申请/专利权人：苏州市职业大学(苏州开放大学)

申请日：2023-09-07

公开（公告）日：2024-03-19

公开（公告）号：CN117172114B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/25;G06N3/006;H02P29/00;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.12.22#实质审查的生效;2023.12.05#公开

摘要：本发明公开了一种双电枢无轴承磁通反向电机的多目标粒子群协作族群方法，该方法主要包括连续型双电枢无轴承磁通反向电机转矩和悬浮力数学模型，创新提出的多目标粒子群协作族群是由粒子演化及群组演化所组成，求解双电枢无轴承磁通反向电机负载转矩和悬浮力分配最佳化性能的问题。所发明的优化设计方法有助于同时解决的双电枢无轴承磁通反向电机系统转矩和悬浮力性能，具有较好的快速锁定优化目标、快速收敛函数能力、提高了优化设计效率。

主权项：1.一种双电枢无轴承磁通反向电机的多目标粒子群协作族群方法，其特征在于，包括以下步骤：步骤1、对双电枢无轴承磁通反向电机的多目标粒子群协作族群方法中x、y轴方向上的径向悬浮力分量Fx、Fy以及电磁转矩Tem进行定义；步骤2、对第i个粒子的转矩和悬浮力信息进行演化；步骤2具体为：对第i个粒子的转矩和悬浮力信息进行演化如公式3-4所示：vi,k+1＝vi,k+c1r1Pi,k-xi,k+c2r2G-xi,k3xi,k+1＝xi,k+vi,k+14其中vi,k+1表示迭代次数为k+1时粒子i的上一个迭代转移的速度，vi,k表示迭代次数为k时粒子i的速度分量；k代表演化的迭代次数；ω代表惯性权重，c1及c2分别代表迭代的种群经验学习因子常数，r1及r2为介于0到1的均匀分布的随机数；xi,k代表粒子i在k演化下一次的位置；xi,k+1代表粒子i在k+1演化下一次的位置；Pi,k代表粒子i最近的最优分量；而G代表到当前最近的协作最佳解；步骤3、基于惯性权重ω对粒子群算法进行改进；步骤3具体为：对传统粒子群算法进行改进，对式3中的惯性权重ω更新公式进行了修改： 其中ωmax为惯性权重初始值；ωmin为最小迭代的惯性权重；Gmax为最大迭代次数；vi,k+1＝ωvi,k+c1r1Pi,k-xi,k+c2r2Ti,k-xi,k+c3r3Mi,k-xi,k6xi,k+1＝xi,k+vi,k+17其中c1、c2及c3分别代表迭代的种群经验学习因子常数，r1、r2及r3分别为介于0到1的均匀分布的随机数；Ti,k代表经由协作群组进化后更新的同一群组内的最优分量，Mi,k代表相同协作群内的历史最优分量；步骤4、对多目标粒子群协作族群进行群组间演化，针对群组内的双电枢无轴承磁通反向电机的转矩值和悬浮值状态进行演化，演化产生一个随机值并给定转矩值和悬浮值两个门阀值，通过对随机值与门阀值进行比对，完成双电枢无轴承磁通反向电机的转矩值和悬浮值优化设计方法。

全文数据：

权利要求：

百度查询： 苏州市职业大学(苏州开放大学) 双电枢无轴承磁通反向电机的多目标粒子群协作族群方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD