高频大力值电磁作动器多目标参数分层优化方法研究

doi:10.19562/j.chinasae.qcgc.2025.03.015

Abstract

Abstract:

In order to meet the requirements of large output force value， high working frequency and good linearity of force-displacement of electromagnetic actuator for active mounting， a multi-objective parameter hierarchical optimization method is proposed to solve the problems of different influence of different structural parameters on optimization objectives， difficulty of expression of dynamic electromagnetic force by analytical formula， and difficulty of realization of optimal characteristics at the same time of the output force value， working frequency and force-displacement. In the upper layer， Taguchi algorithm is used to preliminarily optimize parameters， screen sensitive parameters and update the optimization range of high sensitivity parameters. In the lower layer， the backpropagation （BP） neural network prediction model is used to characterize the dynamic electromagnetic force， and the multi-objective genetic algorithm （NSGA-II） is used to search and optimize the dynamic electromagnetic force. Through simulation and experiments， the results show that the parameters of electromagnetic actuator obtained by the optimization method in this paper have better comprehensive performance， which verifies the effectiveness of this method.

Key words: hierarchical optimization, multi-objective optimization design, electromagnetic actuator, Taguchi method, BP neural network

Mingming Qiu,Zengyuan Li,Yiming Sun,Ji Li,Han Zhao. Research on Multi-objective Parameter Hierarchical Optimization Method of High Frequency High-Force Electromagnetic Actuator[J].Automotive Engineering, 2025, 47(3): 529-540.

Figures/Tables 28

主要结构参数	初始值
动子内径 $r$	$5.0$
动子端部导磁体厚度 $h 1$	$2.5$
永磁体厚度 $h m$	$3.0$
永磁体宽度 $X m$	$11.6$
端部磁轭内长度 $h 3$	$3.0$
气隙长度 $δ$	$0.4$
外部磁轭径向长度 $h 5$	$8.0$
外部磁轭垂向长度 $h 6$	$6.0$

初始优化参数	取值范围	水平
初始优化参数	取值范围	1	2	3	4
动子内径 $r$	$3 - 6$	3	4	5	6
动子端部导磁体厚度 $h 1$	$1.5 - 4.5$	1.5	2.5	3.5	4.5
永磁体厚度 $h m$	$2 - 5$	2	3	4	5
永磁体截面宽度 $X m$	$7.6 - 13.6$	7.6	9.6	11.6	13.6
端部磁轭内长度 $h 3$	$1.5 - 6$	1.5	3	4.5	6
气隙长度 $δ$	$0.2 - 0.8$	0.2	0.4	0.6	0.8
外部磁轭径向长度 $h 5$	$6 - 9$	6	7	8	9
外部磁轭垂向长度 $h 6$	$5 - 8$	5	6	7	8

次数	水平								$F m a x$ /N	$M / g$	R
次数	r	$h 1$	$h m$	$X m$	$h 3$	$δ$	$h 5$	$h 6$	$F m a x$ /N	$M / g$	R
1	1	1	1	1	1	1	1	1	237.59	119.49	0.971 62
2	1	1	2	2	4	4	3	3	44.79	139.51	0.999 87
3	1	2	3	4	1	2	3	4	241.75	306.95	0.823 9
…	…	…	…	…	…	…	…	…	…	…	…
31	4	4	3	3	1	1	2	2	257.77	315.24	0.113 577
32	4	4	4	4	4	4	4	4	19.67	322.75	0.998 434

优化目标	$F m a x / N$	$M / g$	$R$
平均值	128.98	221.60	0.917 545

优化参数	$F m a x$		$M$		R
优化参数	方差 $S S$	比重/%	方差 $S S$	比重/%	方差 $S S$	比重/%
$r$	87.38	0.13	9 646.62	10.28	0.05	9.90
$h 1$	2 226.64	3.33	69.79	0.07	0.07	14.02
$h m$	440.84	0.66	6.32	0.00	0.02	5.02
$X m$	1 274.81	1.91	79 034.77	84.24	0.02	4.77
$h 3$	51 249.77	76.62	4 969.32	5.30	0.24	51.36
$δ$	9 921.30	14.83	82.22	0.08	0.02	4.03
$h 5$	1 149.07	1.72	1.61	0.00	0.01	2.69
$h 6$	534.27	0.80	13.77	0.01	0.04	8.21

优化变量	$T a g u c h i$ 法优化	初始取值范围	局部取值范围
动子内径r/ $m m$	4.0	3.0-6.0	3.4-4.6
动子端部导磁体厚度 $h 1 / m m$	2.5	1.5-4.5	1.9-3.1
永磁体宽度 $X m / m m$	9.6	7.6-13.6	8.4-10.8
端部磁轭内长度 $h 3$ / $m m$	3.0	1.5-6.0	2.1-3.9
气隙宽度 $δ$ / $m m$	0.4	0.2-0.8	0.28-0.52

实验	参数取值范围					优化目标
实验	r/ $m m$	$h 1 / m m$	$X m / m m$	$h 3 / m m$	$δ / m m$	$F m a x / N$	R
1	4.6	3	8.8	3.7	0.48	140.67	0.982 49
2	4.1	2.2	8.9	3.2	0.28	198.52	0.975 60
3	4.5	2.0	9.2	3.3	0.28	208.64	0.972 90
4	4.4	2.3	10	2.3	0.28	250.24	0.968 85
5	4.0	2.5	9.6	2.5	0.52	194.97	0.976 58
…	…	…	…	…	…	…	…
99	4.6	2.0	10.6	2.7	0.28	237.75	0.970 86
100	4.6	2.9	9.2	3.5	0.28	178.59	0.968 59

优化目标	$F m a x / N$	$M$ /g	R
优化前	171.21	270.53	0.976 49
上层优化	192.46	203.16	0.977 38
下层优化模型预测值	184.63	144.03	0.986 20
下层优化实际值	186.36	144.02	0.986 70

方法	$F m a x$ - $R 2$	R- $R 2$
RSM法	0.926 7	0.886 5
本文优化方法	0.992 8	0.985 9

参数	$F m a x / N$	提升百分比/%	$M / g$	提升百分比/%	$R$
优化前	171.21		270.53		0.970 76
Taguchi优化	192.48	12.42	203.16	24.90	0.977 38
NSGA-II- PSO-BP	186.36	8.85	144.02	46.76	0.986 70
NSGA-II-RSM	183.28	7.05	187.05	30.86	0.973 48

References 24

1	吕辉，郑泽滨，杨坤，等.汽车动力总成悬置系统的不确定性分析与优化研究综述［J］.汽车工程学报，2023，13（2）：146-158.
	LV Hui， ZHENG Zebin， YANG Kun， et al. Review on uncertainty analysis and optimization of automotive powertrain mounting system［J］.Journal of Automotive Engineering，2023， 13（2）：146-158.
2	LION A， JOHLITZ M. A mechanical model to describe the vibroacoustic behaviour of elastomeric engine mounts for electric vehicles［J］. Mechanical Systems and Signal Processing， 2020， 144： 106874.
3	张恒海.发动机电磁式主动悬置隔振性能与自适应前馈控制研究［D］.长春：吉林大学，2022.
	ZHANG Henghai. Research on vibration isolation performance and adaptive feedforward control of engine electromagnetic active suspension ［D］. Changchun：Jilin University，2022.
4	梁天也.主动控制式发动机悬置研究［D］.长春：吉林大学，2008.
	LIANG Tianye. Research on active control engine mounting ［D］. Changchun：Jilin University，2008.
5	朱晨曦.空间二自由度电磁作动器设计与研制［D］.哈尔滨：哈尔滨工业大学，2017.
	ZHU Chenxi. Design and development of space 2-DOF electromagnetic actuator ［D］. Harbin： Harbin Institute of Technology， 2017.
6	傅涛，上官文斌，丁乙，等.比例电磁式主动吸振器的设计方法研究［J］.机械工程学报，2021，57（19）：147-154.
	FU Tao， SHANGGUAN Wenbin， DING Yi，et al. Research on the design method of proportional electromagnetic active vibration absorber ［J］. Chinese Journal of Mechanical Engineering，2021，57（19）：147-154.
7	ABEDINIFAR M， ERTUGRUL S， TAYYAR G T. Design optimization of a solenoid actuator using particle swarm optimization algorithm with multiple objectives［J］. Advances in Mechanical Engineering， 2022，14（11）.
8	马建国，帅长庚，李彦.主动控制用大输出力电磁作动器优化设计［J］. 应用力学学报， 2018， 35 （1）： 106-110，231.
	MA Jianguo， SHUAI Changgeng， LI Yan. Optimal design of high output force electromagnetic actuator for active control ［J］. Chinese Journal of Applied Mechanics， 2018， 35 （1）： 106-110，231.
9	王晓远，高鹏. 基于进化策略的轮毂电机永磁体结构优化设计［J］. 中国电机工程学报， 2015， 35 （4）： 979-984.
	WANG Xiaoyuan， GAO Peng. Structure optimization of permanent magnet for wheel motor based on evolutionary strategy ［J］. Proceedings of the CSEE， 2015， 35 （4）： 979-984.
10	兰志勇，杨向宇，王芳媛，等.Taguchi方法在内嵌式正弦波永磁同步电机优化设计中的应用［J］. 电工技术学报， 2011， 26 （12）： 37-42.
	LAN Zhiyong， YANG Xiangyu， WANG Fangyuan，et al. Application of taguchi method in optimization design of embedded sine-wave permanent magnet synchronous motor ［J］. Transactions of China Electrotechnical Society， 2011， 26 （12）： 37-42.
11	陈启明，方宇轩. 基于改进遗传算法的永磁伺服电机优化设计［J］. 武汉理工大学学报， 2023， 45 （11）： 139-147.
	CHEN Qiming， FANG Yuxuan. Optimal design of permanent magnet servo motor based on improved genetic algorithm ［J］. Journal of Wuhan University of Technology， 2023， 45 （11）： 139-147.
12	寇发荣，张宏，李阳康，等.电磁直线式主动悬架作动器参数的多目标粒子群优化［J］.振动与冲击，2021，40（22）：128-137.
	KOU Farong， ZHANG Hong， LI Yangkang， et al. Multi-objective particle swarm optimization of electromagnetic linear active suspension actuator parameters ［J］. Journal of Vibration and Shock，2021，40（22）：128-137.
13	LIU Peng， OUYANG Yuwen， QUAN Wenwen. Multi-objective optimization of a long-stroke moving-iron proportional solenoid actuator［J］. Micromachines， 2024，15（1）： 58.
14	闫明.电磁作动器优化设计及管路振动主动控制试验研究［D］.哈尔滨：哈尔滨工程大学，2024.
	YAN Ming. Experimental research on optimal design of electromagnetic actuator and active control of pipeline vibration ［D］. Harbin： Harbin Engineering University，2024.
15	曹永娟，冯亮亮，毛瑞，等. 轴向磁场永磁记忆电机多目标分层优化设计［J］. 中国电机工程学报， 2021， 41 （6）： 1983-1992.
	CAO Yongjuan， FENG Liangliang， MAO Rui， et al. Multi-objective hierarchical optimization design of axial magnetic field permanent magnet memory motor ［J］. Proceedings of the Chinese Society for Electrical Engineering， 2021， 41（6）： 1983-1992.
16	刘国海，王艳阳，陈前. 非对称V型内置式永磁同步电机的多目标优化设计［J］. 电工技术学报， 2018， 33 （S2）： 385-393.
	LIU Guohai， WANG Yanyang， CHEN Qian. Multi-objective optimization design of asymmetric V-type built-in permanent magnet synchronous motor ［J］. Transactions of China Electrotechnical Society， 2018， 33 （S2）： 385-393.
17	杨尚明，马其华. 基于分层优化策略的永磁同步电机转子结构多目标优化［J］. 上海工程技术大学学报， 2022， 36 （4）： 369-377.
	YANG Shangming， MA Qihua. Multi-objective optimization of permanent magnet synchronous motor rotor structure based on hierarchical optimization strategy ［J］. Journal of Shanghai University of Engineering Science and Technology， 2022， 36 （4）： 369-377.
18	杜闻.电磁作动器特性分析及实验研究［D］.长春：中国科学院大学（中国科学院长春光学精密机械与物理研究所），2020.
	DU Wen. Characteristic analysis and experimental study of electromagnetic actuator ［D］. Changchun： University of Chinese Academy of Sciences （Changchun Institute of Optics， Fine Mechanics and Physics， CAS），2020.
19	胡一明，李以农，郑玲.基于作动器非线性特性的电磁主动悬架混合控制［J］.中国机械工程，2022，33（2）：134-142.
	HU Yiming， LI Yinong， ZHENG Ling. Hybrid control of electromagnetic active suspension based on nonlinear characteristics of actuators ［J］. China Mechanical Engineering，2022，33（2）：134-142.
20	黄鼎友，张金文，陈少梁.电磁作动器的参数设计及仿真分析［J］.重庆交通大学学报（自然科学版），2012，31（5）：1062-1065.
	HUANG Dingyou， ZHANG Jinwen， CHEN Shaoliang. Parameter design and simulation analysis of electromagnetic actuator ［J］. Journal of Chongqing Jiaotong University （Natural Science Edition），2012，31（5）：1062-1065.
21	王彦鑫，李海岩，崔世海，等.基于BP神经网络的儿童乘员头部损伤预测模型及评估参数研究［J］.汽车工程，2024，46（2）：329-336.
	WANG Yanxin， LI Haiyan， CUI Shihai， et al. Research on prediction model and evaluation parameters of child occupant head injury based on BP neural network ［J］. Automotive Engineering， 2024，46（2）：329-336.
22	沈丹峰，郝祖茂，赵刚，等.基于BP神经网络的电磁阀多目标优化设计［J］.西安工程大学学报，2023，37（2）：79-86.
	SHEN Danfeng， HAO Zumao， ZHAO Gang，et al. Multi-objective optimization design of solenoid valve based on bp neural network ［J］. Journal of Xi 'an Polytechnic University，2023，37（2）：79-86.
23	庞祎帆，傅戈雁，王明雨，等.基于响应面法和遗传神经网络模型的高沉积率激光熔覆参数优化［J］.中国激光，2021，48（6）：152-162.
	PANG Yifan， FU Geyan， WANG Mingyu，et al. Optimization of laser cladding parameters with high deposition rate based on response surface method and genetic neural network model ［J］. Chinese Journal of Lasers， 2021，48（6）：152-162.
24	ZHU Y C， YAO G F， WANG M， et al. Design and analysis of a new semiactive hydraulic mount for a wide-range tunable damping without magneto-rheological/electric-rheological fluid［J］. Applied Sciences， 2023， 13（19）： 10636.

[1]	Yanxin Wang,Haiyan Li,Shihai Cui,Lijuan He,Lü Wenle. Research on Prediction Model and Assessment Parameters of Head Injury for Child Occupants Based on BP Neural Network [J]. Automotive Engineering, 2024, 46(2): 329-336.
[2]	Guoqiang Chen,Zhengyi Shen,Li Sun,Mengfan Zhi,Tong Li. Intelligent Cockpit Perceptual Image Prediction Based on BP Neural Network Optimization Genetic Algorithm [J]. Automotive Engineering, 2023, 45(8): 1479-1488.
[3]	Lü Youfu,Weiming Luo,Jian Chen,Xihong Wu,Chuanchang Li. An Experimental Investigation on Determination of Specific Heat Capacity of Lithium-ion Batteries by Hierarchical Optimization [J]. Automotive Engineering, 2023, 45(2): 183-190.
[4]	Wang Liang,Zhaobo Qin,Liang Chen,Yougang Bian,Manjiang Hu. Longitudinal Control Method of Intelligent Vehicles Based on the Improved BP Neural Network [J]. Automotive Engineering, 2022, 44(8): 1162-1172.
[5]	Xiangjing Guo,Pan Sun,Jie Deng,Yong Liu,Zhuang Liu,Shuangping Liu. Research on AEB Control Strategy of a Heavy Tractor-Semitrailer Combination Based on BP Neural Network Algorithm Prediction [J]. Automotive Engineering, 2021, 43(9): 1350-1359.
[6]	Xiping Liu,Jiesheng Fu,Longxin Du,Gaosheng Zhu Wenjian Guo. Analysis and Optimization Design of IPMSM with a Double⁃layer Permanent Magnet Structure of Electric Vehicles [J]. Automotive Engineering, 2021, 43(8): 1128-1135.
[7]	Baicang Guo,Xianyi Xie,Lisheng Jin,Hui Rong,Yang He,Bingdong Ji. Braking Response Time Prediction Model Based on Multi-dimensional Driving Characteristics [J]. Automotive Engineering, 2021, 43(11): 1683-1692.

Research on Multi-objective Parameter Hierarchical Optimization Method of High Frequency High-Force Electromagnetic Actuator

RichHTML

PDF (PC)

Like

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 28

References 24

Related Articles 7

Metrics

Comments

Recommended 0