3极4槽单元直线电机的优化设计.docxVIP

3极4槽单元直线电机的优化设计 摘要：短初级长次级直线电机产生的推力与法向力波动主要来源于其磁阻力波动，电感的变化对电机的推力特性也有很大影响。针对3极4槽的单元直线电机，通过改进多目标优化遗传算法对电机参数进行优化设计，并将基于LabVIEW的电机推力测试试验值与ANSYS仿真值进行比较，验证了直线电机优化设计的鲁棒性和可靠性。优化设计后的直线电机推力波动较小、经济性好、体积小，为直线电机的优化设计提供了一种新方法。 直线电机的振动与噪声主要来源于推力波动，在低速运行时甚至能引起共振，从而恶化电机的运动特性短初级长次级直线电机产生的推力与法向力波动主要来源于其磁阻力，电感变化对电机的推力特性也有很大影响。本文对3极4槽的单元直线电机进行分析，运用改进多目标优化遗传算法(Genetic Algorithm, GA)对电机参数进行优化设计，并将基于LabVIEW的电机推力测试试验值与优化参数的有限元仿真值进行比较，以验证直线电机优化设计的鲁棒性和可靠性。1 特定位置结构建模以3极4槽的单元直线电机为分析对象，直线电机选择动磁式结构设计集中绕组、分数槽绕组、端部开口槽和无间隙磁钢的特殊方式，以消除拖链的影响，减小电机体积。考虑到气隙、磁钢、齿部、轭部和槽漏产生的磁阻作用，动子铁芯的磁阻、磁滞和涡流不计，永久磁铁的漏磁忽略不计，温度对磁铁材料的影响不计。直线电机的结构模型如图1所示。2 基于遗传算法的优化设计遗传算法是一种基于自然遗传机制和自然选择原理的随机寻优方法，在人工系统中实现特定指标的优化。遗传算法与传统优化算法的主要区别在于其从问题解的集合开始搜索，而不是从单个解开始，覆盖面大，利于全局寻优2.1 自变量的选取取决其优化目标和具体设计。直线电机的重要参数主要包括电机铁芯、线圈和磁钢的尺寸，以及铁芯与磁钢之间气隙大小。选取空气气隙=[2.2 短初级长次级直线电机优化设计的前提条件是建立准确的数学模型。按照电机模型的外形结构、工艺制造和尺寸约束，各变量变化的基本赋值范围为：[0.8,5,5,2,10,20,0.5]≤其他约束条件为： 式(3)中，2.3 直线电机优化设计以电机性能为优化目标，其分目标为各特定点位置之间的推力波动小、单位力密度大。为获得最优解，选定推力差最大的两点建立优化目标方程。目标函数的表达式为： 联立式(1)～(4),即可构建直线电机的优化数学模型。3 优化结果分析基于以上直线电机数学建模和遗传算法的优化选择，运用Matlab语言进行编程，对直线电机进行优化设计。电机优化前后设计参数见表1。采用ANSYS仿真分析软件对优化前后的电机进行ANSYS电磁耦合分析，获得电机在不同位置时的推力。为更好地比较优化前和优化后的电机参数，在选定计算参数时确定磁钢为不变量。电机优化前后ANSYS仿真结果见表2,优化前后电机推力波形有限元分析如图2所示。由表2和图2可以看出，电机优化后的最大推力提高了39.46%,最小推力提高了53.96%,平均推力提高了46.01%,最大推力波动值由2.23 N减小到1.41 N,推力波动常数由9.7%降低到4.7%,表明电机的推力性能得到了明显提高。优化后电机的力密度提高了41.66%,线圈的力密度相对减小了5.47%。从电机设计成本考虑，优化后电机远优于优化前电机。4 电机推力测试试验搭建电机推力测试平台，测试电机运动过程中各位置的推力，将推力测试试验值与ANSYS仿真值进行比较。利用Elmo驱动器及其EASⅡ 应用环境来驱动电机运动，力传感器获得电机在各个位置上的推力，通过NI采集卡采集力传感器的电压信号，再通过LabVIEW软件编写测力程序，搭建测力软硬件平台以获得电机运动周期内的推力。电机推力测试试验平台原理图、NI采集卡设置及LabVIEW测力界面、电机推力波动有限元仿真和试验比较分别如图3～5所示。分析图5可知，电机推力试测波形与ANSYS仿真推力波形相似；电机推力测试试验值明显比ANSYS仿真值要小。这是由于ANSYS仿真忽略了一些外部影响因素以及样机运动过程阻力，测试不精确。电机实测推力最大波动常数为5.0%,与ANSYS仿真4.6%基本相同。综上，可以发现ANSYS仿真和实测基本相同，试验样机基本达到设计要求。5 结论在直线电机的结构中选定一个特定位置构建直线电机的数学模型，再建立其他特定位置的数学模型，推导出电机的推力模型。选用改进遗传算法，以推力波动和力密度为优化目标，通过线性、非线性约束进行多目标优化，获得电机优化设计参数。通过比较基于LabVIEW