（1湖南科技大学信息与电气工程学院湘潭411201；
2湖南科技大学海洋矿产资源探采装备与安全技术国家地方联合工程实验室湘潭411201）
摘要：针对在开关磁阻电机多变量、多约束、多目标的设计寻优过程中易陷入局部最优解，并且在进行有限元分析耗时久，专业性高等问题，提出了一种能快速收敛实现全局优化的电机设计方法。该方法以开关磁阻电机定转子极弧为优化对象，以电机效率和转矩波动系数为优化目标，利用极限学习机进行非参数建模，结合粒子群算法寻找多目标最优解，从而实现开关磁阻电机定转子极弧的全局优化设计。优化结果表明：极限学习机建模具有高准确度，结合粒子群算法对电机优化后显著的降低了转矩波动系数，提高了电机效率，这对开关磁阻电机的优化设计具有一定的应用价值。
关键词：开关磁阻电机；多目标优化；粒子群算法；极限学习机
1引言
开关磁阻电机（SwitchedReluctanceMotor，SRM）由于具有结构简单、鲁棒性强、效率高、容错能力强、调速范围宽且能适应恶劣的环境等系列优点而得到了广泛的应用[1]。但其固有的转矩波动和噪声限制了其应用范围。因此，国内外从优化开关磁阻电机本体出发进行了相关研究，并提出了不同的优化设计方法，如模拟退火算法[2]、遗传算法[3]等。上述智能算法虽然在一定程度了解决了开关磁阻电机多变量、多约束、多目标的优化问题，但是存在着优化过程中容易陷入局部最优解等不足，因此，本文采用极限学习机算法进行非参数建模，结合粒子群算法对其优化。
2SRM初始设计与性能核算
2.1设计指标
电机结构形式：三相，12/8；额定电压=280V；额定转速=750r/min；额定功率=30kW；额定效率=80%。
2.2尺寸计算
由表中数据可得，与优化前相比较，PSO结合ELM优化后，效率提高了4.72%，转矩波动系数降低了18.86%，具有较好的优化效果。
5结论
本文针对在开关磁阻电机多变量、多约束、多目标的设计寻优过程中易陷入局部最优解，并且在进行有限元分析耗时久，专业性高等问题，提出了一种采用PSO并结合ELM对开关磁阻电机进行优化设计方法，该方法首先利用传统的方法得到电机的基本尺寸参数，通过有限元分析得到样本数据集，接着通过ELM训练样本数据集得到SRM的非参数模型，最后通过PSO对其进行优化。结果表明：采用ELM建模具有高准确性，采用PSO对SRM进行多目标优化取得了较好的效果，显著的较低了转矩波动且提高了效率，具有一定的应用价值。
参考文献：
[1]VijayakumarK，KarthikeyanR，ParamasivamS，ArumugamR，SrinivasKN.SwitchedReluctanceMotorModelling，Design，Simulation，andAnalysis：AComprehensiveReview[J].IEEETransactionsonMagnetics，2008，44（12）：4605-4617.
[2]白凤仙，邵玉愧，孙建中.利用智能型模拟退火算法进行开关磁阻电机磁极几何形状的优化[J].中国电机工程学报，2003，23（1）：126-131.
[3]吴建华，基于遗传算法的开关磁阻电机优化设计[J].电工技术学报，1996，11（4）：6-10.
作者简介：
第一作者：张铸，1981-，男，湖南湘潭，博士学历，讲师职务，研究方向为电力电子与电力传动，
第二作者：饶盛华，1993-，男，湖北武汉，研究生，研究方向为电力电子与电力传动，
第三作者：赵轩，1993-，男，湖南长沙，硕士生，研究方向为电力电子与电力传动.
注：基金项目：湖南省教育厅科研项目（14C0430）资助；湖南省自然科学湘潭联合基金（2016JJ5026）.