用变异运算元来产生，如式(3)；

其中，是G+1代族群中第i个个体估计值，是G代族群中第p个个体，F是比例因子；

同时进行如下式(4)的交叉操作，