【技术实现步骤摘要】
本专利技术涉及磁场模拟领域，具体而言，尤其涉及一种基于改进的物理信息神经网络的游标电机磁场模拟方法。
技术介绍
1、近年来，随着稀土永磁材料的长足发展，且在风力发电、电动汽车、船舰驱动等领域中可以实现“低速大转矩”的直驱电机的迫切需求。具有特殊调磁结构，在低速运转时具有更高的转矩密度，并且在整机质量和体积方面更具优势的永磁游标电机应运而生。通过将调磁齿与内定子固连，进一步降低电机结构复杂性。在游标电机优化设计过程中，磁场的精准求解至关重要。目前，游标电机磁场求解多采用有限元法和解析法。但有限元法仍存在求解结果受网格质量影响，在极细网格下计算精度好但计算成本高、时间长的问题。解析法中模型简化带来的误差问题。随着人工智能的飞速发展，神经网络凭借其强大的学习能力被应用在方程求解上。通过将偏微分方程和边界条件作为损失项，将潜在的物理信息嵌入神经网络，实现对偏微分方程的求解，进而实现物理场求解。采用基于物理信息的神经网络对电机磁场进行求解，可以避免模型简化带来的误差，且该方法为无网格数值模拟，求解结果不受网格质量影响，也可降低极细化网格带来的高计
【技术保护点】
1.一种基于改进的物理信息神经网络的游标电机磁场模拟方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进的物理信息神经网络的游标电机磁场模拟方法，其特征在于：游标电机载流区包括内定子槽和外定子槽，游标电机磁化区包括永磁体域，游标电机无源区包括外定子背铁域、非导磁体域、内气隙域、外气隙域、内定子背铁域、内定子槽口域和辅助开口槽域。
3.根据权利要求2所述的基于改进的物理信息神经网络的游标电机磁场模拟方法，其特征在于，所述游标电机载流区的控制方程满足如下关系：
4.根据权利要求3所述的基于改进的物理信息神经网络的游标电机磁...
【技术特征摘要】
1.一种基于改进的物理信息神经网络的游标电机磁场模拟方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进的物理信息神经网络的游标电机磁场模拟方法，其特征在于：游标电机载流区包括内定子槽和外定子槽，游标电机磁化区包括永磁体域，游标电机无源区包括外定子背铁域、非导磁体域、内气隙域、外气隙域、内定子背铁域、内定子槽口域和辅助开口槽域。
3.根据权利要求2所述的基于改进的物理信息神经网络的游标电机磁场模拟方法，其特征在于，所述游标电机载流区的控制方程满足如下关系：
4.根据权利要求3所述的基于改进的物理信息神经网络的游标电机磁场模拟方法，其特征在于，所述游标电机磁化区的控制方程满足如下关系：
5.根据权利要求4所述的基于改进的物理信息神经网络的游标电机磁场模拟方法，其特征在于，所述无...
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。