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。
优化实例:电机转子修形
运用逆向推导可知,要想通过优化得到最佳的转子形状,需调整磁导谐波,需削弱电磁力谐波,因此要抑制电磁振动。根据这一思路,优化目标就是抑制转矩波动,削弱各主要频率下的电磁振动,同时不以牺牲平均转矩和效率为代价。
https://www.smm.cn/live/live_detail?li=352