一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法技术

本发明专利技术公开了一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法，包括以下步骤：采用敏感度分析对设计参数分层，对不同敏感层参数分别优化；参数扫描被用于固定低敏感参数值，实现计算模型的降维；对高敏感参数建立插值模型以提高优化效率，对电机性能以及性能波动使用多目标遗传算法进行优化；确定参数确定值后，对加工误差以及加工成功率继续进行多目标优化，最后获得包含加工允许误差的完整电机加工方案。本发明专利技术使用插值算法以及多目标优化算法，在保证优化精度的同时提高了优化效率，在优化设计过程中考虑到电机加工制造过程中的不确定性因素，使得电机性能以及其加工成功率得到提升。能以及其加工成功率得到提升。能以及其加工成功率得到提升。

【技术实现步骤摘要】
一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法


[0001]本专利技术属于电机鲁棒性优化设计领域，是一种考虑到电机实际加工过程中由于各种不确定性导致的电机性能波动的鲁棒性优化设计方法。

技术介绍

[0002]在电机
，永磁同步电机(PMSM)由于其结构简单、体积小、重量轻、损耗小、效率高等优点，经常作为电力推进系统的核心部件，如电动汽车和拖拉机、电器以及各种工业设备等。而电机优化作为电机设计过程中的一个关键步骤，往往对电机的最终性能有着极大的提升作用。然而，目前广泛存在的电机优化方法，大多是确定性的优化方法，缺乏对电机加工过程中一系列不确定性的考虑，如加工误差，装配误差等，极大的增大了电机加工不合格的风险。
[0003]近年来，为了研究电机设计和制造阶段的各种不确定性，获得高质量、高可靠性的电机，相关学者提出了电机的鲁棒性优化设计。所谓鲁棒性优化设计，就是在考虑到电机加工制造过程中存在各种不确定性干扰因素的情况下，仍然要求电机满足设计需求的优化设计。文献“Application of Taguchi method本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法，其特征在于，包括以下步骤：步骤1、设计参数分层：将设计参数划分为高敏感度设计参数和低敏感度设计参数；步骤2、低敏感度设计参数优化：对低敏感度的设计参数直接进行参数扫描，获取最优设计点，将其允许偏差设定为其最优值的10％；步骤3、建立高敏感度设计参数与目标相应之间的插值模型；步骤4、以电机待优化性能以及其波动大小为设计目标，以高敏感度设计参数为待优化参数，进行基于非支配排序遗传算法的多目标优化；步骤5、在步骤4的基础上，对所选出的电机设计参数组合进行再优化，选取最优目标。2.根据权利要求1所述的一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法，其特征在于，所述步骤1中，所述高敏感度设计参数包括h
pm
,d
b2
,d
r
，低敏感度设计参数包括d
b1
,d
e
,d
rb
；其中具体的设计参数对目标的性能敏感度由下式计算：其中是第i个设计参数x
i
对第n个设计目标f
n
(x
i
)的敏感度，Δx
i
是设计参数x
i
的增量步长，定义为设计参数初始值的10％。3.根据权利要求2所述的一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法，其特征在于，低敏感参数的定义为：该参数只对两个以内的目标具有大于设定阈值的敏感度；高敏感参数的定义为：该参数对两个以上的目标具有大于设定阈值的敏感度；如果待评估参数对所有目标的敏感度都低于阈值，则视为不敏感参数，后续优化不予考虑。4.根据权利要求2所述的一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法，其特征在于，所述步骤2中，对低敏感度的设计参数可以选择不进行优化。5.根据权利要求2所述的一种基于插值模型和多目标遗传算法的车用驱动电机鲁棒性优化设计方法，其特征在于，所述步骤3中，对三个高敏度参数h
pm
,d
b2
,d
r
进行步长设计然后形成多组设计参数组合，对所有待优化的性能进行仿真采点取样，利用插值算法进行数据插值，构建精确的插值模型。6.根据权利要...

【专利技术属性】
技术研发人员：全力，陆逸箫，朱孝勇，樊德阳，武继奇，杨晋，
申请(专利权)人：江苏大学，
类型：发明
国别省市：