永磁体选择方法、装置、电子设备及程序产品与流程

摘要: 本技术涉及轨道交通装备领域,尤其涉及一种永磁体选择方法、装置、电子设备及程序产品。背景技术:1、城市轨道交通系统作为现代城市交通的核心组成部分,其牵引电机的性能...
永磁体选择方法、装置、电子设备及程序产品与流程

本技术涉及轨道交通装备领域,尤其涉及一种永磁体选择方法、装置、电子设备及程序产品。

背景技术:

1、城市轨道交通系统作为现代城市交通的核心组成部分,其牵引电机的性能直接决定了车辆的运行效率、能耗水平和运行可靠性。城轨的牵引电机长期处于高温升、强退磁场及振动冲击问题。

2、对于上述问题,常规解决方案通常基于实验室材料样品的磁性能指标(如剩磁、矫顽力、磁能积)进行选型,难以在材料开发初期同步考虑上述多维度需求,导致研发周期长、试错成本高,且难以保证材料性能与电机实际运行工况的适配性。

3、本发明通过构建材料、工艺、电机性能的联合优化闭环,解决了传统永磁材料设计依赖经验选型与重复试验导致的周期长、适配性差的问题。

技术实现思路

1、本技术实施例提供一种永磁体选择方法、装置、电子设备及程序产品,用以达到缩短研发周期,减少试验次数的效果。

2、第一方面,本技术实施例提供一种永磁体选择方法,包括:获取候选永磁体的第一相关数据集,所述第一相关数据集表征所述候选永磁体的相关描述信息;将所述第一相关数据集输入多目标优化算法,输出第一候选方案集,所述第一候选方案集包括兼顾多目标帕累托候选方案的集合;将所述第一候选方案集输入电磁热耦合模型进行过滤,输出第二候选方案集,所述电磁热耦合模型用于基于所述候选永磁体在极限工况下的退磁情况对所述第一候选方案集进行过滤;基于所述第二候选方案集的测试结果,得到目标永磁体。

3、在一种可能的实施方式中,所述将所述第一相关数据集输入多目标优化算法,输出第一候选方案集,包括:根据所述第一相关数据集,获取所述材料参数、所述工艺参数及所述约束条件的种群并完成初始化;通过多目标优化算法对所述种群进行非支配排序并选择参考点,得到非支配排序结果;根据所述非支配排序结果进行筛选,得到满足所述约束条件的所述第一候选方案集。

4、在一种可能的实施方式中,所述将所述第一候选方案集输入电磁热耦合模型进行过滤,输出第二候选方案集,包括:基于所述第一候选方案集,所述电磁热耦合模型对所述候选永磁体的性能参数进行计算,得到极限工况下的退磁风险、效率及温升,所述极限工况包括峰值工况、持续工况及故障弱磁工况;所述电磁热耦合模型基于第一阈值对所述退磁风险、所述效率及所述温升进行过滤,得到第二候选方案集。

5、在一种可能的实施方式中,在所述获取候选永磁体的第一相关数据集之前,还包括:构建包含材料参数、工艺参数、磁性能数据及约束条件的异构数据库;对所述异构数据库中的数据进行归一化处理,得到归一化数据集;对所述归一化数据集进行特征编码,得到第一相关数据集。

6、在一种可能的实施方式中,所述构建包含材料参数、工艺参数、磁性能数据及约束条件的异构数据库,包括:采用迁移学习框架对跨领域永磁材料数据进行预训练,得到代理参数模型;针对城轨电机工况对所述代理参数模型进行微调,并基于微调后的代理参数模型构建异构数据库。

7、在一种可能的实施方式中,在所述将所述第一候选方案集输入电磁热耦合模型进行过滤,输出第二候选方案集之后,还包括:通过第二候选方案集,得到更新特征向量,所述更新特征向量包括材料参数及工艺参数;将所述更新特征向量写入异构数据库并对其中数据的权重进行更新。

8、在一种可能的实施方式中,在所述将所述第一候选方案集输入电磁热耦合模型进行过滤,输出第二候选方案集之前,还包括:采用轻量化电磁热耦合模型进行实时仿真;通过降阶建模技术,对所述轻量化电磁热耦合模型的仿真计算复杂度进行降低,得到降低后的电磁热耦合模型。

9、第二方面,本技术实施例提供一种永磁体选择装置,包括:

10、获取模块,用于获取候选永磁体的第一相关数据集;

11、算法模块,用于将所述第一相关数据集输入多目标优化算法,输出第一候选方案集;

12、过滤模块,用于将所述第一候选方案集输入电磁热耦合模型进行过滤,输出第二候选方案集;

13、测试模块,用于基于所述第二候选方案集的测试结果,得到目标永磁体。

14、在一种可能的实施方式中,所述算法模块在所述将所述第一相关数据集输入多目标优化算法,输出第一候选方案集时,具体用于:根据所述第一相关数据集,获取所述材料参数、所述工艺参数及所述约束条件的种群并完成初始化;通过多目标优化算法对所述种群进行非支配排序并选择参考点,得到非支配排序结果;根据所述非支配排序结果进行筛选,得到满足所述约束条件的所述第一候选方案集。

15、在一种可能的实施方式中,所述过滤模块在所述将所述第一候选方案集输入电磁热耦合模型进行过滤,输出第二候选方案集时,具体用于:基于所述第一候选方案集,所述电磁热耦合模型对所述候选永磁体的性能参数进行计算,得到极限工况下的退磁风险、效率及温升,所述极限工况包括峰值工况、持续工况及故障弱磁工况;所述电磁热耦合模型基于第一阈值对所述退磁风险、所述效率及所述温升进行过滤,得到第二候选方案集。

16、在一种可能的实施方式中,所述获取模块在所述获取候选永磁体的第一相关数据集之前,还用于:构建包含材料参数、工艺参数、磁性能数据及约束条件的异构数据库;对所述异构数据库中的数据进行归一化处理,得到归一化数据集;对所述归一化数据集进行特征编码,得到第一相关数据集。

17、在一种可能的实施方式中,所述获取模块在所述构建包含材料参数、工艺参数、磁性能数据及约束条件的异构数据库时,具体用于:采用迁移学习框架对跨领域永磁材料数据进行预训练,得到代理参数模型;针对城轨电机工况对所述代理参数模型进行微调,并基于微调后的代理参数模型构建异构数据库。

18、在一种可能的实施方式中,所述过滤模块在所述将所述第一候选方案集输入电磁热耦合模型进行过滤,输出第二候选方案集之后,还用于:通过第二候选方案集,得到更新特征向量,所述更新特征向量包括材料参数及工艺参数;将所述更新特征向量写入异构数据库并对其中数据的权重进行更新。

19、在一种可能的实施方式中,所述过滤模块在所述将所述第一候选方案集输入电磁热耦合模型进行过滤,输出第二候选方案集之前,还用于:采用轻量化电磁热耦合模型进行实时仿真;通过降阶建模技术,对所述轻量化电磁热耦合模型的仿真计算复杂度进行降低,得到降低后的电磁热耦合模型。

20、第三方面,本技术实施例提供一种电子设备,包括:存储器,处理器;

21、所述存储器存储计算机执行指令;

22、所述处理器执行所述存储器存储的计算机执行指令,使得所述处理器执行如上第一方面和/或第一方面各种可能的实施方式。

23、第四方面,本技术实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上第一方面和/或第一方面各种可能的实施方式。

24、第五方面,本技术实施例提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上第一方面和/或第一方面各种可能的实施方式。

25、本技术实施例提供的一种永磁体选择方法、装置、电子设备及程序产品,通过获取候选永磁体的第一相关数据集,所述第一相关数据集表征所述候选永磁体的相关描述信息;将所述第一相关数据集输入多目标优化算法,输出第一候选方案集,所述第一候选方案集包括兼顾多目标帕累托候选方案的集合;将所述第一候选方案集输入电磁热耦合模型进行过滤,输出第二候选方案集,所述电磁热耦合模型用于基于所述候选永磁体在极限工况下的退磁情况对所述第一候选方案集进行过滤;基于所述第二候选方案集的测试结果,得到目标永磁体。通过将第一相关数据集作为特征向量输入多目标优化算法,输出候选方案,再通过电磁热耦合模型对候选方案进行过滤得到第二候选方案集,最后通过对第二候选方案集进行仿真测试,得到目标永磁体的手段,达到缩短研发周期,减少试验次数的效果。