基于动作概率的电机设计方法和电机设计装置与流程

1.本技术实施例涉及电机设计领域，尤其涉及一种基于动作概率的电机设计方法和电机设计装置。


背景技术：

2.电机，俗称马达，是指依据电磁感应定律实现电能转换或传递的一种电磁装置，作为电动机能够为负载提供动力，作为发电机能够将机械能转化为电能。电机广泛应用于多个行业，已成为生产生活中不可缺少的角色。
3.在使用电机前，需通过电机设计软件设计出符合要求的电机产品。电机设计人员根据自身电机设计经验对电机设计软件进行操作，设计出电机产品。
4.然而，现有的电机设计软件对电机设计人员的设计经验依赖性强，不同水平的电机设计人员，即使是使用相同的电机设计软件，设计出来的电机产品也往往性能水平或经济性能不同。


技术实现要素：

5.本技术实施例提供了一种基于动作概率的电机设计方法和电机设计装置。
6.一种基于动作概率的电机设计方法，包括：
7.获取用户输入的电机要求信息；
8.通过所述电机要求信息得到第一状态，所述第一状态表示电机的每个几何尺寸和每个电磁数据均有唯一值的电机状态；
9.根据第一权重矩阵和所述第一状态，计算得到候选动作的概率，所述第一权重矩阵为经人工智能网络训练得到的矩阵，所述候选动作表示对所述电机的某个几何尺寸的操作；
10.基于所述概率，确定目标动作，所述目标动作为所述候选动作中的一个动作；
11.输出包括所述目标动作的信息的电机设计信息。
12.可选的，通过所述电机要求信息得到第一状态之后，根据第一权重矩阵和所述第一状态，计算得到候选动作的概率之前，所述方法还包括：
13.将所述第一状态确定为第二状态；
14.根据所述第二状态和第一动作得到第三状态和奖励，所述第一动作为随机动作，所述第三状态为所述第二状态采取所述第一动作后的状态，所述奖励表示所述第二状态到所述第三状态的评估；
15.将所述第二状态保存至状态数组，将所述第一动作保存至动作数组，将所述奖励保存至奖励数组；
16.判断所述状态数组中状态的数量是否小于上限值，所述上限值为预设的值；
17.若大于或等于，则确定所述状态数组中状态的数量已达所述上限值；
18.若小于，则将所述第三状态确定为所述第二状态；
19.返回执行根据所述第二状态和第一动作得到第三状态和奖励，直到若大于或等于，则确定所述状态数组中状态的数量已达所述上限值为止；
20.根据所述状态数组、所述动作数组和所述奖励数组计算得到回报数组，所述回报数组包括多个累计回报，所述累计回报表示对应动作的综合评估；
21.根据所述状态数组、所述动作数组和所述回报数组确定训练数据，所述训练数据包括训练状态、训练动作和训练累计回报，所述训练状态为所述状态数组中的一个状态，所述训练动作为所述训练状态采取的动作，所述训练累计回报与所述训练动作相对应；
22.将随机初始化的矩阵确定为第二权重矩阵；
23.基于预设的状态价值函数，通过所述训练状态、第二动作和所述第二权重矩阵计算得到状态价值，所述第二动作表示所有预设的动作，所述状态价值表示处于所述训练状态时所述电机的性能水平；
24.基于预设的状态价值函数，通过所述训练状态、所述训练动作和所述训练累计回报计算所述状态价值函数对所述第二权重矩阵的梯度；
25.通过所述第二权重矩阵和所述梯度进行计算，得到第三权重矩阵；
26.判断所述状态价值的倒数是否小于预设阈值；
27.若是，则将所述第三权重矩阵确定为所述第一权重矩阵；
28.若否，则将所述第三权重矩阵确定为所述第二权重矩阵，且将所述状态数组中的另一个状态确定为所述训练状态；
29.返回执行基于预设的状态价值函数，通过所述训练状态、第二动作和所述第二权重矩阵计算得到状态价值，直到若是，则将所述第三权重矩阵确定为所述第一权重矩阵为止。
30.可选的，根据所述状态数组、所述动作数组和所述奖励数组计算得到回报数组，包括：
31.根据所述状态数组、所述动作数组和所述奖励数组，通过以下公式计算得到多个累计回报从而得到回报数组：
32.g
n-1
＝βgn r
n-1
,n≠k；
33.gn＝rn,n＝k；
34.所述n为正整数，n＝2,3,4,...,k；
35.所述β为衰减系数，可根据需求预先设定，一般取0.9；
36.所述gn表示第n个动作的累计回报；
37.所述rn表示第n个动作的奖励。
38.可选的，基于预设的状态价值函数，通过所述训练状态、第二动作和所述第二权重矩阵计算得到状态价值，包括：
39.基于以下公式，通过所述训练状态、第二动作和所述第二权重矩阵计算得到状态价值：
[0040][0041]
所述d
π
(s)为由π
θ
(a|s)引出的马尔科夫链的平稳分布；
[0042]
所述π
θ
(a|s)表示s状态下对应动作的概率；
[0043]
所述s表示所述训练状态；
[0044]
所述a表示所述第二动作；
[0045]
所述θ表示所述第二权重矩阵；
[0046]
所述q
π
(s,a)表示s状态下对应动作的动作价值，所述动作价值表示采取对应动作时所述电机的性能水平。
[0047]
可选的，通过所述第二权重矩阵和所述梯度进行计算，得到第三权重矩阵，包括：
[0048]
基于以下公式，通过所述第二权重矩阵和所述梯度进行计算，得到第三权重矩阵：
[0049][0050]
所述θ'为所述第三权重矩阵；
[0051]
所述θ为所述第二权重矩阵；
[0052]
所述α表示学习率，一般取0.001；
[0053]
所述γ表示折合率，一般取0.9至0.99；
[0054]
所述t表示对应动作的序数；
[0055]
所述表示所述梯度。
[0056]
可选的，获取用户输入的电机要求信息之后，通过所述电机要求信息得到第一状态之前，所述方法还包括：
[0057]
判断数据库中是否存在与所述电机要求信息匹配的电机模型；
[0058]
若存在，则调用所述电机模型进行处理，输出结果；
[0059]
若不存在，则确定通过所述电机要求信息得到所述第一状态。
[0060]
可选的，输出包括所述目标动作的信息的电机设计信息之后，所述方法还包括：
[0061]
根据所述电机设计信息，进行三维及二维图纸绘图；
[0062]
根据所述电机设计信息，进行电磁场有限元分析；
[0063]
根据所述电机设计信息，进行温度场有限元分析；
[0064]
根据所述电机设计信息，进行结构有限元分析；
[0065]
根据所述电机设计信息，进行振动噪声分析；
[0066]
根据所述电机设计信息，进行系统仿真分析。
[0067]
一种电机设计装置，包括：
[0068]
获取单元，用于获取用户输入的电机要求信息；
[0069]
处理单元，用于通过所述电机要求信息得到第一状态，所述第一状态表示电机的每个几何尺寸和每个电磁数据均有唯一值的电机状态；
[0070]
计算单元，用于根据第一权重矩阵和所述第一状态，计算得到候选动作的概率，所述第一权重矩阵为经人工智能网络训练得到的矩阵，所述候选动作表示对所述电机的某个几何尺寸的操作；
[0071]
确定单元，用于基于所述概率，确定目标动作，所述目标动作为所述候选动作中的一个动作；
[0072]
输出单元，用于输出包括所述目标动作的信息的电机设计信息。
[0073]
一种电机设计装置，包括：
[0074]
中央处理器，存储器以及输入输出接口；
[0075]
所述存储器为短暂存储存储器或持久存储存储器；
[0076]
所述中央处理器配置为与所述存储器通信，并执行所述存储器中的指令操作以执行前述方法。
[0077]
一种计算机可读存储介质，包括指令，当所述指令在计算机上运行时，使得计算机执行前述方法。
[0078]
从以上技术方案可以看出，本技术实施例具有以下优点：
[0079]
获取用户输入的电机要求信息后，可得到第一状态，再结合第一权重矩阵，计算得到候选动作的概率。最后基于概率来确定目标动作，输出包括目标动作的信息的电机设计信息。这样可以不依赖设计人员的设计经验，也可设计出性能水平较高的电机产品，提高了设计效率。
附图说明
[0080]
图1为本技术实施例基于动作概率的电机设计方法的一个实施例示意图；
[0081]
图2为本技术实施例基于动作概率的电机设计方法的另一实施例示意图；
[0082]
图3为本技术实施例电机设计装置的一个实施例示意图；
[0083]
图4为本技术实施例电机设计装置的另一实施例示意图。
具体实施方式
[0084]
本技术实施例提供了一种基于动作概率的电机设计方法和电机设计装置。
[0085]
为了对电机设计人员的设计经验依赖性强的问题，本技术实施例的一种基于动作概率的电机设计方法，其基本原理是，对于客户要求的电机状态，计算出每一个可能采取动作的概率，并根据概率随机选取设计动作，这种按照概率选择设计动作的模式，可以产生更多的优化设计可能性。
[0086]
下面对本技术实施例中的基于动作概率的电机设计方法和电机设计装置进行描述。
[0087]
请参阅图1，本技术实施例基于动作概率的电机设计方法的一个实施例包括：
[0088]
101、获取用户输入的电机要求信息；
[0089]
获取用户输入的电机要求信息。具体的，用户可以通过软件提供的交互界面中输入电机要求信息。其中，电机要求信息包括功率、电压、转速、相数、功率因数、海拔高度、环境温度等参数。
[0090]
102、通过所述电机要求信息得到第一状态；
[0091]
通过电机要求信息，得到第一状态。其中，状态表示电机的每个几何尺寸和每个电磁数据均有唯一值的电机状态，第一状态为初始化的状态。对于电机来说，它有几何尺寸，例如电机定子外径尺寸，电机定子内径尺寸，电机定子长度尺寸，定子槽数，槽形尺寸，转子相关尺寸等。它还有电磁数据，例如定子绕组电密，定子磁密，效率，重量等。这些所有的几何尺寸和电磁数据在某一个确定的方案下具有唯一值，则构成了一个电机状态。
[0092]
103、根据第一权重矩阵和所述第一状态，计算得到候选动作的概率；
[0093]
利用第一权重矩阵和第一状态，计算得到候选动作的概率。其中。第一权重矩阵为经人工智能网络训练得到的矩阵，动作表示对电机的其中一个几何尺寸的操作。例如，定子
外径增大是一个动作，定子外径减少也是一个动作，定子长度增加是一个动作，定子长度不变也是一个动作。候选动作有多个，是人为预先设定好的，用于为后续操作提供条件。概率为对应的候选动作被选中的机率，一般概率越大，对应的候选动作越可能被选中。
[0094]
104、基于所述概率，确定目标动作；
[0095]
基于求得的概率，确定目标动作。具体的，根据多个概率进行选择，随机选中候选动作中的一个动作为目标动作。其中，目标动作不一定是概率最大的对应的动作，可以是多个候选动作中任一个动作，只是概率最大的动作有较大的可能被确定为目标动作。
[0096]
具体的，构造一个深度人工智能网络，将第一状态和第一权重矩阵输入至输入层。其中，输入层的激活函数采用relu。设置隐藏层和舍弃层，对舍弃层的融断概率进行设定，以防止一开始即陷入局部最优及过拟合。最后输出层输出电机的设计动作，即目标动作。其中，输出层的激活函数采用softmax。
[0097]
105、输出包括所述目标动作的信息的电机设计信息。
[0098]
确定目标动作后，输出包括目标动作的信息的电机设计信息。例如，电机设计信息可以包括电机基本性能信息，采取的目标动作，得到的最优状态等。
[0099]
本技术实施例中，获取用户输入的电机要求信息后，可得到第一状态，再结合第一权重矩阵，计算得到候选动作的概率。最后基于概率来确定目标动作，输出包括目标动作的信息的电机设计信息。这样可以不依赖设计人员的设计经验，也可设计出性能水平较高的电机产品，提高了设计效率。
[0100]
请参阅图2，本技术实施例基于动作概率的电机设计方法的另一实施例包括：
[0101]
201、获取用户输入的电机要求信息；
[0102]
获取用户输入的电机要求信息。具体的，用户可以通过软件提供的交互界面中输入电机要求信息。其中，电机要求信息包括功率、电压、转速、相数、功率因数、海拔高度、环境温度等参数。
[0103]
202、判断数据库中是否存在与所述电机要求信息匹配的电机模型；
[0104]
判断数据库中是否存在与电机要求信息匹配的电机模型，若存在，则执行步骤203，若不存在，则执行步骤204。
[0105]
203、调用所述电机模型进行处理，输出结果；
[0106]
若数据库中已有与电机要求信息匹配的电机产品信息，则调用数据库中对应的电机产品信息的相关数据进行处理，得到设计结果。
[0107]
204、确定通过所述电机要求信息得到所述第一状态；
[0108]
得到数据库中不存在与电机要求信息匹配的电机模型的提示信息，确定通过电机要求信息得到所述第一状态。
[0109]
205、通过所述电机要求信息得到第一状态；
[0110]
通过电机要求信息，得到第一状态。具体的，构造一个电机设计智能体，再搭建电机环境，结合电机要求信息，得到第一状态。电机设计智能体是一个程序，类似于一个电机设计工程师，负责与电机环境沟通，并能够进行动作，采样，计算损失等。
[0111]
对于电机来说，它有几何尺寸，例如电机定子外径尺寸，电机定子内径尺寸，电机定子长度尺寸，定子槽数，槽形尺寸，转子相关尺寸等。它还有电磁数据，例如定子绕组电密，定子磁密，效率，重量等。这些所有的几何尺寸和电磁数据构成了电机环境。而电机环境
在某一个确定的方案下每个几何尺寸和每个电磁数据均具有唯一值，则构成了一个电机状态。其中，第一状态为初始化的状态。
[0112]
206、将所述第一状态确定为第二状态；
[0113]
将第一状态确定为第二状态。具体的，将第一状态值确定为第二状态的初始值，而第二状态不表示特定的状态，其值经下述步骤会产生变化。
[0114]
207、根据所述第二状态和第一动作得到第三状态和奖励；
[0115]
根据第二状态和第一动作得到第三状态和奖励。其中，第一动作为随机动作，通过电机设计智能体调用电机环境取样模块进行随机取样得到。第三状态为第二状态采取第一动作后的状态。
[0116]
奖励是表示第二状态到第三状态的评估，可以根据需求人为设定奖励的标准以对动作进行评估。例如，采取定子外径增大的动作，对应的电磁数据相应改变，定子绕组电密、定子齿磁密和效率的值产生变化。设定标准，reward_j为定子绕组电密的奖励，当定子绕组电密大于8a/mm^2而小于10a/mm^2时，reward_j＝0，否则，reward_j＝-10；reward_b为定子齿磁密的奖励，当定子齿磁密大于1.5t，小于1.8t时，reward_b＝0，否则reward_b＝-10；reward_eff为效率奖励，reward_eff＝电机效率*1000。规定该动作的奖励为reward＝reward_j reward_b reward_eff，即可算出奖励。
[0117]
208、将所述第二状态保存至状态数组，将所述第一动作保存至动作数组，将所述奖励保存至奖励数组；
[0118]
将第二状态、第一动作和奖励分别保存。状态数组保存状态的数据，动作数组保存动作的数据，奖励数组保存奖励的数据。数组中的数据为后续步骤用于训练的数据，保存数组数据为提供训练的前提条件。
[0119]
209、判断所述状态数组中状态的数量是否小于上限值；
[0120]
判断状态数组中状态的数量是否小于上限值，其中上限值为预设的值，可根据需求将上限值设定为num。若否，即状态数组中状态的数量大于或等于num，则执行步骤210，若是，即状态数组中状态的数量小于num，则执行步骤211后，再执行步骤207；
[0121]
210、确定所述状态数组中状态的数量已达所述上限值；
[0122]
确定状态元组中状态的数量已达上限值。具体的，确定状态元组中状态的数量达到num，或者说，已重复步骤207和步骤208共num次。
[0123]
211、将所述第三状态确定为所述第二状态；
[0124]
若状态数组中状态的数量小于num，则第三状态确定为第二状态，以重复上述步骤，得到新的数据。
[0125]
为了便于理解，下面对步骤206至步骤211的过程进行举例描述。例如，将第一状态确定为第二状态的初始值s1，电机设计智能体调用电机环境取样模块进行随机取样得到第一动作的当前值a1，通过s1和a1可以得到第三状态当前值s2和奖励当前值r1，将s1保存至状态数组，将a1保存至动作数组，将r1保存至奖励数组。若状态数组中状态的当前数量1小于num，则将s2确定为第二状态的当前值，随机取样得到第一动作的当前值a2，通过s2和a2可以得到第三状态当前值s3和奖励当前值r2，对s2、a2和r2进行保存。重复上述过程共num次，得到状态数组、动作数组和奖励数组：
[0126]
状态数组：[s1，s2，s3，...，sn]；
[0127]
动作数组：[a1，a2，a3，...，an]；
[0128]
奖励数组：[r1，r2，r3，...，rn]。
[0129]
212、根据所述状态数组、所述动作数组和所述奖励数组计算得到回报数组；
[0130]
根据状态数组、动作数组和奖励数组计算得到回报数组，其中，回报数组包括多个累计回报，累计回报表示对应动作的综合评估。通过以下公式计算可得到多个累计回报从而得到回报数组：
[0131]gn-1
＝βgn r
n-1
,n≠k；
[0132]gn
＝rn,n＝k；
[0133]
所述n为正整数，n＝2,3,4,...,k；
[0134]
所述β为衰减系数，可根据需求预先设定，一般取0.9；
[0135]
所述gn表示第n个动作的累计回报；
[0136]
所述rn表示第n个动作的奖励。
[0137]
一般情况下，先求出最后一个动作的累计回报，再依次求出前面序数的累计回报。例如，假设k为10，则先求出gn＝g10＝r10，接着求g9＝0.9*g10 r9，依次类推，直到求出g1，从而得到回报数组：[g1，g2，g3，...，g10]。
[0138]
213、根据所述状态数组、所述动作数组和所述回报数组确定训练数据；
[0139]
根据状态数组、动作数组和回报数组确定训练数据。其中，训练数据包括训练状态、训练动作和训练累计回报，训练状态为状态数组中的一个状态，训练动作为训练状态采取的动作，训练累计回报与训练动作相对应。
[0140]
214、将随机初始化的矩阵确定为第二权重矩阵；
[0141]
将随机初始化的矩阵确定为第二权重矩阵，具体的，先通过软件程序初始化一个矩阵，再将该矩阵确定为第二权重矩阵以供训练。其中，第二权重矩阵不是指特定的矩阵，其会经下述步骤发生变化。
[0142]
215、基于预设的状态价值函数，通过所述训练状态、第二动作和所述第二权重矩阵计算得到状态价值；
[0143]
基于预设的状态价值函数，通过训练状态、第二动作和第二权重矩阵计算得到状态价值。其中，第二动作表示所有预设的动作，状态价值表示处于训练状态时电机的性能水平。具体的，可通过以下公式进行计算：
[0144][0145]
所述d
π
(s)为由π
θ
(as)引出的马尔科夫链的平稳分布；
[0146]
所述π
θ
(as)表示s状态下对应动作的概率；
[0147]
所述s表示所述训练状态；
[0148]
所述a表示所述第二动作；
[0149]
所述θ表示所述第二权重矩阵；
[0150]
所述q
π
(s,a)表示s状态下对应动作的动作价值，所述动作价值表示采取对应动作时所述电机的性能水平。
[0151]
216、基于预设的状态价值函数，通过所述训练状态、所述训练动作和所述训练累计回报计算所述状态价值函数对所述第二权重矩阵的梯度；
[0152]
通过训练状态、训练动作和训练累计回报计算状态价值函数对第二权重矩阵的梯度。其中，梯度可以理解为状态价值函数对第二权重矩阵的偏导数。
[0153]
217、通过所述第二权重矩阵和所述梯度进行计算，得到第三权重矩阵；
[0154]
基于以下公式，通过所述第二权重矩阵和所述梯度进行计算，得到第三权重矩阵：
[0155][0156]
所述θ'为所述第三权重矩阵；
[0157]
所述θ为所述第二权重矩阵；
[0158]
所述α表示学习率，一般取0.001；
[0159]
所述γ表示折合率，一般取0.9至0.99；
[0160]
所述t表示对应动作的序数；
[0161]
所述表示所述梯度。
[0162]
举例对公式进行说明。当选取的动作为s1时，t＝1，当选取的动作为s2时，t＝2，依次类推。求出s1状态下的梯度，代入式子可求得结果。
[0163]
218、判断所述状态价值的倒数是否小于预设阈值；
[0164]
判断状态价值的倒数是否小于预设阈值，其中，预设阈值可根据需求确定，例如可设置为0.00001，具体此处不做限定。若是，则执行步骤219，若否，则执行步骤220后，再执行步骤215。
[0165]
219、将所述第三权重矩阵确定为所述第一权重矩阵；
[0166]
若状态价值的倒数小于预设阈值，则将第三权重矩阵确定为第一权重矩阵，矩阵的训练过程结束。
[0167]
220、将所述第三权重矩阵确定为所述第二权重矩阵，且将所述状态数组中的另一个状态确定为所述训练状态；
[0168]
若状态价值的倒数大于或等于预设阈值，则将第三权重矩阵确定为第二权重矩阵，且将状态数组中的另一个状态确定为训练状态，进行下一轮训练。
[0169]
为了便于理解，下面对步骤213至步骤220的过程进行举例描述。例如，根据状态数组、动作数组和回报数组确定训练数据。其中，选取状态数组中的一个状态s1作为训练状态当前值、训练动作当前值为a1，训练累计回报当前值为g1。通过软件随机初始化，将θ1作为第二权重矩阵的初始值。基于预设的状态价值函数，通过s1、第二动作和θ1进行计算。其中，第二动作表示所有预设的动作，假设预设的所有动作仅为四种，第二动作包括定子外径增大、定子外径减少、定子长度增加和定子长度不变。先求得每个动作的动作价值，再求每个动作的概率，将同一动作的动作价值和概率相乘，再将四个相乘的结果相加，再进行其他数学计算得到状态价值当前值j(θ1)。接着通过s1、a1和g1求状态价值函数对θ1的梯度，再根据该梯度和θ1求出新的矩阵值θ2，其中t的值为1。若j(θ1)的倒数大于或等于0.00001，则将θ2确定为第二权重矩阵的当前值，选取状态数组中的另一个状态s2确定为训练状态的当前值，训练动作当前值为a2，训练累计回报当前值为g2。重复上述步骤求出新的状态价值j(θ2)和新的矩阵值θ3，再进行判断。依次类推。
[0170]
221、根据第一权重矩阵和所述第一状态，计算得到候选动作的概率；
[0171]
利用第一权重矩阵和第一状态，计算得到候选动作的概率。其中。第一权重矩阵为
经人工智能网络训练得到的矩阵，动作表示对电机的其中一个几何尺寸的操作。例如，定子外径增大是一个动作，定子外径减少也是一个动作，定子长度增加是一个动作，定子长度不变也是一个动作。候选动作有多个，是人为预先设定好的，用于为后续操作提供条件。概率为对应的候选动作被选中的机率，一般概率越大，对应的候选动作越可能被选中。
[0172]
222、基于所述概率，确定目标动作；
[0173]
基于求得的概率，确定目标动作。具体的，根据多个概率进行选择，随机选中候选动作中的一个动作为目标动作。其中，目标动作不一定是概率最大的对应的动作，可以是多个候选动作中任一个动作，只是概率最大的动作有较大的可能被确定为目标动作。
[0174]
具体的，构造一个深度人工智能网络，将第一状态和第一权重矩阵输入至输入层。其中，输入层的激活函数采用relu。设置隐藏层和舍弃层，对舍弃层的融断概率进行设定，以防止一开始即陷入局部最优及过拟合。最后输出层输出电机的设计动作，即目标动作。其中，输出层的激活函数采用softmax。
[0175]
223、输出包括所述目标动作的信息的电机设计信息；
[0176]
确定目标动作后，输出包括目标动作的信息的电机设计信息。例如，电机设计信息可以包括电机基本性能信息，采取的目标动作，得到的最优状态等。
[0177]
224、根据所述电机设计信息，进行三维及二维图纸绘图；
[0178]
根据所述电机设计信息，自动调用绘图软件进行三维及二维图纸绘图。
[0179]
225、根据所述电机设计信息，进行电磁场有限元分析；
[0180]
根据所述电机设计信息，自动调用电磁场有限元分析软件进行电磁场有限元分析。
[0181]
226、根据所述电机设计信息，进行温度场有限元分析；
[0182]
根据所述电机设计信息，自动调用温度场有限元分析软件进行温度场有限元分析。
[0183]
227、根据所述电机设计信息，进行结构有限元分析；
[0184]
根据所述电机设计信息，自动调用结构有限元分析软件进行结构有限元分析。
[0185]
228、根据所述电机设计信息，进行振动噪声分析；
[0186]
根据所述电机设计信息，自动调用振动噪声分析软件进行振动噪声分析。
[0187]
229、根据所述电机设计信息，进行系统仿真分析。
[0188]
根据所述电机设计信息，自动调用仿真软件进行系统仿真分析。
[0189]
本实施例中，获取用户输入的电机要求信息后，若没有现有的电机模型，则根据电机要求信息可得到第一状态，再结合第一权重矩阵，计算得到候选动作的概率。最后基于概率来确定目标动作，输出包括目标动作的信息的电机设计信息。这样可以不依赖设计人员的设计经验，也可设计出性能水平较高的电机产品，提高了设计效率。
[0190]
下面对本技术实施例中电机设计装置进行描述。请参阅图3，本技术实施例电机设计装置的一个实施例包括：
[0191]
获取单元301，用于获取用户输入的电机要求信息；
[0192]
处理单元302，用于通过所述电机要求信息得到第一状态，所述第一状态表示电机的每个几何尺寸和每个电磁数据均有唯一值的电机状态；
[0193]
计算单元303，用于根据第一权重矩阵和所述第一状态，计算得到候选动作的概
率，所述第一权重矩阵为经人工智能网络训练得到的矩阵，所述候选动作表示对所述电机的某个几何尺寸的操作；
[0194]
确定单元304，用于基于所述概率，确定目标动作，所述目标动作为所述候选动作中的一个动作；
[0195]
输出单元305，用于输出包括所述目标动作的信息的电机设计信息。
[0196]
本实施例中，获取单元301获取用户输入的电机要求信息后，可得到第一状态，再结合第一权重矩阵，通过计算单元303计算得到候选动作的概率。最后通过确定单元304基于概率来确定目标动作，输出单元305输出包括目标动作的信息的电机设计信息。这样可以不依赖设计人员的设计经验，也可设计出性能水平较高的电机产品，提高了设计效率。
[0197]
本实施例电机设计装置中各单元所执行的功能以及流程与前述图1至图2中电机设计装置所执行的功能和流程类似，此处不再赘述。
[0198]
图4是本技术实施例提供的一种电机设计装置结构示意图，该电机设计装置400可以包括一个或一个以上中央处理器(central processing units，cpu)401和存储器405，该存储器405中存储有一个或一个以上的应用程序或数据。
[0199]
其中，存储器405可以是易失性存储或持久存储。存储在存储器405的程序可以包括一个或一个以上模块，每个模块可以包括对电机设计装置400中的一系列指令操作。更进一步地，中央处理器401可以设置为与存储器405通信，在电机设计装置400上执行存储器405中的一系列指令操作。
[0200]
电机设计装置400还可以包括一个或一个以上电源402，一个或一个以上有线或无线网络接口403，一个或一个以上输入输出接口404，和/或，一个或一个以上操作系统，例如windows servertm，mac os xtm，unixtm,linuxtm，freebsdtm等。
[0201]
该中央处理器401可以执行前述图1至图2所示实施例中电机设计装置所执行的操作，具体此处不再赘述。
[0202]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0203]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0204]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0205]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0206]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用
时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。