[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

说明书

本发明公开了一种基于误差补偿的永磁同步电机散热系统优化方法，包括以下步骤：确定电机水套的优化参数并选取预测模型；采用误差补偿方法提升预测精度；建立预测模型后进行多目标优化提升全局寻优效果。上述技术方案首先对电机关键参数进行参数化建模，通过设计Plackett‑Burman实验筛选关键参数；其次对设计变量进行实验设计，得到因子与对应相应的数据集，基于样本数据构建机器学习模型，并采用误差补偿策略对机器学习模型进行改进，提升模型精度；然后使用改进多目标优化算法提升优化算法运行速度以及全局搜索的能力，对模型进行优化，获得最佳参数组合；最后通过实验验证了该方法的有效性。

技术领域

本发明涉及电机优化设计技术领域，尤其涉及一种基于误差补偿的永磁同步电机散热系统优化方法。

背景技术

电动汽车由于其绿色环保的特点正日益受到人们的青睐。电机作为电动汽车的核心部件，对电动汽车的性能有着至关重要的影响。感应电机以其结构简单、性能可靠、价格低廉、维护方便等优点在电动汽车中得到了广泛的应用。但电机的高速旋转会造成一系列的功率损失，如铁损和铜损。这些损耗最终转化为热量，引起电机升温。电机温度过高，会对电机绝缘材料造成损坏，使电机磁性变差。因此，有效控制电机的温度至关重要。而通过优化冷却系统设计可以达到很好的散热效果，在不改变电机原有工作原理的前提下显著提高电机内部散热，并能保证电机安全和运行稳定。

有资料显示，目前永磁电机领域应用多目标优化算法多是电磁结构优化，例如冲片开槽形状，电机气隙大小，极槽比，永磁体大小，转子动力特性分析等等优化电机性能参数。目前对于电机水套结构采用多目标优化的相关研究还比较少，并且相关研究采用的代理模型精度以及多目标优化算法还有很大的提升空间。

中国专利文献CN115081328A公开了一种“基于改进粒子群算法的电机多目标优化方法”。首先通过统计学实验原理设计出实验方案；然后对目标电机进行参数化建模，仿真得到对应的实验结果；通过响应面法生成对应的数学模型；再通过增加了变异库的改进粒子群算法来生成帕累托图寻找到电机的最优结构；最后通过仿真验证优化的有效性。上述技术方案使用响应面法模拟数学模型，低阶响应面法很难模拟复杂模型，高阶响应面法容易过拟合。

发明内容

本发明主要解决原有的技术方案使用响应面法模拟数学模型，低阶响应面法很难模拟复杂模型，高阶响应面法容易过拟合的技术问题，提供一种基于误差补偿的永磁同步电机散热系统优化方法，首先对电机关键参数进行参数化建模，通过设计Plackett-Burman实验筛选关键参数；其次对设计变量进行实验设计，得到因子与对应相应的数据集，基于样本数据构建机器学习模型，并采用误差补偿策略对机器学习模型进行改进，提升模型精度；然后使用改进多目标优化算法提升优化算法运行速度以及全局搜索的能力，对模型进行优化，获得最佳参数组合；最后通过实验验证了该方法的有效性。

本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：

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。

首先设计Plackett-Burman实验筛选实验因子，然后通过拉丁超立方抽样(LHS)来确定样本集。通过CFD方法确定电机温升与压力损失。建立基于误差补偿的GRNN网络，并且使用R²与RMSE评价模型精度。使用改进后的NSGA-Ⅱ算法进行多目标优化，最后进行实验验证。

作为优选，所述的步骤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；