基于粒子群算法的SR电机本体多目标优化设计

针对以往SR电机多变量、多约束条件、多目标的设计寻优过程中容易陷入局部最优,并且电磁场有限元分析计算耗时长的缺点,本文提出一种能快速收敛实现多目标全局优化的电机设计方法。利用广义回归神经网络对目标函数进行非线性建模,通过模糊自适应粒子群算法找寻帕雷托最优解,实现了SR电机定转子磁极极弧的全局优化设计。研究结果表明:在电机主要尺寸不变的条件下,显著地降低了样机的转矩脉动,提高了平均输出转矩。