本發(fā)明涉及永磁同步電機(jī)結(jié)構(gòu)優(yōu)化，具體為一種電動(dòng)汽車永磁同步電機(jī)多目標(biāo)優(yōu)化方法。

背景技術(shù)：

1、隨著社會(huì)經(jīng)濟(jì)與科學(xué)技術(shù)的快速發(fā)展，汽車已經(jīng)在當(dāng)前人類社會(huì)成為一種非常普遍的交通和運(yùn)輸工具。但由于全球氣候變暖、石油資源匱乏等原因，使得世界各國(guó)對(duì)汽車行業(yè)有更高的要求，而新能源汽車不僅降低了汽車本身對(duì)石油的依賴，更重要的是可以有效的降低對(duì)環(huán)境的污染，成為當(dāng)前汽車行業(yè)的首選。這對(duì)新能源汽車的發(fā)展有重大推動(dòng)作用。

2、隨著新能源汽車概念的產(chǎn)生，電動(dòng)汽車行業(yè)的發(fā)展受到社會(huì)各界的高度重視，研究制造清潔、環(huán)保的純電動(dòng)汽車將成為當(dāng)前汽車行業(yè)發(fā)展的主要趨勢(shì)。永磁同步電機(jī)作為純電動(dòng)汽車用驅(qū)動(dòng)電機(jī)的首選機(jī)型，具有高效率、良好的弱磁調(diào)速能力等優(yōu)點(diǎn)。

3、雖然永磁同步電機(jī)應(yīng)用在電動(dòng)汽車上較其他電機(jī)有很大優(yōu)勢(shì)，但它本身也有比較明顯的缺陷，永磁同步電機(jī)主要依靠永磁體所產(chǎn)生的磁場(chǎng)與定子繞組所產(chǎn)生的磁場(chǎng)相互作用得到輸出轉(zhuǎn)矩，而永磁體它本身超過(guò)一定的溫度會(huì)有退磁現(xiàn)象，同時(shí)永磁體產(chǎn)生的磁場(chǎng)強(qiáng)弱難以調(diào)節(jié)導(dǎo)致永磁電機(jī)的弱磁調(diào)速困難，還有齒槽轉(zhuǎn)矩等這些都是設(shè)計(jì)師在設(shè)計(jì)永磁同步電機(jī)時(shí)所要著重考慮的問(wèn)題，所以針對(duì)永磁同步電機(jī)額定工況下的最高溫度、功率密度和轉(zhuǎn)矩脈動(dòng)等問(wèn)題，要做進(jìn)一步的優(yōu)化設(shè)計(jì)使得其相關(guān)性能達(dá)到更優(yōu)的狀態(tài)。

4、現(xiàn)有技術(shù)中的，公開(kāi)號(hào)為cn118036447a公開(kāi)了一種永磁同步電機(jī)多目標(biāo)優(yōu)化方法，通過(guò)多目標(biāo)優(yōu)化算法和模糊田口法優(yōu)化電機(jī)多個(gè)性能目標(biāo)，從而提高電機(jī)整體性能，該方法解決了傳統(tǒng)優(yōu)化僅能優(yōu)化單個(gè)目標(biāo)問(wèn)題；通過(guò)神經(jīng)網(wǎng)絡(luò)構(gòu)建永磁同步電機(jī)代理模型，相比于解析模型和有限元模型，該模型構(gòu)建簡(jiǎn)單、計(jì)算準(zhǔn)確，并能夠解決優(yōu)化耗時(shí)、效率低的問(wèn)題；此發(fā)明采用pearson相關(guān)系數(shù)法和綜合敏感度系數(shù)法對(duì)設(shè)計(jì)變量分級(jí)，該方法能夠解決設(shè)計(jì)變量個(gè)數(shù)較多而導(dǎo)致代理模型精度降低，優(yōu)化算法難以收斂的問(wèn)題；但在此方法中雖然模糊田口法在多目標(biāo)優(yōu)化中提供了一定的靈活性，但在應(yīng)對(duì)復(fù)雜的電機(jī)設(shè)計(jì)變量時(shí)，可能無(wú)法充分考慮各變量之間的非線性關(guān)系和動(dòng)態(tài)變化，且模糊系統(tǒng)的規(guī)則依賴于經(jīng)驗(yàn)，可能導(dǎo)致結(jié)果的不確定性和主觀性，從而影響最終的優(yōu)化效果，同時(shí)盡管采用pearson相關(guān)系數(shù)法和綜合敏感度系數(shù)法對(duì)設(shè)計(jì)變量進(jìn)行分級(jí)能夠簡(jiǎn)化模型，但在實(shí)際應(yīng)用中，設(shè)計(jì)變量的相互關(guān)系可能非常復(fù)雜，可能導(dǎo)致無(wú)法捕捉到變量之間的高階交互影響，導(dǎo)致重要的設(shè)計(jì)因素被忽視，從而影響最終的優(yōu)化結(jié)果。

5、在所述背景技術(shù)部分公開(kāi)的上述信息僅用于加強(qiáng)對(duì)本公開(kāi)的背景的理解，因此它可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種電動(dòng)汽車永磁同步電機(jī)多目標(biāo)優(yōu)化方法，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、電動(dòng)汽車永磁同步電機(jī)多目標(biāo)優(yōu)化方法，具體步驟包括：

4、建立電動(dòng)汽車永磁同步電機(jī)的有限元模型，確定設(shè)計(jì)變量、優(yōu)化參數(shù)和優(yōu)化目標(biāo)，所述設(shè)計(jì)變量包括定子外徑、齒寬、槽寬、槽高、軛厚、永磁體夾角、外磁橋?qū)挾群娃D(zhuǎn)子外徑，所述優(yōu)化參數(shù)包括功率密度、電機(jī)額定工況下的最高溫度和轉(zhuǎn)矩脈動(dòng)，所述優(yōu)化目標(biāo)為功率密度最大化、電機(jī)額定工況下的最高溫度最小化和轉(zhuǎn)矩脈動(dòng)最小化；

5、計(jì)算各設(shè)計(jì)變量與優(yōu)化參數(shù)間的靈敏度，并結(jié)合上述的靈敏度，得到各設(shè)計(jì)變量對(duì)應(yīng)的綜合靈敏度系數(shù)；

6、根據(jù)生成的綜合靈敏度系數(shù)計(jì)算各設(shè)計(jì)變量的取值范圍，根據(jù)各設(shè)計(jì)變量的取值范圍，隨機(jī)生成狀態(tài)空間向量，所述狀態(tài)空間向量為一個(gè)包括全部設(shè)計(jì)變量的數(shù)列，且數(shù)列中設(shè)計(jì)變量的取值為該設(shè)計(jì)變量取值范圍內(nèi)的一個(gè)數(shù)值；

7、計(jì)算所述狀態(tài)空間向量對(duì)應(yīng)的優(yōu)化參數(shù)數(shù)值，將計(jì)算得到的優(yōu)化參數(shù)數(shù)值代入獎(jiǎng)勵(lì)函數(shù)中，得到當(dāng)前狀態(tài)下的獎(jiǎng)勵(lì)值；

8、根據(jù)當(dāng)前狀態(tài)空間向量，選擇所要進(jìn)行的動(dòng)作，并生成采取動(dòng)作后的新?tīng)顟B(tài)空間向量，所述動(dòng)作包括增加或減少當(dāng)前狀態(tài)空間向量中定子外徑、齒寬、槽寬、槽高、軛厚、永磁體夾角、外磁橋?qū)挾群娃D(zhuǎn)子外徑的數(shù)值；

9、計(jì)算采取動(dòng)作后的新?tīng)顟B(tài)空間向量所對(duì)應(yīng)的獎(jiǎng)勵(lì)值，同時(shí)設(shè)置學(xué)習(xí)因子和衰減因子，通過(guò)q-learning算法，計(jì)算新?tīng)顟B(tài)空間向量的動(dòng)作值函數(shù)；

10、循環(huán)進(jìn)行動(dòng)作選擇，以不斷更新動(dòng)作值函數(shù)，設(shè)定收斂條件，當(dāng)更新后的動(dòng)作值函數(shù)滿足收斂條件時(shí)，停止循環(huán)，此時(shí)動(dòng)作值函數(shù)所對(duì)應(yīng)狀態(tài)空間向量?jī)?nèi)的數(shù)值為優(yōu)化完成的永磁同步電機(jī)設(shè)計(jì)變量。

11、進(jìn)一步地，標(biāo)定設(shè)計(jì)變量定子外徑為d1、齒寬為bs1、槽寬為bs2、槽高為hs1、軛厚為hs2、永磁體夾角為θ、外磁橋?qū)挾葹閔rib、轉(zhuǎn)子外徑為d2，標(biāo)定優(yōu)化參數(shù)功率密度為pden、電機(jī)額定工況下的最高溫度為tmax、轉(zhuǎn)矩脈動(dòng)為tpkavg。

12、進(jìn)一步地，根據(jù)確定的設(shè)計(jì)變量計(jì)算各設(shè)計(jì)變量與優(yōu)化參數(shù)之間的靈敏度，其中各設(shè)計(jì)變量與優(yōu)化參數(shù)之間的靈敏度計(jì)算所依據(jù)的公式為：

13、

14、式中，xi為第i個(gè)優(yōu)化變量數(shù)值，yj表示在xi下的第j個(gè)優(yōu)化參數(shù)數(shù)值，s(xi,j)表示第i個(gè)優(yōu)化變量對(duì)第j個(gè)優(yōu)化參數(shù)的靈敏度，δ為擾動(dòng)量，其數(shù)值固定，yj(xi+δ)表示在除第i個(gè)優(yōu)化變量外的其他優(yōu)化變量數(shù)值不變下，第i個(gè)優(yōu)化變量數(shù)值增加δ后，第j個(gè)優(yōu)化參數(shù)的數(shù)值，yj(xi-δ)表示在除第i個(gè)優(yōu)化變量外的其他優(yōu)化變量數(shù)值不變下，第i個(gè)優(yōu)化變量數(shù)值減小δ后，第j個(gè)優(yōu)化參數(shù)的數(shù)值，其中i＝1,2,…,8，對(duì)應(yīng)8個(gè)設(shè)計(jì)變量參數(shù)，j＝1,2,3，分別對(duì)應(yīng)3個(gè)優(yōu)化參數(shù)。

15、進(jìn)一步地，根據(jù)各設(shè)計(jì)變量與優(yōu)化參數(shù)之間的靈敏度分析生成綜合靈敏度系數(shù)，其中綜合靈敏度系數(shù)計(jì)算所依據(jù)的公式為：

16、sz(xi)＝ω1*s(xi,1)+ω2*s(xi,2)+ω3*s(xi,3)

17、式中，sz(xi)為第i個(gè)優(yōu)化變量對(duì)優(yōu)化參數(shù)的綜合靈敏度系數(shù)，s(xi,1)表示第i個(gè)優(yōu)化變量對(duì)功率密度的綜合靈敏度系數(shù)，s(xi,2)為第i個(gè)優(yōu)化變量對(duì)電機(jī)額定工況下的最高溫度的綜合靈敏度系數(shù)，s(xi,3)為第i個(gè)優(yōu)化變量對(duì)轉(zhuǎn)矩脈動(dòng)的綜合靈敏度系數(shù)，ω1,ω2和ω3分別為不同的權(quán)重，其中ω1,ω2和ω3均大于0且ω1>ω2>ω3。

18、進(jìn)一步地，根據(jù)生成的綜合靈敏度系數(shù)計(jì)算各設(shè)計(jì)變量的取值范圍，其中計(jì)算各設(shè)計(jì)變量的取值范圍所依據(jù)的邏輯為：獲取定子外徑、齒寬、槽寬、槽高、軛厚、永磁體夾角、外磁橋?qū)挾群娃D(zhuǎn)子外徑的基準(zhǔn)值，并將其分別標(biāo)定dp1、bps1、bps2、hps1、hps2、θp、hprib和dp2；根據(jù)各設(shè)計(jì)變量的基準(zhǔn)值和綜合靈敏度系數(shù)，計(jì)算各設(shè)計(jì)變量的取值范圍，計(jì)算公式為：

19、(1-sz(x1))*dp1≤d1≤(1+sz(x1))*dp1

20、(1-sz(x2))*bps1≤bs1≤(1+sz(x2))*bps1

21、(1-sz(x3))*bps2≤bs2≤(1+sz(x3))*bps2

22、(1-sz(x4))*hps1≤hs1≤(1+sz(x4))*hps1

23、(1-sz(x5))*hps2≤hs2≤(1+sz(x5))*hps2

24、(1-sz(x6))*θp≤θ≤(1+sz(x6))*θp

25、(1-sz(x7))*hprib≤hrib≤(1+sz(x7))*hprib

26、(1-sz(x8))*dp2≤d2≤(1+sz(x8))*dp2

27、根據(jù)生成的各設(shè)計(jì)變量的取值范圍，生成狀態(tài)空間向量，其中狀態(tài)空間向量為包括8個(gè)設(shè)計(jì)變量數(shù)據(jù)。

28、進(jìn)一步地，所述優(yōu)化參數(shù)數(shù)值的計(jì)算方法為：將狀態(tài)空間向量中的各設(shè)計(jì)變量數(shù)值輸入有限元模型中進(jìn)行分析，以得到與該狀態(tài)空間向量所對(duì)應(yīng)的優(yōu)化參數(shù)數(shù)值；

29、所述獎(jiǎng)勵(lì)值的計(jì)算公式如下：

30、

31、式中，r為獎(jiǎng)勵(lì)值，ω4,ω5和ω+分別為功率密度pden、電機(jī)額定工況下的最高溫度tmax和轉(zhuǎn)矩脈動(dòng)tpkavg的權(quán)重系數(shù)，其中，ω4,ω5和ω6均大于0且ω4>ω5>ω6。

32、進(jìn)一步地，通過(guò)q-learning算法，計(jì)算采取動(dòng)作后的新?tīng)顟B(tài)空間向量的動(dòng)作值函數(shù)，其中計(jì)算采取動(dòng)作后的新?tīng)顟B(tài)空間向量的動(dòng)作值函數(shù)所依據(jù)的公式為：

33、

34、式中，表示t時(shí)刻，由狀態(tài)空間向量與動(dòng)作αt確定的動(dòng)作值函數(shù)，表示t+1時(shí)刻更新后的動(dòng)作值函數(shù)，δ表示學(xué)習(xí)因子，γ為衰減因子，rt表示t時(shí)刻計(jì)算的獎(jiǎng)勵(lì)值，表示新?tīng)顟B(tài)空間向量對(duì)應(yīng)的動(dòng)作值函數(shù)最大值。

35、進(jìn)一步地，

36、所述收斂條件為通過(guò)設(shè)置終止閾值，當(dāng)更新后的動(dòng)作值函數(shù)大于或等于設(shè)置的終止閾值時(shí)，停止循環(huán)，此時(shí)動(dòng)作值函數(shù)所對(duì)應(yīng)狀態(tài)空間向量?jī)?nèi)的數(shù)值為優(yōu)化完成的永磁同步電機(jī)設(shè)計(jì)變量，具體所依據(jù)的邏輯為：

37、當(dāng)時(shí)，判斷為繼續(xù)進(jìn)行循環(huán)優(yōu)化更新動(dòng)作值函數(shù)；

38、當(dāng)時(shí)，判斷為停止循環(huán)，獲取當(dāng)前狀態(tài)空間向量對(duì)應(yīng)的優(yōu)化設(shè)計(jì)變量；

39、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

40、建立電動(dòng)汽車永磁同步電機(jī)的有限元模型，確定設(shè)計(jì)變量、優(yōu)化參數(shù)和優(yōu)化目標(biāo)，根據(jù)確定的設(shè)計(jì)變量計(jì)算各設(shè)計(jì)變量與優(yōu)化目標(biāo)之間的靈敏度，根據(jù)各設(shè)計(jì)變量與優(yōu)化目標(biāo)之間的靈敏度分析生成綜合靈敏度系數(shù)；根據(jù)生成的綜合靈敏度系數(shù)計(jì)算各設(shè)計(jì)變量的取值范圍，根據(jù)生成的各設(shè)計(jì)變量的取值范圍，生成狀態(tài)空間向量，根據(jù)狀態(tài)空間向量設(shè)計(jì)獎(jiǎng)勵(lì)函數(shù)，得到當(dāng)前狀態(tài)下的獎(jiǎng)勵(lì)值；根據(jù)當(dāng)前狀態(tài)空間向量，選擇所要進(jìn)行的動(dòng)作，根據(jù)進(jìn)行的動(dòng)作生成采取動(dòng)作后的新?tīng)顟B(tài)空間向量，計(jì)算采取動(dòng)作后的新?tīng)顟B(tài)空間向量所對(duì)應(yīng)的獎(jiǎng)勵(lì)值，同時(shí)設(shè)置學(xué)習(xí)因子和衰減因子，通過(guò)q-learning算法，計(jì)算采取動(dòng)作后的新?tīng)顟B(tài)空間向量的動(dòng)作值函數(shù)；循環(huán)進(jìn)行動(dòng)作選擇，生成采取動(dòng)作后的新?tīng)顟B(tài)空間向量，計(jì)算采取動(dòng)作后的新?tīng)顟B(tài)空間向量所對(duì)應(yīng)的獎(jiǎng)勵(lì)值，更新動(dòng)作值函數(shù)，設(shè)定收斂條件，當(dāng)更新的動(dòng)作值函數(shù)滿足收斂條件時(shí)，停止循環(huán)，此時(shí)動(dòng)作值函數(shù)對(duì)應(yīng)的狀態(tài)空間向量?jī)?nèi)的參數(shù)為優(yōu)化完成的永磁同步電機(jī)設(shè)計(jì)變量。此方法使用深度強(qiáng)化學(xué)習(xí)算法，能夠在優(yōu)化過(guò)程中實(shí)時(shí)調(diào)整策略，在多目標(biāo)優(yōu)化的環(huán)境中，可以根據(jù)當(dāng)前的優(yōu)化狀態(tài)和反饋動(dòng)態(tài)調(diào)整參數(shù)，以更好地適應(yīng)復(fù)雜的設(shè)計(jì)空間，提高找到全局最優(yōu)解的概率，同時(shí)基于深度強(qiáng)化學(xué)習(xí)的方法能夠同時(shí)處理多個(gè)目標(biāo)的權(quán)衡問(wèn)題，相較于傳統(tǒng)的模糊田口法，該方法能夠通過(guò)獎(jiǎng)勵(lì)機(jī)制有效地平衡不同目標(biāo)之間的沖突，使得優(yōu)化結(jié)果更加符合實(shí)際應(yīng)用需求。