设为首页 收藏本站 English

当前位置: 龙润五金网 >> 卫星天线

利用智能型模拟退火算法进行开关磁阻电机磁高频天线

发布时间:2022-07-13 20:52:34

利用智能型模拟退火算法进行开关磁阻电机磁

利用智能型模拟退火算法进行开关磁阻电机磁 2011年12月09日 来源: 白凤仙1,邵玉槐1,孙建中2(1. 太原理工大学电气动力学院,山西 太原030024;2. 武汉工业学院电气工程系, 湖北 武汉430023)1 引言 近年来,优化技术在电磁装置的设计中得到了广泛应用。但优化设计方法还远没有在电工领域中普遍推广,如我国电机、电器的设计制造能力还与国外有相当的差距,急需加强研究和技术开发。电磁场逆问题作为一种特殊的优化方法,在解决特种电机的某些特殊问题,如开关磁阻电机磁极几何形状优化等,具有其他方法难以比拟的优势。 目前,采用全局优化算法来达到全局最佳设计是当前国际上研究的一大热点,SA算法就是一种较成功的全局优化法[1]。然而,现有的全局优化方法往往是以很长的计算时间来换取全局最优解的,SA算法也是如此。人们对SA算法进行了许多改进,如文献[2]提出的自适应SA算法,根据坏点被拒绝或接受的比例来自动调节算法的控制参数变化速度,比标准的SA算法能节省30%的计算时间;文献[3,4]把SA算法与其他算法相结合,都在一定程度上加快了SA算法的计算速度。然而,这些改进都不足以从根本上解决SA算法的缺陷——它在寻优过程中具有较大的盲目性,因而其效果也都是有限的。文献[5,6]提出的智能型SA算法,利用已搜索空间的信息判定新点的状态,较好地克服了SA算法盲目性。本文在此基础上,提出利用已搜索空间的信息缩小搜索区间,并提出了评判失败判据,对智能型模拟退火算法进行了进一步完善,并成功地解决了开关磁阻电动机磁极几何形状的优化问题。2 智能型模拟退火算法及其改进2.1 SA基本原理 SA算法模拟无序热动力系统的退火冷却过程行为,它们之间具有以下对应关系:系统的能量状态——可行解,状态能量——目标函数,系统的温度——控制参数,系统能量最低平衡态——全局最优解,退火的主要规则是Boltzmann分布率,它给出了在某一温度下系统处于某一能量状态的概率。 对于极小优化问题,设fk和fk+1分别为目标函数第k次和第k+1 次的计算值,如果fk+1<fk,则设计点Xx+1被接受,作为下一次迭代的初值继续进行迭代计算,直到满足给定的收敛判据;如果 fk+1>fk,则设计点Xx+1可能被接受,也可能被拒绝,具体要根据Boltzmann概率 p和[0, 1]上的伪随机数r来确定。如果r<p,Xx+1被接受;反之,如果r>p,Xx+1被拒绝。 Boltzmann概率也称为接收概率,其值为式中 T为控制参数,相当于退火温度。2.2 利用模糊推理技术去除不可行解 为了跳出局部最优陷阱到达全局最优,SA算法在迭代过程中是随机搜索的,对于模型问题如一些标准测试函数,由于没有约束条件,不论点的性能如何,总可以保证所取的点在可行域内;对于工程实际问题则不然,某些点在工程设计中根本是不允许的或者不可能的,这就是说,有些点不在可行域内。而现有的优化方法在实际应用时,都不能预先考虑判定设计点的可行性。这就常常导致如下的情况发生:在进行优化计算中,随机选取一个设计方案,经过复杂计算后,才发现其不满足约束条件,需要放弃。如果在选取一个点之后,首先确定它是否属于可行域内,而决定是否需要进行目标函数计算,就可以大大节约计算时间。 判定一个设计点是否在可行域内,需要求得设计点与主要约束条件之间的关系。设计变量决定着约束条件,但它们之间的关系是复杂的,没有严格的界限,不可能用一个简单的表达式来表示,因而只能是一个模糊关系。这种模糊关系可用模糊综合评判的方法确定,其过程如下: (1)样本选取 在设计区间上随机选取若干个设计点及其满足各约束条件的情况作为样本。样本数越多,判别越可靠。但判别的可靠性并不一定随着样本数增加而增加,关键需要保证所取样本能够充分反映设计区间内设计点的取值情况,才能保证评判的准确度。一般选几千个以上有代表性的设计点为样本。SA算法要找到全局最优点需要搜寻成千上万次,且随机产生的设计点遍布整个设计区间。在算法具体实施时,可将开始搜索时前几个控制参数T下的Metropolis过程中所有设计点选作样本,这样既不增加计算量,也可保证样本的选取能够反映设计区间上点的分布。 (2)建立因素权重集 设计变量是影响设计点是否满足约束条件的因素,所有设计变量构成了因素集。即:

橡胶插头电源线价格

hp1050连供

光学PMMA原料

民权县物资局预制厂

新款豪华铝合金大门

弋阳县海峰装璜材料厂

吉林省嘉博汽车零部件有限公司

电缆梯架

无线固话交换机价格

杨梅罐头价格

友情链接