基于多支持向量机融合建模的直线电机结构设计研究

《基于多支持向量机融合建模的直线电机结构设计研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、表目录。表4—1直线电机结构参数因素水平表⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．26表4．2计算耗时比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯33表5．1优化结果比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。37表6．1优化结果比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。43表7．1测试函数1迭代20次的运行结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯48表7．2测试函数1迭代32次的运行结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯49表7．3测试函数2迭代3000次运算结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯49表7-4测试函数2迭代10000次运算结果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．50表7．5优化结果比

2、较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．50VIII第1章绪论1．1课题的研究意义直线电机由于进给速度范围宽、速度特性好、加速度大、定位精度高、结构简单、运动平稳、效率高、使用寿命长、安全可靠等优点，在数控机床进给系统中得到了推广应用。在以直线电机为动力的驱动系统中，电机的结构对其推力密度及推力波动影响比较大。直线电机的结构优化是实现直线进给系统高速驱动的关键问题，对提高其推力品质具有重要理论和实践意义，高精度快速电机模型建立是结构优化的核心问题。精密机床直线进给系统中，影响电机推力波动的主要因素是推力纹波、齿槽效应和端部效应，改善直线永磁同步电机推力品质是该型直线电机研究的重

3、点。而改善推力波动的主要措施是对电机结构的优化和调整。在直线电机结构优化中，由于需要实时准确的计算目标函数的适用度，快速高精度建模是其核心问题。采用智能算法进行非参数建模也是近年来研究的热点问题。开展直线电机非参数建模研究对电机优化设计具有重要的理论意义。然而现在的设计单位设计优化效果并不是很明显，设计简单，优化方法也是离散搜索，很多目标还有更多的潜力需要开发，所以，可用于对目标进行设计优化的黑箱系统建模研究是非常有重要而且必须重视的。同时在实际情况中，往往会出现许多复杂的求最优解或者最优化问题，比如求函数的最优，结构的优化，组合的优化等等一些非线性多峰值的求最优值的问题，一般来说，这

4、些问题是通过选择一些合适的参数来求出最终的最优值。然而许多经典的求解最优值的方法，却都有着一些缺陷，如Hooke-Jeeves模式搜索法、Rosenbroek的旋转坐标法、Gauss-Newton法、变尺度法等，这些算法均含有一些缺陷，均是针对某些特定的类型才能求出最优解，而且还会陷入局部最优值，得不到全局最优值。此外还需要求出系统函数模型连续、可导、单峰值等等约束条件。这些约束条件较为苛刻，在实际应用中往往不可能实现。自20世纪80年代以来，人们逐渐意识到了传统的人工智能算法的局限性，因此，寻找优化算法也成为现今非常以及迫切需要研究的课题。l基于多支持向量机融合建模圆筒直线电机结构研

5、究1．2国内外现状直线电机的结构设计主要包含了模型的建立与优化计算两方面，主要方法是对直线电机进行一些假设，采用解析方法进行分析，或者建立模型，采用优化算法等，主要有：韩国的Dae—KyongKim采用d-q轴等效电路模型建立直线永磁同步电机的非线性瞬态有限元模型用于仿真计算。德黑兰大学的Isfahani，A．H．通过解析法建立单边直线永磁同步电机的模型，采用遗传算法对其功率因数和效率进行多目标优化，并采用有限元法进行仿真验证。韩国的Dong-YeupLee采用有限元法建立永磁同步直线电机的模型，并用神经网络优化电机的效率。日本的Kano，Y．通过非线性电磁分析建立电机的解析模型，用于

6、遗传算法优化中的适应度计算。清华大学的王先逵等采用有限元法研究了直线电机的法向吸力。浙江大学的陈子辰等采用有限元法研究直线电机绕组电感饱和效应。浙江大学的叶云岳等采用有限元法研究磁悬浮列车用直线电机，取得了较好的成果。·1．3本文研究的主要内容本文研究研究直线电机多支持向量机融合建模理论，以“提高推力密度，抑制推力波动”为优化目标，引入粒子群优化算法、差分进化算法以及退火进化算法对该型电机进行多目标优化，探索一套直电机建模与优化设计理论，为直线永磁同步电机设计提供理论和方法支持如何解决支持向量机的最大问题。改建模方法使得支持向量机的模式由“多输入单输出"转变成“多输入多输出"，改进支持

7、向量机算法，充分利用该算法的潜在空间，通过核函数的选择以及对样本数据的训练，增加支持向量机算法的效率以及准确性。多支持向量机融合建模是建立在单支持向量机基础之上的，改进后的多支持向量机融合建模方法既解决了支持向量机算法的“多输入单输出”问题，而且整体效率上更胜一城楼。使用该建模之后在得出预测数据之后，使用各种优化算法2第1章绪论对预测数据进行优化且验证，以此来证明多支持向量机融合建模的精确性以及效率。支持向量机本是一个算法，得出的结果必须通过实