【技术实现步骤摘要】
本专利技术属于电机参数优化设计领域，更具体地，涉及一种基于解析-代理辅助双驱动策略的电机优化方法及系统。
技术介绍
1、作为能源转换的关键设备之一，电机性能的综合性能的提高对于推进工业化进步与环境改善具有重要意义。
2、电机综合性能需求的提升也意味着电机优化参数与优化目标的维度的增加，现有的传统基于有限元模型的优化方法由于模型精度依赖于网格划分，而好的网格划分下有限元模型的评价响应时间相对较长，因此不能够充分应对高维优化参数与目标的优化问题的挑战，无法满足当下对于电机准确快速设计的需求。
3、针对上述问题，公开号为cn111985064a的专利技术专利公开了一种永磁电机的代理辅助优化设计方法及系统，其利用田口实验结合有限元模型获取优化目标值，将优化参数利用机器学习进行训练，生成代理辅助模型来提高获取电机模型响应值的效率。然而由于该方法中代理模型的精度高度依赖有限元模型样本数目，再面对高维度优化问题时效率提高不明显。公开号为cn111695254a的专利技术专利提出了一种响应面和taguchi法结合的永磁同步电机优化算法，该方法利用响应面建立优化参数与优化目标之间的关系并通过田口法对响应面模型进行修正来获取电机的最优性能。然而由于响应面模型拟合高维模型时拟合效果较差，容易出现过拟合现象导致优化结果不可靠。
4、因此，需要提出一种能够高效并准确应对电机多参数多目标的高维优化问题的优化设计方法及系统。
技术实现思路
1、针对现有技术的缺陷，本专利技术的
2、为实现上述目的，本专利技术提供了一种基于解析-代理辅助双驱动策略的电机优化，包括以下步骤：
3、s1：根据电机结构参数及性能需求确定初始优化变量空间及优化目标。
4、s2：建立电机能够快速计算其的性能的解析模型，能结果够反映和有限元相似的规律。
5、s3：利用解析模型进行优化变量灵敏度分析及并根据灵敏度大小进行参数降维确定最终优化变量。
6、s4：将解析模型与多目标优化算法结合，获得初始pareto解集所对应的优化变量集合。
7、s5：选取部分pareto解所对应的优化变量并在其附近优化变量空间采样，并将采样集合利用有限元模型输出对应的响应。
8、s6：采用机器学习方法，利用有限元模型输出的响应集合建立参数局部子空间代理辅助模型。
9、s7：根据收敛条件判断样本数是否满足，如不满足则增加样本数目并重复s6，如满足则停止循环。
10、s8：利用训练好的代理辅助模型结合多目标优化算法进行进一步优化，输出最终pareto解集并根据工程实际选取最终优化方案。
11、s9：最终优化方案利用有限元进行验证，如满足精度要求，则结束，如不满足，则重新进行s1-s9。
12、进一步地，在s2中，解析模型包括不限于等效磁路法，保角变换法，精确子域等电机磁场解析方法，其目的在于可以构建一个快速响应、与有限元结果误差不超过百分之20且具备与有限元模型相似或相近的变化趋势的解析模型。
13、进一步地，在s3中，灵敏度分析方法包括不限于morris灵敏度分析方法，sobol灵敏度分析法，其目的在于计算设计变量对于优化目标的灵敏度以实现对于设计空间的降维来提高优化的效率。
14、进一步地，在s4及s8的多目标优化方法包括不限于蚁群算法(ant colonyalgorithm,aca)，遗传算法(genetic algorithm,ga)，粒子群优化(particle swarmoptimization,pso)算法及其衍生算法，其目的在于利用寻找全局最优解的能力，以达到对于全局设计空间的探索与发掘。
15、进一步地，在s5中，附近参数空间采样方法包括但不限于全因子采样方法、拉丁超立采样方法、均匀试验设计采样方法以及box-behnken采样方法、d-optimal抽样法、halton半随机抽样法、sobol半随机抽样法、plackett burman抽样法、田口采样方法，其目的在于通过样本的均匀度、正交度、最大最小距离等指标提高以保证局部样本空间的质量。
16、进一步地，在s6中，局部子空间的代理辅助模型包括但不限于响应面模型(response surface model,rsm)，径向基函数(radial basis function,rbf)模型，克里金(kriging,kg)模型，支持向量机(support vector machine,svm)模型，人工神经网络(artificial neural network,ann)模型，随机森林(random forest)模型及上述模型的衍生模型，其目的在于构建起计算时间成本较低同时计算精度较高的数据驱动模型来代替原有的数值有限元模型进行优化。
17、进一步地，在s7中，收敛判断条件包括不限于决定系数r2以及方均根误差rmse相关统计指标。
18、其中决定系数越接近1，则代表代理模型与原模型的符合程度更高，其中r2计算如下：
19、
20、方均根误差rmse，rmse越低则代表代理模型与原模型的误差越小，其中rmse计算如下：
21、
22、yi为数值有限元模型的输出，为代理模型输出，为代理模型输出平均值，n为代理模型的训练样本个数。
23、通过本专利技术所构思的以上技术方案，与现有技术相比，本专利技术通过利用解析粗模型快速搜索全局优化变量空间，进而在特定有前景的区域通过少量有限元样本的采样计算，建立局部代理辅助模型。相对于现有只利用有限元样本建立代理辅助模型的常规代理辅助方法，在模型精度评价指标近似或相同的条件下，该专利技术能够较大程度减少有限元样本的使用量，从而降低计算成本，提高优化效率。
本文档来自技高网...【技术保护点】
1.一种基于解析-代理辅助双驱动策略的电机优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤S1中的解析模型为以下任一项：
3.根据权利要求1所述的方法，其特征在于，步骤S2中的灵敏度分析方法为以下任一项：
4.根据权利要求1所述的方法，其特征在于，步骤S4及S8中的多目标优化方法为以下任一项：
5.根据权利要求1所述的方法，其特征在于，步骤S5中的附近参数空间采样方法为以下任一项：
6.根据权利要求1所述的方法，其特征在于，步骤S6中的高精度代理辅助模型为以下任一项：
7.根据权利要求1所述的方法，其特征在于，步骤S7中，收敛判断条件为决定系数R2或方均根误差RMSE：
8.一种基于解析-代理辅助双驱动策略的电机优化系统，其特征在于，包括：计算机可读存储介质和处理器；
【技术特征摘要】
1.一种基于解析-代理辅助双驱动策略的电机优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤s1中的解析模型为以下任一项：
3.根据权利要求1所述的方法，其特征在于，步骤s2中的灵敏度分析方法为以下任一项：
4.根据权利要求1所述的方法，其特征在于，步骤s4及s8中的多目标优化方法为以下任一项：
5.根据权利要求1...
【专利技术属性】
技术研发人员：周理兵，李泽泉，马一鸣，王晋，肖洋，康皓宇，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。