摘要：将改进型非支配排序遗传算法应用于无刷直流电动机优化设计中，缩短电机设计周期，提高电机设计智能化程度。以效率和功率密度****为目标，构建了基于NsGAⅡ的电机多目标优化模型，采用vs2010开发平台进行了优化软件的开发，进行了一台50 w无刷直流电动机的优化设计。采用有限元分析软件Maget验证了该算法在电机优化设计中的有效性。

    关键词：无刷直流电动机优化设计；Magnet

    0引  言

    近年来，针对采用传统磁路法进行电机设计周期长且需要根据经验不断调整参数的缺点，因而电机优化设汁得到了广泛的关注。电机优化设计从特定的优化日标出发，在满足电机各项基本性能指标的前提下，根据电机的数学模型，利用相关的****化算法自动快速地寻找电机的****设计方案(即电机设计尺寸、电磁参数等)，使某项电机性能或某些技术指标达到****[1]。文献[2]针对传统电机优化设计算法存在的优化结果对初始解敏感、容易收敛于初始解附近的局部极值点等问题，详细分析了以遗传、免疫算法为代表的新的全局优化方法及其在电机优化领域的应用情况，阐述了其不同丁二传统优化算法的特点。

    NsGAⅡ[3]算法在NsGA[4](非支配排序遗传算法)的基础上，提出新的基于分级的快速非支配排序算法，有效地降低了算法复杂度；采用拥挤度的概念，以避免复杂的共享适应参数的计算；同时引入保优机制，扩大了采样空间，能够迅速提高种群的整体水平。电机模型是一个多变量、非线性函数，其优化设计可以描述为有约束、非线性混合离散多目标规划问题。NsGA一Ⅱ算法适合于多目标优化问题，它应用于电机优化设计中，能够快速准确地收敛于全局****点.本文采用NsGA一Ⅱ算法进行无刷直流电动机高效率和高功率密度多目标优化设计研究，可以缩短电机设计周期，提高电机设计的智能化程度。

    1电机多目标优化建模及分析

    1.1变量选取电机电磁结构复杂、参数较多，为使参数优化易于实现，通常选取10个以内的参数作为设计变量，其余作为常量对待。本文选取9个电磁结构参数作为优化变量进行分析，如下：

    式中：δ是气隙厚度；DH是电枢内径；Lm2是铁心长度；hm2是水磁体厚度；ao是计算极弧系数；bo是定定转了‘铁心的软磁材料采用常用的冷轧硅钢片Dw310—35，其直流磁化曲线与损耗曲线如图1所示[5]。永磁体材料采用烧结钕铁硼N50M，剩磁为1.40 T，磁感矫顽力1 042 kA／m，内禀矫顽力1

114 kA／m，****工作温度100℃。为有效利用磁性材料，提高电机功率密度，期望Dw310一35工作磁感应强度为1．6 T。

    2电机优化算法的实现及结果分析

    本文在Vs2010平台下开发了如图3所示的基于NsGA一Ⅱ的无刷直流电动机优化没计软件：图形界面中可对电机总体参数和预取的期望变量进行直接赋值，待优化自变量可以预设优化区间。

 

    本文采用所开发的无刷直流电动机优化设计软件．以效率****与功率密度****为目标对一台50 w无刷直流电动机进行了电磁参数优化，其额定数据如表1所示。优化前有方案对比如表2所示。

    经过优化设计后，该无刷直流电动机效率由74．79％提升为79 84％。功率密度由202 w／kg提高为217 w／kg。

   3有限元结果验证

   本文采用加拿大Infolytica公司的三维电磁场分析软件Magnet构建如图4所示的电机模型，进行50 w无刷直流电动机优化前后的对比分析。

    优化前后气隙磁密曲线，可以看到优化后电动机气隙平均磁密相比优化前提高8 5％，能够更加有效地发挥永磁体效能，提高电机功率密度。

    图6为优化前后电动机负载起动曲线。可以看出优化方案减小了机电时间常数，提高了其动态响应速度。

   4结语

    NsGA一Ⅱ算法作为一种启发式的搜索算法，已经在很多领域得到了广泛的应用，尤其是面向多同标优化问题的应用更加广泛。本文采用改进型非支配排序遗传算法(ⅣsGA一Ⅱ)对无刷直流电动机进行优化设计。在对无刷直流电机电磁模型准确分析的基础上，建立了电机优化设计算法，开发r电机优化软件。采用所开发的优化设计软件，对一台50 w无刷直流电动机进行了优化设计，Magnet有限兀分析结果验证了其在提岛电机效率、提升电机功率密度方面的有效性。