专利名称：：一种圆筒型直线电机结构参数优化设计方法
技术领域：
：本发明涉及一种圆筒型直线电机结构参数优化设计方法，辱于机电智能化领域，是一种电机参数优化设计技术。
背景技术：
：电机的计算分析方法主要有以下三种集中参数的磁路理论法，分布参数的电磁场理论法以及有限元分析方法。集中参数的磁路理论法是利用等效磁路的方法进行分析，将分布参数考虑成集中磁路模型。集中参数的磁路理论法简单，理论计算容易，但电机磁场的分布非均匀性及漏磁的存在，使得该方法计算误差相对较大。为了弥补误差，电机设计中存在大量的修正参数，则需要通过大量工程经验中一次次试验获得，费时费力，同时浪费资源。分布式参数的电磁场理论方法主要利用Maxwell方程，求解整个区域的场分布函数，能够很好处理复杂的磁场分布分析，但该方法理论计算复杂，同时并不能解决复杂的边界条件及材料的非线性因素等。结合电磁场理论中Maxwell方程及变分法思想，针对变分法中复杂区域难以差分离散的问题，有限元方法应运而生。有限元分析方法的基本思想是将物体(即连续的求解域)离散成有限个且按一定方式相互连接在一起的组合，来模拟或逼近原来的物体，从而将一个连续的无限自由度问题简化为离散的有限自由度问题，而后进行求解的一种数值分析方法。具体电机模型的复杂性决定了电机的理论计算求解方法求解十分复杂，且很难进行精确求解，往往通过计算机有限元分析软件进行有限元分析，来求.得精确解。有限元方法简单有效，且计算精度高，但是计算量极大，且不易进行理论分析与计算。因直线电机结构模型及材料特征复杂，同时激励约束等条件众多，直线电机的分析方法是当前研究的难点，有限元分析方法已经成了科技工程人员的最佳选择，而对更高性能直线电机需求，又促使科研人员对直线电机进行优化设计，优化设计的目标是，在相同的输入条件下，单位有效体积应该得到最大的推力与最小的推力波动。传统的优化设计都是通过比较设计的方法，得到一组比较出来的参数，但电机内部参数之间相互耦合，给参数比较带来很大的麻烦，使得比较法很难得到更优的参数。新兴的智能算法为优化方法提供了新的手段，但是智能算法都以迭代搜索为机理，对不同的电机参数进行迭代计算来寻找最优参数。传统设计方法采用磁路分析的方法，需要大量的工程经验，主要通过结合实际工程获得一些修正参数，并通过集中参数的方法进行计算电机性能，大多数的计算都是一些估算，对于结构参数的修正也是一种手工的经验试凑办法。使用分布参数计算速度快，但是计算不够精确，很难满足精确优化计算需要，而仅仅使用有限元方法进行结构参数优化设计时，计算量极大，增加工程难度。
发明内容本发明的目的是为了解决传统的圆筒型直线电机的结构参数设计方法中计算不精确、优化困难等问题，提出了一种圆筒型直线电机的结构尺寸参数优化设计方法。本发明的目的是通过下述技术方案实现的。本发明的一种圆筒型直线电机结构参数优化设计方法是首先在满足结构参数约束范围条件下，确定电机的确定结构参数，选择电机待优化参数；其次对结构参数的动态采样，使用有限元分析方法，对圆筒型直线电机的推力及其波动性能进行分析；而后将结构参数作为神经网络输入，推力及波动值作为神经网络输出，训练神经网络，以对结构参数与推力及波动的函数关系进行拟合；最后结合拟合后的神经网络，使用智能优化方法对结构参数进行优化，获得较优的结构参数的适应值，从而得到较优的电机单位体积内推力及波动的性能。所述的一种圆筒型直线电机结构参数优化设计方法，其电机待优化参数选择方法是首先根据实际具体工程需要，确定电机的确定结构参数，选择对电机的性能有至关重要的影响的待优化结构参数进行优化，并确定待优化结构参数的可行范围；而后在可行范围内进行随机采样，对采样点结构参数的电机进行有限元分析，获得电机推力及波动值。所述的一种圆筒型直线电机结构参数优化设计方法，其训练神经网络是采用动态训练神经网络的方法对神经网络进行训练；开始时选择部分样本进行训练，而后重新随机采样部分新样本点，计算新样本点使用神经网络预测的推力及波动值，与实际有限元计算的推力及波动值的误差，若误差较大则继续进行训练，直到获得满意的神经网络为止。所述的一种圆筒型直线电机结构参数优化设计方法，其对圆筒型直线电机结构参数进行优化的智能优化方法是优化的目标就是尽可能寻找最优的样本点，使得电机结构参数适应值较优，即单位有效体积内的推力最大波动最小；首先算法参数初始化，并在约束范围内初始化结构参数作为搜索的初始点，通过训练完成的神经网络计算该结构参数下电机的推力及波动值，并计算出该结构的适应值，而后判断是否满足终止条件，如果满足算法停止，否则，根据算法的规则，更新算法，产生新的结构参数，进行计算，直到满足终止条件为止。所述的一种圆筒型直线电机结构参数优化设计方法，其评价圆筒型直线电机结构参数的适应值的计算方法，其适应值的计算函数为式中，义为结构参数，stflY/brc^表示推力的波动，表示推力的大小(均值)，ro7"历e为电机有效体积，上标s、t、r分别表示推力波动、推力大小(均值)、体积的权重关系，值越大表明该项指标越重要。有益效果本发明应用有限元方法对电机进行精确分析，使用神经网络对电机参数与推力及波动值进行拟合，并利用训练完成神经网络来预测电机参数与性能的关系，并将之应用于智能优化方法的适应值计算，在算法优化过程中，相比较直接使用有限元方法计算电机参数与推力及波动值，进而计算适应值的方法，能有效减少电机有限元计算次数。该方法思路清晰明了，易于工程化应用，能有效避免工程中电机磁路复杂导致集中参数计算不准确，以及参数之间相互耦合导致的参数优化困难等。本发明亦可用于任意结构电机的结构参数优化设计。图l圆筒型直线电机结构参数优化设计的总体流程图2圆筒型直线电机结构参数优化设计中神经网络训练方法；图3智能优化方法用于圆筒型直线电机结构参数优化流程图，其中左图为粒子群算法流程，右图为遗传算法流程；图4圆筒型直线电机结构名称及参数其中i-槽、2-齿、3-齿脚、4-槽口、5-永磁体、6-铁心，参数为电机外半径W"槽外半径AV、槽内半径&、齿脚外半径W、铁轭内半径/e、气隙宽度g、永磁体外半径^z、永磁体内半径W6、铁心内半径化、极距2*7>、永磁体宽度7迈、槽距、槽宽l槽口宽,、槽高力。图5本发明实施例圆筒型直线电机电枢绕组的电气图6本发明实施例优化得到的圆筒型直线电机的工程图(部分)。具体实施例方式下面结合附图和实施例对本发明做详细说明。为了详细介绍本发明，首先介绍本发明中使用的有限元分析方法。使用有限元分析方法，首先建立圆筒型直线电机的实体模型。圆筒型直线电机具有轴对称的特征，所以很方便进行二维轴对称分析，且不影响精确度，轴对称下只半剖面进行建模；建立完成实体模型后，接着需要赋值各实体区域相应材料的特性，诸如有空气、铁轭、永磁体、线圈等；而后对该定义材料后的实体模型进行了网格剖分，产生单元和节点，并根据电机的激励与约束特征，对单元或节点施加电流、定义约束条件，为了得到相应区域的物理特性，对其施加力标志或定义路径等；以上前处理完成后，根据单元的加载及约束，根据有限元计算方法，对模型进行数值计算；计算完成后，既可以查看力大小以及观察磁路特征、获得磁感应强度分布情况等；综合使用有限元方法，对电机运行一个极距距离内的不同位置进行分析，最终获得给定结构参数条件下，电机的推力及波动值。本发明中所有涉及的推力值均为电机运行一个极距距离内推力的均值，波动值均为电机运行一个极距距离内推力的标准差。为了详细介绍本发明，以下介绍本发明中使用的圆筒型直线电机结构参数的选择方法。实际工作过程中，首先根据实际具体工程需要，诸如电机的安装外径大小，需要的推力大小，进而确立电机的确定结构参数，诸如各部件材料的选择，采用有槽无刷动子电枢铁心外置结构，动子总体长度，绕组个数等。而对于一些细节参数，这些参数对电机的性能有至关重要的影响，诸如永磁体磁钢宽度、永磁体厚度、气隙宽度，则无法确定，将这些参数作为待优化结构参数。而后根据需要，确定这些待优化参数的可行范围。对n个待优化结构参数，在每个结构参数的可行范围内进行一次采样，形成一个n维列向量的样本点，样本点的每一维代表相应结构参数的数值大小。根据样本点的数据，结合其余都已经确定的结构确定参数，即形成了一种圆筒型直线电机的结构参数设计方案。优化的目标就是尽可能寻找最优的样本点，使得电机的性能最优。为了详细介绍本发明，以下介绍本发明中使用的神经网络的训练方法。如图2，首先采样m个样本点(m>2*n)，将这些样本点作为m种圆筒型直线电机的结构参数设计方案，使用有限元分析方法，计算出单位体积内电机的推力及波动值，将每个样本点结构参数作为神经网络的输入变量，将电机的推力及波动值作为输出变量，训练神经网络。本发明使用BP神经网络，BP网络中包括多个隐层，隐层中的神经元均采用S型交换函数，输出层的神经元采用纯线性变换函数。而后产生k个样本点(k〉n)，使用训练后的神经网络对各样本点结构参数的推力及波动值进行预测，同时对这些样本点使用有限元分析方法进行计算，得到实际的推力及波动值大小。而后将每个粒子计算预测值/(1)与估计值/"的误差平方取和^=土(^-/('r))2，若err小于指定的一个阈值，则认为神经网络训练成功，反之认为神经网络依然不能很好的逼近实际的结构参数与电机性能的对应关系，重新选择k个样本点进行同样的计算，直到满足要求，获得满意的神经网络为止。另外，每个样本点的选择，不能与已有的样本点重合，应尽量使当前样本点与已有的样本点之间的距离较小。此时给定结构参数，神经网络输出该结构参数下电机推力及波动值预测结果，认为该结果与实际相吻合。为了详细介绍本发明，最后介绍本发明中使用的圆筒型直线电机结构参数智能优化方法。当前常用的智能优化方法，诸如粒子群算法、遗传算法，工作流程如图l所示，首先算法参数初始化，并在约束范围内初始化结构参数作为搜索的初始点，通过训练完成的BP神经网络计算该结构参数下电机的推力及波动值，进而计算获得该结构参数电机性能的适应值，而后判断是否满足终止条件，如果满足算法停止，否则，根据算法的规则，更新算法，产生新的结构参数，进行计算，直到满足终止条件为止。终止条件可以是指定的迭代次数、停滞步数或者适应值条件满足等。'如图3所示，左侧为粒子群算法流程图，首先算法在约束范围内初始化粒子的位置和速度，每个粒子位置作为电机结构参数结合训练完成的BP神经网络分析电机的性能，若算法满足终止条件则停止，否则按照粒子群算法更新公式更新粒子的位置和速度；右侧为遗传算法流程图，首先根据结构参数约束范围设置合理的算法初始化，包括算法参数设置、编码译码规则、个体选择规则等，同时完成群体的初始化编码，而后对群体中每个个体的编码进行译码获得电机的结构参数，结合训练完成的BP神经网络分析该结构参数下电机性能的适应值大小，若算法满足终止条件则停止，否则按照遗传算法按照遗传、交叉、变异规则进行遗传操作，生成新的群体。其中电机性能的适应值计算方法如下<formula>formulaseeoriginaldocumentpage10</formula>上式中，^为结构参数，"oY/orce,表示推力的波动，膨a/7(^orce,表示推力的大小(均值)，ro7"历e为电机有效体积，上标s、t、r分别表示推力波动、推力大小、体积的权重关系，值越大表明该项指标越重要。实施例首先确定电机的类型。根据本实施例具体工程需求，采用三相绕组，且每槽嵌入单相单层绕组，为使电机运行平稳，使用三相绕组的个数应该是6的整数倍，槽数亦是6的整数倍，同时，永磁体采用径向磁化、交替分布，使磁场方向沿电机运行方向内外交替分布，进而根据本实施例实际工程需要并结合有限元方法简要进行分析，确定直线电机绕组分布如图5所示，部分参数如表2所示绕组采用整距分布绕组，采用"Y"型连接方法，各槽内的绕组电流相位顺序为A+、A-、B-、B+、C+、C-、A-、A+、B+、B-、C-、C+、A+、A-、B-、B+、C+、C-、A-、A+、B+、B-、C-、C+;各确定参数如表2所示电机外半径it二^/M7;槽外半径/fT二55.6^/Z7;槽内半径^S二4"》M;极距i^^/二i^i^,Jy"7Z7;永磁体内半径T^:J7/ZM7;槽距^二i7.槽数/7二i^;槽宽A股；槽口宽,二仄2;柳；铁心内半径vo二75刀朋；槽齿斜面高ys-朋二丄S/m7;.槽口高W力-ye^.&朋。需要优化的参数为永磁体宽度&、永磁体厚度y^-w、气隙宽度g，同时耦合变化的是槽高力，参数的约束为f/Z7"p，A^,v力，^>久然后对需要优化设计的结构参数，使用智能优化方法进行参数优化设计。本实施例采用粒子群优化算法，作为参数优化方法，优化的目标是使电机性能的适应值最小。本实施例中适应值计算函数的s二厶t7.5、r二厶表示本实施例中，体积ro7〃727e(单位W)为固定值，最重要的优化目标是获得较大的推力，而推力波动的重要性次之。根据制造工艺能力，所有优化参数的精度为0.7迈仏算法参数设置如下表1所示，群体规模为20，迭代次数200，惯性因子ft从0.9到0.4线性递减，学习因子^、c^均为2.05。表1算法参数设置<table>tableseeoriginaldocumentpage11</column></row><table>其中电机参数设置及优化结果如下表2所示，永磁体宽度7yzFi7.5/M7，永磁体厚度7to-/力二&5历/z，气隙宽度g二A7tz^，槽高力二/《Smzz，优化设计的圆筒型直线电机的工程图如图6所示。表2直线电机参数设置及优化^_<table>tableseeoriginaldocumentpage11</column></row><table><table>tableseeoriginaldocumentpage12</column></row><table>优化后的电机最大推力3439N，最小推力2963N，均值3224N，波动比率为7.4%，适应值为8.3573。优化的结果尽管波动相对较大，但推力较大，符合设计大推力圆筒型直线电机的要求，该设计综合适应值较小，符合设计要求，同时参数优化结果合理有效。以上所述的仅为本发明的较佳实施例而已，本发明不仅仅局限于上述实施例，凡在本发明的精神和原则之内所做的任何改动、等同替换、改进等均应包含在本发明的保护范围之内。权利要求1、一种圆筒型直线电机结构参数优化设计方法，其特征在于首先在满足结构参数约束范围条件下，确定电机的确定结构参数，选择电机待优化参数；其次对结构参数的动态采样，使用有限元分析方法，对圆筒型直线电机的推力及其波动性能进行分析；而后将结构参数作为神经网络输入，推力及波动值作为神经网络输出，训练神经网络，以对结构参数与推力及波动的函数关系进行拟合；最后结合拟合后的神经网络，使用智能优化方法对结构参数进行优化，获得较优的结构参数的适应值，从而得到较优的电机单位体积内推力及波动的性能。2、根据权利要求1所述的一种圆筒型直线电机结构参数优化设计方法，其特征在于电机待优化参数选择方法是首先根据实际具体工程需要，确定电机的确定结构参数，选择对电机的性能有至关重要的影响的待优化结构参数进行优化，并确定待优化结构参数的可行范围；而后在可行范围内进行随机采样，对采样点结构参数的电机进行有限元分析，获得电机推力及波动值。3、根据权利要求1所述的一种圆筒型直线电机结构参数优化设计方法，其特征在于训练神经网络是采用动态训练神经网络的方法对神经网络进行训练；开始时选择部分样本进行训练，而后重新随机采样部分新样本点，计算新样本点使用神经网络预测的推力及波动值，与实际有限元计算的推力及波动值的误差，若误差较大则继续进行训练，直到获得满意的神经网络为止；4、根据权利要求1所述的一种圆筒型直线电机结构参数优化设计方法，其特征在于对圆筒型直线电机结构参数进行优化的智能优化方法是优化的目标就是尽可能寻找最优的样本点，使得电机结构参数适应值较优，即单位有效体积内的推力最大波动最小；首先算法参数初始化，并在约束范围内初始化结构参数作为搜索的初始点，通过训练完成的神经网络计算该结构参数下电机的推力及波动值，并计算出该结构的适应值，而后判断是否满足终止条件，如果满足算法停止，否则，根据算法的规则，更新算法，产生新的结构参数，进行计算，直到满足终止条件为止。5、根据权利要求1所述的一种圆筒型直线电机结构参数优化设计方法，其特征在于评价圆筒型直线电机结构参数的适应值的计算方法，其适应值的计算函数为式中，义为结构参数，5^oY/orce,表示推力的波动，"es/(^arcj表示推力的大小(均值)，ro7"/^为电机有效体积，上标s、t、r分别表示推力波动、推力大小(均值)、体积的权重关系，值越大表明该项指标越重要。全文摘要本发明涉及一种圆筒型直线电机结构参数优化设计方法，属于机电智能化领域，是一种电机参数优化设计技术。本发明在满足结构参数约束范围条件下，对结构参数进行动态采样，通过使用有限元分析方法，对不同结构参数的圆筒型直线电机的推力及波动值进行分析，继而将结构参数作为神经网络输入，推力及波动值作为神经网络输出，使用神经网络对结构参数与推力及波动的函数关系进行拟合，最后结合智能优化方法对待优化结构参数进行优化，得到满意的电机单位体积内推力及波动的性能。本发明易于工程化应用，能避免电机磁路复杂导致集中参数计算不准确，以及参数之间相互耦合导致的参数优化困难等。本技术亦可用于任意结构电机的结构参数优化设计。文档编号H02K41/02GK101567617SQ200910008738公开日2009年10月28日申请日期2009年3月6日优先权日2009年3月6日发明者洋刘,刘晓俏,娟张,峰潘,王光辉,甘明刚,白永强,窦丽华,涛蔡,方邓,杰陈,陈文颉申请人:北京理工大学