基于BP神经网络遗传优化的电机推力品质研究

作者：周杨; 赵静^*; 汪伟涛; 王婉婉

来源：传感器与微系统, 2022, 41(01): 58-61.

DOI：10.13873/J.1000-9787(2022)01-0058-04

• 直线电机
• 结构变量
• 显著因子筛选
• 反向传播神经网络
• 推力品质

为了提升激光切割机床上的直线电机(LMs)的推力品质,采用了一种基于显著因子筛选和深度学习算法的结构优化方法。首先,根据电机设计准则,分析极距、永磁体宽度、永磁体厚度、气隙长度和单边线圈宽度等参数对电机平均推力及推力波动的影响。其次,利用有限元仿真和试验设计,筛选出电机推力品质的显著影响因子,进而采用反向传播神经网络(BPNN)算法建立其非参数快速计算模型。最后使用遗传算法对关键因子进行多目标优选,得到提升推力品质的优化参数。优化后的结果验证了所提方法的优越性,平均推力提高33.9%,推力波动降低45.5%。

• 单位
  安徽大学; 自动化学院