基于随机算法的三相异步电动机全局优化天平

发布时间：2022-07-05 20:45:23 来源：铝源五金网

基于随机算法的三相异步电动机全局优化

基于随机算法的三相异步电动机全局优化 2011：分类号：TM343.3　　　文献标识码：A文章编号：0258-8013 (2000) 05-0018-04THE GLOBAL OPTIMIZATION OF ENERGY-EFFICIENT INDUCTIONMOTORS WITH A RANDOM METHODFANG You-tong， LU Jian-guo，（Hebei University of Technology, Tianjin 300130, China）WEI Shi-ze，（Hebei University of Science and Technology, Shijiazhuang 050000, China）ZHANG Guo-qiang（Baoding Tianwei Corp.(Group), Baoding 071051, China）ABSTRACT：The optimization design of energy-efficient induction machines is a complex nonlinear problem with constraints. To solve the problem, this paper introduces a united random algorithm. At first, the problem is divided into two stages, the optimal rotor slots and the optimization of other dimensions. Before optimize the rotor slots with genetic algorithm (GA), the another stage has been solved with TABU algorithm to simplify the problem. The numerical results show that this method is acceptable for the practical design.KEY WORDS：induction motors; global optimization; TABU search algorithm; genetic algorithm1　引言　　近年来，由于种种原因，许多国家制定了新的能源与环保政策。与之相呼应，世界各主要电机制造商纷纷推出了各自的“高效”或“超高效”铸铝转子异步电机系列产品。对异步电机高效率的追求正成为制造界的一种潮流，而基于效率的电机优化技术也普遍受到电机界的关注。　　铸铝转子异步电动机的优化是一个复杂的非线性规划问题。其复杂性主要体现在以下方面：①问题涉及变量较多，且许多变量相互耦合，状态空间庞大。其状态组合超过1024个［1］。因而难以用小步长遍历。②不论是采用效率、成本或某种综合指标作为目标函数，在对转子槽型等变量进行优化时，问题均呈现强烈的非凸性和非线性，局部甚至不连续。因而在使用确定性方法进行优化时极易陷入局部最优解而使其全局优化失败。　　随着现代数学的发展，许多学者将随机逼近引入优化，提出了一些新的算法模型，为非线性规划提供了强有力的算法工具。其中遗传算法由于不依赖问题的梯度信息，因而特别适用于复杂函数全局最优解的求取。但是，遗传算法同时也存在着运算量较大、收敛较慢的缺陷。为了解决这一问题，首先将问题分解，对似凸变量采用收敛较快的TABU算法进行预优化，使问题降维，从而大大减少了计算工作量，满足了实际设计的要求。2　本文所使用的基本算法　　电机的全局优化可归结为如下的非线性规划问题　　问题1：max f(x)｜gi(x)≥0 (i＝1,2,…,m)式中　x∈Xn为求解域Xn内的优化变量；f(x)为目标函数；gi(x)≥0为约束条件。　　本文中，f(x)设为电机的效率η；约束条件包括：①电机的堵转转矩Tst与最大转矩Tm分别≥标准值T′st与T′m；②堵转电流Ist≤标准值I′st；③铁芯长度L≤Lmax；④电密J、磁密B及热负荷AJ均不大于规定值Jmax，Bmax及AJmax。　　考虑到设计方案的继承性、工艺性及为了降低电机的电磁噪声、附加损耗和谐波转矩，实际设计中电机的定转子槽数、绕组节距、气隙长度g、定转子直径与转子端环尺寸一般事先确定。则优化变量x主要由下列参数组成：①铁芯长度L；②绕组匝数n与线径d；③定、转子槽型尺寸(常用槽型如图1所示)。图1　定、转子槽型尺寸Fig.1　Dimension of the slots　　以上3组变量中，转子槽型的优化通常被认为是最为困难和复杂的。这是因为：①在高效电机的设计中，Tst和Ist通常是影响效率提高的主要约束条件。而Tst的保证和Ist的限制在实际设计中通常通过转子槽型的优化来实现；②为了在堵转约束下获得最高效率，现代中小型异步电机中大量使用了各种异型槽，由于饱和和集肤效应的影响，在用场路结合的方法进行计算时，堵转性能与转子槽型参数之间的关系极为复杂，函数性质很差，同时，槽型尺寸之间耦合也极为紧密。近年来，在求解这类非连续、非规则、非凸函数的优化问题中，遗传算法得到了广泛的应用。　　遗传算法(GA)产生于一些生物学家用计算机模拟生物进化过程的仿真实验。1960年，Michigan大学的Holland教授首次将其应用于解决实际优化问题。此算法是模仿自然界适者生存和基因遗传的进化过程，利用变量的编码技术，通过适应值信息而实现的一种算法。具体算法如下［2～4］：　　(1)确定算法参数：总个体数N，交叉概率Pc，变异概率Pm，代沟G；　　(2)初始化种群，计算每个个体的适应度Fi，确定两代之间重叠的

聚乙烯塑钢缠绕管