一种永磁同步直线电机新型优化设计方法技术

本发明专利技术涉及一种永磁同步直线电机新型优化设计方法，步骤为：A.对样机分析，确定影响电机性能主要结构参数；B.采用机器学习算法‑KNN算法，对有限元分析的数据进行训练、回归拟合；C.采用全局范围内的寻优算法‑重心邻域最优算法，对电机性能输出参数寻优；D.根据最优值逆向求解出一组最优电机结构参数，根据此电机结构参数制作样机进行测试。本发明专利技术的有益效果为：1)增强电机运行的稳定性、可靠性、高效性；2)采用有限元分析方法计算结果精确，消除计算环节的误差；3)采用KNN算法，对有限元分析产生的样本数据进行训练拟合，建立非参数快速计算模型，为后续智能算法寻优提供基础；4)使用重心邻域算法，拥有更好的全局性、快速性、准确性。

【技术实现步骤摘要】

本专利技术涉及永磁同步直线电机领域，具体是一种永磁同步直线电机新型优化设计方法。
技术介绍
永磁同步直线电机(permanent magnet synchronous linear motor)具有机械结构简单、零齿槽效应、推力大、损耗低、定位精度高、灵敏度高等优点，可以实现高速大行程运动和微米级动态精度，在小切削力和无切削力数控机床中，如3D打印机，激光雕刻机等得到了广泛应用。由于PMSLM自身结构特点和边端效应的存在，电机会产生推力波动，推力波动是影响PMSLM运行性能的主要原因之一，在高精密数控机床中，推力波动会导致电机动子定位精度降低，导致加工件表面划痕、粗糙度增加，尺寸误差等问题，严重影响产品的精加工质量，例如：在三直线电机平台驱动的激光雕刻机中，推力波动会引起电机动子振动和噪声、雕刻深度不均匀、线条粗糙等问题。降低推力波动的方案主要可以分为两种-电机本体结构的优化设计和先进的控制策略，其中电机本体结构的优化设计对降低推力波动有着至关重要的影响。电机的结构参数(极距，气隙，永磁体长度，永磁体宽度，永磁体高度，线圈匝数，线圈距离，线圈长度等)对降低电机的推力波动起着决定性作用，选取一组最优的结构参数，达到电机的最佳运行性能，成为电机优化设计的首要目标。目前国内外学者普遍采用两种方案对PMLSM进行优化设计：比较法和解析法，其中比较法是利用有限元软件建立PMLSM模型进行有限元分析，通过改变电机的结构参数，建立多个电机有限元模型，在不同的电机结构参数下进行有限元分析，得到不同电机结构参数下的运行性能结果，并将多组数据进行比较，选择运行性能最优的一组电机结构参数作为优化结果；解析法是利用永磁体等效磁化电流的原理，在假设的理想电磁环境和边界条件下，通过联立麦克斯韦方程，求解直线电机磁场偏微分方程，对电机主要运行性能参数(推力，推力波动等)进行推导，得到具体的数学表达式，并将其作为目标函数，利用智能算法(遗传算法，粒子群算法等)进行寻优，根据算法的迭代收敛情况，确定最优解，得到最优的电机结构参数。然而，以上两种优化设计问题都存在着各自的弊端，由于有限元分析相对耗时，比较法仅仅采用了有限元分析的方法对少数情况进行分析，只能针对离散点的电机结构参数组合进行分析计算，所选取用来进行比较的样本数过少，存在片面性，无法全面地分析空间取值范 围内所有不同结构参数下电机的运行性能情况；由于解析法推导的偏微分方程无法求解，假设理想条件下求得的目标函数不够精确，一般智能算法存在局部最优的情况等原因导致解析法求得的“最优解”是优化过程的极值点而非最值点，导致解析法的优化结果并不是最优的结果。
技术实现思路
本专利技术的目的是为了解决现有技术中PMLSM推力波动较大的缺陷，提供一种永磁同步直线电机新型优化设计方法来解决上述问题。为了实现上述目的，本专利技术的技术方案如下：一种永磁同步直线电机新型优化设计方法，包括以下步骤：A.对样机进行分析，确定影响电机性能主要结构参数，并确定电机结构参数的空间取值范围，根据电机设计的基本准则建立电机的初始有限元模型，在电机结构参数的空间取值内，选取256组不同的电机结构参数进行有限元分析，得到电机的非参数建模样本数据；B.采用机器学习算法-KNN算法，对有限元分析的数据进行训练，将电机结构参数作为输入，电机运行性能参数作为输出，将离散的有限元分析数据点进行拟合分析，建立电机的非参数快速计算模型；C.采用全局范围内的寻优算法-重心邻域最优算法，对所述非参数模型进行寻优，经过算法的迭代收敛后，最终定位到电机运行性能的最优值；D.根据最优值逆向求解出一组最优的电机结构参数，并根据此电机结构参数制作样机进行测试。有益效果与现有技术相比，本专利技术的有益效果为：1)从电机本体结构的优化设计着手，对影响电机运行性能的主要结构参数进行寻优，进行逆向精细化设计，得到一组最优的电机结构参数，从而有效地减小电机的推力波动，增强电机运行的稳定性、可靠性、高效性；2)采用有限元分析的方法，对不同结构参数的电机运行性能进行分析，相比于解析法的电磁推导目标函数，计算结果更加精确，消除了计算环节的误差，并且可以为后续机器学习方法KNN算法非参数建模提供大量样本数据；3)采用机器学习方法-KNN算法，对电机的结构参数与运行性能之间的复杂非线性关系进行拟合分析，对离散的样本点进行回归拟合分析，得到连续的目标函数曲线，将离散的样本空间取值范围转换成连续的空间取值范围，大大 增加了寻优结果的全局性，并且为后续智能算法(重心邻域最优算法)寻优提供基础；4)使用的重心邻域算法，通过定位目标函数的中心确定函数的最值点，相比于一般的智能算法(遗传算法、粒子群算法、蚁群算法等)拥有更好的全局性、快速性、准确性，可以精准快速的定位到全局最优点，即通过对KNN非参数模型的寻优，可以定位到推力最大值和推力波动最小值，从而得到一组全局最优的电机结构参数。附图说明图1为本专利技术的3D有限元模型。图2为本专利技术的初始电机模型推力曲线。图3为本专利技术的KNN推力模型精度。图4为沙盘重心定位原理图。图5为本专利技术重心邻域算法推力寻优图。图6为本专利技术重心邻域算法推力波动率寻优图。具体实施方式为使对本专利技术的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：1、有限元分析：(1)样机分析：参照七极十二槽分数槽双次级永磁同步直线电机，遵循电机设计基本准则，确定电机结构参数的空间取值范围，其中永磁体长度，永磁体宽度，永磁体高度，线圈间距离分别定为40mm，15mm，3mm，6.05mm，极距τ，气隙厚度δ，线圈长度s，线圈匝数k四个参数作为变量，取值范围为：18.8mm≤τ≤19.4mm，1.85mm≤δ≤2.4mm，6.8mm≤s≤7.4mm，150≤k≤210(2)有限元建模：选取其中一组参数(如表1)，建立电机3D有限元模型(如图1)。表1 电机初始有限元模型参数永磁体长度(l) 40mm 永磁体宽度(w) 15mm 永磁体高度(h) 3mm 极距(τ) 18.8mm 气隙(δ) 1.8mm 线圈长度(s) 6.8mm 线圈间距(d) 6.05mm 线圈匝数(k) 180匝 进而得到初始模型的推力波形图(图2)，平均推力F为41.5N，推力波动率η为3.34％。2、KNN算法建立非参数快速计算模型(1)正交向量表：根据极距τ，气隙厚度δ，线圈长度s，线圈匝数k的空间取值范围，建立正交向量表(256组数据)，进行有限元仿真，获取电机在不同结构参数下的运行性能结果。表2 正交向量表(2)KNN算法KNN回归算法是一种基于向量空间模型的非参数实例学习方法，将每个实例视为空间中的一个点或向量。其基本思想是：给定一个查询实例，在训练集中找出它的K个近邻，对K个近邻的目标值求均值，将其作为算法的输出估计值。给定一个查询实例xq，使用标准欧式距离在训练样例列表中找出实例xq距离最近的K个实例，并用x1，x2，x3，…，xk表示。计算K个最近邻目标值的均值，即f(xq)的估计值为： f ( x q 本文档来自技高网...

【技术保护点】
一种永磁同步直线电机新型优化设计方法，其特征在于，包括以下步骤：A.对样机进行分析，确定影响电机性能主要结构参数，并确定电机结构参数的空间取值范围，根据电机设计的基本准则建立电机的初始有限元模型，在电机结构参数的空间取值内，选取256组不同的电机结构参数进行有限元分析，得到电机的非参数建模样本数据；B.采用机器学习算法‑KNN算法，对有限元分析的数据进行训练，将电机结构参数作为输入，电机运行性能参数作为输出，将离散的有限元分析数据点进行拟合分析，建立电机的非参数快速计算模型；C.采用全局范围内的寻优算法‑重心邻域最优算法，对所述非参数模型进行寻优，经过算法的迭代收敛后，最终定位到电机运行性能的最优值；D.根据最优值逆向求解出一组最优的电机结构参数，并根据此电机结构参数制作样机进行测试。

【技术特征摘要】
1.一种永磁同步直线电机新型优化设计方法，其特征在于，包括以下步骤：A.对样机进行分析，确定影响电机性能主要结构参数，并确定电机结构参数的空间取值范围，根据电机设计的基本准则建立电机的初始有限元模型，在电机结构参数的空间取值内，选取256组不同的电机结构参数进行有限元分析，得到电机的非参数建模样本数据；B.采用机器学习算法-KNN算法，对有限元分...

【专利技术属性】
技术研发人员：宋俊材，赵吉文，董菲，李乐，盘真保，王辉，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽;34