基于局部代理模型的电机多目标鲁棒性优化方法技术

本发明专利技术公开基于局部代理模型的电机多目标鲁棒性优化方法，属于计算、推算或计数的技术领域。首先通过确定性设计获取电机性能数据库，建立全局代理模型，进行电机鲁棒性优化获得首次最优解集。然后，从数据库中选择首次最优解集临近域内的数据点，建立局部代理模型，再次进行鲁棒优化，获取新的最优解集，迭代在已有最优解集中选择数据点训练局部代理模型并获取鲁棒优化最优解集的过程，直至相邻两次鲁棒性优化的最优解集的超体积相对差别小于预设值，即可获得高精度的电机鲁棒性最优设计。本发明专利技术提出的电机多目标鲁棒性优化局部代理模型策略能够有效提高代理模型在小区间的预测精度，缩短了电机鲁棒性优化时长，具有良好的实用性和经济性。好的实用性和经济性。好的实用性和经济性。

【技术实现步骤摘要】
基于局部代理模型的电机多目标鲁棒性优化方法


[0001]本专利技术公开基于局部代理模型的电机多目标鲁棒性优化方法，涉及电机本体优化设计技术，属于计算、推算或计数的


技术介绍

[0002]在大批量电机生产中，产品的合格率至关重要。然而，在电机实际加工生产中，由于材料的分散性以及加工公差的存在，产品和设计之间的出入无可避免。当某些电机性能对于不确定性敏感时，就有可能造成设计违背约束条件，进而导致次品的发生。
[0003]电机鲁棒性优化的初衷，就是在设计阶段考虑不确定性对电机性能的影响，从而使得参数变化时，电机性能仍然能够满足要求，进而保证批量产品的合格率。Gang Lei在《Robust Design Optimization of Electrical Machines:A Comparative Study and Space Reduction Strategy》一文中提出了一种基于性能函数均值和方差的电机鲁棒性优化方法，即六西格玛设计(Six Sigma Design，SSD)。SSD方法以性能函数的均值和方差关系式代替原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于局部代理模型的电机多目标鲁棒性优化方法，其特征在于，选取确定性优化数据构建数据库，用所述数据库训练全局代理模型；利用训练后的全局代理模型预测电机性能，根据电机性能预测值进行初次鲁棒性优化，获取初次鲁棒性优化的最优解集，并计算初次鲁棒性优化的最优解集的超体积参数；在所述初次鲁棒性优化的最优解集的临近域内筛选训练第一代局部代理模型的数据集，用所述数据集训练第一代局部代理模型，利用训练后的第一代局部代理模型预测电机性能，获取第二次鲁棒性优化的最优解集，并计算第二次鲁棒性优化的最优解集的超体积参数，在初次鲁棒性优化的最优解集的超体积参数与第二次鲁棒性优化的最优解集的超体积参数的相对差别不满足阈值要求时，在所述第二次鲁棒性优化的最优解集的临近域内筛选训练第二代局部代理模型的数据集，重复训练局部代理模型获取鲁棒性优化解集后比较相邻两次鲁棒性优化获取的最优解集的超体积参数的过程，直至相邻两次鲁棒性优化获取的最优解集的超体积参数的相对差别满足阈值要求，结束电机多目标鲁棒性优化。2.根据权利要求1所述基于局部代理模型的电机多目标鲁棒性优化方法，其特征在于，用所述数据库训练全局代理模型的具体方法为：采用遗传算法对全局代理模型进行超参数调优，通过NSGA
ꢀⅡ
算法指导电机优化得到候选设计，以经过超参数调优的全局代理模型计算候选设计的性能，再结合MCA法对候选设计进行鲁棒性评估。3.根据权利要求1所述基于局部代理模型的电机多目标鲁棒性优化方法，其特征在于，所述最优解集的临近域的确定方法为：对初次鲁棒性优化的最优解集中的数据进行线性回归得到拟合函数，由最优解集内距离拟合函数最远的数据点确定临近域的边界直线。4.根据权利要求1所述基于局部代理模型的电机多目标鲁棒性优化方法，其特征在于，所述超体积参数的计算方法为：根据最优解集中各数据点与待优化电机性能的数值关系得到最优解集在待优化电机性能所确定的二维坐标系下的曲线，累加所述曲线上相邻两点之间的线段与二维坐标系横坐标包围的几何面积计算超体积参数。5.根据权利要求1所述基于局部代理模型的电机多目标鲁棒性优化方法，其特征在于，所述电机性能包含但不限于转矩、...

【专利技术属性】
技术研发人员：花为，顾佳磊，
申请(专利权)人：东南大学，
类型：发明
国别省市：