法律状态公告日
法律状态信息
法律状态
2023-01-31
公开
发明专利申请公布
技术领域
本发明涉及电机优化技术领域,尤其涉及一种基于改进麻雀搜索算法的永磁同步电机优化方法及系统。
背景技术
近年来,随着世界能源危机的加重,推广使用新能源和清洁能源汽车,壮大绿色运输车队,加快推进公共领域及物流配送加快推进新能源汽车是种重中之重。相较于其他类型的电机,永磁同步电机以其高效率、过载能力强、功率密度高、调速范围宽以及振动噪声低等优点作为新能源汽车的动力源更加的合适,并且受到众多汽车企业的关注,因此有必要对永磁同步电机的结构设计、结构优化以及转矩特性分析等方面深入研究。
因为永磁同步电机的设计问题具有多目标、多变量、非线性等特色,传统的优化算法很难完成全局最优化设计。近年提出的群体智能优化算法的中心思想是通过模拟自然界中一些事物或生物的运动及行为规律,搜索分布在一定范围内解空间的最优解。麻雀搜索算法相较于其他群体智能优化算法具有搜索精度高、收敛速度快、稳定性好、鲁棒性强等特点。然而,麻雀搜索算法同其他群体智能优化算法一样,当其搜索接近全局最优时,依旧会出现种群多样性减少、易于陷入局部最优的问题。
因此有必要提出一种新的优化方法来解决上述问题。
发明内容
为此,本发明提供了一种基于改进麻雀搜索算法的永磁同步电机优化方法及系统用于解决现有技术中永磁同步电机优化方法种群多样性减少、易于陷入局部最优的问题。
为解决上述技术问题,本发明实施例提供了一种基于改进麻雀搜索算法的永磁同步电机优化方法,该方法包括:
S1:构建电机有限元仿真模型,确定电机的设计变量;
S2:根据所选的设计变量的取值及其对应的变化范围进行采样,并计算所有组中设计变量的样本点的响应值;
S3:根据样本点及其对应的响应值,构建待优化参数和目标函数之间的电机克里金代理模型;
S4:判断电机克里金代理模型是否达到预设精度,若达到,执行步骤S5,若没有达到,增加采样点返回执行步骤S2;
S5:对所述电机克里金代理模型进行迭代训练,寻找电机最优待优化变量;
S6:将所述电机最优待优化变量带入符合精度要求的电机克里金代理模型中获取最优电机性能参数。
优选地,步骤S1中,构建电机有限元仿真模型还可以确定优化目标与约束条件,其中所述设计变量包括磁钢厚度、磁钢夹角、辅助槽尺寸、磁桥宽度、槽口宽度和定子齿宽,所述优化目标包括输出转矩、最大转速下反电势、齿槽转矩和峰值功率,所述约束条件为所述设计变量的变化范围与所述优化目标的约束极值。
优选地,步骤S3中,所述电机克里金代理模型表示如下:
其中,
优选地,步骤S5中,对所述电机克里金代理模型进行迭代训练,寻找最优电机参数的方法包括以下步骤:
S51:利用Tent混沌映射初始化种群,并设置通过拉丁超立方采样构建的电机克里金代理模型中各个参数;
S52:计算麻雀个体即待优化变量的适应度值并排序,找出最优适应度值和最差适应度值及其对应的位置;
S53:更新麻雀种群中发现者的位置、追随者的位置以及预警者的位置;
S54:计算更新后的整个麻雀种群的适应度,并找到全局最优变量,对其进行逐维变异;
S55:判断是否达到预设收敛条件,若达到,则执行步骤S56,若没有达到,则返回执行步骤S52;
S56:输出电机最优待优化变量。
优选地,所述电机克里金代理模型中各个参数为:
所有待优化参数的适应度值可以通过公式表示:
其中,在一个
优选地,利用Tent混沌映射初始化种群并设置电机克里金代理模型中各个参数包括以下步骤:
利用Tent混沌映射初始化种群,生成混沌变量
其中,
将混沌变量载波带到求解问题的解空间,得到
其中,
优选地,更新麻雀种群中发现者的位置、追随者的位置以及预警者的位置具体过程如下:
根据公式
其中,
根据公式
其中,
根据公式
其中,
优选地,在更新麻雀种群中发现者位置时加入余弦权重因子,所述余弦权重因子表达式为:
其中,
则改进后的发现者位置的公式为:
其中,
优选地,找到全局最优变量,对其进行逐维变异包括以下步骤:
设搜索空间具为d维,则当前全局最优解为:
通过计算,逐维变异后的新解为:
计算公式表示如下:
其中,
本发明实施例提供了一种基于改进麻雀搜索算法的永磁同步电机优化系统,该系统包括:
构建仿真模型单元,用于构建电机有限元仿真模型,确定电机的设计变量;
初始化样本点及其响应单元,用于根据所选的设计变量的取值及其对应的变化范围进行采样,并计算所有组中设计变量的样本点的响应值;
构建代理模型单元,用于根据样本点及其对应的响应值,构建待优化参数和目标函数之间的电机克里金代理模型;
代理模型精度判断单元,用于判断电机克里金代理模型是否达到预设精度,若达到,执行步骤S5,若没有达到,增加采样点返回执行步骤S2;
代理模型训练单元,用于对所述电机克里金代理模型进行迭代训练,寻找电机最优待优化变量;
电机性能参数输出单元,用于将所述电机最优待优化变量带入符合精度要求的电机克里金代理模型中获取最优电机性能参数。
本发明的上述技术方案相比现有技术具有以下优点:
本发明实施例提供了一种基于改进麻雀搜索算法的永磁同步电机优化方法及系统,本发明通过引入Tent混沌映射、余弦权重因子和逐维变异方法对麻雀搜索算法进行了改进,提高了初始解的质量,增强算法的全局搜索能力,克服算法易陷入局部最优,促使算法跳出限制继续搜索,提高算法搜索精度,提高了永磁同步电机待优化变量的寻优效果,增强了电机性能。
附图说明
为了更清楚地说明本发明实施案例或现有技术中的技术方案,下边将对 实施例中所需要使用的附图做简单介绍,通过参考附图会更清楚的理解本发 明的特征和优点,附图是示意性的而不应该理解为对本发明进行任何限制,对 于本领域普通技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其他的附图。其中:
图1为根据实施例中提供的一种基于改进麻雀搜索算法的永磁同步电机优化方法的流程图;
图2为根据实施例中提供的一种基于改进麻雀搜索算法的永磁同步电机优化系统的框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
参照图1所示,本发明实施例提供了一种基于改进麻雀搜索算法的永磁同步电机优化方法,该方法包括:
S1:构建电机有限元仿真模型,确定电机的设计变量;
S2:根据所选的设计变量的取值及其对应的变化范围进行采样,并计算所有组中设计变量的样本点的响应值;
S3:根据样本点及其对应的响应值,构建待优化参数和目标函数之间的电机克里金代理模型;
S4:判断电机克里金代理模型是否达到预设精度,若达到,执行步骤S5,若没有达到,增加采样点返回执行步骤S2;
S5:对所述电机克里金代理模型进行迭代训练,寻找电机最优待优化变量;
S6:将所述电机最优待优化变量带入符合精度要求的电机克里金代理模型中获取最优电机性能参数。
本发明提供了一种基于改进麻雀搜索算法的永磁同步电机优化方法,本发明根据电机初始样本点的采样及其响应值,构建电机性能函数代理模型;将Tent混沌映射、余弦权重因子和逐维变异方法引入麻雀搜索算法,根据改进的麻雀搜索算法对电机性能函数代理模型进行寻优计算,丰富了种群多样性,提高了初始解的质量,增强算法的全局搜索能力,克服算法易陷入局部最优,促使算法跳出限制继续搜索,提高算法搜索精度,提高了永磁同步电机待优化变量的寻优效果,增强了电机性能。
进一步地,在步骤S1中:
构建电机有限元仿真模型,确定电机的设计变量、优化目标与约束条件,设计变量为永磁同步电机的主要结构参数,包括磁钢厚度、磁钢夹角、辅助槽尺寸、磁桥宽度、槽口宽度、定子齿宽,优化目标为永磁同步电机性能参数,包括输出转矩、最大转速下反电势、齿槽转矩和峰值功率,约束条件为设计变量的变化范围与优化目标的约束极值。
进一步地,在步骤S2中:
根据所选的设计变量的取值及其对应的变化范围进行拉丁超立方采样,并利用有限元法计算所有组中设计变量的样本点的响应值。
进一步地,在步骤S3中:
根据样本点及其对应的响应值,构建待优化参数和目标函数之间的电机克里金代理模型,电机克里金代理模型表示如下:
其中,
进一步地,在步骤S4中:
判断电机克里金代理模型是否达到预设精度,若达到,执行下一步,若没有达到,增加采样点返回上述执行步骤S2,获得符合预设精度的电机克里金代理模型。
进一步地,在步骤S5中:
对所述电机克里金代理模型进行迭代训练,寻找最优电机参数的方法,具体包括以下步骤:
S51:利用Tent混沌映射初始化种群,并设置通过拉丁超立方采样构建的电机克里金代理模型中各个参数;
S52:计算麻雀个体即待优化变量的适应度值并排序,找出最优适应度值和最差适应度值及其对应的位置;
S53:更新麻雀种群中发现者的位置、追随者的位置以及预警者的位置;
S54:计算更新后的整个麻雀种群的适应度,并找到全局最优变量,对其进行逐维变异;
S55:判断是否达到预设收敛条件,若达到,则执行步骤S56,若没有达到,则返回执行步骤S52;
S56:输出电机最优待优化变量。
上述电机克里金代理模型中的各个参数为:
所有待优化参数的适应度值可以通过公式表示:
其中,在一个
通过引入Tent混沌映射、余弦权重因子和逐维变异方法对麻雀搜索算法进行了改进,提高了初始解的质量,增强算法的全局搜索能力,克服算法易陷入局部最优,促使算法跳出限制继续搜索,提高算法搜索精度。
利用Tent混沌映射初始化种群并设置电机克里金代理模型中各个参数包括以下步骤:
利用Tent混沌映射初始化种群,生成混沌变量
其中,
将混沌变量载波带到求解问题的解空间,得到
其中,
更新麻雀种群中发现者的位置、追随者的位置以及预警者的位置具体过程如下:
根据公式
其中,
根据公式
其中,
根据公式
其中,
为了更好的提升算法的寻优求解能力,在发现者位置更新时加入余弦权重因子,即
其中,
采用变异操作对个体进行干扰以增加种群多样性,跳出局部最优,采用自适应t分布变异算子对最优个进行变异,逐维变异策略的具体实现方式为:
设搜索空间具为d维,则当前全局最优解为:
通过计算,逐维变异后的新解为:
计算公式表示如下:
其中,
变异操作在当前最优解的基础上,增加了干扰信息,有利于算法跳出局部最优。
如图2所示,本发明实施例提供了一种基于改进麻雀搜索算法的永磁同步电机优化系统,该系统包括:
构建仿真模型单元100,用于构建电机有限元仿真模型,确定电机的设计变量;
初始化样本点及其响应单元200,用于根据所选的设计变量的取值及其对应的变化范围进行采样,并计算所有组中设计变量的样本点的响应值;
构建代理模型单元300,用于根据样本点及其对应的响应值,构建待优化参数和目标函数之间的电机克里金代理模型;
代理模型精度判断单元400,用于判断电机克里金代理模型是否达到预设精度,若达到,执行步骤S5,若没有达到,增加采样点返回执行步骤S2;
代理模型训练单元500,用于对所述电机克里金代理模型进行迭代训练,寻找电机最优待优化变量;
电机性能参数输出单元600,用于将所述电机最优待优化变量带入符合精度要求的电机克里金代理模型中获取最优电机性能参数。
所述系统提高了电机待优化变量的寻优效果,加强了电机性能。解决了现有优化算法种群多样性减少、易于陷入局部最优的问题。
所述系统,用以实现上述所述的基于改进麻雀搜索算法的永磁同步电机优化方法,为了避免冗余,在此不再赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
机译: 基于人工神经网络的永磁同步电机矢量控制系统,方法和装置
机译: 基于人工神经网络的永磁同步电机矢量控制系统,方法和装置
机译: 用于驱动系统的永磁励磁同步电机的磁场定向操作的方法,涉及基于目标电流参数确定目标电压分量,并将目标电压分量提供给控制电机