一种在线数据驱动的永磁直线电机优化设计

针对电机优化设计是一个非线性度高、强耦合、计算成本高的问题,文中介绍了一种在线数据驱动的电机优化设计方法。该设计方法采用kriging代理模型快速获得电机的近似数学模型,通过期望提高的在线加点策略实现高精度模型,结合多目标粒子群算法最终获得电机多目标优化的Pareto前沿。在线数据驱动的优化设计原始样本少,且能以最少数量的样本加点来改善模型精度,大大减少了计算成本。该法用于一台12槽10极永磁直线电机,结果显示优化的电机较原始其推力波动降低了64%且平均转矩提高了6%,计算周期缩短了60%。此优化设计方法同样适用于其它优化问题,具有一定的参考价值。