一种永磁同步直线电机新型优化设计方法
【专利摘要】本发明涉及一种永磁同步直线电机新型优化设计方法，步骤为：A.对样机分析，确定影响电机性能主要结构参数；B.采用机器学习算法?KNN算法，对有限元分析的数据进行训练、回归拟合；C.采用全局范围内的寻优算法?重心邻域最优算法，对电机性能输出参数寻优；D.根据最优值逆向求解出一组最优电机结构参数，根据此电机结构参数制作样机进行测试。本发明的有益效果为：1)增强电机运行的稳定性、可靠性、高效性；2)采用有限元分析方法计算结果精确，消除计算环节的误差；3)采用KNN算法，对有限元分析产生的样本数据进行训练拟合，建立非参数快速计算模型，为后续智能算法寻优提供基础；4)使用重心邻域算法，拥有更好的全局性、快速性、准确性。
【专利说明】
一种永磁同步直线电机新型优化设计方法
技术领域
[0001 ]本发明涉及永磁同步直线电机领域，具体是一种永磁同步直线电机新型优化设计 方法。
【背景技术】
[0002] 永磁同步直线电机（permanent magnet synchronous linear motor)具有机械结 构简单、零齿槽效应、推力大、损耗低、定位精度高、灵敏度高等优点，可以实现高速大行程 运动和微米级动态精度，在小切削力和无切削力数控机床中，如3D打印机，激光雕刻机等得 到了广泛应用。
[0003] 由于PMSLM自身结构特点和边端效应的存在，电机会产生推力波动，推力波动是影 响PMSLM运行性能的主要原因之一，在高精密数控机床中，推力波动会导致电机动子定位精 度降低，导致加工件表面划痕、粗糙度增加，尺寸误差等问题，严重影响产品的精加工质量， 例如:在三直线电机平台驱动的激光雕刻机中，推力波动会引起电机动子振动和噪声、雕刻 深度不均匀、线条粗糙等问题。降低推力波动的方案主要可以分为两种-电机本体结构的优 化设计和先进的控制策略，其中电机本体结构的优化设计对降低推力波动有着至关重要的 影响。电机的结构参数(极距，气隙，永磁体长度，永磁体宽度，永磁体高度，线圈匝数，线圈 距离，线圈长度等)对降低电机的推力波动起着决定性作用，选取一组最优的结构参数，达 到电机的最佳运行性能，成为电机优化设计的首要目标。
[0004] 目前国内外学者普遍采用两种方案对PMLSM进行优化设计：比较法和解析法，其中 比较法是利用有限元软件建立PMLSM模型进行有限元分析，通过改变电机的结构参数，建立 多个电机有限元模型，在不同的电机结构参数下进行有限元分析，得到不同电机结构参数 下的运行性能结果，并将多组数据进行比较，选择运行性能最优的一组电机结构参数作为 优化结果;解析法是利用永磁体等效磁化电流的原理，在假设的理想电磁环境和边界条件 下，通过联立麦克斯韦方程，求解直线电机磁场偏微分方程，对电机主要运行性能参数(推 力，推力波动等）进行推导，得到具体的数学表达式，并将其作为目标函数，利用智能算法 (遗传算法，粒子群算法等)进行寻优，根据算法的迭代收敛情况，确定最优解，得到最优的 电机结构参数。然而，以上两种优化设计问题都存在着各自的弊端，由于有限元分析相对耗 时，比较法仅仅采用了有限元分析的方法对少数情况进行分析，只能针对离散点的电机结 构参数组合进行分析计算，所选取用来进行比较的样本数过少，存在片面性，无法全面地分 析空间取值范围内所有不同结构参数下电机的运行性能情况；由于解析法推导的偏微分 方程无法求解，假设理想条件下求得的目标函数不够精确，一般智能算法存在局部最优的 情况等原因导致解析法求得的"最优解"是优化过程的极值点而非最值点，导致解析法的优 化结果并不是最优的结果。
【发明内容】
[0005] 本发明的目的是为了解决现有技术中PMLSM推力波动较大的缺陷，提供一种永磁 同步直线电机新型优化设计方法来解决上述问题。
[0006] 为了实现上述目的，本发明的技术方案如下：
[0007] 一种永磁同步直线电机新型优化设计方法，包括以下步骤：
[0008] A.对样机进行分析，确定影响电机性能主要结构参数，并确定电机结构参数的空 间取值范围，根据电机设计的基本准则建立电机的初始有限元模型，在电机结构参数的空 间取值内，选取256组不同的电机结构参数进行有限元分析，得到电机的非参数建模样本数 据；
[0009] B.采用机器学习算法-KNN算法，对有限元分析的数据进行训练，将电机结构参数 作为输入，电机运行性能参数作为输出，将离散的有限元分析数据点进行拟合分析，建立电 机的非参数快速计算模型；
[0010] C.采用全局范围内的寻优算法-重心邻域最优算法，对所述非参数模型进行寻优， 经过算法的迭代收敛后，最终定位到电机运行性能的最优值；
[0011] D.根据最优值逆向求解出一组最优的电机结构参数，并根据此电机结构参数制作 样机进行测试。
[0012]有益效果
[0013] 与现有技术相比，本发明的有益效果为：1)从电机本体结构的优化设计着手，对影 响电机运行性能的主要结构参数进行寻优，进行逆向精细化设计，得到一组最优的电机结 构参数，从而有效地减小电机的推力波动，增强电机运行的稳定性、可靠性、高效性;2)采用 有限元分析的方法，对不同结构参数的电机运行性能进行分析，相比于解析法的电磁推导 目标函数，计算结果更加精确，消除了计算环节的误差，并且可以为后续机器学习方法KNN 算法非参数建模提供大量样本数据;3)采用机器学习方法-KNN算法，对电机的结构参数与 运行性能之间的复杂非线性关系进行拟合分析，对离散的样本点进行回归拟合分析，得到 连续的目标函数曲线，将离散的样本空间取值范围转换成连续的空间取值范围，大大增加 了寻优结果的全局性，并且为后续智能算法(重心邻域最优算法)寻优提供基础;4)使用的 重心邻域算法，通过定位目标函数的中心确定函数的最值点，相比于一般的智能算法(遗传 算法、粒子群算法、蚁群算法等)拥有更好的全局性、快速性、准确性，可以精准快速的定位 到全局最优点，即通过对KNN非参数模型的寻优，可以定位到推力最大值和推力波动最小 值，从而得到一组全局最优的电机结构参数。
【附图说明】
[0014] 图1为本发明的3D有限元模型。
[0015]图2为本发明的初始电机模型推力曲线。
[0016]图3为本发明的KNN推力模型精度。
[0017]图4为沙盘重心定位原理图。
[0018]图5为本发明重心邻域算法推力寻优图。
[0019]图6为本发明重心邻域算法推力波动率寻优图。
【具体实施方式】
[0020]为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的 实施例及附图配合详细的说明，说明如下：
[0021] 1、有限元分析：
[0022] (1)样机分析:参照七极十二槽分数槽双次级永磁同步直线电机，遵循电机设计基 本准则，确定电机结构参数的空间取值范围，其中永磁体长度，永磁体宽度，永磁体高度，线 圈间距离分别定为40mm，15mm，3mm，6.05mm，极距τ，气隙厚度δ，线圈长度s，线圈IM数k四个 参数作为变量，取值范围为：18 · 8mm^i 19 · 4mm，I · 85mm^i5<2 · 4mm，6 · 8mm^is^i7 · 4mm， 150 彡 k彡 210
[0023] (2)有限元建模:选取其中一组参数(如表1)，建立电机3D有限元模型（如图1)。 [0024]表1电机初始有限元模型参数
L U U Z δ」 进而得到初妬悮型的推刀汲形图（图2 )，干均推刀K为41.5 N，推刀汲动卒q为 3.34%〇
[0027] 2、KNN算法建立非参数快速计算模型
[0028] (1)正交向量表:根据极距τ，气隙厚度δ，线圈长度s，线圈匝数k的空间取值范围， 建立正交向量表(256组数据），进行有限元仿真，获取电机在不同结构参数下的运行性能结 果。
[0029] 表2正交向量表
[0031] (2)KNN 算法
[0032] KNN回归算法是一种基于向量空间模型的非参数实例学习方法，将每个实例视为 空间中的一个点或向量。其基本思想是:给定一个查询实例，在训练集中找出它的K个近邻， 对K个近邻的目标倌求询倌，将其作为筧法的输出估计值。给定一个查询实例X q，使用标准
t训练样例列表中找出实例Xq距离最近的K 个实例，并用Xl，X2，X3，…，Xk表示。计算K个最近邻目标值的均值，即f ( Xq )的估计值为：
[0034] (3)KNN算法建立非参数快速计算模型
[0035] KNN算法应用于PMLSM的非参数建模，可以建立快速计算模型，为后续电机结构参 数的优化奠定基础，核心思想为：将有限元仿真数据进行训练，挖掘数据背后的非线性关 系，并进行回归预测，将电机结构参数(极距τ，气隙厚度δ，线圈长度s，线圈匝数k)作为输 入，电机运行性能参数(推力F和推力波动率η)作为输出，利用有限元仿真的有限个间断样 本点，分析输入和输出的关系，并回归预测分析出无限个样本点，拟合出连续的目标函数曲 线，建立快速计算模型，减少有限元分析次数，提高计算效率。具体步骤为:将正交向量表中 的256组数据，分为两组，一组作为训练集，用来对KNN算法建立的非参数模型进行训练，挖 掘输入与输出的关系，另一组作为测试集，用来测试模型的预测精度。采用KNN推力模型进 行检测，回归预测推力值与原始数据推力值数据高度拟合，该模型精准度高达92.2%，可以 证明KNN非参数建模的正确性。
[0036] 3、重心邻域算法寻优
[0037] (1)重心邻域算法:受沙盘重心的力平衡关系启发，提出基于重心定位的全局最优 邻域方法-函数最值点与函数重心点在一个极小的邻域内的结论。
[0038]将沙盘分别以A点和E点为悬挂点进行悬挂，得到两条重力线14PL，两条重力线的 交点0即为重心，由图可知重心0对应的横坐标X。与最值点C对应的横坐标X。在一个极小的邻 MΛ .太管法诵忖宙份刹曰烷
函救的甫心η*宙份？丨丨函救的晶值点c。采用的搜索策略为：
[0040]其中Xb和F(Xb)分别为前k-Ι次迭代过程中出现的最优点及其适合度值这种措施能 有效地引导"重心"向全局最优方向移动。
[0041 ] (2)重心邻域算法优化电机结构参数：
[0042]采用重心邻域算法，对KNN算法建立的非参数模型进行寻优，得到的优化结果如图 所示。
[0043]推力F的最优值是43.25N，推力波动率η的最优值为0.69%，进而进行逆向求解，得 到最优的电机结构参数为：
[0044]表3最优电机结构参数
[0046] 4.电机制作与测试：
[0047] (1)电机制作:根据最优的电机结构参数，制作永磁同步直线电机一台。
[0048] (2)电机测试:搭建电机综合性能测试平台，对电机性能进行测试，测得推力F的是 43 · 15Ν，推力波动率η的最优值为〇 · 72 %，相比于初始模型，推力增大了 3 · 8 %，推力波动降 低了78.4%，由于电机加工误差的存在，实测结果与仿真之间的细微差别可以忽略不计，视 为相同。
[0049]以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术 人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明 的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和 改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其 等同物界定。
【主权项】
1. 一种永磁同步直线电机新型优化设计方法，其特征在于，包括以下步骤： A. 对样机进行分析，确定影响电机性能主要结构参数，并确定电机结构参数的空间取 值范围，根据电机设计的基本准则建立电机的初始有限元模型，在电机结构参数的空间取 值内，选取256组不同的电机结构参数进行有限元分析，得到电机的非参数建模样本数据； B. 采用机器学习算法-KNN算法，对有限元分析的数据进行训练，将电机结构参数作为 输入，电机运行性能参数作为输出，将离散的有限元分析数据点进行拟合分析，建立电机的 非参数快速计算模型； C. 采用全局范围内的寻优算法-重心邻域最优算法，对所述非参数模型进行寻优，经过 算法的迭代收敛后，最终定位到电机运行性能的最优值； D. 根据最优值逆向求解出一组最优的电机结构参数，并根据此电机结构参数制作样机 进行测试。
【文档编号】G06F17/50GK106055736SQ201610328967
【公开日】2016年10月26日
【申请日】2016年5月13日
【发明人】宋俊材, 赵吉文, 董菲, 李乐, 盘真保, 王辉
【申请人】安徽大学