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
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 研究与探讨|Research & Approach
• 页码范围: 58-61
• 页数: 4页
• 分类号: TH16|TM359.4
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2022)01-0058-04

摘要

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％.