【摘要】：量子遺傳算法具有種群規(guī)模小而不影響算法性能、收斂速度快和全局搜索能力強(qiáng)等優(yōu)點(diǎn)。為了獲得高功率密度和低成本的電動車用輪轂電機(jī),基于量子遺傳算法,針對研究設(shè)計(jì)的一種外轉(zhuǎn)子永磁同步輪轂電機(jī),以電機(jī)有效質(zhì)量、材料成本和功率損耗為優(yōu)化目標(biāo),建立了包含8個(gè)設(shè)計(jì)變量和5個(gè)約束的數(shù)學(xué)模型,對電機(jī)進(jìn)行優(yōu)化設(shè)計(jì)。研究結(jié)果表明:永磁同步輪轂電機(jī)有效質(zhì)量、材料成本和功率損耗降低,效率特性提升,有限元分析結(jié)果與量子遺傳算法計(jì)算結(jié)果接近,能滿足電動車對驅(qū)動輪轂電機(jī)的使用要求,因此,量子遺傳算法對于輪轂電機(jī)優(yōu)化設(shè)計(jì)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.
【作者單位】： 重慶大學(xué)汽車工程學(xué)院;
【基金】：國家高技術(shù)研究發(fā)展計(jì)劃(“863”計(jì)劃)項(xiàng)目(2012AA111803) 重慶市科委攻關(guān)項(xiàng)目(CSTC,2010AA6039) 重慶市研究生科研創(chuàng)新項(xiàng)目資助(CYS15034)~~
【分類號】：TM341;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 盧有麟;周建中;楊俊杰;李英海;張勇傳;;基于改進(jìn)量子遺傳算法的水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行[J];中國科技論文在線;2007年09期

2 劉紅文;張葛祥;;局部搜索量子遺傳算法及其無功優(yōu)化應(yīng)用[J];電力系統(tǒng)及其自動化學(xué)報(bào);2009年02期

3 曾建鑫;朱子坤;;基于量子遺傳算法的大規(guī)模配電網(wǎng)實(shí)時(shí)重構(gòu)研究[J];廣東電力;2011年01期

4 張燦;張強(qiáng);;基于量子遺傳算法優(yōu)化的無線電能傳輸模型[J];電測與儀表;2014年17期

5 劉紅文;張葛祥;;基于改進(jìn)量子遺傳算法的電力系統(tǒng)無功優(yōu)化[J];電網(wǎng)技術(shù);2008年12期

6 王春麗;趙書強(qiáng);李勇;;基于改進(jìn)量子遺傳算法的輸電網(wǎng)規(guī)劃方法[J];電力科學(xué)與工程;2010年11期

7 侯新國;王家林;;艦船電力系統(tǒng)量子遺傳算法的故障診斷方法研究[J];船電技術(shù);2013年12期

8 魏亞楠;牛東曉;;基于KKT和量子遺傳算法的風(fēng)火電聯(lián)合上網(wǎng)最優(yōu)決策[J];運(yùn)籌與管理;2013年02期

9 張海麗;張宏立;;基于量子遺傳算法的水輪機(jī)調(diào)速器PID參數(shù)優(yōu)化[J];人民長江;2013年19期

10 李黃強(qiáng);孫云蓮;;基于量子遺傳算法的寬帶電力線多用戶通信資源分配[J];電力自動化設(shè)備;2009年10期

相關(guān)碩士學(xué)位論文 前6條

1 周仕平;三電平背靠背變換器的諧波消除與可靠性研究[D];安徽大學(xué);2017年

2 方超;量子遺傳算法的改進(jìn)及其在火電機(jī)組負(fù)荷優(yōu)化分配上的應(yīng)用[D];華北電力大學(xué)（北京）;2011年

3 張萌慧;基于改進(jìn)量子遺傳算法的輸電網(wǎng)擴(kuò)展規(guī)劃研究[D];華北電力大學(xué);2014年

4 劉星;改進(jìn)量子遺傳算法優(yōu)化同步開關(guān)控制策略的研究[D];西華大學(xué);2014年

5 梅曉娟;基于改進(jìn)SVM的風(fēng)機(jī)SCADA系統(tǒng)故障分類識別方法研究[D];上海電機(jī)學(xué)院;2015年

6 張曉成;基于多目標(biāo)控制的分布式潮流控制器研究[D];武漢理工大學(xué);2013年

，

本文編號：2241114