量子遗传算法在永磁同步轮毂电机优化设计中的应用

发布时间：2018-09-13 12:00

【摘要】：量子遗传算法具有种群规模小而不影响算法性能、收敛速度快和全局搜索能力强等优点。为了获得高功率密度和低成本的电动车用轮毂电机,基于量子遗传算法,针对研究设计的一种外转子永磁同步轮毂电机,以电机有效质量、材料成本和功率损耗为优化目标,建立了包含8个设计变量和5个约束的数学模型,对电机进行优化设计。研究结果表明:永磁同步轮毂电机有效质量、材料成本和功率损耗降低,效率特性提升,有限元分析结果与量子遗传算法计算结果接近,能满足电动车对驱动轮毂电机的使用要求,因此,量子遗传算法对于轮毂电机优化设计是有效可行的。
[Abstract]:Quantum genetic algorithm (QGA) has the advantages of small population size without affecting the performance of the algorithm, fast convergence speed and strong global search ability. In order to obtain high power density and low cost hub motor for electric vehicle, based on quantum genetic algorithm (QGA), a permanent magnet synchronous hub motor with outer rotor is designed and studied. The aim is to optimize the effective quality, material cost and power loss of the motor. A mathematical model with 8 design variables and 5 constraints was established to optimize the design of the motor. The results show that the effective mass of permanent magnet synchronous hub motor is reduced, the material cost and power loss are reduced, and the efficiency characteristics are improved. The results of finite element analysis are close to those of quantum genetic algorithm (QGA). Therefore, quantum genetic algorithm (QGA) is effective and feasible for the optimization design of hub motor.
【作者单位】： 重庆大学汽车工程学院;
【基金】：国家高技术研究发展计划(“863”计划)项目(2012AA111803) 重庆市科委攻关项目(CSTC,2010AA6039) 重庆市研究生科研创新项目资助(CYS15034)~~
【分类号】：TM341;TP18

【相似文献】

相关期刊论文 前10条

1 卢有麟;周建中;杨俊杰;李英海;张勇传;;基于改进量子遗传算法的水电站厂内经济运行[J];中国科技论文在线;2007年09期

2 刘红文;张葛祥;;局部搜索量子遗传算法及其无功优化应用[J];电力系统及其自动化学报;2009年02期

3 曾建鑫;朱子坤;;基于量子遗传算法的大规模配电网实时重构研究[J];广东电力;2011年01期

4 张灿;张强;;基于量子遗传算法优化的无线电能传输模型[J];电测与仪表;2014年17期

5 刘红文;张葛祥;;基于改进量子遗传算法的电力系统无功优化[J];电网技术;2008年12期

6 王春丽;赵书强;李勇;;基于改进量子遗传算法的输电网规划方法[J];电力科学与工程;2010年11期

7 侯新国;王家林;;舰船电力系统量子遗传算法的故障诊断方法研究[J];船电技术;2013年12期

8 魏亚楠;牛东晓;;基于KKT和量子遗传算法的风火电联合上网最优决策[J];运筹与管理;2013年02期

9 张海丽;张宏立;;基于量子遗传算法的水轮机调速器PID参数优化[J];人民长江;2013年19期

10 李黄强;孙云莲;;基于量子遗传算法的宽带电力线多用户通信资源分配[J];电力自动化设备;2009年10期

相关硕士学位论文 前6条

1 周仕平;三电平背靠背变换器的谐波消除与可靠性研究[D];安徽大学;2017年

2 方超;量子遗传算法的改进及其在火电机组负荷优化分配上的应用[D];华北电力大学（北京）;2011年

3 张萌慧;基于改进量子遗传算法的输电网扩展规划研究[D];华北电力大学;2014年

4 刘星;改进量子遗传算法优化同步开关控制策略的研究[D];西华大学;2014年

5 梅晓娟;基于改进SVM的风机SCADA系统故障分类识别方法研究[D];上海电机学院;2015年

6 张晓成;基于多目标控制的分布式潮流控制器研究[D];武汉理工大学;2013年

，

本文编号：2241114