本發(fā)明涉及電動機定子鐵心的模態(tài)分析，尤其是涉及一種基于代理模型的電動機定子鐵心正交各向異性材料參數(shù)辨識方法。

背景技術(shù)：

1、電動機運行時的振動噪聲問題給用戶帶來了諸多困擾，而徑向電磁力波和結(jié)構(gòu)模態(tài)是引起電動機振動噪聲的兩個重要因素。電磁力波主要作用在定子齒上，隨后才經(jīng)過定子軛部作用在殼體上。因此定子鐵心的結(jié)構(gòu)模態(tài)分析對于電動機振動噪聲的分析和抑制具有重要意義。

2、有限元仿真是定子鐵心模態(tài)分析的常用方式，但定子鐵心的疊片結(jié)構(gòu)使其具有正交各向異性的特點，因此準(zhǔn)確的正交各向異性材料參數(shù)是模型建立的關(guān)鍵。

3、現(xiàn)有技術(shù)中，中國專利cn109543282a提出了一種基于模態(tài)分析的疊壓鐵心各向異性參數(shù)的測量方法。該方法對疊壓鐵心結(jié)構(gòu)進(jìn)行全面精確的模態(tài)測量后，再將疊壓鐵心結(jié)構(gòu)等效為帶有內(nèi)齒形表面實體的有限元模型，通過人工修正優(yōu)化有限元模型的靈敏參數(shù)組對材料參數(shù)進(jìn)行辨識。

4、文獻(xiàn)“軌道牽引電機鐵心材料參數(shù)辨識[j].鐵道科學(xué)與工程學(xué)報,2021.”與文獻(xiàn)“考慮定子鐵芯和繞組各向異性的爪極發(fā)電機模態(tài)分析[j].振動與沖擊,2017.”中均使用了類似的方法對定子鐵心的正交各向異性材料參數(shù)進(jìn)行辨識。

5、但上述方法具有以下缺點：

6、1、該方法在辨識單個定子鐵心的材料參數(shù)時，對有限元模型進(jìn)行調(diào)參和靈敏度分析過程中均需要進(jìn)行大量的有限元模態(tài)仿真，相對來說比較費時，計算量大且計算時間成本較高；

7、2、這種人工調(diào)參的方式具有一定的隨機性和盲目性，因此參數(shù)辨識的準(zhǔn)確性無法得到保證；

8、3、該方法不適用于處理不同結(jié)構(gòu)的定子鐵心的材料參數(shù)辨識問題，因為針對每一個定子鐵心都需要進(jìn)行若干次仿真分析、耗費大量時間，因此效率較低。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于代理模型的電動機定子鐵心正交各向異性材料參數(shù)辨識方法，能夠高效、準(zhǔn)確地針對一定數(shù)量、任意結(jié)構(gòu)的定子鐵心進(jìn)行材料參數(shù)辨識。

2、本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：一種基于代理模型的電動機定子鐵心正交各向異性材料參數(shù)辨識方法，包括以下步驟：

3、s1、提取電動機定子鐵心固有模態(tài)特征的有效特征參數(shù)，具體包括：有效結(jié)構(gòu)參數(shù)和有效材料參數(shù)；

4、s2、使用提取的有效特征參數(shù)，建立定子鐵心固有模態(tài)特征的結(jié)構(gòu)——材料統(tǒng)一模型；

5、并以此構(gòu)建得到定子鐵心的參數(shù)化有限元模型；

6、s3、構(gòu)建定子鐵心的固有模態(tài)特征與結(jié)構(gòu)參數(shù)和材料參數(shù)之間的代理模型；

7、s4、對一批設(shè)定數(shù)量的待測定子鐵心進(jìn)行模態(tài)試驗，以提取出結(jié)構(gòu)的振型及其對應(yīng)的固有頻率；

8、s5、將定子鐵心結(jié)構(gòu)的振型及其對應(yīng)的固有頻率作為目標(biāo)變量，結(jié)合構(gòu)建的代理模型，對各定子鐵心的材料參數(shù)進(jìn)行迭代尋優(yōu)，迭代終止后得到這一批定子鐵心的正交各向異性材料參數(shù)。

9、進(jìn)一步地，所述步驟s1中定子鐵心固有模態(tài)特征的有效結(jié)構(gòu)參數(shù)和有效材料參數(shù)具體包括：ri,σ,λ,δ,τ,ex,ez,gxy,gxz，分別代表定子鐵心的內(nèi)半徑、裂比(鐵心內(nèi)半徑與外半徑的比值)、長徑比(鐵心軸向長度與外直徑的比值)、齒高比(齒高與鐵心高度的比值)、齒槽比(齒寬與槽寬的比值)、定子鐵心在x方向的彈性模量、定子鐵心在z方向(軸向)的彈性模量、定子鐵心在xy平面的剪切模量和定子鐵心在xz平面的剪切模量。

10、進(jìn)一步地，所述步驟s2中的結(jié)構(gòu)——材料統(tǒng)一模型是一個用于表征定子鐵心的固有模態(tài)特征與其結(jié)構(gòu)參數(shù)和材料參數(shù)之間關(guān)系的概念模型：

11、f＝f(ri,σ,λ,δ,τ,ex,ez,gxy,gxz)

12、其中，f為定子鐵心的固有模態(tài)特征，等式右邊的各參數(shù)為與定子鐵心的固有模態(tài)特征相關(guān)的特征參數(shù)。

13、進(jìn)一步地，所述步驟s3具體包括以下步驟：

14、s31、制作訓(xùn)練代理模型所需要的數(shù)據(jù)集；

15、s32、將得到的數(shù)據(jù)集容量的90％選作訓(xùn)練集，使用卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練能夠反映定子鐵心的有效結(jié)構(gòu)參數(shù)和有效材料參數(shù)與其固有模態(tài)特征之間非線性關(guān)系的代理模型，其中，代理模型的輸入為：定子鐵心的有效結(jié)構(gòu)參數(shù)和有效材料參數(shù)，輸出為：定子鐵心的固有模態(tài)特征；

16、s33、將得到的數(shù)據(jù)集容量的10％選作驗證集，對代理模型的準(zhǔn)確度用誤差函數(shù)進(jìn)行驗證。

17、進(jìn)一步地，所述步驟s31具體包括以下步驟：

18、s311、將步驟s1中提取的有效特征參數(shù)作為自變量，采用拉丁超立方采樣法進(jìn)行數(shù)據(jù)集的實驗設(shè)計；

19、s312、使用步驟s2中構(gòu)建的定子鐵心的參數(shù)化有限元模型，計算數(shù)據(jù)集中每一個樣本的固有模態(tài)特征，具體包括6個低階模態(tài)特征：二階同向、二階反向、三階同向、三階反向、四階同向和四階反向振型及其對應(yīng)的固有頻率；

20、s313、將每一個樣本的有效特征參數(shù)和低階模態(tài)特征組合起來得到完整的數(shù)據(jù)集。

21、進(jìn)一步地，所述步驟s33中的誤差函數(shù)具體為：

22、

23、其中，er為相對誤差，fsm,i為代理模型預(yù)測的第i個振型對應(yīng)的固有頻率，ffem,i為有限元仿真得到的第i個振型對應(yīng)的固有頻率。

24、進(jìn)一步地，所述步驟s4中提取出結(jié)構(gòu)的振型及其對應(yīng)的固有頻率具體為：二階同向、二階反向、三階同向、三階反向、四階同向和四階反向的振型及其對應(yīng)的固有頻率。

25、進(jìn)一步地，所述步驟s5具體包括以下步驟：

26、s51、使用訓(xùn)練好的代理模型替代傳統(tǒng)方法中迭代尋優(yōu)時所需的有限元模態(tài)分析，利用代理模型預(yù)測任意結(jié)構(gòu)和任意材料參數(shù)的定子鐵心的低階固有模態(tài)特征；

27、s52、采用并行粒子群優(yōu)化算法，通過構(gòu)建適應(yīng)度函數(shù)并施加約束條件，同步對若干定子鐵心進(jìn)行材料參數(shù)辨識，最終獲得使適應(yīng)度函數(shù)取值最小的材料參數(shù)，即為所需要的各定子鐵心的正交各向異性材料參數(shù)。

28、進(jìn)一步地，所述步驟s52中的適應(yīng)度函數(shù)具體為：

29、

30、其中，erri表示第i個種群的適應(yīng)度，n的取值為6，因為主要關(guān)注定子鐵心的6個低階模態(tài)特征，fsm,ij表示通過代理模型得到的第i個種群中個體的第j個振型對應(yīng)的固有頻率，ftest,ij表示通過模態(tài)試驗得到的第i個定子鐵心的第j個振型對應(yīng)的固有頻率。

31、進(jìn)一步地，所述步驟s52中的約束條件具體為：

32、

33、其中，σm,λm,δm,τm分別表示每個定子鐵心相應(yīng)結(jié)構(gòu)參數(shù)的實測值，而四個有效材料參數(shù)的取值范圍是通過文獻(xiàn)調(diào)研和設(shè)計經(jīng)驗確定的。

34、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：

35、本發(fā)明通過提取電動機定子鐵心固有模態(tài)特征的有效特征參數(shù)(包括有效結(jié)構(gòu)參數(shù)和有效材料參數(shù))，以建立定子鐵心固有模態(tài)特征的結(jié)構(gòu)——材料統(tǒng)一模型、并以此構(gòu)建得到定子鐵心的參數(shù)化有限元模型；再進(jìn)一步構(gòu)建定子鐵心的固有模態(tài)特征與結(jié)構(gòu)參數(shù)和材料參數(shù)之間的代理模型；使用構(gòu)建的模態(tài)特征代理模型替代定子鐵心的有限元模態(tài)分析，并且基于代理模型將材料參數(shù)辨識的過程通過算法尋優(yōu)來實現(xiàn)，這替代了傳統(tǒng)方法中大量的人工調(diào)參和仿真嘗試，有利于提高材料參數(shù)辨識的效率和準(zhǔn)確度。

36、本發(fā)明同時考慮結(jié)構(gòu)參數(shù)和材料參數(shù)，以構(gòu)建模態(tài)代理模型來替代有限元仿真調(diào)參，這使得本發(fā)明具備通用適用性，能夠?qū)崿F(xiàn)對若干不同的定子鐵心材料參數(shù)的同步辨識：不僅能夠辨識各種結(jié)構(gòu)的定子鐵心的材料參數(shù)，且無需針對新的個體重新訓(xùn)練模型和更新數(shù)據(jù)集，能夠批量辨識一定數(shù)量的定子鐵心的材料參數(shù)，較好地提高了本發(fā)明的應(yīng)用效率、實現(xiàn)了跨個體的廣泛適用性。