永磁同步电机性能分析的典型深度学习模型与训练方法

摘要：

引入人工智能的深度学习算法,建立永磁同步电机齿槽转矩预测分析模型,为解决电机设计、应用特性与系统集成分析间的数据孤岛问题奠定基础.选取永磁同步电机的4个结构参数(极弧系数、气隙长度、永磁体厚度、永磁体宽度)与齿槽转矩的性能关系作为研究对象,使用有限元方法建立8对极、48定子槽的内置式"V"型永磁同步电机模型并进行了仿真分析,得到了结构参数与齿槽转矩的625组数据.人工智能深度学习算法的预测模型为4输入、单输出、4隐层的结构.625组数据中的575组用来训练深度学习预测模型,50组用来测试预测模型的泛化能力.通过比较有限元计算的样本数据与深度学习预测模型的预测结果,验证了人工智能深度学习预测模型的可行性.

关键词：永磁同步电机、有限元法、人工智能、深度学习、齿槽转矩

所属期刊栏目：33

分类号：TM351(电机)

资助基金：国家自然科学基金面上项目51577132;天津市高等学校创新团队培养计划TD13-5040

在线出版日期：2018-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：41-48