电机电磁振动基本理论及多目标优化流程和算法分析【电机&永磁峰会】

来源：SMM2022-11-24 11:36

SMM11月24日讯：在2022中国电机&永磁行业峰会上，浙江大学电气工程学院博士尧磊对电机电磁振动基本理论、多目标优化流程和算法进行了讲解，并引用了优化实例做了更加清晰透彻的分析。

电机电磁振动基本理论

若要介绍电机电磁振动的相关理论，首先要明确电机振动噪声源的分类。第一类的机械振动噪声，主要由转子不平衡、轴不对中、联轴器或轴承缺陷等引起，频率一般为转子机械转频的倍数。第二类是流动振动噪声，主要由冷却管道和峰风扇等引起。第三类就是电磁振动噪声，由电磁场相互作用产生的电磁力引起，频率为电机电频率的倍数，空间阶数取决于极槽配合。

电磁力谐波的解析计算

三相定子绕组产生的或者转子永磁体产生无槽气隙磁场，通过引入复数磁导模型来考虑槽开口对气隙磁场的影响，分为径向气隙磁场和切向气隙磁场，再计算麦克斯韦张量，对应计算得到径向电磁力波和切向电磁力波，前者产生电磁振动，后者产生转矩波动。

多目标优化流程和算法

优化方法

电机的电磁振动优化牵涉到多物理场和多目标，其中需要最小化的优化目标包括转矩波动、电磁振动等，而需要最大化的优化目标包括平均转矩、电磁效率等。因此，可以构建代价函数，综合考虑各个优化目标。

优化算法

模式搜寻算法是一种确定性算法，类似于梯度下降法，可形象地称为蒙眼下山法。

这种算法的优点是计算量非常小，优化速度快；可在短时间内获得优于初始点的方案；但同时依赖初始点选取，容易陷入局部最优，且受限于算法机制，难以实现并行计算。

遗传算法是一种启发式算法遵循达尔文进化论：物竞天择，适者生存。遗传算法有三大关键步骤：个体选择、交叉和变异。个体选择是要求槽开口优化范围在1.7-2.7毫米，采用二进制编码；通过交叉获得局部最优能力；通过高位变异或者低位变异实现全局寻优能力。这种算法具备较强的全局寻优能力，易于实现并行计算；但优化效果受种群规模影响很大，获得全局最优解可能需要大量时间。

粒子群算法是一种启发式算法，它模仿鸟群觅食行为，从无序到有序，通过迭代粒子的速度和位置实现寻优。这种算法结构简单，易于工程实现；收敛速度快，易于实现并行计算。但问题在于其搜索精度不高，可能陷入局部最优，且处理离散问题的能力较差。