电力机车自动过分相永磁体逆问题研究

论文摘要

本文主要是探索电力机车自动过分相永磁体逆问题求解方法，即已知磁场空间分布反设计磁体结构样本。围绕此问题，分三大部分予以解决。首先，介绍了有限元分析方法和二维有限元分析软件FEMM，对样本磁体逐一进行有限元建模和数据分析，获取每个样本指定空间位置的磁场强度数据，在此基础上，利用MATLAB／SIMULINK建立计算器仿真模型，分别求出磁体样本磁场强度与实测磁场强度的误差平方和，获得磁体样本库。然后，设法建立以磁体样本尺寸为输入、以样本磁场强度与实测磁场强度误差平方和为输出的目标函数，由于输入与输出之间复杂的非线性关系，目前又无现成的统一的模式操作，本文采用具有高度非线性识别能力的人工神经网络，即通过基于误差反向传播算法的多层前馈网络（BP神经网络）训练，具体采用了动量梯度下降算法和L-M优化算法来训练BP神经网络，根据误差精度要求选用了L-M优化算法训练结果，将输入的样本尺寸与输出的误差平方和之间建立起映射关系，即所需的目标函数。最后，在以磁体尺寸为设计变量、以误差平方和最小为目标函数、以尺寸限制为约束条件的基础上，建立优化数学模型，用遗传算法优化方法，求得最接近实测值的最优解。为了验证遗传算法对解决本文问题的正确性，本文又运用了拟牛顿法对关系模型的优化计算，两种算法的结果基本达成一致。本文介绍的采用人工神经网络和遗传算法相结合的方式来解决永磁体逆问题，辅之以MATLAB／SIMULINK、MATLAB神经网络工具箱（Nnbox）、MATLAB优化工具箱（Optimization Toolbox）、MATLAB遗传算法工具箱（GA Toolbox），能够避免编写大量的计算机程序，以最快的方式找到其对应的关系模型，搜寻到全局最优解。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景
• 1.2 电力机车发展概况
• 1.3 主要设计思想
• 1.4 实际测量数据及初选磁体形状
• 1.4.1 实际测量数据
• 1.4.2 初选磁体形状
• 1.4.3 标准数学模型
• 第2章 有限元法基本原理和磁体样本建立
• 2.1 有限元法
• 2.2 二维电磁场有限元分析软件FEMM的介绍
• 2.3 磁体样本的建立
• 第3章 基于MATLAB／SIMULINK的误差平方和计算器仿真模型的构建
• 3.1 Simulink的特色
• 3.2 计算器仿真模型的构建
• 3.3 构建磁体样本模型库
• 第4章 基于MATLAB的适应度函数设计
• 4.1 人工神经网络及MATLAB神经网络工具箱
• 4.2 BP神经网络结构
• 4.3 基于MATLAB的BP神经网络的训练和仿真
• 4.3.1 BP神经网络模型调用函数的生成和初始化
• 4.3.2 BP神经网络设计需要注意的几个问题
• 4.3.3 采用动量梯度下降算法训练BP神经网络
• 4.3.4 采用L-M优化算法训练BP神经网络
• 4.3.5 BP神经网络学习算法的选择及适应度函数的生成
• 第5章 基于遗传算法求解优化问题
• 5.1 基于MATLAB优化工具箱的解决方案
• 5.1.1 拟牛顿算法及其在MATLAB优化工具箱中的实现
• 5.1.2 基于MATLAB语言的程序编制
• 5.2 基于遗传算法优化的解决方案
• 5.2.1 遗传算法概况与基本操作流程
• 5.2.2 MATLAB遗传算法工具箱及实例分析
• 5.2.3 用遗传算法的基于MATLAB语言的程序编制
• 结论
• 参考文献
• 致谢
• 附录A （攻读学位期间所发表的学术论文）
• 附录B （用FEMM软件建立的样本磁场数据）