(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111560108.2 (22)申请日 2021.12.20 (71)申请人 东南大学 地址 210096 江苏省南京市玄武区四牌楼 2 号 (72)发明人 花为　顾佳磊　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 代理人 熊玉玮 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/17(2020.01) G06N 7/00(2006.01) G06F 119/08(2020.01) G06F 111/06(2020.01)G06F 111/04(2020.01) (54)发明名称 基于局部代理模型的电机多目标鲁棒性优 化方法 (57)摘要 本发明公开基于局部代理模型的电机多目 标鲁棒性优化方法， 属于计算、 推算或计数的技 术领域。 首先通过确定性设计获取电机性能数据 库， 建立全局代理模型， 进行电机鲁棒性优化获 得首次最优解集。 然后， 从数据库中选择首次最 优解集临近域内的数据点， 建立局部代理模型， 再次进行鲁棒优化， 获取新的最优解集， 迭代在 已有最优解集中选择数据点训练局部代理模型 并获取鲁棒优化最优解集的过程， 直至相邻两次 鲁棒性优化的最优解集的超体积相对差别小于 预设值， 即可获得高精度的电机鲁棒性最优设 计。 本发明提出的电机多目标鲁棒性优化局部代 理模型策略能够有效提高代理模型在小区间的 预测精度， 缩短了电机鲁棒性优化时长， 具有良 好的实用性和经济性。 权利要求书2页 说明书5页 附图4页 CN 114398824 A 2022.04.26 CN 114398824 A 1.基于局部代理模型的电机多目标鲁棒 性优化方法， 其特 征在于， 选取确定性优化数据构建数据库， 用所述数据库训练全局代理模型； 利用训练后的全局代理模型预测电机性能， 根据电机性能预测值进行初次鲁棒性优 化， 获取初次鲁棒 性优化的最优解 集， 并计算初次鲁棒 性优化的最优解 集的超体积参数； 在所述初次鲁棒性优化的最优解集的临近域内筛选训练第一代局部代理模型的数据 集， 用所述数据集训练第一代局部代理模型， 利用训练后的第一代局部代理模型预测电机 性能， 获取第二次鲁棒性优化的最优解集， 并计算第二次鲁棒性优化的最优解集的超体积 参数， 在初次鲁棒性优化的最优解集的超体积参数与第二次鲁棒性优化的最优解集的超体 积参数的相对差别不满足 阈值要求时， 在所述第二次鲁棒性优化的最优解集的临近域内筛 选训练第二代局部代理模型的数据集， 重复训练局部代理模型获取鲁棒性优化解集后比较 相邻两次鲁棒性优化 获取的最优解集的超体积参数的过程， 直至相邻两次鲁棒性优化获取 的最优解 集的超体积参数的相对差别满足阈值要求， 结束电机多目标鲁棒 性优化。 2.根据权利要求1所述基于局部代理模型的电机多目标鲁棒性优化方法， 其特征在于， 用所述数据库训练全局代理模型的具体方法为： 采用遗传算法对全局代理模型进 行超参数 调优， 通过NSGA   Ⅱ算法指导电机优化得到候选 设计， 以经过超参数调优的全局代理模 型计 算候选设计的性能， 再 结合MCA法对候选设计进行鲁棒 性评估。 3.根据权利要求1所述基于局部代理模型的电机多目标鲁棒性优化方法， 其特征在于， 所述最优解集的临近域的确定方法为： 对初次鲁棒性优化的最优解集中的数据进 行线性回 归得到拟合 函数， 由最优解 集内距离拟合 函数最远的数据点确定临近域的边界直线。 4.根据权利要求1所述基于局部代理模型的电机多目标鲁棒性优化方法， 其特征在于， 所述超体积参数的计算方法为： 根据最优解集中各数据点与待优化电机性能的数值关系得 到最优解集在待优化电机性能所确定的二维坐标系下的曲线， 累加所述曲线 上相邻两点之 间的线段与二维坐标系横坐标包围的几何面积计算超体积参数。 5.根据权利要求1所述基于局部代理模型的电机多目标鲁棒性优化方法， 其特征在于， 所述电机性能包 含但不限于转矩、 成本、 转矩波动、 效率、 绕组平均温度和永磁 体平均温度。 6.根据权利要求1所述基于局部代理模型的电机多目标鲁棒性优化方法， 其特征在于， 训练局部代理模型的过程中， 采用M CA法对候选设计进行鲁棒 性评估。 7.根据权利要求2所述基于局部代理模型的电机多目标鲁棒性优化方法， 其特征在于， 再结合MCA法对候选 设计进行鲁棒性评估的具体方法为： 对于NSGA   Ⅱ算法得到的每一代 候 选设计， 计算各候选设计满足电机多目标优化模型约束条件的概率， 将满足各个约束条件 的概率乘积作为评价候选设计鲁棒性的总体数值指标， 对各候选设计满足电机多目标优化 模型约束条件的概率与满足鲁棒性设计的概率设定值进行比较， 根据比较结果给NSGA   Ⅱ 算法中的约束函数矩阵赋值， 根据赋值后的约束函数矩阵进行 下一代候选设计的优化。 8.根据权利要求4所述基于局部代理模型的电机多目标鲁棒性优化方法， 其特征在于， 所述超体积参数的计算式为： 其中， 其中， Hn为第n代 局部代理模型Kn的超体积指标， m为第n次鲁棒性优化获取的最优解集Pn中的数据点的数目， xi和yi分别第i个数据点的横纵坐标。 9.根据权利要求5所述基于局部代理模型的电机多目标鲁棒性优化方法， 其特征在于，权　利　要　求　书 1/2 页 2 CN 114398824 A 2所述确定性优化数据通过求解电机多目标参数优化模型确定， 所述电机多目标参数优化模 型为： 其中， torque为电机均值转矩， cost为电机材料成 本， ripple为转矩波动， efficiency为电机效率， Twinding为绕组平均温度， TPM为永磁体平均 温度。 10.根据权利要求5所述基于局部代理模型的电机多目标鲁棒性优化方法， 其特征在 于， 根据电机性能预测值进行初次鲁棒性优化时， 电机多目标参数优化模型为： 其中， torque为电机均值转矩， cost为电机材料成本， p (gi)为第i个约束条件成立的概 率， C为满足鲁棒 性设计的概 率设定值。权　利　要　求　书 2/2 页 3 CN 114398824 A 3