本发明提供一种基于多目标优化的电机参数设计方法，所述方法包括：构建电机参数预测模型，根据电机参数预测模型构建电机优化目标函数；根据电机优化目标函数设定随机优化算法的目标函数，采用随机优化算法对待优化参数进行优化；根据随机优化算法计算得到待优化参数的优化结果，获得满足目标函数值最小的电机最佳参数。该方法能够克服现有优化方法计算耗时长且效率低的缺点，优化过程中采用有限元方法，得到优化目标和优化参数的关系，在建立参数预测模型的基础上，采用随机优化算法进行计算，确保结果的准确性；本发明提高了预测的可靠性，大大缩短计算时长，兼顾精度与效率。本发明主要用于电机技术领域。
1.一种基于多目标优化的电机参数设计方法，其特征在于，所述方法包括：S101：构建电机参数预测模型，根据电机参数预测模型构建电机优化目标函数；
S102：根据电机优化目标函数设定随机优化算法的目标函数，采用随机优化算法对待优化参数进行优化；
S103：根据随机优化算法计算得到待优化参数的优化结果，获得满足电机优化目标函数值最小的电机最佳参数；
所述的构建电机参数预测模型，根据电机参数预测模型构建电机优化目标函数的具体步骤如下：
其中， 是第i个待优化参数， 是待优化参数集， 是线性多目标函数， 是第k个优化目标， 是第k个优化目标的权重系数，满足 ， 是第j个约束条件，； 是设计参数的数量， 是优化目标的数量，是约束条件的数量；
S202：对m个待优化参数，取p组不同的值，每一组均包含m个待优化参数的取值，采用有限元方法计算得到p个优化目标的实际值；
S203：采用二阶回归方法，根据p个优化目标的实际值与p组待优化参数计算回归系数，构建参数模型，如下式所示：
其中，公式（2）表示优化目标 与m个待优化参数 的关系，将p个优化目标的实际值与p组待优化参数代入公式（2）计算得到 ， 是常数项，分别是一次项、二次项和交叉项的回归系数， 为观测误差， ；
S204：对m个待优化参数另取q组不同的值，每一组均包含m个待优化参数的取值，计算优化目标的预测值和实际值：采用有限元方法计算得到q个优化目标的实际值，用参数模型计算得到q个 的值作为q个优化目标的预测值；
S205：根据优化目标的实际值和预测值，采用下式计算预测系数：（3）；
其中， 是预测系数， 为优化目标的实际值， 为优化目标的预测值， 为 个优化目标的实际值的均值；
S206：判断是否预测系数<系数阈值；根据预测系数和系数阈值的关系，执行以下任一种情况：
a)当预测系数 小于系数阈值时，返回步骤S204，待优化参数的取值与之前不同，并将得到的 组数据作为计算参数模型的样本， 为循环计算的次数；
b)当预测系数 大于等于系数阈值时，执行步骤S207；
S207：获取参数预测模型；当预测系数 大于等于系数阈值时的参数模型为参数预测模型；
S208：根据参数预测模型和欲达成的优化方向，将优化目标分为两类，根据优化目标的分类构建电机优化目标函数；其中优化目标分为两类，具体为：a)第一类：优化方向为得到大于等于初始值的优化目标，共 个，记为 ；
b)第二类：优化方向为得到小于初始值的优化目标，共 个，记为 ；
根据优化目标的分类构建如下形式的电机优化目标函数：（4）；
其中， 是电机优化目标函数， 和 是两类优化目标的初始值。
2.根据权利要求书1所述的一种基于多目标优化的电机参数设计方法，其特征在于，根据电机优化目标函数设定随机优化算法的目标函数，采用随机优化算法对待优化参数进行优化，根据随机优化算法计算得到待优化参数的优化结果，获得满足电机优化目标函数值最小的电机最佳参数的具体步骤如下：S301：根据待优化参数和范围，设定随机优化算法的变量和变化区间；根据构建的电机优化目标函数，设定随机优化算法的目标函数；
S302：设定种群数量、迭代次数和误差精度，以目标函数值最小为条件进行计算；
S303：根据算法收敛的结果，得到变量的取值，即待优化参数的优化结果，亦即满足电机优化目标函数值最小的电机最佳参数。
一种基于多目标优化的电机参数设计方法
技术领域
[0001] 本发明属于电机优化方法领域，尤其涉及一种基于多目标优化的电机参数设计方法。
背景技术
[0002] 电机被广泛应用于工业生活的各个领域。发电机产生巨大的电能，电动机在生产制造、交通运输领域发挥着极其重要的作用。电机直接影响着生产生活，设计出高性能电机
具有十分重要的意义。
[0003] 由于电机结构复杂，各个参数之间互相影响，传统的设计方法基于设计人员的经验，无法精确地设计出性能最佳的电机参数。现有的优化方法多以构建优化目标的数学模
型并通过算法进行优化为主，优化的参数数量有限，没有经过仿真验证，可靠性不足，且无
法获得优化目标和优化参数之间的关系，导致计算耗时长且效率低，无法满足电机多目标
优化的需求。
[0004] 中国专利文献“201410836987.0”通过建立电机优化数学模型，采用遗传算法进行异步电机多目标优化设计，缩短了电机的设计周期。中国专利文献“201910650018.9”通过
田口方法进行实验设计，探究电机参数对电机输出电压的影响，得到最优设计方案。但是以
上方法不能兼顾多目标优化和仿真计算的进度与速度，也不能得到优化目标与优化参数之
间的关系。
[0005] 考虑以上问题，提出一种基于多目标优化的电机参数设计方法。
发明内容
[0006] 本发明是为了解决现有的电机优化方法存在的技术问题，提供一种基于多目标优化的电机参数设计方法，克服现有优化方法计算耗时长且效率低的缺点，解决电机多目标
优化问题，提高优化的速度和精度，促进电机的高效优化设计。
[0007] 为解决上述技术问题，本发明提出的技术方案为：
[0008] 本发明提供了一种基于多目标优化的电机参数设计方法，所述方法包括：
[0009] S101：构建电机参数预测模型，根据电机参数预测模型构建电机优化目标函数；
[0010] S102：根据电机优化目标函数设定随机优化算法的目标函数，采用随机优化算法对待优化参数进行优化；
[0011] S103：根据随机优化算法计算得到待优化参数的优化结果，获得满足电机优化目标函数值最小的电机最佳参数。
[0012] 进一步，所述的构建电机参数预测模型，根据电机参数预测模型构建电机优化目标函数的具体步骤如下：
[0013] S201：构建电机优化数学模型：
[0014] （1）；
[0015] 其中， 是第i个待优化参数， 是待优化参数集， 是线性多目标函数，是第k个优化目标， 是第k个优化目标的权重系数，满足 ， 是第j个
约束条件， ； 是设计参数的数量， 是
优化目标的数量，是约束条件的数量；
[0016] S202：对m个待优化参数，取p组不同的值，每一组均包含m个待优化参数的取值，采用有限元方法计算得到p个优化目标的实际值；
[0017] S203：采用二阶回归方法，根据p个优化目标的实际值与p组待优化参数计算回归系数，构建参数模型，如下式所示：
[0018] （2）；
[0019] 其中，公式（2）表示优化目标 与m个待优化参数 的关系，将p个优化目标的实际值与p组待优化参数代入公式（2）计算得到 ， 是常
数项， 分别是一次项、二次项和交叉项的回归系数， 为观测误差，
；
[0020] S204：对m个待优化参数另取q组不同的值，每一组均包含m个待优化参数的取值，计算优化目标的预测值和实际值：采用有限元方法计算得到q个优化目标的实际值，用参数
模型计算得到q个 的值作为q个优化目标的预测值；
[0021] S205：根据优化目标的实际值和预测值，采用下式计算预测系数：
[0022] （3）；
[0023] 其中， 是预测系数， 为优化目标的实际值， 为优化目标的预测值，为 个优化目标的实际值的均值；
[0024] S206：判断是否预测系数<系数阈值；根据预测系数和系数阈值的关系，执行以下任一种情况：
[0025] a)当预测系数 小于系数阈值时，返回步骤S204，待优化参数的取值与之前不同，并将得到的 组数据作为计算参数模型的样本， 为循环计算的次数；
[0026] b)当预测系数 大于等于系数阈值时，执行步骤S207；
[0027] S207：获取参数预测模型；当预测系数 大于等于系数阈值时的参数模型为参数预测模型；
[0028] S208：根据参数预测模型和欲达成的优化方向，将优化目标分为两类，根据优化目标的分类构建电机优化目标函数；其中优化目标分为两类，具体为：
[0029] a)第一类：优化方向为得到大于等于初始值的优化目标，共 个，记为 ；
[0030] b)第二类：优化方向为得到小于初始值的优化目标，共 个，记为 ；
[0031] 分别为两类优化目标的个数， ；
[0032] 根据优化目标的分类构建如下形式的电机优化目标函数：
[0033] （4）；
[0034] 其中， 是电机优化目标函数， 和 是两类优化目标的初始值。
[0035] 进一步，根据电机优化目标函数设定随机优化算法的目标函数，采用随机优化算法对待优化参数进行优化，根据随机优化算法计算得到待优化参数的优化结果，获得满足
电机优化目标函数值最小的电机最佳参数的具体步骤如下：
[0036] S301：根据待优化参数和范围，设定随机优化算法的变量和变化区间；根据构建的电机优化目标函数，设定随机优化算法的目标函数；
[0037] S302：设定种群数量、迭代次数和误差精度，以目标函数值最小为条件进行计算；
[0038] S303：根据算法收敛的结果，得到变量的取值，即待优化参数的优化结果，亦即满足电机优化目标函数值最小的电机最佳参数。
[0039] 本发明针对电机参数设计，优化耗时长且效率低的问题，提出一种基于多目标优化的电机参数设计方法，主要有以下的优点：
[0040] （1）优化过程中采用有限元方法，得到优化目标和优化参数的关系，在建立参数预测模型的基础上，采用随机优化算法进行计算，确保结果的准确性；
[0041] （2）提高预测的可靠性，大大缩短计算时长，兼顾精度与效率。
附图说明
[0042] 图1为本发明实施例提供的一种基于多目标优化的电机参数设计方法的流程图。
[0043] 图2是本发明实施例提供的一种构建电机参数预测模型和目标函数的方法的流程图。
具体实施方式
[0044] 下面结合实施例及附图对本发明作进一步说明，但不限定本发明。
[0045] 本发明是为了解决现有的电机优化方法存在的技术问题，提供一种基于多目标优化的电机参数设计方法，克服现有优化方法计算耗时长且效率低的缺点，解决电机多目标
优化问题，提高优化的速度和精度，促进电机的高效优化设计。
[0046] 本发明提供的基于多目标优化的电机参数设计方法，如图1所示，包括如下步骤：
[0047] S101：构建电机参数预测模型，根据电机参数预测模型构建电机优化目标函数；
[0048] S102：根据电机优化目标函数设定随机优化算法的目标函数，采用随机优化算法对待优化参数进行优化；
[0049] S103：根据随机优化算法计算得到待优化参数的优化结果，获得满足电机优化目标函数值最小的电机最佳参数。
[0050] 进一步，如图2所示，所述的构建电机参数预测模型和电机优化目标函数的具体步骤如下：
[0051] S201：构建电机优化数学模型：
[0052] （1）；
[0053] 其中， 是第i个待优化参数， 是待优化参数集， 是线性多目标函数， 是第k个优化目标， 是第k个优化目标的权重系数，满足 ， 是第j
个约束条件， ； 是设计参数的数量，
是优化目标的数量， 是约束条件的数量；
[0054] S202：对m个待优化参数，取p组不同的值，每一组均包含m个待优化参数的取值，采用有限元方法计算得到p个优化目标的实际值；
[0055] S203：采用二阶回归方法，根据p个优化目标的实际值与p组待优化参数计算回归系数，构建参数模型，如下式所示：
[0056] （2）；
[0057] 其中，公式（2）表示优化目标 与m个待优化参数 的关系，将p个优化目标的实际值与p组待优化参数代入公式（2）计算得到 ， 是
常数项， 分别是一次项、二次项和交叉项的回归系数， 为观测误差，
；
[0058] S204：对m个待优化参数另取q组不同的值，每一组均包含m个待优化参数的取值，计算优化目标的预测值和实际值：采用有限元方法计算得到q个优化目标的实际值，用参数
模型计算得到q个的 值作为q个优化目标的预测值；
[0059] S205：根据优化目标的实际值和预测值，采用下式计算预测系数：
[0060] （3）；
[0061] 其中， 是预测系数， 为优化目标的实际值， 为优化目标的预测值，为 个优化目标的实际值的均值；
[0062] S206：判断是否预测系数<系数阈值；根据预测系数和系数阈值的关系，执行以下任一种情况：
[0063] c)当预测系数 小于系数阈值时，返回步骤S204，待优化参数的取值与之前不同，并将得到的 组数据作为计算参数模型的样本， 为循环计算的次数；
[0064] d)当预测系数 大于等于系数阈值时，执行步骤S207；
[0065] S207：获取参数预测模型；当预测系数 大于等于系数阈值时的参数模型为参数预测模型；
[0066] S208：根据参数预测模型和欲达成的优化方向，将优化目标分为两类，根据优化目标的分类构建电机优化目标函数；其中优化目标分为两类，具体为：
[0067] c)第一类：优化方向为得到大于等于初始值的优化目标，共 个，记为 ；
[0068] d)第二类：优化方向为得到小于初始值的优化目标，共 个，记为 ；
[0069] 分别为两类优化目标的个数， ；
[0070] 根据优化目标的分类构建如下形式的电机优化目标函数：
[0071] （4）；
[0072] 其中， 是电机优化目标函数， 和 是两类优化目标的初始值。
[0073] 进一步地，S201所述的设计参数包括但不限于定转子结构参数、绕组参数、磁钢规格等，优化目标包括但不限于平均转矩、转矩波动、效率等。
[0074] 进一步地，S202所述的有限元方法通过Ansoft Maxwell、ANSYS Electronics Desktop等软件仿真计算实现。
[0075] 进一步地，步骤S102、S103中所述的根据电机优化目标函数设定随机优化算法的目标函数，采用随机优化算法对待优化参数进行优化，根据随机优化算法计算得到待优化
参数的优化结果，获得满足电机优化目标函数值最小的电机最佳参数的具体步骤如下：
[0076] S301：根据待优化参数和范围，设定随机优化算法的变量和变化区间；根据构建的电机优化目标函数，设定随机优化算法的目标函数；
[0077] S302：设定种群数量、迭代次数和误差精度，以目标函数值最小为条件进行计算；
[0078] S303：根据算法收敛的结果，得到变量的取值，即待优化参数的优化结果，亦即满足电机优化目标函数值最小的电机最佳参数。
[0079] 其中，步骤S102和步骤S103中所述的随机优化算法为现有技术，包括遗传算法、粒子群算法、模拟退火算法等。
[0080] 以上对本发明所提供的一种基于多目标优化的电机参数设计方法进行了详细介绍，以上实施说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般
技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，
本说明书内容不应理解为对本发明的限制。
