開關磁阻電機結構參數優化方法及裝置與流程

本發明涉及開關磁阻電機技術領域，尤其涉及一種開關磁阻電機結構參數優化方法及裝置。

背景技術：

開關磁阻電機因具有起動電流小、起動轉矩大、結構簡單及成本低等優點在許多領域得到了廣泛的應用。然而由于其雙凸極結構，磁路的非線性和飽和效應，使其存在轉矩脈動大的問題，影響了其推廣應用。為此，國內外從優化開關磁阻電機的結構參數出發進行研究，提出了模擬退火算法、人工神經網絡、遺傳算法等多種優化算法，雖取得了一定的效果，但仍存在不足。如模擬退火算法收斂速度慢，執行時間長；人工神經網絡需要大量的數據訓練，算法較為復雜；遺傳算法容易出現早熟的情況，其穩定性差，處理規模小。另外，在減少開關磁阻電機轉矩脈動的同時，還希望提高其它性能指標，如效率等；為此，針對開關磁阻電機的多目標優化方法也不斷被提出。主要有：基于加權和多目標優化算法、基于非精英多目標遺傳算法、文化粒子群算法、粒子群協同優化算法等。其中基于加權和多目標優化算法相對于傳統優化方法，雖在同時尋優多個目標時具有優勢，但容易陷入局部最優解；基于非精英多目標遺傳算法穩定性不高；文化粒子群算法和粒子群協同優化算法調節參數多，工作量大，優化效率低。上述多目標優化方法在一定程度上解決了開關磁阻電機多目標、多變量、多約束的問題，但在尋優過程中容易陷入局部最優解，存在效率低、穩定性不高等不足，因此針對開關磁阻電機研究一種能快速收斂且實現多目標全局最優的算法具有重要意義。

中國專利文獻名稱為：一種單繞組磁懸浮開關磁阻電機結構參數的優化方法，申請號：201410499891.X的發明專利公開了一種單繞組磁懸浮開關磁阻電機結構參數的優化方法，該方法利用非支配排序遺傳算法對懸浮力和轉矩進行同時優化，但存在算法調節參數多、計算復雜等不足。

技術實現要素：

為了解決上述技術問題，本發明提供一種開關磁阻電機結構參數的優化方法及裝置。

本發明一種開關磁阻電機結構參數優化方法包括的步驟如下：

(1)計算開關磁阻電機(SRM)的初始結構參數；

(2)在步驟(1)的電機初始結構參數中選取待優化的結構參數；

(3)針對步驟(1)中所得電機初始結構參數建立電機有限元模型，仿真得到電機的性能參數：效率η和轉矩脈動系數δ；

(4)根據步驟(2)、(3)所得的電機待優化結構參數和性能參數，構建樣本數據；

(5)根據步驟(4)中樣本數據，運用FOA-ELM(果蠅算法優化極限學習機)訓練樣本數據，得到待優化的開關磁阻電機模型；

(6)根據步驟(5)中所得待優化的開關磁阻電機模型，以電機待優化結構參數為優化對象，以效率η和轉矩脈動系數δ為優化目標，運用遞減步長混沌映射果蠅算法對其優化，得到開關磁阻電機的最優結構參數。

本發明一種開關磁阻電機結構參數優化方法，所述遞減步長混沌映射果蠅算法步驟如下：

所述步驟(6)中的遞減步長混沌映射果蠅算法包括如下步驟：

(6-1)初始化參數；

(6-2)初始化果蠅個體的位置；

(6-3)判斷果蠅個體的位置是否能保證電機具有正反啟動能力；

(6-4)計算果蠅個體味道濃度判斷值；

(6-5)運用FOA-ELM模型，計算果蠅個體的味道濃度；

(6-6)計算果蠅最佳味道濃度值且更新果蠅群體的初始位置；

(6-7)計算果蠅群體平均味道濃度和味道濃度方差；

(6-8)判斷味道濃度方差是否小于方差閾值且混沌遍歷次數M是否大于零，若滿足執行步驟(6-9)，不滿足直接轉步驟(6-12)；

(6-9)果蠅個體位置經混沌映射變換為搜索空間內的新位置；

(6-10)計算果蠅個體新位置的味道濃度判斷值。

(6-11)調用FOA-ELM模型，計算果蠅個體新位置的味道濃度。

(6-12)重復步驟(6-4)、(6-5)并判斷果蠅新個體的味道濃度是否優于最佳味道濃度值，若優于則更新果蠅最佳味道濃度和果蠅群體初始位置，不滿足返回步驟(6-9)；

(6-13)判斷果蠅個體是否全部經過混沌映射變換，若滿足執行步驟(6-14)，

不滿足返回步驟(6-9)；

(6-14)進入迭代尋優。判斷當前迭代次數是否等于最大迭代次數Maxgen，若滿足保留最佳味道濃度值和果蠅個體的位置，算法結束；不滿足返回步驟(6-2)～(6-13)。

遞減步長遞減步長混沌映射果蠅算法步驟(6-14)迭代尋優中引入遞減步長因子，遞減步長因子如下：

式中：L為步長；L₀為初始步長；k為調節系數，其中k∈(0,1)；P為調節因子P∈(1,10)且為整數；m為調整因子，其中m∈(0,1)；N為最大迭代次數，n為當前迭代次數；

開關磁阻電機結構參數優化方法步驟(1)中，根據傳統電機設計方法和開關磁阻電機的技術指標計算電機的初始結構參數，所述初始結構參數包括：轉子外徑D_a、定子外徑D_s、鐵芯疊長l_a、氣隙g、定子極弧β_s、轉子極弧β_r、定子極寬b_ps、定子軛高h_cs、轉子極寬b_pr、轉子軛高h_cr、軸徑D_i、定子槽深d_s。

開關磁阻電機結構參數優化方法步驟(2)中，選取定子極弧β_s和轉子極弧β_r作為開關磁阻電機待優化的結構參數。

開關磁阻電機結構參數優化方法步驟(3)中，根據開關磁阻電機初始結構參數建立開關磁阻電機有限元模型，在滿足電機具有正反啟動能力的情況下，改變有限元模型中定子極弧β_s和轉子極弧β_r，得到不同定轉子極弧對應的效率η和轉矩脈動系數δ。

開關磁阻電機結構參數優化方法步驟(4)中，針對權利要求3中選取的電機待優化結構參數定子極弧β_s和轉子極弧β_r按式(2)進行處理，即：

式中：S為味道濃度判斷值；該數據處理方式借鑒果蠅算法中求味道濃度判斷值的特點，提高了后續建模和優化的效率和穩定性，并使程序變得簡單。

以式(2)計算得到的味道濃度判斷值S及步驟(3)中得到的效率η和轉矩脈動系數δ構建樣本數據(S、η、δ)。

開關磁阻電機結構參數優化方法步驟(5)中，以味道濃度判定值S作為FOA-ELM(果蠅算法優化極限學習機)的輸入，以電機待優化結構參數定子極弧β_s和轉子極弧β_r所對應的效率η和轉矩脈動系數δ作為FOA-ELM(果蠅算法優化極限學習機)的輸出，訓練樣本數據，得到待優化的開關磁阻電機模型。

開關磁阻電機結構參數優化方法步驟(6)中，構建目標函數如下：

式中：設δ＝f₁(S)，η＝f₂(S)，w₁和w₂分別為轉矩脈動系數δ和效率η對應的權重系數，且w₁+w₂＝1；

以定子極弧β_s、轉子極弧β_r為優化對象，利用遞減步長混沌映射果蠅算法對電機模型進行優化，求目標函數F(S)的極小值，即可得到最優的待優化結構參數。

本發明第二個方面提供一種開關磁阻電機結構參數優化裝置，包括微處理器、輸入設備、顯示器以及直流穩壓電源：

所述微處理器分別與輸入設備和顯示器相連；

所述微處理器，用于計算開關磁阻電機的初始結構參數；根據初始結構參數建立開關磁阻電機的有限元模型，仿真得到性能參數效率η和轉矩脈動系數δ；根據待優化結構參數和性能參數構建樣本數據；運用FOA-ELM(果蠅算法優化極限學習機)訓練樣本數據，得到待優化的開關磁阻電機模型；根據待優化的電機模型，以待優化的結構參數為優化對象，以性能參數效率η和轉矩脈動系數δ為優化目標，運用遞減步長混沌映射果蠅算法對電機結構參數進行優化，得到優化結果。

所述輸入設備，用于輸入開關磁阻電機的技術指標、選取待優化的結構參數及確定各優化對象的權重系數等。

所述顯示器，用于顯示優化過程的中間結果及最終的優化結構參數。

所述直流穩壓電源，用于為所述微處理器、輸入設備及顯示器提供電源。

本發明采用遞減步長混沌映射果蠅算法對開關磁阻電機的結構參數進行優化，具有以下效果：

(1)果蠅算法運行時間短，調節參數少，算法易于實現；加入混沌映射算法可避免其陷入局部最優解，增加其全局搜索能力。

(2)實現了效率、轉矩脈動協同最優的參數設計。

附圖說明

圖1為本發明所提出的開關磁阻電機結構參數優化方法流程圖；

圖2為開關磁阻電機靜態轉矩特性圖；

圖3為開關磁阻電機定轉子極弧關系三角圖；

圖4為各定轉子極弧參數與效率的變化規律圖；

圖5為各定轉子極弧參數與轉矩脈動系數的變化規律圖；

圖6為遞減步長混沌映射果蠅算法優化流程圖；

圖7為混沌映射果蠅優化算法果蠅飛行路徑圖；

圖8為混沌映射果蠅優化算法優化過程圖；

圖9為混沌映射果蠅優化算法電機轉矩脈動系數和效率關系圖；

圖10為本發明所提出的開關磁阻電機結構參數優化裝置原理框圖。

具體實施方式

下面結合附圖和實施例對本發明作進一步的說明。

參見圖1，圖1為本發明所提出的開關磁阻電機結構參數優化方法流程圖。本發明的一種開關磁阻電機結構參數優化方法包括的步驟如下：

(1)計算開關磁阻電機(SRM)的初始結構參數；

(2)在步驟(1)的電機初始結構參數中選取待優化的結構參數；

(3)針對步驟(1)中所得電機初始結構參數建立電機有限元模型，仿真得到電機的性能參數：效率η和轉矩脈動系數δ；

(4)根據步驟(2)、(3)所得的電機待優化結構參數和性能參數，構建樣本數據；

(5)根據步驟(4)中樣本數據，運用FOA-ELM(果蠅算法優化極限學習機)訓練樣本數據，得到待優化的開關磁阻電機模型；

(6)根據步驟(5)中所得待優化的開關磁阻電機模型，以電機待優化結構參數為優化對象，以效率η和轉矩脈動系數δ為優化目標，運用遞減步長混沌映射果蠅算法對其優化，得到開關磁阻電機的最優結構參數。

本發明一種開關磁阻電機結構參數優化方法，所述遞減步長混沌映射果蠅算法步驟如下：

所述步驟(6)中的遞減步長混沌映射果蠅算法包括如下步驟：

(6-1)初始化參數；

(6-2)初始化果蠅個體的位置；

(6-3)判斷果蠅個體的位置是否能保證電機具有正反啟動能力；

(6-4)計算果蠅個體味道濃度判斷值；

(6-5)運用FOA-ELM模型，計算果蠅個體的味道濃度；

(6-6)計算果蠅最佳味道濃度值且更新果蠅群體的初始位置；

(6-7)計算果蠅群體平均味道濃度和味道濃度方差；

(6-8)判斷味道濃度方差是否小于方差閾值且混沌遍歷次數M是否大于零，若滿足執行步驟(6-9)，不滿足直接轉步驟(6-12)；

(6-9)果蠅個體位置經混沌映射變換為搜索空間內的新位置；

(6-10)計算果蠅個體新位置的味道濃度判斷值。

(6-11)調用FOA-ELM模型，計算果蠅個體新位置的味道濃度。

(6-12)重復步驟(6-4)、(6-5)并判斷果蠅新個體的味道濃度是否優于最佳味道濃度值，若優于則更新果蠅最佳味道濃度和果蠅群體初始位置，不滿足返回步驟(6-9)；

(6-13)判斷果蠅個體是否全部經過混沌映射變換，若滿足執行步驟(6-14)，

不滿足返回步驟(6-9)；

(6-14)進入迭代尋優。判斷當前迭代次數是否等于最大迭代次數Maxgen，若滿足保留最佳味道濃度值和果蠅個體的位置，算法結束；不滿足返回步驟(6-2)～(6-13)。

遞減步長遞減步長混沌映射果蠅算法步驟(6-14)迭代尋優中引入遞減步長因子，遞減步長因子如下：

式中：L為步長；L₀為初始步長；k為調節系數，其中k∈(0,1)；P為調節因子P∈(1,10)且為整數；m為調整因子，其中m∈(0,1)；N為最大迭代次數，n為當前迭代次數；

開關磁阻電機結構參數優化方法步驟(1)中，根據傳統電機設計方法和開關磁阻電機的技術指標計算電機的初始結構參數。所述電機初始結構參數包括：轉子外徑D_a、定子外徑D_s、鐵芯疊長l_a、氣隙g、定子極弧β_s、轉子極弧β_r、定子極寬b_ps、定子軛高h_cs、轉子極寬b_pr、轉子軛高h_cr、軸徑D_i、定子槽深d_s。

開關磁阻電機結構參數優化方法驟(2)中，在步驟(1)所得電機初始結構參數中選取定子極弧β_s和轉子極弧β_r為待優化的結構參數。鑒于定轉子外徑之比為常數，同時在定子外徑D_s和鐵芯疊長l_a不變的情況下，定轉子極寬、定轉子軛高、軸徑、定子槽深隨定轉子極弧的變化而單調變化，因此選取定子極弧β_s和轉子極弧β_r為待優化的結構參數。即在定子外徑D_s、鐵芯疊長l_a及氣隙g已知的情況下，通過確定定轉子極弧，便可確定轉子外徑、定轉子極寬、定轉子軛高、軸徑、定子槽深等參數，公式如下：

式中：定子外徑D_s、鐵芯疊長l_a和氣隙g為已知量，λ₁、λ₂、λ₃為常數。則通過式(4)可求出轉子外徑D_a、定子極寬b_ps、定子軛高h_cs、轉子極寬b_pr、轉子軛高h_cr、軸徑D_i、定子槽深d_s等參數。

開關磁阻電機結構參數優化方法步驟(3)中，針對上述步驟(1)中電機初始結構參數建立其有限元模型，對該有限元模型仿真即可得到電機效率η；之后再通過改變開關磁阻電機的轉子位置角，仿真得到不同轉子位置角對應的電機轉矩，所得轉矩與轉子位置角關系曲線，即靜態轉矩特性圖如圖2所示。在圖2中，A、B相曲線最高點對應的為電機最大轉矩T_max，A、B兩相曲線交點對應的為電機最小轉矩T_min，由最大轉矩T_max和最小轉矩T_min即可得到開關磁阻電機的轉矩脈動系數，公式如下：

式中：δ為轉矩脈動系數。

參見圖3，為開關磁阻電機定轉子極弧關系三角圖。圖中陰影部分(三角形ABD)所示為定子極弧β_s和轉子極弧β_r在保證開關磁阻電機具有正反兩個方向自起動能力的前提下必須滿足的約束條件。即定子極弧β_s、轉子極弧β_r取值要滿足以下條件：

式中：N_r為轉子極數，m為電流相數。

在圖3所示三角形ABD內選取不同的定轉子極弧值，由式(6)算出電機的初始結構參數，根據該初始結構參數建立電機的有限元模型，對該有限元模型仿真得到不同定轉子極弧下的效率η和轉矩脈動系數δ，相關曲線分別如圖4、圖5所示。由圖看見，隨著開關磁阻電機定轉子極弧的逐漸增加，效率逐步下降；而轉矩脈動系數則在定子極弧一定的情況下，隨著轉子極弧的逐漸增加，先逐漸減少，在達到極小值后又逐步增加。

開關磁阻電機結構參數優化方法步驟(4)中，根據步驟(2)所得電機待優化結構參數即定子極弧β_s和轉子極弧β_r以及步驟(3)所得性能參數即效率η和轉矩脈動系數δ，構建樣本數據。

根據果蠅算法的特點，對定子極弧β_s和轉子極弧β_r按式(2)行處理，即：

式中：S為味道濃度判斷值；

在果蠅算法中，味道濃度判斷值S為距離之倒數，即將味道濃度判斷值S代入味道濃度判斷函數(目標函數)，以求出最佳味道濃度Smell，即最佳目標函數的值。

在本發明中，以效率η和轉矩脈動系數δ為兩個優化目標，并由這兩個優化目標構建一個目標函數，如式(3)所示，該目標函數在果蠅算法中即為味道濃度判斷函數；而對于本發明中選取的兩個待優化結構參數定子極弧β_s和轉子極弧β_r，則經式(2)處理后作為味道濃度判斷值S，由此可通過果蠅算法的優化處理，得到最佳的β_s、β_r、η、δ。

基于上述理由，故以式(2)計算所得味道濃度判斷值S及步驟(3)中得到的效率η和轉矩脈動系數δ構建樣本數據(S、η、δ)。

在步驟(5)中，根據步驟(4)得到的樣本數據，運用FOA-ELM(果蠅算法優化極限學習機)對樣本數據進行訓練，即以S作為FOA-ELM(果蠅算法優化極限學習機)的輸入，以待優化電機結構參數定子極弧β_s和轉子極弧β_r所對應的效率η和轉矩脈動系數δ作為FOA-ELM(果蠅算法優化極限學習機)的輸出，開始訓練樣本數據(S、η、δ)，得到待優化的開關磁阻電機模型。

所述步驟(6)中，鑒于電機效率η和轉矩脈動系數δ均可表示為變量S的函數(S的定義見式(2))，故設δ＝f₁(S)，η＝f₂(S)；而對于效率η和轉矩脈動系數δ這兩個優化目標來說，效率η取極大值，轉矩脈動系數δ取極小值，并針對兩者構建一個目標函數，如式(3)所示。即：

式中：w₁和w₂分別為轉矩脈動系數δ和效率η對應的權重系數，且w₁+w₂＝1；上述目標函數中，因f₂(S)取極大值，則[1-f₂(S)]將為極小值，同時因f₁(S)也取極小值，所以目標函數F(S)將取極小值。

以定子極弧β_s、轉子極弧β_r為優化對象，利用遞減步長混沌映射果蠅算法對電機模型進行優化，求目標函數F(S)的極小值，即可得到最優的待優化結構參數。

參見圖6，為遞減步長混沌映射果蠅算法優化流程圖。

遞減步長混沌映射果蠅算法優化步驟如下：

(6-1)初始化參數。根據目標函數，設定搜尋初始值、群體規模Sizepop、最大迭代數Maxgen、味道濃度方差閾值及混沌遍歷次數M；在保證開關磁阻電機具有正反啟動能力的前提下，即在圖3所示陰影部分(即三角形ABD)中隨機選取某一點(定轉子極弧值)作為果蠅群體的初始位置(β_{s_axis}，β_{r_axis})。

(6-2)根據上述果蠅群體的初始位置，賦予其隨機方向與距離，得到果蠅個體的位置(β_si，β_ri)如下：

(6-3)根據上述果蠅個體的位置，判定其是否處在圖3所示陰影部分的內部，若不滿足，則執行步驟(6-2)；若滿足，則執行步驟(6-4)。

(6-4)根據上述果蠅個體的位置，計算其與原點的距離Dist_i及果蠅個體的味道濃度判定值S_i，計算Dist_i和S_i的公式如下：

S_i＝1/Dist_i (9)

(6-5)利用FOA-ELM(果蠅算法優化極限學習機)對上述果蠅個體味道濃度判斷值S_i進行處理，得到定轉子極弧β_si、β_ri所對應的電機效率η_i和轉矩脈動系數δ_i；再將電機效率η_i和轉矩脈動系數δ_i代入目標函數，求得果蠅個體的味道濃度Smell_i，即：

(6-6)對果蠅群體的味道濃度Smell求極小值，得到果蠅最佳味道濃度值Smellbest，并更新果蠅群體的初始位置(β_{s_axis}，β_{r_axis})。

(6-7)計算果蠅群體的平均味道濃度和果蠅群體味道濃度方差，公式如下：

(6-8)若果蠅群體味道濃度方差σ²小于味道濃度方差閾值且混沌遍歷次數M大于零，則執行步驟(6-9)，如不滿足上述條件，則直接轉步驟(6-14)。

(6-9)混沌映射變換。將果蠅個體位置(β_si，β_ri)通過式(15)的Logistic映射變換，得到混沌變量(Cβ_si、Cβ_ri)，之后再按式(16)、(17)變換得到搜索空間內果蠅個體的新位置(β′_si、β′_ri)，混沌遍歷M次。

其中：式(16)中Cβ_si(t)、Cβ_ri(t)為映射的第i個混沌變量Cβ_si、Cβ_ri在第t步混沌變換后的值；當且時，將產生混沌現象；式(15)的優化變量β_si∈[a_i,b_i]、β_ri∈[a_1i,b_1i]。

(6-10)根據上述果蠅個體的新位置，計算其與原點的距離Dist′_i及果蠅個體的味道濃度判定值S′_i，計算Dist′_i和S′_i的公式如下：

S′_i＝1/Dist′_i (19)

(6-11)利用FOA-ELM(果蠅算法優化極限學習機)對上述果蠅個體味道濃度判斷值S′_i進行處理，得到定轉子極弧β′_si、β′_ri所對應的電機效率η′_i和轉矩脈動系數δ′_i；再將電機效率η′_i和轉矩脈動系數δ′_i代入目標函數，求得果蠅個體新位置的味道濃度Smell′_i。

(6-12)若最佳味道濃度值大于果蠅個體新位置的味道濃度值，即Smellbest>Smell′_i，則更新果蠅最佳味道濃度和果蠅群體初始位置，與此同時，整個果蠅群體利用視覺飛往最優個體位置；若不滿足，轉步驟(6-9)執行下一組定轉子極弧的混沌映射變換。

Smellbest＝Smell′_i (21)

(6-13)判斷果蠅個體是否全部經過混沌映射變換，若滿足則執行步驟(6-14)；若不滿足轉步驟(6-9)執行下一組定轉子極弧的混沌映射變換；

(6-14)迭代尋優。判斷當前迭代次數是否等于最大迭代次數Maxgen，若當前迭代次數小于最大迭代數Maxgen，則重復執行步驟(6-2)～(6-13)；若當前迭代次數等于最大迭代次數，保留最佳味道濃度的值和果蠅的個體位置，算法結束。

本發明以三相12/8極開關磁阻電機為例，設開關磁阻電機的基本技術指標為：額定功率P_N＝2.2kW、額定電壓U_N＝380V、額定轉速n_N＝3450r/min、額定效率η＝80％。根據上述技術指標并利用傳統電機設計方法計算電機的初始結構參數為：定子外徑D_S＝121mm、轉子外徑D_a＝69mm、鐵芯疊長l_a＝82.6mm、氣隙長度g＝0.4mm、定子極弧β_S＝15°、轉子極弧β_r＝16°、定子軛高h_cs＝6mm、轉子軛高h_cr＝6.7mm、軸徑D_i＝32mm、定子槽深d_s＝20mm、每極每相繞組為N＝50匝。

針對上述開關磁阻電機初始結構參數建立電機有限元模型，仿真得到電機的效率η＝86.6786％；改變開關磁阻電機的轉子位置角，轉子位置由不對齊(0°)轉到對齊(22.5°)的位置，在從0°轉到22.5°時每隔0.5°轉矩取一次值，構成轉矩與轉子位置角的關系圖，即為靜態轉矩特性圖，如圖2。由式(5)計算得到開關磁阻電機轉矩脈動系數為δ＝45.56％。

為保證開關磁阻電機具有正反啟動能力，定子極弧β_s、轉子極弧β_r需滿足以下條件：

即為圖3所示的陰影部分(三角ABD)。因此在圖3所示三角形ABD中均勻選取38組定轉子極弧值，計算出相應的初始結構參數；再將這38組數據通過有限元仿真分析和計算得到相應的效率η和轉矩脈動系數δ；然后將這38組定轉子極弧數據通過式(1)處理來構建樣本數據(S、η、δ)。

以S作為FOA-ELM(果蠅算法優化極限學習機)的輸入，以待優化電機結構參數定子極弧β_s和轉子極弧β_r所對應的效率η和轉矩脈動系數δ作為FOA-ELM(果蠅算法優化極限學習機)的輸出，訓練樣本數據(S、η、δ)，得到待優化的開關磁阻電機模型

根據式(2)，并設w₁＝0.998，w₂＝0.002，則目標函數具體表達式如下：

以定子極弧β_s和轉子極弧β_r為優化對象，利用遞減步長混沌映射果蠅算法對電機模型進行優化，求取目標函數F(S)的極小值，即可得到最優的待優化結構參數。遞減步長混沌映射果蠅算法優化結果如圖7、8和9所示。當定子極弧β_s為20.2222°、轉子極弧β_r為21.2071°時，目標函數F(S)取極小值，此時效率η為81.38％，轉矩脈動系數δ為38.7％。

進一步的，本發明還提供一種開關磁阻電機結構參數優化裝置，該裝置用于執行上述實施例對應各個步驟。圖10為本發明提供的一種開關磁阻電機結構參數優化裝置結構框圖，包括微處理器、輸入設備、顯示器、直流穩壓電源。

所述微處理器分別與輸入設備和顯示器相連；

所述微處理器，用于計算開關磁阻電機的初始結構參數；根據初始結構參數建立有限元模型，仿真得到性能參數效率η和轉矩脈動系數δ；根據待優化結構參數和性能參數構建樣本數據；運用FOA-ELM(果蠅算法優化極限學習機)訓練樣本數據，得到待優化的開關磁阻電機模型；根據待優化的電機模型，以待優化的結構參數為優化對象，以性能參數效率η和轉矩脈動系數δ為優化目標，運用遞減步長混沌映射果蠅算法對電機模型進行參數優化，得到優化結果。

所述輸入設備，用于輸入開關磁阻電機的技術指標、選取待優化的結構參數及確定各優化對象的權重系數等。

所述顯示器，用于顯示優化過程的中間結果及最終的優化結構參數。

所述直流穩壓電源，用于為所述微處理器、輸入設備及顯示器提供電源。

本發明具有以下效果：

(1)運用果蠅算法對開關磁阻電機的結構參數進行優化，具有運行時間短、調節參數少、編程簡單等優點；同時結合混沌映射算法可避免其陷入局部最優解，增加其全局尋優能力。

(2)實現了轉矩波動、效率協同最優的參數設計。

最后應說明的是：以上各實施例僅用以說明本發明的技術方案，而非對其限制；盡管參照前述各實施例對本發明進行了詳細的說明，本領域的普通技術人員應當理解：其依然可以對前述各實施例所記載的技術方案進行修改，或者對其中部分或者全部技術特征進行等同替換；而這些修改或者替換，并不使相應技術方案的本質脫離本發明各實施例技術方案的范圍。