-
题名基于BP神经网络遗传优化的电机推力品质研究
被引量：7
- 1
-
-
作者
周杨
赵静
汪伟涛
王婉婉
-
机构
安徽大学电气工程与自动化学院
-
出处
《传感器与微系统》
CSCD
北大核心
2022年第1期58-61,共4页
-
基金
安徽省自然科学基金资助项目(1808085QE123)
国家自然科学基金资助项目(51707002)。
-
文摘
为了提升激光切割机床上的直线电机(LMs)的推力品质,采用了一种基于显著因子筛选和深度学习算法的结构优化方法。首先,根据电机设计准则,分析极距、永磁体宽度、永磁体厚度、气隙长度和单边线圈宽度等参数对电机平均推力及推力波动的影响。其次,利用有限元仿真和试验设计,筛选出电机推力品质的显著影响因子,进而采用反向传播神经网络(BPNN)算法建立其非参数快速计算模型。最后使用遗传算法对关键因子进行多目标优选,得到提升推力品质的优化参数。优化后的结果验证了所提方法的优越性,平均推力提高33.9%,推力波动降低45.5%。
-
关键词
直线电机
结构变量
显著因子筛选
反向传播神经网络
推力品质
-
Keywords
linear motors(LMs)
structural variables
significant factors screening
back propagation neural network(BPNN)
thrust quality
-
分类号
TH16
[机械工程—机械制造及自动化]
TM359.4
[电气工程—电机]
-
