基于机器学习的同步磁阻电机转子结构优化研究

作     者：王子贺 李存贺 焦提操 鲁炳林 熊立新 

作者机构：山东理工大学电气与电子工程学院 山东科汇电力自动化股份有限公司 

出 版 物：《电子测量与仪器学报》 (Journal of Electronic Measurement and Instrumentation)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 080801[工学-电机与电器] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62073200) 山东省泰山学者项目(TSQN202306191)资助 

主　　题：同步磁阻电机 转矩脉动 深度神经网络 粒子群算法 强化学习 

摘      要：针对同步磁阻电机运行过程中严重的转矩脉动问题，提出一种基于机器学习的同步磁阻电机转子结构多目标智能优化方法。首先，通过磁路分析获得同步磁阻电机待优化转子结构参数，并利用有限元法进行敏感度分析，确定待优化变量与范围。其次，引入深度神经网络建立同步磁阻电机非参数快速计算模型，构建待优化变量与转矩之间的非线性映射关系，完成电机电磁特性精确建模。在此基础上，提出一种基于强化学习的改进粒子群算法，根据强化学习中奖励函数机制在线调整优化算法的学习因子，提高粒子群算法的收敛速度和全局寻优精度。最后，以最小化转矩脉动和提高平均转矩为优化目标，采用改进粒子群算法与深度神经网络模型，实现同步磁阻电机转子结构参数的多工况全局优化。仿真与实验结果表明，所提出方法优化后的同步磁阻电机相较初始电机模型，不仅具有更低的转矩脉动，而且平均转矩输出略有增加。