[发明专利]一种基于二阶灵敏度分析的电机多参数优化方法和系统

权利要求书

1.一种基于二阶灵敏度分析的电机多参数优化方法，其特征在于，包括：

S1.选择电机待优化参数集{x₁,x₂,...,x_n}，并构建电机有限元仿真模型的代理模型；所述代理模型的预测值和实际值具有强线性相关性；

S2.利用Sobol法和代理模型对电机的目标性能进行方差分析，得到收敛后的参数单独作用方差和参数间相互作用方差；

S3.基于参数单独作用的方差和参数间相互作用的方差，计算参数的一阶灵敏度系数、二阶灵敏度系数和总灵敏度系数；

S4.根据参数的总灵敏度系数筛选出对目标性能影响较大的参数变量集{x₁,x₂,...,x_m}，mn；

S5.根据一阶灵敏度系数和二阶灵敏度系数寻找交互作用强的两个参数，将其重构为新的参数，并将重构出的参数和剩余的原有参数组成新的参数变量集为{x₁,x₂,...,x_k}；其中，重构出的参数有(m-k)个，剩余的原有参数有(2k-m)个，km；

其中，重构出的参数能够表征其原始参数的单独影响和交互作用的影响并区分其影响大小；

S6.利用新的参数变量集{x₁,x₂,...,x_k}和电机性能训练神经网络，获得有限元仿真模型新的代理模型；所述新的代理模型预测值与实际有限元仿真值基本一致；

S7.利用新的代理模型进行电机多目标优化获得帕累托前沿，进而得到电机最优性能。

2.根据权利要求1所述的一种基于二阶灵敏度分析的电机多参数优化方法，其特征在于，步骤S1具体包括，

S1.1.建立电机的有限元参数化仿真模型，根据电机的目标性能进行电机的初步设计，选择待优化的电机参数{x₁,x₂,...,x_n}并确定其优化范围，基于正交设计法选择合适的正交表；

S1.2.基于选择的正交表进行有限元分析得到相应的性能指标，将正交表中的参数值作为输入，电机的性能指标作为输出来训练神经网络，得到有限元仿真的代理模型；

S1.3.采用PSO算法和CV的方式调整神经网络超参数优化神经网络结构，使代理模型的预测值和实际值具有强线性相关性。

3.根据权利要求1所述的一种基于二阶灵敏度分析的电机多参数优化方法，其特征在于，参数的一阶灵敏度系数S_i为，

S_i＝D_i/D

D_i为第i个变量单独作用的方差，D为电机性能的总方差；

参数的二阶灵敏度系数S_ij为，

S_ij＝D_ij/D

D_ij为第i个和第j个变量相互作用的方差。

参数的总阶灵敏度系数TS_i为，

TS_i＝1-D_～i/D

D_～i为除去第i个变量外的方差。

4.根据权利要求1所述的一种基于二阶灵敏度分析的电机多参数优化方法，其特征在于，将交互作用强的两个参数重构为新的参数具体方式为，

x_new＝S_ix_i+S_jx_j+S_ijx_ix_j

x_new为重构出的参数，x_i，x_j分别为交互作用强的两个参数。