1. 问题阐述

　　应用概述

　　众所周知，直流电动机调速性能好，但存在机械换向装置易造成换向火花、电磁干扰及需要定期维护等不足；同步电动机效率高，功率因数可调，但存在启动困难，重载时易振荡失步等问题。随着电力电子技术、计算机技术和新型永磁材料的不断发展，为提出一种利用电子换向原理实现永磁无刷电动机控制创造了条件。特别是近几年科技的发展，解决了原来微处理器结构复杂，单片微处理速度达不到实时系统控制的要求，为电动机的复杂算法提供了软硬件基础。

　　电动机控制系统的设计是一个涉及多学科的问题，包括机械、电气和控制系统。OPTIMUS 能探索设计空间并通过其强大的优化算法在不需要用户干涉的情况下自动改进设计。本应用演示了OPTIMUS 如何与Simulink 集成在一起，通过修改（a）电动机的磁极宽度 （b）激励信号，来优化电动机的输出扭矩波纹和开关损耗。

　　设计问题

　　控制系统的模型在Simulink 中建立。电动机不同磁极宽度对应的电磁场已经在ANSYS 中计算完成，而线圈电感作为结果被导入到Simulink 的模型中。逆变电路在PSpice 中完成建模，然后通过SLPS 接口将电路模块转换为与Simulink 兼容的模块，由此完成了集成。

　　OPTIMUS--的过程集成与优化设计平台。当今，许多公司在进行产品设计时，都采用软件工具来代替传统的实验，并且公认数值模拟比实验不仅要快的多，而且能节省很大的费用。在数值模拟过程中，工程师首先要基于设计经验或判断确定主要的设计参数（像几何形状、材料属性等），然后根据这些参数对问题进行建模及数值求解，从而得到产品的各种属性，比如应力，耐用度或振动程度等。如果在模拟过程中发现问题（比如说某一部分裂开），就通过输入参数的改变来修改模型和设计过程，模拟过程重新开始。过程重复的次数越多，可以确定的问题越多，直至得到满意的设计结果。这是一个不断重复和误差分析的过程。对每模拟所得的数据进行管理和分析都会花费工程师很长的时间；各种工程要求还可能会相互矛盾（比如说车辆设计中其重量与防撞性的关系）。工程师如何权衡各种要求时工作难度非常大。同时，模拟通常无法考虑产品特征、负载或制造过程中的某些不可避免的不定性和变化性。正是由于这些局限性，工程师通过数值模拟通常也能够得到一些比较满意的设计方案，但远远不是方案。

　　使用的软件工具

　　OPTIMUS 及其Matlab/Simulink 接口

　　Simulink

　　PSpice （SLPS 接口）

　　ANSYS

　　仿真过程与OPTIMUS工作流OPTIMUS 图形用户界面集成了仿真程序，它们的工作流程以及输入输出文件。通过OPTIMUS 与Matlab/Simulink 的接口，OPTIMUS很方便地参数化了仿真的输入文件，并从输出文件中解析出需要的输出参数（图 1）。

图 1 – 电动机控制系统仿真的OPTIMUS 工作流

　　2. 设计参数和方法

　　模型

　　中的电动机是3 相激励、6 极静子、4 极转子的开关磁阻电动机（SRM）。控制系统仿真在Simulink 中建立，电动机电磁场在ANSYS 中计算，逆变电路在PSpice 中建模。（图2）

图 2 – 电动机控制系统的Simulink 模型

　　选择设计参数

　　3 个设计参数分别是电动机磁极宽度、激励信号的起始角度和激励信号的宽度。优化目标是化电动机输出扭矩的波纹。约束条件是电动机转速大于1000RPM.

　　方法应用

　　试验设计与响应面模型

　　试验设计（DOE）方法 与响应面模型（RSM）被用于探索设计空间。在本中，应用了100 个样本点的拉丁超立方 方法。在此基础上，建立了基于泰勒多项式的 二乘响应面，来拟合试验设计样本点。

　　设计优化

　　OPTIMUS 在本中应用了自适应进化（SAE）遗传算法，通过在响应面上求解来找到的电动机输出扭矩波纹，同时也满足电动机转速不低于1000 RPM.在响应面上求出的解，在接下来在仿真工作流求解的局部优化过程中，被用作起始点。这样，通过几个优化算法、不同求解方式的策略化结合，使得能够找到全局设计，同时缩短了优化过程的时间。

图3 – 贡献度图显示了电动机磁极宽度与激励信号起始角度是对输出扭矩波纹影响的设计参数

　　3. 结果

　　试验设计和响应面模型

　　拉丁超立方试验设计方法被运行来为建立相应面的样本。图4 显示了电动机磁极宽度和激励信号宽度是对输出扭矩波纹有较大影响的重要设计参数。这个响应面模型是对仿真模型的近似。在优化过程中，如果需要连续大量求解仿真模型，会需要相当大的计算量。适当地使用响应面模型能有效降低计算量，提高优化过程的效率。响应面模型的质量（及其对于优化过程可靠性）可以通过在建立过程中得到的回归系数进行确认。

图4 – OPTIMUS 建立响应面显示了输出扭矩波纹与选择的输入参数之间的变化关系

　　OPIMUS 找到了的电动机输出扭矩波纹的设计，并且满足了转速约束条件（图5）。相对于初始设计，设计有效降低了13.8%的电动机输出扭矩波纹（图6）。

图5 – 优化目标函数的收敛: 化输出扭矩波纹

图6 – 优化前后的电动机的输出扭矩和转速

　　4. 结论

　　OPTIMUS 成功地自动化了Simulink仿真，并找到了的磁极宽度、激励信号的起始角度和宽度，使得电动机的输出扭矩波纹得到了有效降低，并且保证了电动机转速始终高于规定转速。