【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及永磁同步電動機，尤其涉及一種基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制方法及裝置。
技術(shù)介紹
1、電動飛機是以驅(qū)動電機帶動螺旋槳或涵道風扇產(chǎn)生飛行動力的飛機。與傳統(tǒng)燃油飛機相比，電動飛機具有高效節(jié)能、環(huán)境友好、噪聲低、系統(tǒng)結(jié)構(gòu)簡單等優(yōu)點，提高了飛機動力系統(tǒng)能量轉(zhuǎn)換效率，降低了燃油消耗和排放，已成為推動綠色航空發(fā)展的重要途徑，是未來航空飛機發(fā)展的重要方向。驅(qū)動電機系統(tǒng)作為電動飛機的核心部件，其性能直接影響整個電動飛機的飛行品質(zhì)和可靠性。
2、然而，目前驅(qū)動電機系統(tǒng)存在功率密度低和效率低的問題，制約著電動飛機性能的進一步提升。而且，電動飛機運行工況復雜多變，電機驅(qū)動器不同開關(guān)頻率和調(diào)制方法對不同工況下驅(qū)動電機系統(tǒng)效率的影響機理尚不清晰，驅(qū)動電機系統(tǒng)全工況效率最優(yōu)驅(qū)動調(diào)制方法設(shè)計難度大。
技術(shù)實現(xiàn)思路
1、為了解決現(xiàn)有技術(shù)中的至少一個技術(shù)問題，本公開提供了一種基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制方法、裝置及電子設(shè)備。通過引入動態(tài)鄰域遺傳學習粒子群算法(dynamic?neighborhood?genetic?learning?particle?swarm?optimization,dngl-pso)對航空驅(qū)動電機在不同工況下的調(diào)制方法進行迭代優(yōu)化，從而提升航空驅(qū)動電機在全工況下的工作效率。
2、根據(jù)本公開的第一方面，提供了一種基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制方法，包括：
3、構(gòu)建對應(yīng)航空驅(qū)動電機的全工況損
4、基于動態(tài)鄰域遺傳學習粒子群算法對所述全工況損耗模型進行優(yōu)化求解，得到所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值；
5、當所述電機系統(tǒng)效率值滿足終止條件時，確定所述電機系統(tǒng)效率值對應(yīng)的所述航空驅(qū)動電機在全工況下的驅(qū)動方法。
6、可選的，所述構(gòu)建對應(yīng)航空驅(qū)動電機的全工況損耗模型，包括：
7、設(shè)置對應(yīng)所述航空驅(qū)動電機的基礎(chǔ)參數(shù)；
8、構(gòu)建以所述航空驅(qū)動電機的電機系統(tǒng)效率值為優(yōu)化目標的目標函數(shù)。
9、可選的，所述構(gòu)建以所述航空驅(qū)動電機的電機系統(tǒng)效率值為優(yōu)化目標的目標函數(shù)，包括：
10、確定所述航空驅(qū)動電機包括開關(guān)頻率、調(diào)制方式在內(nèi)的參數(shù)作為優(yōu)化變量；
11、選取所述航空驅(qū)動電機包括電磁性能、散熱性能在內(nèi)的參數(shù)作為約束條件；
12、構(gòu)建以所述航空驅(qū)動電機的電機系統(tǒng)效率值為優(yōu)化目標的目標函數(shù)。
13、可選的，所述基于動態(tài)鄰域遺傳學習粒子群算法對所述全工況損耗模型進行優(yōu)化求解，得到所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值，包括：
14、使用動態(tài)鄰域遺傳學習粒子群算法將所述全工況損耗模型進行粒子初始化處理；
15、基于動態(tài)鄰域樣本生成機制對初始化得到的結(jié)果進行處理得到樣本數(shù)據(jù)；
16、對所述樣本數(shù)據(jù)進行迭代運算，得到粒子更新后的數(shù)據(jù)；
17、對所述粒子更新后的數(shù)據(jù)進行動態(tài)調(diào)整，得到所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值。
18、可選的，在得到所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值之后，所述基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制方法，還包括：
19、判斷所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值對應(yīng)的調(diào)制方式是否收斂。
20、可選的，所述基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制方法，包括：
21、如果調(diào)制方式為收斂類別，則判斷所述電機系統(tǒng)效率值滿足終止條件；
22、如果調(diào)制方式為非收斂類別，則判斷所述電機系統(tǒng)效率值滿足不能終止條件，重新調(diào)用所述動態(tài)鄰域遺傳學習粒子群算法對所述全工況損耗模型進行優(yōu)化求解。
23、可選的，所述確定所述電機系統(tǒng)效率值對應(yīng)的所述航空驅(qū)動電機在全工況下的驅(qū)動方法，包括：
24、確定所述電機系統(tǒng)效率值在所述航空驅(qū)動電機處于包括滑行、爬升、巡航、降落在內(nèi)的不同工況下的調(diào)節(jié)方式；
25、基于所述調(diào)節(jié)方式構(gòu)建所述航空驅(qū)動電機的驅(qū)動方法。
26、根據(jù)本公開的另一方面，提供了一種基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制裝置，包括：
27、模型構(gòu)建模塊，用于構(gòu)建對應(yīng)航空驅(qū)動電機的全工況損耗模型；
28、效率計算模塊，用于基于動態(tài)鄰域遺傳學習粒子群算法對所述全工況損耗模型進行優(yōu)化求解，得到所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值；
29、調(diào)節(jié)模塊，用于當所述電機系統(tǒng)效率值滿足終止條件時，確定所述電機系統(tǒng)效率值對應(yīng)的所述航空驅(qū)動電機在全工況下的驅(qū)動方法。
30、可選的，所述模型構(gòu)建模塊，包括：
31、參數(shù)選取單元，用于設(shè)置對應(yīng)所述航空驅(qū)動電機的基礎(chǔ)參數(shù)；
32、函數(shù)構(gòu)建單元，用于構(gòu)建以所述航空驅(qū)動電機的電機系統(tǒng)效率值為優(yōu)化目標的目標函數(shù)。
33、可選的，所述函數(shù)構(gòu)建單元，包括：
34、確定所述航空驅(qū)動電機包括開關(guān)頻率、調(diào)制方式在內(nèi)的參數(shù)作為優(yōu)化變量；
35、選取所述航空驅(qū)動電機包括電磁性能、散熱性能在內(nèi)的參數(shù)作為約束條件；
36、構(gòu)建以所述航空驅(qū)動電機的電機系統(tǒng)效率值為優(yōu)化目標的目標函數(shù)。
37、可選的，所述效率計算模塊，包括：
38、初始化單元，用于使用動態(tài)鄰域遺傳學習粒子群算法將所述全工況損耗模型進行粒子初始化處理；
39、數(shù)據(jù)處理單元，用于基于動態(tài)鄰域樣本生成機制對初始化得到的結(jié)果進行處理得到樣本數(shù)據(jù)；
40、數(shù)據(jù)更新單元，用于對所述樣本數(shù)據(jù)進行迭代運算，得到粒子更新后的數(shù)據(jù)；
41、數(shù)據(jù)調(diào)整單元，用于對所述粒子更新后的數(shù)據(jù)進行動態(tài)調(diào)整，得到所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值。
42、可選的，基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制裝置，還包括：
43、收斂判斷模塊，用于判斷所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值對應(yīng)的調(diào)制方式是否收斂。
44、可選的，所述收斂判斷模塊，包括：
45、第一執(zhí)行單元，用于如果調(diào)制方式為收斂類別，則判斷所述電機系統(tǒng)效率值滿足終止條件；
46、第二執(zhí)行單元，用于如果調(diào)制方式為非收斂類別，則判斷所述電機系統(tǒng)效率值滿足不能終止條件，重新調(diào)用所述動態(tài)鄰域遺傳學習粒子群算法對所述全工況損耗模型進行優(yōu)化求解。
47、可選的，所述調(diào)節(jié)模塊，包括：
48、確定單元，用于確定所述電機系統(tǒng)效率值在所述航空驅(qū)動電機處于包括滑行、爬升、巡航、降落在內(nèi)的不同工況下的調(diào)節(jié)方式；
49、方法構(gòu)建單元，用于基于所述調(diào)節(jié)方式構(gòu)建所述航空驅(qū)動電機的驅(qū)動方法。
50、根據(jù)本公開的另一方面，提供了一種電子設(shè)備，包括：
51、處理器；以及存儲程序的存儲器，
52、其中，所述程序包括指令，所述指本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于DNGL-PSO算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于DNGL-PSO算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，所述構(gòu)建對應(yīng)航空驅(qū)動電機的全工況損耗模型，包括：
3.根據(jù)權(quán)利要求2所述的基于DNGL-PSO算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，所述構(gòu)建以所述航空驅(qū)動電機的電機系統(tǒng)效率值為優(yōu)化目標的目標函數(shù)，包括：
4.根據(jù)權(quán)利要求1所述的基于DNGL-PSO算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，所述基于動態(tài)鄰域遺傳學習粒子群算法對所述全工況損耗模型進行優(yōu)化求解，得到所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值，包括：
5.根據(jù)權(quán)利要求1所述的基于DNGL-PSO算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，在得到所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值之后，所述基于DNGL-PSO算法的航空驅(qū)動電機全工況調(diào)制方法，還包括：
6.根據(jù)權(quán)利要求5所述的基于DNGL-PSO算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，所述基于DNGL-PSO算法的
7.根據(jù)權(quán)利要求1所述的基于DNGL-PSO算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，所述確定所述電機系統(tǒng)效率值對應(yīng)的所述航空驅(qū)動電機在全工況下的驅(qū)動方法，包括：
8.一種基于DNGL-PSO算法的航空驅(qū)動電機全工況調(diào)制裝置，包括：
9.一種電子設(shè)備，其特征在于，包括：
10.一種存儲有計算機指令的非瞬時計算機可讀存儲介質(zhì)，其特征在于，所述計算機指令用于使所述計算機執(zhí)行根據(jù)權(quán)利要求1-7中任一項所述的基于DNGL-PSO算法的航空驅(qū)動電機全工況調(diào)制方法。
...【技術(shù)特征摘要】
1.一種基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，所述構(gòu)建對應(yīng)航空驅(qū)動電機的全工況損耗模型，包括：
3.根據(jù)權(quán)利要求2所述的基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，所述構(gòu)建以所述航空驅(qū)動電機的電機系統(tǒng)效率值為優(yōu)化目標的目標函數(shù)，包括：
4.根據(jù)權(quán)利要求1所述的基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，所述基于動態(tài)鄰域遺傳學習粒子群算法對所述全工況損耗模型進行優(yōu)化求解，得到所述航空驅(qū)動電機在不同工況下的電機系統(tǒng)效率值，包括：
5.根據(jù)權(quán)利要求1所述的基于dngl-pso算法的航空驅(qū)動電機全工況調(diào)制方法，其特征在于，在得到所述航空驅(qū)動電機在不同工況...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：徐金全，林華鵬，郭宏，
申請(專利權(quán))人：天目山實驗室，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。