混沌蚁群算法及其在深水电机设计中的应用

论文摘要

论文提出了一种新的混合优化算法—混沌蚁群算法，它在深水推进电机的优化设计中收到了良好的效果。优化是一种以数学为基础，用于求解各种工程问题优化解的应用技术。随着工程实际问题的复杂化，优化设计算法越来越多的受到人们的关注。电机优化设计是一个多变量、非线性、复杂的优化问题，为此研究一种快速有效的优化算法更为重要。为了寻求一种有效可行的优化算法，文中首先分析遗传算法、模拟退火法、混沌算法、蚁群算法四种典型优化算法的搜索机理和实现步骤，指出各自的特点，编程用标准函数进行验证比较。接着，着重探讨蚁群算法的特点，分析算法的主要参数对优化性能的影响。针对蚁群算法搜索时间长、易出现停滞现象一直制约着它在众多领域进一步推广应用这一缺点，文中对基本的蚁群算法做一系列改进，使其在优化的过程中能够快速找到全局最优解。改进算法通过函数验证，并用来优化永磁同步电动机的永磁体尺寸，在加快收敛速度上收到一定的效果。由于改进蚁群算法在提高全局收敛能力上的局限性，文中在对Logistic映射和Ulam-von Neumann两种典型混沌映射进行分析的基础上，分析了混沌算法的内随机性、遍历性、规律性和对初值的敏感性的特点，进而提出将蚁群算法和混沌算法进行混合。用多约束的标准函数对混合算法进行验证，函数优化结果表明混合算法比基本蚁群及其改进算法具有更高的全局收敛能力及运行稳定等优点。通过对永磁同步电动机的优化设计进一步验证混合算法的有效性。对比优化前后的工作特性曲线可以看出，在电机工作性能基本不变的情况下，电机体积有所减小，效率获得提高。文中最后将混沌蚁群算法应用于深水无刷电机的优化设计。对优化设计后的电机用有限元软件进行空载磁场分析，得到了空载情况下的气隙磁密分布，用傅立叶分解法对其进行频谱分析。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题背景及意义
• 1.2 国内外研究现状
• 1.2.1 优化方法的研究现状
• 1.2.2 无刷直流电机用于水下机器人的研究现状
• 1.3 论文的主要工作
• 2 常用优化算法的研究
• 2.1 引言
• 2.2 常用优化算法简介
• 2.2.1 遗传算法
• 2.2.2 模拟退火算法
• 2.2.3 混沌算法
• 2.2.4 蚁群算法
• 2.3 多峰值典型函数优化比较
• 2.4 优化结果分析
• 2.5 本章小结
• 3 基本蚁群算法及其改进
• 3.1 基本蚁群算法简介
• 3.1.1 蚁群算法的生物学基础
• 3.1.2 基本蚁群算法的模型描述
• 3.2 主要参数对算法性能的影响
• 3.2.1 信息素残留系数的选择
• 3.2.2 蚁群规模的选择
• 3.2.3 随机转移概率的选择
• 3.3 基本蚁群算法的主要问题及其改进算法
• 3.4 文中改进蚁群算法的验证及应用
• 3.5 本章小结
• 4 混沌蚁群算法与验证
• 4.1 混沌算法概述
• 4.1.1 混沌的起源
• 4.1.2 混沌的特性
• 4.1.3 Logistic映射和 Ulam-von Neumann映射分岔图
• 4.2 混沌蚁群算法
• 4.2.1 混沌蚁群算法的基本思想
• 4.2.2 混沌蚁群算法程序流程图
• 4.2.3 混沌蚁群算法的国际标准函数验证
• 4.2.4 混沌蚁群算法在永磁同步电机优化设计中的应用实例
• 4.3 本章小结
• 5 混沌蚁群算法在深水无刷电机设计中的应用
• 5.1 引言
• 5.2 永磁无刷直流电动机的结构
• 5.3 永磁无刷直流电动机的基本公式
• 5.4 永磁无刷直流电动机的电磁设计
• 5.4.1 永磁体的设计
• 5.4.2 极数的设计
• 5.4.3 定子的设计
• 5.5 深水无刷电机的优化设计
• 5.5.1 目标函数及优化变量的确立
• 5.5.2 约束条件的选择及优化结果
• 5.6 深水无刷电机的空载磁场分析
• 5.7 本章小结
• 6 结论
• 参考文献
• 在学研究成果
• 致谢