开关磁阻电机结构参数优化方法及装置与流程

本发明涉及开关磁阻电机技术领域，尤其涉及一种开关磁阻电机结构参数优化方法及装置。

背景技术：

开关磁阻电机因具有起动电流小、起动转矩大、结构简单及成本低等优点在许多领域得到了广泛的应用。然而由于其双凸极结构，磁路的非线性和饱和效应，使其存在转矩脉动大的问题，影响了其推广应用。为此，国内外从优化开关磁阻电机的结构参数出发进行研究，提出了模拟退火算法、人工神经网络、遗传算法等多种优化算法，虽取得了一定的效果，但仍存在不足。如模拟退火算法收敛速度慢，执行时间长；人工神经网络需要大量的数据训练，算法较为复杂；遗传算法容易出现早熟的情况，其稳定性差，处理规模小。另外，在减少开关磁阻电机转矩脉动的同时，还希望提高其它性能指标，如效率等；为此，针对开关磁阻电机的多目标优化方法也不断被提出。主要有：基于加权和多目标优化算法、基于非精英多目标遗传算法、文化粒子群算法、粒子群协同优化算法等。其中基于加权和多目标优化算法相对于传统优化方法，虽在同时寻优多个目标时具有优势，但容易陷入局部最优解；基于非精英多目标遗传算法稳定性不高；文化粒子群算法和粒子群协同优化算法调节参数多，工作量大，优化效率低。上述多目标优化方法在一定程度上解决了开关磁阻电机多目标、多变量、多约束的问题，但在寻优过程中容易陷入局部最优解，存在效率低、稳定性不高等不足，因此针对开关磁阻电机研究一种能快速收敛且实现多目标全局最优的算法具有重要意义。

中国专利文献名称为：一种单绕组磁悬浮开关磁阻电机结构参数的优化方法，申请号：201410499891.X的发明专利公开了一种单绕组磁悬浮开关磁阻电机结构参数的优化方法，该方法利用非支配排序遗传算法对悬浮力和转矩进行同时优化，但存在算法调节参数多、计算复杂等不足。

技术实现要素：

为了解决上述技术问题，本发明提供一种开关磁阻电机结构参数的优化方法及装置。

本发明一种开关磁阻电机结构参数优化方法包括的步骤如下：

(1)计算开关磁阻电机(SRM)的初始结构参数；

(2)在步骤(1)的电机初始结构参数中选取待优化的结构参数；

(3)针对步骤(1)中所得电机初始结构参数建立电机有限元模型，仿真得到电机的性能参数：效率η和转矩脉动系数δ；

(4)根据步骤(2)、(3)所得的电机待优化结构参数和性能参数，构建样本数据；

(5)根据步骤(4)中样本数据，运用FOA-ELM(果蝇算法优化极限学习机)训练样本数据，得到待优化的开关磁阻电机模型；

(6)根据步骤(5)中所得待优化的开关磁阻电机模型，以电机待优化结构参数为优化对象，以效率η和转矩脉动系数δ为优化目标，运用递减步长混沌映射果蝇算法对其优化，得到开关磁阻电机的最优结构参数。

本发明一种开关磁阻电机结构参数优化方法，所述递减步长混沌映射果蝇算法步骤如下：

所述步骤(6)中的递减步长混沌映射果蝇算法包括如下步骤：

(6-1)初始化参数；

(6-2)初始化果蝇个体的位置；

(6-3)判断果蝇个体的位置是否能保证电机具有正反启动能力；

(6-4)计算果蝇个体味道浓度判断值；

(6-5)运用FOA-ELM模型，计算果蝇个体的味道浓度；

(6-6)计算果蝇最佳味道浓度值且更新果蝇群体的初始位置；

(6-7)计算果蝇群体平均味道浓度和味道浓度方差；

(6-8)判断味道浓度方差是否小于方差阈值且混沌遍历次数M是否大于零，若满足执行步骤(6-9)，不满足直接转步骤(6-12)；

(6-9)果蝇个体位置经混沌映射变换为搜索空间内的新位置；

(6-10)计算果蝇个体新位置的味道浓度判断值。

(6-11)调用FOA-ELM模型，计算果蝇个体新位置的味道浓度。

(6-12)重复步骤(6-4)、(6-5)并判断果蝇新个体的味道浓度是否优于最佳味道浓度值，若优于则更新果蝇最佳味道浓度和果蝇群体初始位置，不满足返回步骤(6-9)；

(6-13)判断果蝇个体是否全部经过混沌映射变换，若满足执行步骤(6-14)，

不满足返回步骤(6-9)；

(6-14)进入迭代寻优。判断当前迭代次数是否等于最大迭代次数Maxgen，若满足保留最佳味道浓度值和果蝇个体的位置，算法结束；不满足返回步骤(6-2)～(6-13)。

递减步长递减步长混沌映射果蝇算法步骤(6-14)迭代寻优中引入递减步长因子，递减步长因子如下：

式中：L为步长；L₀为初始步长；k为调节系数，其中k∈(0,1)；P为调节因子P∈(1,10)且为整数；m为调整因子，其中m∈(0,1)；N为最大迭代次数，n为当前迭代次数；

开关磁阻电机结构参数优化方法步骤(1)中，根据传统电机设计方法和开关磁阻电机的技术指标计算电机的初始结构参数，所述初始结构参数包括：转子外径D_a、定子外径D_s、铁芯叠长l_a、气隙g、定子极弧β_s、转子极弧β_r、定子极宽b_ps、定子轭高h_cs、转子极宽b_pr、转子轭高h_cr、轴径D_i、定子槽深d_s。

开关磁阻电机结构参数优化方法步骤(2)中，选取定子极弧β_s和转子极弧β_r作为开关磁阻电机待优化的结构参数。

开关磁阻电机结构参数优化方法步骤(3)中，根据开关磁阻电机初始结构参数建立开关磁阻电机有限元模型，在满足电机具有正反启动能力的情况下，改变有限元模型中定子极弧β_s和转子极弧β_r，得到不同定转子极弧对应的效率η和转矩脉动系数δ。

开关磁阻电机结构参数优化方法步骤(4)中，针对权利要求3中选取的电机待优化结构参数定子极弧β_s和转子极弧β_r按式(2)进行处理，即：

式中：S为味道浓度判断值；该数据处理方式借鉴果蝇算法中求味道浓度判断值的特点，提高了后续建模和优化的效率和稳定性，并使程序变得简单。

以式(2)计算得到的味道浓度判断值S及步骤(3)中得到的效率η和转矩脉动系数δ构建样本数据(S、η、δ)。

开关磁阻电机结构参数优化方法步骤(5)中，以味道浓度判定值S作为FOA-ELM(果蝇算法优化极限学习机)的输入，以电机待优化结构参数定子极弧β_s和转子极弧β_r所对应的效率η和转矩脉动系数δ作为FOA-ELM(果蝇算法优化极限学习机)的输出，训练样本数据，得到待优化的开关磁阻电机模型。

开关磁阻电机结构参数优化方法步骤(6)中，构建目标函数如下：

式中：设δ＝f₁(S)，η＝f₂(S)，w₁和w₂分别为转矩脉动系数δ和效率η对应的权重系数，且w₁+w₂＝1；

以定子极弧β_s、转子极弧β_r为优化对象，利用递减步长混沌映射果蝇算法对电机模型进行优化，求目标函数F(S)的极小值，即可得到最优的待优化结构参数。

本发明第二个方面提供一种开关磁阻电机结构参数优化装置，包括微处理器、输入设备、显示器以及直流稳压电源：

所述微处理器分别与输入设备和显示器相连；

所述微处理器，用于计算开关磁阻电机的初始结构参数；根据初始结构参数建立开关磁阻电机的有限元模型，仿真得到性能参数效率η和转矩脉动系数δ；根据待优化结构参数和性能参数构建样本数据；运用FOA-ELM(果蝇算法优化极限学习机)训练样本数据，得到待优化的开关磁阻电机模型；根据待优化的电机模型，以待优化的结构参数为优化对象，以性能参数效率η和转矩脉动系数δ为优化目标，运用递减步长混沌映射果蝇算法对电机结构参数进行优化，得到优化结果。

所述输入设备，用于输入开关磁阻电机的技术指标、选取待优化的结构参数及确定各优化对象的权重系数等。

所述显示器，用于显示优化过程的中间结果及最终的优化结构参数。

所述直流稳压电源，用于为所述微处理器、输入设备及显示器提供电源。

本发明采用递减步长混沌映射果蝇算法对开关磁阻电机的结构参数进行优化，具有以下效果：

(1)果蝇算法运行时间短，调节参数少，算法易于实现；加入混沌映射算法可避免其陷入局部最优解，增加其全局搜索能力。

(2)实现了效率、转矩脉动协同最优的参数设计。

附图说明

图1为本发明所提出的开关磁阻电机结构参数优化方法流程图；

图2为开关磁阻电机静态转矩特性图；

图3为开关磁阻电机定转子极弧关系三角图；

图4为各定转子极弧参数与效率的变化规律图；

图5为各定转子极弧参数与转矩脉动系数的变化规律图；

图6为递减步长混沌映射果蝇算法优化流程图；

图7为混沌映射果蝇优化算法果蝇飞行路径图；

图8为混沌映射果蝇优化算法优化过程图；

图9为混沌映射果蝇优化算法电机转矩脉动系数和效率关系图；

图10为本发明所提出的开关磁阻电机结构参数优化装置原理框图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

参见图1，图1为本发明所提出的开关磁阻电机结构参数优化方法流程图。本发明的一种开关磁阻电机结构参数优化方法包括的步骤如下：

(1)计算开关磁阻电机(SRM)的初始结构参数；

(2)在步骤(1)的电机初始结构参数中选取待优化的结构参数；

(3)针对步骤(1)中所得电机初始结构参数建立电机有限元模型，仿真得到电机的性能参数：效率η和转矩脉动系数δ；

(4)根据步骤(2)、(3)所得的电机待优化结构参数和性能参数，构建样本数据；

(5)根据步骤(4)中样本数据，运用FOA-ELM(果蝇算法优化极限学习机)训练样本数据，得到待优化的开关磁阻电机模型；

(6)根据步骤(5)中所得待优化的开关磁阻电机模型，以电机待优化结构参数为优化对象，以效率η和转矩脉动系数δ为优化目标，运用递减步长混沌映射果蝇算法对其优化，得到开关磁阻电机的最优结构参数。

本发明一种开关磁阻电机结构参数优化方法，所述递减步长混沌映射果蝇算法步骤如下：

所述步骤(6)中的递减步长混沌映射果蝇算法包括如下步骤：

(6-1)初始化参数；

(6-2)初始化果蝇个体的位置；

(6-3)判断果蝇个体的位置是否能保证电机具有正反启动能力；

(6-4)计算果蝇个体味道浓度判断值；

(6-5)运用FOA-ELM模型，计算果蝇个体的味道浓度；

(6-6)计算果蝇最佳味道浓度值且更新果蝇群体的初始位置；

(6-7)计算果蝇群体平均味道浓度和味道浓度方差；

(6-8)判断味道浓度方差是否小于方差阈值且混沌遍历次数M是否大于零，若满足执行步骤(6-9)，不满足直接转步骤(6-12)；

(6-9)果蝇个体位置经混沌映射变换为搜索空间内的新位置；

(6-10)计算果蝇个体新位置的味道浓度判断值。

(6-11)调用FOA-ELM模型，计算果蝇个体新位置的味道浓度。

(6-12)重复步骤(6-4)、(6-5)并判断果蝇新个体的味道浓度是否优于最佳味道浓度值，若优于则更新果蝇最佳味道浓度和果蝇群体初始位置，不满足返回步骤(6-9)；

(6-13)判断果蝇个体是否全部经过混沌映射变换，若满足执行步骤(6-14)，

不满足返回步骤(6-9)；

(6-14)进入迭代寻优。判断当前迭代次数是否等于最大迭代次数Maxgen，若满足保留最佳味道浓度值和果蝇个体的位置，算法结束；不满足返回步骤(6-2)～(6-13)。

递减步长递减步长混沌映射果蝇算法步骤(6-14)迭代寻优中引入递减步长因子，递减步长因子如下：

式中：L为步长；L₀为初始步长；k为调节系数，其中k∈(0,1)；P为调节因子P∈(1,10)且为整数；m为调整因子，其中m∈(0,1)；N为最大迭代次数，n为当前迭代次数；

开关磁阻电机结构参数优化方法步骤(1)中，根据传统电机设计方法和开关磁阻电机的技术指标计算电机的初始结构参数。所述电机初始结构参数包括：转子外径D_a、定子外径D_s、铁芯叠长l_a、气隙g、定子极弧β_s、转子极弧β_r、定子极宽b_ps、定子轭高h_cs、转子极宽b_pr、转子轭高h_cr、轴径D_i、定子槽深d_s。

开关磁阻电机结构参数优化方法骤(2)中，在步骤(1)所得电机初始结构参数中选取定子极弧β_s和转子极弧β_r为待优化的结构参数。鉴于定转子外径之比为常数，同时在定子外径D_s和铁芯叠长l_a不变的情况下，定转子极宽、定转子轭高、轴径、定子槽深随定转子极弧的变化而单调变化，因此选取定子极弧β_s和转子极弧β_r为待优化的结构参数。即在定子外径D_s、铁芯叠长l_a及气隙g已知的情况下，通过确定定转子极弧，便可确定转子外径、定转子极宽、定转子轭高、轴径、定子槽深等参数，公式如下：

式中：定子外径D_s、铁芯叠长l_a和气隙g为已知量，λ₁、λ₂、λ₃为常数。则通过式(4)可求出转子外径D_a、定子极宽b_ps、定子轭高h_cs、转子极宽b_pr、转子轭高h_cr、轴径D_i、定子槽深d_s等参数。

开关磁阻电机结构参数优化方法步骤(3)中，针对上述步骤(1)中电机初始结构参数建立其有限元模型，对该有限元模型仿真即可得到电机效率η；之后再通过改变开关磁阻电机的转子位置角，仿真得到不同转子位置角对应的电机转矩，所得转矩与转子位置角关系曲线，即静态转矩特性图如图2所示。在图2中，A、B相曲线最高点对应的为电机最大转矩T_max，A、B两相曲线交点对应的为电机最小转矩T_min，由最大转矩T_max和最小转矩T_min即可得到开关磁阻电机的转矩脉动系数，公式如下：

式中：δ为转矩脉动系数。

参见图3，为开关磁阻电机定转子极弧关系三角图。图中阴影部分(三角形ABD)所示为定子极弧β_s和转子极弧β_r在保证开关磁阻电机具有正反两个方向自起动能力的前提下必须满足的约束条件。即定子极弧β_s、转子极弧β_r取值要满足以下条件：

式中：N_r为转子极数，m为电流相数。

在图3所示三角形ABD内选取不同的定转子极弧值，由式(6)算出电机的初始结构参数，根据该初始结构参数建立电机的有限元模型，对该有限元模型仿真得到不同定转子极弧下的效率η和转矩脉动系数δ，相关曲线分别如图4、图5所示。由图看见，随着开关磁阻电机定转子极弧的逐渐增加，效率逐步下降；而转矩脉动系数则在定子极弧一定的情况下，随着转子极弧的逐渐增加，先逐渐减少，在达到极小值后又逐步增加。

开关磁阻电机结构参数优化方法步骤(4)中，根据步骤(2)所得电机待优化结构参数即定子极弧β_s和转子极弧β_r以及步骤(3)所得性能参数即效率η和转矩脉动系数δ，构建样本数据。

根据果蝇算法的特点，对定子极弧β_s和转子极弧β_r按式(2)行处理，即：

式中：S为味道浓度判断值；

在果蝇算法中，味道浓度判断值S为距离之倒数，即将味道浓度判断值S代入味道浓度判断函数(目标函数)，以求出最佳味道浓度Smell，即最佳目标函数的值。

在本发明中，以效率η和转矩脉动系数δ为两个优化目标，并由这两个优化目标构建一个目标函数，如式(3)所示，该目标函数在果蝇算法中即为味道浓度判断函数；而对于本发明中选取的两个待优化结构参数定子极弧β_s和转子极弧β_r，则经式(2)处理后作为味道浓度判断值S，由此可通过果蝇算法的优化处理，得到最佳的β_s、β_r、η、δ。

基于上述理由，故以式(2)计算所得味道浓度判断值S及步骤(3)中得到的效率η和转矩脉动系数δ构建样本数据(S、η、δ)。

在步骤(5)中，根据步骤(4)得到的样本数据，运用FOA-ELM(果蝇算法优化极限学习机)对样本数据进行训练，即以S作为FOA-ELM(果蝇算法优化极限学习机)的输入，以待优化电机结构参数定子极弧β_s和转子极弧β_r所对应的效率η和转矩脉动系数δ作为FOA-ELM(果蝇算法优化极限学习机)的输出，开始训练样本数据(S、η、δ)，得到待优化的开关磁阻电机模型。

所述步骤(6)中，鉴于电机效率η和转矩脉动系数δ均可表示为变量S的函数(S的定义见式(2))，故设δ＝f₁(S)，η＝f₂(S)；而对于效率η和转矩脉动系数δ这两个优化目标来说，效率η取极大值，转矩脉动系数δ取极小值，并针对两者构建一个目标函数，如式(3)所示。即：

式中：w₁和w₂分别为转矩脉动系数δ和效率η对应的权重系数，且w₁+w₂＝1；上述目标函数中，因f₂(S)取极大值，则[1-f₂(S)]将为极小值，同时因f₁(S)也取极小值，所以目标函数F(S)将取极小值。

以定子极弧β_s、转子极弧β_r为优化对象，利用递减步长混沌映射果蝇算法对电机模型进行优化，求目标函数F(S)的极小值，即可得到最优的待优化结构参数。

参见图6，为递减步长混沌映射果蝇算法优化流程图。

递减步长混沌映射果蝇算法优化步骤如下：

(6-1)初始化参数。根据目标函数，设定搜寻初始值、群体规模Sizepop、最大迭代数Maxgen、味道浓度方差阈值及混沌遍历次数M；在保证开关磁阻电机具有正反启动能力的前提下，即在图3所示阴影部分(即三角形ABD)中随机选取某一点(定转子极弧值)作为果蝇群体的初始位置(β_{s_axis}，β_{r_axis})。

(6-2)根据上述果蝇群体的初始位置，赋予其随机方向与距离，得到果蝇个体的位置(β_si，β_ri)如下：

(6-3)根据上述果蝇个体的位置，判定其是否处在图3所示阴影部分的内部，若不满足，则执行步骤(6-2)；若满足，则执行步骤(6-4)。

(6-4)根据上述果蝇个体的位置，计算其与原点的距离Dist_i及果蝇个体的味道浓度判定值S_i，计算Dist_i和S_i的公式如下：

S_i＝1/Dist_i (9)

(6-5)利用FOA-ELM(果蝇算法优化极限学习机)对上述果蝇个体味道浓度判断值S_i进行处理，得到定转子极弧β_si、β_ri所对应的电机效率η_i和转矩脉动系数δ_i；再将电机效率η_i和转矩脉动系数δ_i代入目标函数，求得果蝇个体的味道浓度Smell_i，即：

(6-6)对果蝇群体的味道浓度Smell求极小值，得到果蝇最佳味道浓度值Smellbest，并更新果蝇群体的初始位置(β_{s_axis}，β_{r_axis})。

(6-7)计算果蝇群体的平均味道浓度和果蝇群体味道浓度方差，公式如下：

(6-8)若果蝇群体味道浓度方差σ²小于味道浓度方差阈值且混沌遍历次数M大于零，则执行步骤(6-9)，如不满足上述条件，则直接转步骤(6-14)。

(6-9)混沌映射变换。将果蝇个体位置(β_si，β_ri)通过式(15)的Logistic映射变换，得到混沌变量(Cβ_si、Cβ_ri)，之后再按式(16)、(17)变换得到搜索空间内果蝇个体的新位置(β′_si、β′_ri)，混沌遍历M次。

其中：式(16)中Cβ_si(t)、Cβ_ri(t)为映射的第i个混沌变量Cβ_si、Cβ_ri在第t步混沌变换后的值；当且时，将产生混沌现象；式(15)的优化变量β_si∈[a_i,b_i]、β_ri∈[a_1i,b_1i]。

(6-10)根据上述果蝇个体的新位置，计算其与原点的距离Dist′_i及果蝇个体的味道浓度判定值S′_i，计算Dist′_i和S′_i的公式如下：

S′_i＝1/Dist′_i (19)

(6-11)利用FOA-ELM(果蝇算法优化极限学习机)对上述果蝇个体味道浓度判断值S′_i进行处理，得到定转子极弧β′_si、β′_ri所对应的电机效率η′_i和转矩脉动系数δ′_i；再将电机效率η′_i和转矩脉动系数δ′_i代入目标函数，求得果蝇个体新位置的味道浓度Smell′_i。

(6-12)若最佳味道浓度值大于果蝇个体新位置的味道浓度值，即Smellbest>Smell′_i，则更新果蝇最佳味道浓度和果蝇群体初始位置，与此同时，整个果蝇群体利用视觉飞往最优个体位置；若不满足，转步骤(6-9)执行下一组定转子极弧的混沌映射变换。

Smellbest＝Smell′_i (21)

(6-13)判断果蝇个体是否全部经过混沌映射变换，若满足则执行步骤(6-14)；若不满足转步骤(6-9)执行下一组定转子极弧的混沌映射变换；

(6-14)迭代寻优。判断当前迭代次数是否等于最大迭代次数Maxgen，若当前迭代次数小于最大迭代数Maxgen，则重复执行步骤(6-2)～(6-13)；若当前迭代次数等于最大迭代次数，保留最佳味道浓度的值和果蝇的个体位置，算法结束。

本发明以三相12/8极开关磁阻电机为例，设开关磁阻电机的基本技术指标为：额定功率P_N＝2.2kW、额定电压U_N＝380V、额定转速n_N＝3450r/min、额定效率η＝80％。根据上述技术指标并利用传统电机设计方法计算电机的初始结构参数为：定子外径D_S＝121mm、转子外径D_a＝69mm、铁芯叠长l_a＝82.6mm、气隙长度g＝0.4mm、定子极弧β_S＝15°、转子极弧β_r＝16°、定子轭高h_cs＝6mm、转子轭高h_cr＝6.7mm、轴径D_i＝32mm、定子槽深d_s＝20mm、每极每相绕组为N＝50匝。

针对上述开关磁阻电机初始结构参数建立电机有限元模型，仿真得到电机的效率η＝86.6786％；改变开关磁阻电机的转子位置角，转子位置由不对齐(0°)转到对齐(22.5°)的位置，在从0°转到22.5°时每隔0.5°转矩取一次值，构成转矩与转子位置角的关系图，即为静态转矩特性图，如图2。由式(5)计算得到开关磁阻电机转矩脉动系数为δ＝45.56％。

为保证开关磁阻电机具有正反启动能力，定子极弧β_s、转子极弧β_r需满足以下条件：

即为图3所示的阴影部分(三角ABD)。因此在图3所示三角形ABD中均匀选取38组定转子极弧值，计算出相应的初始结构参数；再将这38组数据通过有限元仿真分析和计算得到相应的效率η和转矩脉动系数δ；然后将这38组定转子极弧数据通过式(1)处理来构建样本数据(S、η、δ)。

以S作为FOA-ELM(果蝇算法优化极限学习机)的输入，以待优化电机结构参数定子极弧β_s和转子极弧β_r所对应的效率η和转矩脉动系数δ作为FOA-ELM(果蝇算法优化极限学习机)的输出，训练样本数据(S、η、δ)，得到待优化的开关磁阻电机模型

根据式(2)，并设w₁＝0.998，w₂＝0.002，则目标函数具体表达式如下：

以定子极弧β_s和转子极弧β_r为优化对象，利用递减步长混沌映射果蝇算法对电机模型进行优化，求取目标函数F(S)的极小值，即可得到最优的待优化结构参数。递减步长混沌映射果蝇算法优化结果如图7、8和9所示。当定子极弧β_s为20.2222°、转子极弧β_r为21.2071°时，目标函数F(S)取极小值，此时效率η为81.38％，转矩脉动系数δ为38.7％。

进一步的，本发明还提供一种开关磁阻电机结构参数优化装置，该装置用于执行上述实施例对应各个步骤。图10为本发明提供的一种开关磁阻电机结构参数优化装置结构框图，包括微处理器、输入设备、显示器、直流稳压电源。

所述微处理器分别与输入设备和显示器相连；

所述微处理器，用于计算开关磁阻电机的初始结构参数；根据初始结构参数建立有限元模型，仿真得到性能参数效率η和转矩脉动系数δ；根据待优化结构参数和性能参数构建样本数据；运用FOA-ELM(果蝇算法优化极限学习机)训练样本数据，得到待优化的开关磁阻电机模型；根据待优化的电机模型，以待优化的结构参数为优化对象，以性能参数效率η和转矩脉动系数δ为优化目标，运用递减步长混沌映射果蝇算法对电机模型进行参数优化，得到优化结果。

所述输入设备，用于输入开关磁阻电机的技术指标、选取待优化的结构参数及确定各优化对象的权重系数等。

所述显示器，用于显示优化过程的中间结果及最终的优化结构参数。

所述直流稳压电源，用于为所述微处理器、输入设备及显示器提供电源。

本发明具有以下效果：

(1)运用果蝇算法对开关磁阻电机的结构参数进行优化，具有运行时间短、调节参数少、编程简单等优点；同时结合混沌映射算法可避免其陷入局部最优解，增加其全局寻优能力。

(2)实现了转矩波动、效率协同最优的参数设计。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。