[发明专利]一种基于误差补偿的永磁同步电机散热系统优化方法

权利要求书

1.一种基于误差补偿的永磁同步电机散热系统优化方法，其特征在于，包括以下步骤：

S1确定电机水套的优化参数并选取预测模型；

S2采用误差补偿方法提升预测精度；

S3建立预测模型后进行多目标优化提升全局寻优效果。

2.根据权利要求1所述的一种基于误差补偿的永磁同步电机散热系统优化方法，其特征在于，所述步骤S1具体包括：

S1.1计算电机的电磁损耗，然后初步确定电机水套的优化参数；

S1.2设计Plackett-Burman实验，以电机线包最高温度和水套压力损失为响应筛选关键参数；

S1.3使用拉丁超立方抽样获取样本点，设置仿真分析参数进行流体力学计算仿真，确定电机线包温升与水套压力损失；

S1.4通过对比实验选取广义回归神经网络(GRNN)进行预测。

3.根据权利要求2所述的一种基于误差补偿的永磁同步电机散热系统优化方法，其特征在于，所述步骤S1.1计算电机的电磁损耗，然后初步确定电机水套的优化参数，具体包括，水道高度H，水道总宽L，水道角度α，筋宽度l，进出水管直径β，水道粗糙度γ和水量V七个变量。

4.根据权利要求2所述的一种基于误差补偿的永磁同步电机散热系统优化方法，其特征在于，所述步骤S1.3在仿真过程中，流体温度设置为25℃，环境温度设置为15℃，对流散热系数设置为12W/(m² K)，求解算法选为couple，模型选为K-epslion，网格数量为250万；在此过程中，先采用拉丁超立方抽样选取100个样本点，通过CFD方法确定电机线包温升与水套压力损失，样本集划分为训练集1、训练集2和测试集，比例为4：4：2。

5.根据权利要求1所述的一种基于误差补偿的永磁同步电机散热系统优化方法，其特征在于，所述预测模型选取广义回归神经网络(GRNN)，广义回归神经网络表示为

f(X,y)为x观测值X与非独立变量Y相对于独立变量x的最大概率值y的联合概率密度，Y即为在输入为X的条件下，Y的预测输出。

6.根据权利要求5所述的一种基于误差补偿的永磁同步电机散热系统优化方法，其特征在于，应用Parzen非参数估计,由样本数据集估算密度函数

式中，X_i,Y_i为随机变量x和y的样本观测值；n为样本容量；p为随机变量x的维数；σ为高斯函数的宽度系数，在此称为光滑因子；

用代替f(X,y)代入上式，并且交换积分与加和顺序：

由于对两个积分进行计算后可得网络输出为

估计值为所有样本观测值Y_i的加权平均，每个观测值Y_i的权重因子为相应的样本X_i与X之间Euclid距离平方的指数。

7.根据权利要求1所述的一种基于误差补偿的永磁同步电机散热系统优化方法，其特征在于，所述步骤S3具体包括：

S3.1首先在初始化种群时使用Sobol序列生成更加均匀的初始种群；

S3.2使用正态分布的交叉算子(NDX)取代NSGA-Ⅱ使用的二项制交叉算子(SBX)；S3.3在精英选择策略中加入退火算法(SA)的metropolis准则增加算法的不确定性。

8.根据权利要求7所述的一种基于误差补偿的永磁同步电机散热系统优化方法，其特征在于，所述步骤S3.2中NDX算子公式如下所示：

其中，u为区间(0,1)之间均匀分布的随机数，|N(0,1)|为服从N(0,1)正态分布的随机数。

9.根据权利要求1所述的一种基于误差补偿的永磁同步电机散热系统优化方法，其特征在于，所述步骤S3.3中Metropolis准则如下所示：

其中，df＜0代表以1概率接受旧选择，df≥0代表以P概率接受新选择。