基于GPR-PSO模型的PMSM齿槽转矩抑制

doi:1004-7018-46-6-58-61

摘要/Abstract

摘要：

齿槽转矩是永磁电机特有的问题之一,是电机设计过程中必须考虑以及解决的关键问题。为了抑制表贴式永磁同步电动机(PMSM)的齿槽转矩,以PMSM齿槽转矩幅值为目标,以极弧系数、偏心距、磁钢充磁方式、定子槽口宽度为变量,研究了通过GPR-PSO模型方法来进行抑制齿槽转矩。利用正交实验设计安排了变量的配对,以一款48槽8极PMSM为例进行仿真,形成关于齿槽转矩幅值与变量的样本数据集。通过高斯混合回归模型(GPR)对该样本数据集进行拟合,构建拟合函数,检验了拟合模型的精度。以构建的拟合函数为适应度函数,通过粒子群算法(PSO)进行寻优,得到最优解,削弱了PMSM的齿槽转矩。结果表明,GPR-PSO模型能有效降低电机的齿槽转矩。

关键词: 永磁同步电动机, 齿槽转矩, 正交实验设计, 高斯过程回归, 粒子群算法

Abstract:

The cogging torque is one of the unique problems of permanent magnet motor, being the key problem to be considered and solved in the process of motor design. In order to reduce the cogging torque of surface-mounted permanent magnet synchronous motor (PMSM), the amplitude of cogging torque being as the goal, embrace, offset, magnet magnetizing mode and stator slot width as variables, cogging torque was optimized through GPR-PSO model. By using the orthogonal design for paired variables with a 48-slot-8-pole PMSM simulated, the variable set of the sample data of cogging torque amplitude was formed. Fitting the data set by Gauss process regression GPR model, the fitting function was constructed to test the accuracy. Through particle swarm algorithm (PSO) optimization, the fitting function being as fitness function, optimal solution was obtained and cogging torque of PMSM was reduced. The results show that the GPR-PSO model can effectively reduce the cogging torque of the motor.

Key words: permanent magnet synchronous motor (PMSM), cogging torque, orthogonal experimental design, GPR, PSO algorithm

中图分类号:

TM351

杜晓彬,黄开胜,谭耿锐,黄信. 基于GPR-PSO模型的PMSM齿槽转矩抑制[J]. 微特电机, 2018, 46(6): 58-61.

Xiao-bin DU,Kai-sheng HUANG,Geng-rui TAN,Xin HUANG. Reducing Cogging Torque of PMSM Based on GPR-PSO Model[J]. Small & Special Electrical Machines, 2018, 46(6): 58-61.

参考文献

[1]	谭建成 . 永磁无刷直流电机技术[M]. 北京: 机械工业出版社, 2011.
[2]	王秀和.永磁电机. 第2版[M]. 北京: 中国电力出版社, 2011.
[3]	蔡黎明 . 永磁同步电动机电磁振动与噪声的研究[D]. 广州:广东工业大学, 2016.
[4]	王宏, 于泳, 徐殿国 . 永磁同步电动机位置伺服系统[J]. 中国电机工程学报, 2004,24(7):151-155.
[5]	王灵敏 . 永磁同步电机在输煤系统的应用可行性分析[C]//长三角能源论坛. 2015.
[6]	余家俊 . 电动汽车用永磁同步电机控制算法应用研究[D]. 广州:广东工业大学, 2013.
[7]	宋伟, 王秀和, 杨玉波 . 削弱永磁电机齿槽转矩的一种新方法[J]. 电机与控制学报, 2004,8(3):214-217.
[8]	杨玉波, 王秀和, 朱常青 . 电枢槽口宽度对内置式永磁同步电机齿槽转矩的影响[J]. 电机与控制学报, 2011,15(7):21-25.
[9]	王秀和, 杨玉波, 丁婷婷 , 等. 基于极弧系数选择的实心转子永磁同步电动机齿槽转矩削弱方法研究[J]. 中国电机工程学报, 2005,25(15):146-149.
[10]	张学成, 杨向宇, 曹江华 . 不等厚磁极对永磁无刷直流电动机性能分析[J]. 微特电机, 2014,42(2):9-13.
[11]	周凤争, 刘宝成, 唐庆华 , 等. 高速无刷直流电机转子充磁方式研究[J]. 微电机, 2009,42(8):82-83.
[12]	赵博 . Ansoft 12在工程电磁场中的应用[M]. 北京: 中国水利水电出版社, 2010.
[13]	张文彤 . SPSS 11统计分析教程(高级篇)[M]. 北京: 希望电子出版社, 2002.
[14]	HONG- YING L I,XIAO-CHAO L U.Springback and tensile strength of 2A97 aluminum alloy during age forming[J].Transactions of Nonferrous Metals Society of China, 2015,25(4):1043-1049.
[15]	O'HAGAN A , KINGMAN J F C.Curve fitting and optimal design for prediction[J].Journal of the Royal Statistical Society, 1978,40(1):1-42.
[16]	BISHOP C. Pattern recognition and machine learning[ M].Berlin:Springer, 2007.
[17]	陈天舒 . 基于ARIMA与GPR组合模型的人民币汇率预测[D]. 济南:山东大学, 2015.
[18]	任江洪, 陈韬, 曹长修 . 混合高斯过程回归模型在铁水硅含量预报中的应用[J]. 重庆大学学报, 2012,35(2):123-127.
[19]	孙晓丹, 李新会, 石伟民 , 等. 基于粒子群优化算法的高斯混合模型和高斯混合回归用于橄榄油品质分析[J].平顶山学院学报, 2015(5):57-60.
[20]	刘斌, 王克英, 余涛 , 等.PSO算法在互联电网CPS功率调节中的应用研究[J]. 电力系统保护与控制, 2009,37(6):36-39.