首页|开关磁阻电机的多目标极限学习机优化方法

开关磁阻电机的多目标极限学习机优化方法

扫码查看
原文链接
  • 万方数据
  • 维普
为优化永磁辅助开关磁阻电机(Permanent Magnet Assisted Switched Reluctance Motors,PMA-SRM)的平均转矩和转矩脉动系数,提出一种基于极差分析和敏感性分析,代理模型和NSGA-Ⅲ算法相结合的优化方法.首先介绍PMA-SRM的拓扑结构,选取结构和控制参数作为初始优化参数,通过极差分析和敏感性分析选取主要优化参数.然后,基于优化后的核极限学习机(Beluga Whale Optimization Kernel Extreme Learning Machine,BWO-KELM)建立电机的代理模型.最后,采用基于参考点的非支配遗传算法(Reference-Point-Based Non-Dominated Sorting Genetic Algorithm Ⅲ,NSGA-Ⅲ)对建立的BWO-KELM模型多目标优化,从生成的Pareto前沿中选取最优解.有限元仿真基于结果表明:建立的代理模型具有较高的拟合精度,优化后PMA-SRM的平均转矩提高38.56％,转矩脉动系数降低了77.71％.仿真实验表明,所提代理模型与NSGA-Ⅲ算法相结合的方法可用于电机的优化过程,减少电机优化的工作量.
Multi-objective Extreme Learning Machine Optimization Method for Switched Reluctance Motors

黄朝志、李辉汉、陈洲、孙燕文

展开 >

江西理工大学 电气工程与自动化学院,江西 赣州 341000

永磁辅助开关磁阻电机 代理模型 BWO-KELM NSGA-Ⅲ 多目标优化

2024

10.3969/j.issn.1009-0134.2024.12.025

制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
年,卷(期)：2024.46(12)
  • 1