基于深度神经网络模型的无铁心永磁同步直线电机结构优化研究

针对无铁心永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)存在推力波动问题,该文从电机结构优化着手,引入深度学习算法建立PMSLM快速计算模型,并进行全局优化以实现推力波动抑制。首先,通过有限元模型获取PMSLM结构参数与推力及推力波动的样本数据,采用深度神经网络(deep neural network,DNN)建立其非参数快速计算模型,并与K近邻域算法和支持向量机建模方法对比,验证DNN优越性;其次,以"推力密度不削弱,推力波动最小"为目标,采用免疫克隆算法对电机结构参数进行多工况优化;最后,仿真分析和样机测试验证该方法的正确性和有效性。

基于V型线圈永磁同步直线电机推力波动抑制

设计一种V型线圈永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)并对其关键结构参数优化以解决推力波动问题。首先,采用等效磁化强度法,建立电机推力及推力波动解析模型,分析各参数对推力波动的影响并选取用于优化的关键结构参数;其次,通过有限元计算,以关键结构参数为设计变量,采用响应面法建立精确的快速计算模型;然后,以"推力不削弱、推力波动最小"作为优化目标,采用遗传算法对PMSLM的关键结构参数进行优化。最后,通过试制样机并在不同工况下进行电机实物实验,验证所设计电机抑制推力波动的有效性。

基于ALE-MRAS磁链观测器的永磁同步直线电机均匀退磁诊断研究

设计了自适应线性神经元?模型参考自适应(adaptive linear element-model reference adaptive system,ALE-MRAS)磁链观测器,以解决永磁同步直线电机(permanentmagnet synchronouslinearmotor,PMSLM)多工况下均匀退磁磁链观测问题。首先,建立PMSLM正常、微弱、轻度、中度以及重度退磁故障下的有限元模型,仿真计算不同退磁程度下磁链的精确值;其次,建立模型参考自适应(model reference adaptive, MRAS)磁链观测器,采用自适应线性神经元(adaptivelinear element,ADALINE)算法在线修正MRAS的自适应律,得到ALE-MRAS磁链观测器,实现多工况下准确地在线磁链观测;然后,选取磁链幅值为故障特征值,结合ALE-MRAS磁链观测器观测结果,与有限元故障模型计算得到的磁链精确值进行对比,诊断出故障及故障程度;最后,制作退磁样机,搭建实验平台,对不同工况下的退磁故障进行诊断,精确度高达98%以上。通过与滑模磁链观测器和MRAS磁链观测器的对比,验证了文中诊断方法的正确性和先进性。