27、电机电磁优化设计方法解析与案例研究

电机电磁优化设计方法解析与案例研究

一、遗传算法（GA）在永磁同步电机（PMSM）优化设计中的表现

在电机的优化设计中，遗传算法是一种常用的方法。研究发现，永磁体宽度与极距之比约为 0.91 时，能产生较好的设计方案；而铁心长度与极距之比大于 2.5 时，往往会得到较差的结果。

在每极每相槽数的选择上，仅选取了 2 和 3 这两个值。从最后一代的情况来看，每极每相 2 个槽的出现频率高于每极每相 3 个槽，特别是在高性能成员中更为明显。对于许多种群而言，最佳候选方案通常是每极每相 2 个槽，这一数值很可能使目标函数达到最小。

为了进一步改进遗传算法，可以通过缩小搜索区域，甚至将某些变量设为常数并从优化变量向量中剔除，以此来提高算法的效率和准确性。

二、Hooke - Jeeves 方法在 PMSM 优化设计中的应用

2.1 算法基本情况

Hooke - Jeeves 优化算法采用了与遗传算法相同的优化变量向量和目标函数。与遗传算法中呈现出的不连续函数不同，该算法中的几何尺寸、优化变量和成本函数的修改表现为连续函数。

2.2 性能参数变化

• 几何与槽尺寸 ：主几何尺寸和槽尺寸的演变情况如图所示，这些尺寸的变化反映了算法在优化过程中对电机结构的调整。
• 功率损耗与效率 ：功率损耗和效率的演变情况也得到了展示。随着算法的迭代，功率损耗逐渐降低，效率逐渐提高。
• 其他参数 ：成本函数、比（线性）电负载磁通密度和