摘要
在磁悬浮平面电机的设计过程中,为了实现更大的电机推力系数以及更小的电机功耗及成本,需要对电机的相关尺寸参数进行优化。在多目标优化方法的基础上提出了一种针对磁悬浮平面电机尺寸的优化方法。为了实现优化结果的精确性以及优化过程的高效性,采用高精度磁力数值模型对电机所产生磁力进行计算。该数值模型基于磁荷节点法,运用高斯积分求解磁力。在此基础上,智能优化粒子群算法被用来搜索最优的磁悬浮电机尺寸参数。通过有限元仿真软件COMSOL■和边界元软件RadiaTM对该优化方法及已有的磁悬浮电机优化方法进行仿真分析,验证了该优化算法的准确性和有效性。此外,通过将仿真结果与实测结果进行对比,进一步说明了该优化算法的可靠性和可行性。
In the design of the magnetic levitation planar motor,it is necessary to optimize the relevant size parameters for achieving larger thrust coefficient,smaller power dissipation and cost.Proposes an optimization method for the size of the magnetic levitation planar motor based on the multi-objective optimization method.To achieve the optimal accuracy and the efficiency of the optimization process,the numerical model is utilized to calculate the magnetic force which is used in the objective function.This numerical model is formulated by the magnetic node model.Gaussian quadrature is used to solve the magnetic force.According to the optimal objective,the intelligent particle swarm optimization is used to undertake the optimization variables of the planar motor.This method is evaluated by the finiteelement method commercial software COMSOL■,and the boundary element software program named RadiaTM.Comparison results show the accuracy and effectiveness of the proposed optimization method.In addition,the reliability and authenticity of this method are further explained by comparing the simulation results with the measurement results.
作者
彭若桐
许贤泽
郑通
徐逢秋
鲁兴
Peng Ruotong;Xu Xianze;Zheng Tong;Xu Fengqiu;Lu Xing(School of Electrical Information,Wuhan University,Wuhan 430072,China)
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2020年第8期76-83,共8页
Chinese Journal of Scientific Instrument
基金
国家自然科学基金(51975422)
武汉市基础研究计划(2018010401011284)项目资助
关键词
多目标优化
磁悬浮平面电机
数值模型
粒子群算法
multi-objective optimization
magnetic levitation planar motor
numerical model
particle swarm optimization
作者简介
彭若桐,2016年于武汉理工大学获得学士学位,现为武汉大学硕博连读研究生,主要研究方向为磁悬浮技术。E-mail:Ruotong@whu.edu.cn;通信作者:许贤泽,2002年于武汉理工大学获得博士学位,现为武汉大学教授,博士生导师,主要研究方向为精密仪器及机械、精密测量与控制。E-mail:xuxianze@whu.edu.cn
