现代电机优化设计纵横谈_包广清

包广清 1972年10月生,硕士,现为上海大学机电工程与自动化学院博士生。主要从事新型电机的理论研究与优化设计、电机电磁场分析与计算及控制系统研究。

研究与设计

现代电机优化设计纵横谈

包广清, 江建中(上海大学,上海 200072)

摘要 电机优化设计是电气工程领域的热点问题之一。本文针对传统电机优化设计存在的主要问题,详细讨论了以遗传、免疫算法为代表的几种最新全局优化方法在电机优化领域的应用情况,阐述了它们不同于传统优化算法的特点,并提出了今后电机优化设计的发展方向。 关键词 电机 优化 遗传算法 免疫算法

Study on Modern Motor p s Optimum Design

Bao Guangqing , Jiang Jianzhong

(Shanghai University)

Abstract :Motor p s optimum design is one of key projects in electrical engineering ar -ea.In order to deal with the shortages of traditional motor p s optimum design,some newly

developed global optimization methods such as genetic and immune -based algorithm are discussed clearly in this paper.Their results show an excellent promise of using these modern optimization algorithms for motor p s design.Finally,some possible future research topics are proposed.

Key words :Motor Optimum design Genetic algorithm Im mune algorithm

1 引 言

最优化是人们在工程技术、理论研究和经济

管理等诸多领域中经常遇到的问题。近年来,随

着现代控制理论和计算机技术的快速发展,最优化理论与技术的应用日益广泛,并取得了巨大的经济效益和社会效益,始于上世纪60年代初期的电机优化设计就是其中的热点之一。

所谓电机优化设计是指在满足国家标准、用户要求以及特定约束条件下,使电机效率、体积、功率、重量等设计性能指标达到最优的一种技术,它可以被描述为一个复杂的有约束、非线性、混合离散多目标规划问题

[1,2,5]

min f (X ),X I R n

;g j (X )[0,

j =1,2,,,m

式中 f (X ))))优化目标函数

g )))约束条件函数

m )))约束条件个数

n )))变量个数

X )))优化变量(自变量矢量)

由此看出,电机优化设计主要涉及两方面的内容:首先根据实际应用对电机的性能要求确定最优方案标准,并构造出相应的数学模型。具体包括确定优化变量,建立目标函数,列出约束条件等;其次选择能够找出最优方案的寻优策略,并将优化算法进行计算机编程,求出优化结果。与此同时,还需要考虑算法的收敛性、通用性和稳定性问题以及计算效率等。

经过四十多年的研究、探索,电机优化经历了早期主要靠经验积累凭主观作判断到目前通过数

学建模用全局优化理论求解最优设计的发展历

程,取得了令人瞩目的成就。国内对该领域的研究、讨论十分积极、活跃,每年有大量相关文章发表,但是我国电机优化设计的工程应用和技术水

平与国外相比仍然存在较大差距,因此,本文的目的就是通过收集、总结这方面国内外研究的成果和最新进展,以推动电机设计工作的进一步发展、提高,更好地为国民经济建设服务。

2传统电机优化设计概述

传统电机优化设计采用的优化算法是一种基于设计变量可微性的数值方法,主要有直接搜索法和随机搜索法两种寻优模式,其中经典寻优策略有Powell法、单纯形法、SUMT罚函数法、可变容差法和梯度法等等[7],并且已经在电机新产品的优化设计方面取得了一定进展。

国外最早将古典极值理论应用于电机优化设计程序,国内清华大学较早按混合离散规划方法设计特高效率的专用三相异步电动机,其主要指标达到当时世界同类产品先进水平。此后,国内许多学者对能够用于电机优化设计的非线性优化算法进行了大量探索和研究,其中有许多较为成功的例子。文献[8]采用Powell法并辅之以全局优化技术)))填充函数法,较好地解决了单相电机铁心系列优化设计问题。文献[9]通过比较研究,认为随机搜索法有简便性、有效性、适用性等优点,并用该算法开发出用于单、三相,同步、异步电机和励磁机优化设计的C AD软件包。文献[10]介绍了以电机成本为目标,借助广义坐标轮换法这一新型混合离散优化方法,解决了定子冲片优化问题,对比研究表明广义坐标轮换法是解决混合离散优化问题的一种较好方法。文献[12]通过直接法和间接法的有机结合,对小型笼型电机系列优化采用了降维法和序贯分解法,实验数据表明序贯分解法优于降维法。文献[13]对离散变量问题和总极值问题进行深入研究,并以大型水轮发电机优化设计为例,验证了一种适合于电机最优化设计的总极值算法。此外还有许多其他算法如单纯型法[14]、复合形法[15]等都在电机优化设计中得到具体应用,限于篇幅,不再一一列举。

如何确定电机优化模型、改进优化算法,以满足电机具体应用性能要求是电机工程师们普遍关注的问题。虽然传统优化设计策略在指导电机设计的实践中已经取得一定成果,但是仍然存在许多问题,譬如优化结果与初始解的选择有密切关系;优化算法往往收敛于初始值附近的局部极值点,难以获得理想的全局最优结果;另外对离散变量的处理也存在一定困难。事实上,电机的建模和优化设计都是具有噪声情况下的多模空间中的多维优化问题,传统的解析和数值方法所需要的目标函数的优良特性已不复存在,因此,传统优化方法无法轻易或准确地完成电机这一多维多模优化任务。

3现代电机优化设计简介

90年代以来,模拟退火(SA)、遗传算法(GA)、禁忌搜索(TS)和模拟进化(SE)等现代启发式优化算法得到迅速发展,为了进一步提高电机设计水平,电机工作者开始着手研究这些新型最优化理论与电机设计技术的结合与交叉,并逐步形成了能够实现全局最优的现代电机优化设计技术[11]。下面就其中几种具有典型性和代表性的几种优化设计技术进行分析总结。

3.1基于遗传算法的电机优化设计

遗传算法(GA)是一种模拟生命演化的仿生算法[3,4],它通过模拟达尔文/优胜劣汰,适者生存0原理和孟得尔遗传变异理论,在算法迭代过程中重复执行选择、杂交和变异运算,使种群进化接近某一优化目标。作为一种随机搜索的优化方法,遗传算法具有以下鲜明特点[16,17,18]:

(1)它的操作对象是一组可行解,而非单个可行解;搜索轨道有多条,而非单条,因而具有良好的并行性;

(2)只需利用目标的取值信息,无需梯度等高价值信息,因而适合于任何大规模、高度非线性的不连续多峰函数的优化以及无解析表达式的目标函数的优化,具有很强的通用性;

(3)其择优机制是一种/软0选择,再加之良好的并行性,使它具有很好的全局优化性和鲁棒性;

(4)进行操作的可行解集是经过编码的,目标函数解释为编码化个体的适应值,因而具有良好的可操作性与简单性。

文献[6]第一次把GA引入电机电器的设计过程,其结果证明了GA的有效性和巨大优化潜能,此后,GA成为专业人员的研究焦点,被广泛应用于各种电机的优化设计。曾大量应用于家用电器、电动工具、医疗器械及轻工设备中的单相电机具有量大面广、种类繁多、更新换代快等特点,其优化设计无疑具有巨大的商业价值和广阔的市场前景。汪洁等在文献[19]将遗传算法与广义坐标轮换法相结合,先用遗传算法找到初始优化点,再