《Energies》:Dual-System Interactive Performance Optimization Strategy for Single-Winding Consequent-Pole Bearingless Permanent Magnet Synchronous Motors
Ye Yuan,
Jun Zhang,
Yongjiang Zhang,
Fan Yang,
Yizhou Hua,
Yichen Liu and
Qingguo Sun
编辑推荐:
摘要:在单绕组继极式无轴承永磁同步电机(Single-Winding Consequent-Pole Bearingless Permanent Magnet Synchronous Motor, SW-CP-BPMSM)中,转矩系统与悬浮系统共用一套绕组配置
摘要:在单绕组继极式无轴承永磁同步电机(Single-Winding Consequent-Pole Bearingless Permanent Magnet Synchronous Motor, SW-CP-BPMSM)中,转矩系统与悬浮系统共用一套绕组配置,该结构显著加剧了系统间耦合。此外,结构参数之间存在非线性强耦合关系,且优化目标本身存在固有耦合与冲突,使得转矩与悬浮系统关键性能指标的统一优化成为一大难题。针对上述问题,研究人员提出了一种基于敏感变量分类的双系统交互优化策略(Dual-System Interactive Optimization Strategy)。首先,采用Sobol方法进行全局灵敏度分析(Global Sensitivity Analysis),通过定义双系统耦合敏感参数与单系统敏感参数实现参数降维。随后,分别为悬浮系统和转矩系统建立响应面法(Response Surface Methodology, RSM)代理模型和反向传播(Back Propagation, BP)神经网络代理模型,并对单系统敏感变量和双系统敏感变量依次执行由单系统优化和双系统交互优化构成的渐进式优化流程,以确定最终最优参数。最后,对比优化了前后转矩与悬浮系统关键性能指标的仿真分析结果,验证了该优化策略的可行性与有效性。
论文解读:单绕组继极式无轴承永磁同步电机的双系统交互性能优化策略研究
研究背景与意义
永磁同步电机(Permanent Magnet Synchronous Motor, PMSM)因高功率密度和高效率被广泛应用,但传统PMSM依赖机械轴承,存在摩擦磨损问题。无轴承永磁同步电机(Bearingless Permanent Magnet Synchronous Motor, BPMSM)通过在定子绕组中同时注入转矩电流与悬浮电流,实现电磁转矩与可控悬浮力(径向力)的同时产生,适用于飞轮储能及半导体制造领域。BPMSM主要有双绕组(体积大)和单绕组(Single-Winding, SW)结构(控制复杂但紧凑)。继极式(Consequent-Pole, CP)转子拓扑可减少永磁体(Permanent Magnet, PM)用量并使悬浮控制解耦于转子位置角。单绕组继极式无轴承永磁同步电机(SW-CP-BPMSM)中转矩与悬浮系统共用绕组,导致严重的系统间耦合;且参数间呈非线性强耦合,优化目标(平均转矩Tavg、平均悬浮力Favg最大化,转矩脉动Tp最小化)相互冲突,传统统一优化困难。因此,Ye Yuan等人于期刊《Energies》发表本研究,提出基于敏感变量分类的双系统交互优化策略以解决SW-CP-BPMSM的高维强耦合多目标优化难题。
主要关键技术方法
研究人员以一台4对极SW-CP-BPMSM为对象,首先基于Sobol法对设计参数进行全局灵敏度分析,按灵敏度阈值(0.1)划分为双系统敏感参数(对两系统均敏感,如定子槽宽Bs1、永磁体极弧Apm)、单转矩系统敏感参数(仅对转矩敏感,如永磁体厚度hm、定子槽高Hs0)、单悬浮系统敏感参数(仅对悬浮敏感,如Bs2、Hs2)及不敏感参数(单参数扫描确定)。采用最佳拉丁超立方抽样(Optimal Latin Hypercube Sampling)获取样本点并进行有限元分析(Finite Element Analysis, FEA)。分别构建悬浮系统的二阶多项式响应面法(Response Surface Methodology, RSM)代理模型(单目标)和转矩系统的BP(Back Propagation)神经网络代理模型(多目标,输出Tavg与Tp)。优化算法采用引入佳点集(Good Point Set, GPS)初始化种群及非均匀变异算子的改进NSGA-II(Non-dominated Sorting Genetic Algorithm II)。实施先单系统初优化、再双系统交互优化的渐进流程:固定单悬浮敏感变量初优值,用NSGA-II求转矩系统Pareto前沿并筛选满足综合指标的解,反馈至悬浮系统RSM模型选取使Favg最大的双系统敏感变量组合。
研究结果
3. Optimization Strategy Based on Sensitivity Classification(基于灵敏度分类的优化策略)
通过Sobol全局灵敏度分析发现Bs1和Apm总灵敏度指数超过阈值且对两系统目标均敏感,归为双系统敏感变量;hm、Hs0仅对转矩系统敏感,归为单转矩敏感变量;Bs2、Hs2仅对悬浮系统敏感,归为单悬浮敏感变量;Bs0、Hs1不敏感予以排除。该分类实现了参数空间降维。分析显示各目标随耦合敏感变量变化呈强非线性,需交互优化。
4.1.1. Results of Global Sensitivity Analysis(全局灵敏度分析结果)
灵敏度分析明确了变量分类(见表3),确认了双系统耦合敏感变量的存在及参数间复杂交互效应,为后续分别建模提供依据。
4.1.2. Surrogate Model Construction Results(代理模型构建结果)
悬浮系统RSM模型的实际值与预测值散点沿参考线分布,残差接近正态分布,决定系数良好。转矩系统BP神经网络对训练集和测试集的Tavg及Tp预测值均能较好跟踪实际值,表明两个代理模型具备足够精度替代耗时的有限元直接计算。
4.1.3. Optimization Strategy Results(优化策略结果)
RSM初优化确定了单悬浮敏感变量最优值。NSGA-II对转矩系统多目标优化获Pareto前沿,证实Tavg与Tp呈冲突关系。经定义的转矩综合优化指标dF > 1初筛Pareto解,代入悬浮系统RSM取使Favg最大的解,确定最终双系统敏感变量值(见表5优化后参数)。
4.2. Verification of Optimization Results — Finite Element Verification(有限元验证)
FEA对比显示:优化前Tavg=2.90 N·m、Tp=9.8%、Favg=36.9 N;优化后Tavg=3.63 N·m(提升25.17%)、Tp=6.4%(降低34.69%)、Favg=59.2 N(提升60.43%)。磁密分布显示主气隙磁通与铁心材料利用率提高。双系统交互优化策略有效提升了SW-CP-BPMSM的转矩输出、抑制了转矩脉动并大幅增强了悬浮力。
讨论与结论翻译
研究人员指出:(1)通过对不同灵敏度类型参数分别处理,该策略在保持代理模型精度的同时有效减少了采样迭代次数和优化时间,实现了转矩与悬浮系统关键性能的综合优化;(2)所采用的代理模型与优化算法可根据实际需求替换为更高精度模型或更先进算法以提高效率;(3)虽然当前研究主要通过高保真有限元分析验证,平均转矩显著提升且转矩脉动同时降低展示了理论潜力,后续将制作实验样机进行实证验证,并深入研究先进控制系统架构以评估驱动动态性能;(4)本策略可推广应用于其他具多功能或系统集成特征的机电能量转换装置。
结论:This paper designs a single-winding consequent-pole Bearingless Permanent Magnet Synchronous Motor (BPMSM). Addressing characteristics such as the strong coupling and interaction among the motor parameters, a dual-system interactive optimization strategy based on sensitive variable classification is proposed. The relevant finite element analysis... results show that the strategy effectively enhances overall performance and can be extended to similar electromechanical devices.(本文设计了一台单绕组继极式无轴承永磁同步电机(BPMSM)。针对电机参数间强耦合与相互作用的特点,提出了一种基于敏感变量分类的双系统交互优化策略。相关有限元分析结果表明,该策略有效提升了整体性能并可推广至类似机电装置。)