★ FEATURED ARTICLE 做永磁同步电机电磁设计的人大概都经历过这种场景磁路方案定完了绕组分配好了样机转起来也正常偏偏转矩脉动超标、NVH过不了最后只能靠斜极、斜槽这些补救手段硬压。我最早遇到类似问题的时候也把大部分精力花在了结构斜槽上折腾了好一阵子才回头去查转子尺寸结果发现隔磁桥宽度只差了0.3 mm气隙从0.7 mm调到了0.65 mm齿槽转矩几乎翻了一倍。从那时候起我意识到永磁同步电机的多目标尺寸优化不是“锦上添花”的工作而是决定性能上限的关键环节。尤其是内置式转子气隙、永磁体厚度、极弧系数、隔磁桥宽度这些尺寸参数相互耦合人工扫参很难覆盖。后来我把Ansys Maxwell和OptiSlang的联合仿真链路完整跑通才慢慢把尺寸优化从“碰运气”变成了“按流程走”。这篇文章就把这套流程里的关键环节、参数定义、工具配置和踩坑经验完整写出来适合正在做PMSM电磁优化、准备把多参数协同优化引入研发流程的工程师参考。1. 为什么尺寸参数值得专门做一轮优化1.1 电磁方案定完之后性能差距基本都藏在尺寸细节里很多工程师对尺寸优化的理解还停留在“确定转子外径、定子内径、气隙、磁钢厚度”这一步觉得大体定下来就完事了。实际上这几个大尺寸定了以后还有一批细节尺寸对性能影响极其显著包括隔磁桥宽度、磁钢极弧角、槽口宽度、槽肩高度、磁钢距离转子轴心的距离等等。以内置式永磁同步电机为例隔磁桥宽度直接决定了漏磁系数。隔磁桥从3.0 mm收到2.7 mm漏磁减少主磁通变强相同电流下的转矩输出会明显上升但隔磁桥两侧的应力也会成倍增加气隙厚度每减小0.05 mm平均转矩可能提升2%~3%但加工公差和装配同轴度会限制你把这个尺寸压到多小极弧角稍微偏大齿槽转矩的谐波成分就会发生变化NVH表现完全是两个样子。这些尺寸参数单独看都是“小尺寸”合在一起却是电机性能差距的主要来源。我见过不少项目电磁方案一模一样一个样机转矩脉动3%另一个样机转矩脉动8%拆开一看无非是磁钢极弧角和磁桥宽度的加工偏差不一样。所以如果想让仿真结果和理论设计真正反映到量产样机上尺寸优化这步绕不开。1.2 人工调参和单变量扫描为什么搞不定没有接触过优化工具的工程师通常的做法是用Ansys Maxwell自带的Optimetrics做参数扫描一次变一个变量看曲线趋势然后手动挑一组看起来不错的参数组合。这种办法在2~3个变量时还凑合但变量一旦超过5个基本就走不动了。这里有个简单的数学直觉如果变量数是10个每个变量取5个水平全因子组合数量是5的10次方接近一千万种组合。就算一种组合只算2分钟也要算三万七千多天这在工程上毫无可能。哪怕你用筛选设计只挑一部分组合手动分析不同变量对齿槽转矩、转矩脉动、效率的耦合影响也远远超出了人工经验的覆盖范围。另一个常见做法是加权单目标法把几个指标压成一个数比如目标函数等于齿槽转矩加两倍转矩脉动。看起来简化了问题但权重系数往往是拍脑袋定的。更要命的是不同性能指标对同一个尺寸参数的响应方向可能相反某些极弧角下齿槽转矩变小了平均转矩也变小了磁桥收窄了转矩上升但退磁风险变大。把相互矛盾的目标硬拧成一个加权值容易丢掉很多有价值的中间解这也是很多工程师在优化时总觉得“结果不是我要的”的根本原因。1.3 多目标优化的本质找一条Pareto前沿而不是一个万能点多目标优化和单目标优化的核心差别在于它输出的不是“一个最优解”而是一组非支配解也就是Pareto前沿。简单解释就是在这组解里面你不可能在不牺牲某一个目标的条件下让另一个目标更好。比如你想让平均转矩最大、齿槽转矩最小同时磁钢用量最少这三个目标在物理上就不可能同时达到极值。多目标优化会把所有“从某一角度看值得保留”的样本找出来形成一条前沿曲线。工程人员再从这条曲线上结合工艺成本、NVH要求、供应商能力选定最终落地方案。刚开始做优化的时候我总是急着要一个“最终数字”总想着跑完软件能直接吐出一个最优方案。真正把流程跑完才发现Pareto解集比单点结论值钱得多。因为样机测试阶段一旦发现某个指标不达标你可以直接从前沿上换一个倾向性不同的方案重算而不需要把整个优化流程从头再跑一遍。这就是多参数协同优化最大的工程价值。2. 优化问题的数学定义目标、变量与约束怎么取舍2.1 目标函数怎么定不是堆得越多越好多目标优化第一步是把你要优化的性能指标明确写下来。对永磁同步电机尺寸优化来说常用的目标函数集中在下面几类。目标类别具体指标优化方向工程意义转矩性能平均转矩Tavg最大化直接决定电机出力转矩品质转矩脉动Trip最小化影响NVH与传动系统寿命转矩品质齿槽转矩Tcog最小化影响低速与定位工况的平顺性效率性能额定点效率η最大化直接决定损耗与温升成本指标永磁体质量/体积Vpm最小化磁钢是永磁电机成本的大头实际操作中我不建议一上来就放六七个目标。目标数量越多Pareto前沿的维度就越高后处理越复杂而且你很难在一张图里直观判断哪个方案更好。我的习惯是控制在4~5个以内很多时候会把齿槽转矩和转矩脉动先挑一个作为主要目标另一个作为约束来卡。比如某个项目最关心NVH那我优先把转矩脉动作为目标齿槽转矩设一个上限约束如果项目关心低速平顺性那就反过来。这样既不让目标维度失控又不会丢掉关键指标。优化做完以后可以再把遗漏的指标回算一遍确认没有恶化。2.2 设计变量怎么选先宽后窄靠灵敏度说话设计变量是优化问题里最需要经验的部分。选少了优化空间受限选多了样本预算撑不住。对于内置式永磁同步电机的尺寸优化来说常见的变量包括变量名称物理含义常见取值范围参考g_air气隙厚度0.5 ~ 0.8 mmpm_thick永磁体厚度2.5 ~ 4.0 mmpole_arc极弧角/极弧系数0.75 ~ 0.95极弧系数mag_bridge隔磁桥宽度2.0 ~ 3.2 mmslot_open定子槽口宽度1.5 ~ 3.0 mmrib_height槽肩高度0.5 ~ 1.5 mmrot_inner转子内径视轴径而定这个表只是一个通用参考实际数值要结合具体极槽配合、磁钢牌号和机壳工艺水平来调整。一般我会先取一个比较宽的变量区间做第一轮采样然后借助灵敏度分析把那些对目标几乎没影响的变量剔除再在第二轮优化里把保留下来的变量区间适当收窄提高采样密度。有一点要提醒变量区间太窄优化算法会在边界反复搜索变量区间太宽中间大量样本可能落在“能建模但工程上完全不可行”的区域既浪费算力又干扰代理模型。区间最好结合量产工艺和经验值来定比如气隙下限至少要比机壳轴承公差大0.1 mm以上。2.3 约束条件才是工程与数学的分界线优化问题里目标函数决定“往哪个方向走”约束条件决定“哪些地方不能去”。很多刚接触优化的工程师把全部心思放在目标上忽略了约束结果算法给出的最优解直接踩进工艺或物理的红线。从我自己的项目经验来看永磁同步电机尺寸优化至少要加这几类约束一是几何约束比如磁桥宽度不能小于冲压模具的最小极限否则硅钢片冲压断裂磁钢厚度不能超过转子磁钢槽的物理空间气隙不能小于装配公差叠加之后的数值。二是电磁约束比如退磁校核。内置式永磁同步电机在峰值电流或者高温工况下磁钢工作点必须高于退磁曲线的拐点。这个约束尤其重要因为优化算法为了追求转矩会把磁钢厚度往薄了压磁钢一旦进入退磁区电机性能会不可逆地恶化。三是热约束电密、铁耗、永磁体涡流损耗都有上限不能让优化出的方案在额定点效率漂亮但局部温升超限。约束不一定要全部写进优化器里可以在候选点回代验证阶段再检查。但能在优化阶段加进去的一定要加因为等算法跑完以后再发现约束不满足返工成本非常高。3. Maxwell参数化建模与OptiSlang联合仿真的工作流3.1 参数化建模的关键把几何约束关系理顺在用Ansys Maxwell做优化之前有一个必须做扎实的准备工作把模型真正参数化。很多工程师在Maxwell里建模型时尺寸都是直接输入数值这样后续根本没法让优化工具驱动。我习惯在AEDT环境里通过Design Properties添加变量然后把几何尺寸引用到这些变量上。变量命名有一套约定非常重要建议使用可读性强的英文加前缀比如g_air、pm_thick、mag_bridge、slot_open不要出现中文、空格或者特殊符号。命名规范不仅是为了看得舒服更是因为OptiSlang映射变量时会直接读取这些名称命名混乱会给自己找麻烦。更关键的是几何约束关系。比如槽口宽度变化时槽肩角度可能也要联动磁钢厚度变化时磁钢外弧或者内弧的位置要保持合理的相对关系气隙变化时要么动定子内径要么动转子外径但不能两头都动导致几何崩溃。参数化关系没有理清楚的话OptiSlang采样时很容易生成无法建模的几何组合报错率会非常高浪费大量并行计算时间。建议在正式优化前先手动做几组极端组合验证气隙取最小值、磁桥取最窄值、磁钢取最厚值这几种极限组合都要能正常建模、正常剖分、正常求解。如果极限组合都能通过后续采样过程中几何报错的概率就会低很多。3.2 OptiSlang对接Maxwell的两种典型方式OptiSlang和Maxwell的耦合方式实践中常用的有两种。第一种在OptiSlang中直接把AEDT作为仿真接口模块来配置。界面里指定Maxwell模型文件、变量映射关系和输出量然后由OptiSlang控制模型批量提交。这种方式上手快适合大多数标准模板化的尺寸优化场景。我早期做优化时就是用这种方式最大好处是不用自己写脚本变量和结果在界面里可以直接对应。第二种脚本驱动方式。先用AEDT录制一段Python脚本把关键变量作为脚本的输入参数把平均转矩、齿槽转矩、效率等计算结果作为输出然后在OptiSlang里调用这个脚本。这种方式更灵活适合公司已经有仿真流程封装、或者需要把优化嵌入到自研工具链里的场景。脚本驱动还能规避部分版本兼容问题因为你可以完全控制AEDT的调用方式。不管用哪种方式都要注意运行模式。AEDT在优化过程中尽量不要启动图形界面建议用批处理模式提交任务大批量任务同时运行时要关注许可证数量限制和临时文件目录的冲突。我遇到过几次批量求解时临时文件互相覆盖导致结果错乱的情况后来统一按参数名归档每个样本的工作目录问题才彻底解决。3.3 样本预算与DOE采样策略进入优化之前先要确定样本预算。这个预算由单案例求解时间和总计算资源共同决定。我的经验是第一轮DOE试验设计的样本数可以取设计变量个数的10~20倍。比如12个变量先跑200个样本如果单例瞬态求解时间是3分钟总耗时大约10小时在工作站上可以接受。如果用拉丁超立方或者Sobol序列采样覆盖效果会比随机采样均匀很多避免变量区间内某些区域完全没有样本。这里有个细节要想清楚Maxwell每次计算时网格剖分不完全一样结果会有细微波动。DOE阶段得到的齿槽转矩、转矩脉动会有一定数值噪声。所以后续从Pareto前沿挑选候选点时一定要回代到Maxwell里重新建模求解不能直接信任代理模型的预测值。并行调度方面建议先单独测一个样本的内存占用和耗时然后根据工作站的物理内存估算并行数。不要一味追求并行案例数量当内存不足时任务开始排队效率反而比适当降低并行度更差。我常用的节奏是单例内存小于4 GB时普通16核工作站可以并行8个案例左右整体吞吐最稳定。4. 灵敏度分析→代理模型→多目标优化OptiSlang里最值得关注的三个环节4.1 灵敏度分析先把十几个变量砍到六七个OptiSlang最让我觉得值回票价的功能不是优化算法本身而是它的灵敏度分析模块。它能直接给出每个设计变量对每个目标的影响占比这在人工调参时代是完全不敢想的。以我们做过的一个内置式电机案例为例分析结果非常清晰平均转矩主要由气隙厚度和永磁体厚度决定齿槽转矩主要由极弧角和磁钢形状决定隔磁桥宽度主要影响漏磁和高速弱磁范围。而有些变量比如转子内径在所有目标上的灵敏度都低于2%果断剔除后续优化维度直接降了一截样本压力小了很多。不过灵敏度分析也不是万能。有些变量在工作点附近不敏感但在边界区域突然敏感比如磁桥宽度收到接近工艺极限时漏磁变化会非常剧烈这时候即使它在中段灵敏度不高也不能轻易从变量列表里删掉。我一般在删变量之前会先看一眼这个变量在主效应和交互效应中的趋势再结合物理判断做决定。4.2 代理模型不是玄学预测质量必须验证OptiSlang的AMOP技术会在多类代理模型里自动选择预测精度最高的组合。它的思路是用DOE阶段积累的仿真样本拟合一个响应面然后用这个响应面代替真实仿真来做大规模搜索。但代理模型有一个前提样本足够、响应足够光滑。转矩和效率这类相对光滑的响应拟合精度通常很好齿槽转矩这种强非线性、高灵敏度的量代理模型常常只能到0.7到0.85的预测质量。我的个人标准是对平均转矩、效率这类目标交叉验证R²到0.95以上才敢用对齿槽转矩这类敏感量如果R²低于0.85就不要直接用代理模型做最终决策只把它用来做趋势筛选然后多留几个候选点回代验证。如果代理模型预测质量整体很差第一步不是调优化参数而是回过头去补样本或者把变量区间收缩到更合理的范围重新做DOE。这里说句实话代理模型预测的是“仿真结果”的代理不是“物理样机”的代理。它再准也只是把Maxwell的计算结果映射得更快并不能修正模型本身的简化假设。所以后续的真实仿真验证和样机测试环节永远不能省。4.3 MOGA跑法参数怎么设置Pareto结果怎么读得到可靠的代理模型之后就可以做多目标优化了。OptiSlang里的MOGA是多目标遗传算法我习惯的配置是种群规模50~100代数30~50。如果代理模型评估成本低可以直接跑更多代如果还要调用真实仿真那就得算好时间成本。我通常的做法是分两步走先用代理模型做MOGA搜索生成几百上千个候选解然后从Pareto前沿上挑选5~8个有代表性的候选点回到Maxwell里做真实仿真验证。这样既利用了代理模型的速度又用真实仿真保证了结果可靠时间和精度都照顾到了。Pareto结果的后处理我强烈推荐用平行坐标图。它能同时展示所有变量和目标的值一眼就能看出“齿槽转矩低的样本集中分布在哪些变量区间”“转矩脉动小的样本在哪些参数组合里”。比如你会在图里发现齿槽转矩较小的样本往往集中在某个极弧角度范围同时磁桥宽度不要超过某一个值。这些规律对于后续换方案、换极槽配合非常有参考价值。运行结束后还有一个容易踩的坑最优解在变量区间边界上扎堆。出现这种情况时先别急着采信大概率是约束设置有问题或者变量区间本身定窄了。盲目接受边界解后面加工公差稍微偏一点性能就会大幅波动这在量产项目里是很危险的事情。5. 从Pareto解到样机必须跨过的四个大坑5.1 齿槽转矩对网格与瞬态步长的极端敏感第一个必须提醒的坑是齿槽转矩计算对数值设置极其敏感。齿槽转矩本质上是磁共能对转子位置的导数数值上非常依赖气隙处的网格精度和瞬态求解的转动步长。网格稍微粗一点齿槽转矩波形就可能被数值噪声污染优化算法看到的就是一堆假数据。在正式优化前一定要花时间做网格无关性验证和步长无关性验证。气隙区域至少要保证两层以上剖分瞬态求解的机械角度步长要足够小我一般会把每个槽距分成40步以上。曾经有一次把步长从0.5度改成0.25度齿槽转矩幅值直接从0.3 N·m变成了0.55 N·m这个量级的误差足以让整个优化方向跑偏。5.2 磁桥与公差仿真里能到1.5 mm加工后可能是1.8 mm第二个坑是工艺公差。优化算法天然会把隔磁桥往窄了压因为窄桥漏磁少、性能好。但冲片模具的加工公差通常在正负0.1 mm甚至更宽仿真里的1.5 mm到了实际冲片可能就是1.7 mm性能完全对不上。对策有两个方向。最简单的是在优化时就把磁桥宽度的下限设得保守一些比如直接预留0.15 mm的公差带。进阶一点的做法是在OptiSlang里做公差鲁棒性评估给关键尺寸变量输入公差分布看目标的分布范围再决定是否调整设计。磁钢厚度和磁钢矫顽力公差同样会影响最终表现这些因素最好在优化阶段就考虑进去而不是等到样机测试数据出来以后再回头改模具。5.3 额定点优化高速弱磁区翻车第三个坑是很多尺寸优化只看额定工况结果高速弱磁区性能惨不忍睹。永磁同步电机往往需要跑高转速恒功率区某些尺寸组合在额定点非常漂亮齿槽转矩低、效率高但到了最高转速反电动势过高弱磁电流需求大铁耗飙升温升直接压不住。我现在做尺寸优化至少会加入三个典型工况额定转矩点、峰值转矩点、最高转速点。前两个用来保证低速区出力第三个用来保证高速区弱磁能力。如果优化目标只打算看额定点那至少要把“高速时反电动势不超过某个上限”写成约束条件避免选出额定点优秀但高速无法工作的方案。多工况校验可以在优化阶段就做也可以先用单工况把变量空间缩小再把候选组合放到多工况平台里验证两步走最节省算力。5.4 回代验证与样机测试的闭环是优化可信度的最后防线从Pareto前沿上挑出候选点之后必须全部写回Maxwell做完整瞬态求解逐点对比代理模型预测值。平均转矩这类指标误差在5%以内算正常齿槽转矩可能偏差大一些但超过10%的话代理模型基本不可信了要回去补样本。回代验证通过以后才算真正走到样机环节。样机测试数据一定要反哺仿真模型重点检查三样东西硅钢片B-H曲线是否取得太理想、绕组端部电阻和实际值是否一致、转子偏心和装配公差是否被模型忽略。把这些记录成“仿真-测试对比台账”几个项目下来你会对自己那套仿真模型的裕度非常清楚。举一个具体经验我们常见的对比结果是齿槽转矩的仿真值通常比测试值小10%~20%原因是实际样机存在偏心、材料差异和加工毛刺。有了这个经验以后再做优化时我就知道目标值要留多少余量而不是傻傻地按仿真值去卡设计指标。6. 可以直接照抄的优化流程配置清单最后把整套流程沉淀成一张可以直接照做的清单方便第一次跑这个流程的工程师直接上手。模型准备阶段在Maxwell里完成参数化建模检查极限组合几何有效性记录单案例求解时间和内存占用。问题定义阶段确定4~5个目标函数初步设定8~12个设计变量及合理区间列出所有必须满足的约束条件。第一轮DOE采样用Sobol或拉丁超立方采样样本数取变量数的10~20倍并行度根据内存实测结果设定。灵敏度分析用OptiSlang分析变量对目标的影响占比剔除不敏感变量收缩变量区间。代理模型构建与验证构建AMOP代理模型检查交叉验证R²或CoP指标不达标就回去补样本。多目标优化搜索在代理模型上用MOGA跑种群50~100、代数30~50生成Pareto前沿。候选点回代验证从Pareto前沿上选5~8个候选点回Maxwell真实求解记录代理模型预测误差。工程决策与样机验证结合工艺、成本、NVH要求选定最终方案出样机测试数据回填台账。这套流程在12个变量、单案例3分钟求解时间的条件下大致需要一轮DOE 200例、MOGA代理评估几千次、最终真实验证8例整个优化周期大约1~2个工作日。相比人工调参几周的周期效率和覆盖度都是数量级的提升。我自己的体会是这套流程第一次跑会有不少磕绊光是把参数化模型理顺、环境调通可能就要一周时间但只要第一轮完整跑通后续再换极槽配合、换磁钢牌号整个框架可以直接复用只是改一下变量区间、目标权重和约束条件。对于打算认真做电磁优化的人来说先把模型参数化规范做好比什么花哨的算法都重要。如果你准备动手做自己的第一轮PMSM多目标尺寸优化我的建议是先不要急着追求一步到位把目标精简到2~3个变量控制在6个以内跑通一遍流程、积累起自己的仿真-测试对比台账之后再逐步扩大变量范围、增加目标维度。这样稳扎稳打最后沉淀下来的流程和判断经验比一次性的“最优解”值钱得多。
阅读完成 · 觉得有帮助？
