[发明专利]一种短初级双边直线感应电机优化设计方法、系统及终端

说明书

本发明属于人工智能技术领域，公开了一种短初级双边直线感应电机优化设计方法、系统及终端，所述基于鸽群启发算法的短初级双边直线感应电机优化设计方法包括：获取短初级双边直线感应电机的设计指标；基于获取的短初级双边直线感应电机的设计指标利用鸽群启发算法进行设计参数优化并输出最优输出特性。本发明的基于鸽群启发式算法的路径规划方法，能增强种群之间的信息交互，防止陷入局部最优，高效率的输出最优路径。本发明该算法速度更快，能够搜索到效率更高、更加节约能源的参数组合；能够更加精准的预估太阳能光伏模型的参数，减少实际应用中的预估误差。

技术领域

本发明属于人工智能技术领域，尤其涉及一种基于鸽群启发算法的短初级双边直线感应电机优化设计方法、系统、设备及终端。

背景技术

随着计算机技术和工业科技的不断发展，在工业领域，复杂的参数优化问题要求计算方法更加的智能化、自动化。传统的梯度法、牛顿法等方法在解决非连续性的优化问题上已不占优势。为了更加高效地解决多峰、非连续、带约束的优化问题，现有技术提出了许多启发式算法。最著名的方法包括进化算法和群智能算法，例如遗传算法、差分进化算法、粒子群算法、蚁群算法、灰狼算法、球形搜索算法等。这些启发式算法已经在各种复杂的工业优化问题上取得巨大的成就。

现有技术提出了一种新的启发式群体智能算法，称为鸽群启发式算法。此算法解决了空中机器人路径规划问题，由于其出色的快速收敛性能和精确定位性能，鸽群启发式算法被广泛应用于航空航天领域等需要快速计算的优化问题。

然而，鸽群启发式算法有固有缺陷，由于学习方式过于单一，加之收敛速度过快，在处理参数较多的复杂问题时极易陷入局部最优。

通过上述分析，现有技术存在的问题及缺陷为：短初级双边直线感应电机气隙较大，且受边端效应影响严重，存在效率、功率因数较低的问题，导致过高的能量损耗，因此，在电机本体设计端提升其性能显得十分重要。而电机设计是个复杂的过程，参数较多，且不同参数对于输出特性的影响和灵敏度均不同，对算法的性能有着较高的要求。例如经典的鸽群启发式算法学习方式单一，收敛速度过快，在求解高维度问题时容易陷入局部最优。对于目前报道的改进鸽群算法，例如量子学习鸽群启发式算法、综合学习的鸽群启发式算法、基于莱维飞行模型的鸽群启发式算法、柯西变异鸽群启发式算法等，皆在鸽群算法的基础上进行了适当的改进，提高了收敛速度和精度，但仍存在学习方法单一的问题，在复杂问题的求解中容易陷入局部最优。因此，如何在保持鸽群算法优秀收敛性能的同时，使得鸽群算法的学习方法多元化、高效化是困难而亟待解决的问题。

发明内容

针对现有技术存在的问题，本发明提供了一种基于鸽群启发算法的短初级双边直线感应电机优化设计方法、系统、设备及终端。

本发明是这样实现的，一种基于鸽群启发算法的短初级双边直线感应电机优化设计系统包括：

步骤一，获取短初级双边直线感应电机的设计指标；

步骤二，基于获取的短初级双边直线感应电机的设计指标利用鸽群启发算法进行设计参数优化并输出最优输出特性。

进一步，结合短初级双边直线感应电机的优化设计，所述鸽群启发算法包括：

首先，运用Matlab、Python、C++等软件，根据短初级双边直线感应电机设计参数的边界条件初始化鸽群位置、鸽群初始速度和目标群位置参数；

其次，将种群中所有的鸽子位置以及目标的位置利用目标函数进行评价，得到每一个鸽子、目标对应的适应度值；所述每一个鸽子、目标对应的适应度值为每一个鸽子、目标的目标函数值；

最后，基于得到的每一个鸽子、目标对应的适应度值筛选得到全局最优个体；迭代循环，直至评价次数达到预设的最大评价次数且迭代次数达到最大迭代次数，输出最优个体。

进一步，所述基于得到的每一个鸽子、目标对应的适应度值筛选得到全局最优个体包括：