基于重心邻域法削弱永磁同步电机齿槽转矩
2018-08-10金永星王爱元王涛孙健
科学与财富 2018年16期
关键词:永磁同步电机
金永星 王爱元 王涛 孙健
摘 要:利用重心邻域算法对影响永磁同步电机齿槽转矩的四个主要参量( 极弧系数、偏心距、气隙长度、磁极厚度) 进行优化,然后利用有限元分析软件进行齿槽转矩的分析。
关键词:永磁同步电机,重心邻域算法,齿槽转矩
0引言
PMSM 空载时,永磁体与电机齿之间会产生作用力,其切向分力产生的电机转矩称之为齿槽转矩。进而产生振动和噪声,影响电机性能,削弱齿槽转矩具有重要意义。本文通过正交实验获取样本空间,然后利用支持向量机进行目标函数的拟合,最后利用重心邻域算法进行优化,获得最优参数值,进行有限元仿真分析。
1 参数优化
1.1 电机模型
本文以4极24槽的小功率PMSM作为研究对象,额定功率为0.55KW,额定转速为1500rpm,部分电机参数如表1所示
参数名称 数值
定子铁心外径 120
磁极厚度 4mm
转子外径 74mm
气隙长度 0.5mm
极弧系数 0.65
1.2利用正交试验法选取建模需要的样本数据。本文需要优化的四个参数变量分别为极弧系数、偏心距、气隙长度、磁极厚度,目标函数为电机总损耗。其中每个参数变量取5个水平值,则总的实验点共有625个。实验中的四个因素取值范围分别为:极弧系数1.5-3.5mm、偏心距1-5mm、气隙长度0.5-1.5mm、磁极厚度1.5-3.5mm。根据因素和水平选取的个数选取L25(56)的正交实验表。
1.3 支持向量机回归
支持向量机(Support Vector Machine,SVM)是Corinna Cortes和Vapnik等于1995年首先提出的一种在有限数据空间内进行数据的分类和回归拟合的新型机器学习方法。
本文采用SVM回归拟合功能并选用径向基核函数……
登录APP查看全文
