馬吉祥 孫 華

（1.上海交通大學電子信息與電氣工程學院，上海 200129；2.江蘇省吳江市供電公司，江蘇 吳江 215200）

單相異步電動機又稱單相感應電動機，具有結(jié)構(gòu)簡單，價格低廉，運行可靠，維護使用方便等一系列優(yōu)點，被廣泛運用于輕工設(shè)備，日用機電器具等諸多方面，成為最貼近人們生活的電機品種。隨著電力電子和控制技術(shù)的不斷發(fā)展，單相異步電機的控制性能也得到了很大的提升，因此對其進行優(yōu)化設(shè)計，降低其成本，提高其性能是必然的趨勢。

傳統(tǒng)電機優(yōu)化設(shè)計[1-2]采用的優(yōu)化算法是一種基于設(shè)計變量可微分性的數(shù)值方法，主要有直接搜索法和隨機搜索法兩種尋優(yōu)模式，其中經(jīng)典尋優(yōu)策略有Powell法、單純形法、懲罰函數(shù)法（SUMT）[3]、可變?nèi)莶罘ê吞荻确ǖ鹊取?0世紀90年代以來，模擬退火（SA）[4-8]、遺傳算法（GA）[9-14]、禁忌搜索（TS）[15]和模擬進化（SE）等現(xiàn)代啟發(fā)式優(yōu)化算法得到迅速發(fā)展。其中懲罰函數(shù)法（SUMT）的懲罰因子常常難以選??；懲罰因子過大，函數(shù)會因?qū)Ψ峙涞臋?quán)重過小而忽略對目標函數(shù)的影響，將給計算增加困難，懲罰因子過小，懲罰項得不到足夠的懲罰，滿足約束條件的精度就會降低。模擬退火算法（SA）的溫度控制難以掌握，計算量很大，需要太長的計算時間，直接影響了此算法的尋優(yōu)能力。遺傳算法（GA）需要進行大量的目標特性的分析，如果目標分析方法比較耗時，計算量很大，此外在遺傳操作中會產(chǎn)生大量的不可行解，對參數(shù)的控制要求也比較嚴格，且易發(fā)生早熟現(xiàn)象。

正多面體法是一種約束優(yōu)化的有效方法，收斂迅速，在搜索過程中只需要計算目標函數(shù)值，程序簡單，控制量少。算法包含平移、翻轉(zhuǎn)、收縮3個主要動作，利用搜索點的局部測試信息來尋找目標函數(shù)的下降方向，并向這個方向平移，越限后翻轉(zhuǎn)或者收縮，然后重復這樣的動作直至到達最優(yōu)點。正多面體法適合于單相異步機這樣低成本，結(jié)構(gòu)簡單的電機設(shè)計，是本文研究的算法。

1 正多面體算法的基本原理

1）選擇一個可行點（內(nèi)點）X(0)作為初始點，在n維歐氏空間中生成一個以 X(0)為形心，邊長為T0的初始正多面體。此正多面體具有n+1個頂點。

2）在比較形心點 X(0)和正多面體n+1個頂點的目標函數(shù)數(shù)值以及約束滿足的情況下，使正多面體在n維空間執(zhí)行平移，翻轉(zhuǎn)和收縮等3種基本搜索策略，并形成一個新的正多面體。在每次變動中必須滿足以下條件：

（1）在搜索過程中，始終保持形心在可行域D內(nèi)。

（2）在搜索過程中，正多面體不發(fā)生畸變，始終保持為正多面體的形狀，只是位置或大小有所變化。

（3）每次搜索變動后，正多面體形心的目標函數(shù)值必須小于變動前的形心函數(shù)值。

反復運用上述3種基本搜索策略，使新的正多面體的形心 X(0)逐漸逼近最優(yōu)點X*。

3）以2維的正三角形為例加以說明。

（1）平移：每在一個新的正多面體形成后，經(jīng)過形心函數(shù)值和各頂點函數(shù)值比較后，如果有一個函數(shù)值最小的可行頂點 X(L)，其函數(shù)值 FL比形心X(0)的函數(shù)值F0還要小時，正多面體就沿 X(0)X(L)連線方向平移搜索（如圖1所示）。

圖1 平移策略

平移步長H就是形心 X(0)與那個好頂點 X(L)的距離，即

平移點為

函數(shù)值為 F ( Z )= F( X(Z))，一旦平移成功，則按步長H繼續(xù)平移，直至平移失敗，退回最后一個成功點 X(Z)，且把 X(Z)作為新正多面體的形心 X(0)。

如果可行頂點 X(L)的函數(shù)值 FL并不比形心函數(shù)值F0小時，則無法平移，而進入翻轉(zhuǎn)移動。若各頂點中無一是可行點，則進入收縮。

（2）翻轉(zhuǎn)：當正多面體所有可行頂點的函數(shù)值均比形心值F0大時，就準備翻轉(zhuǎn)。所謂翻轉(zhuǎn)就是，除某一頂點 X(U)外，正多面體的其他幾個定點不動，將 X(U)用其他n個頂點所決定的超平面對稱點X(W)來代替，形成一個新的正多面體（如圖2所示）。

圖2 翻轉(zhuǎn)策略

翻轉(zhuǎn)后的新正多面體的形心 X(V)稱為原正多面體的旁心。顯然，一個正多面體有n+1個旁心，可以有n+1種不同的翻轉(zhuǎn)。

為實現(xiàn)最理想的翻轉(zhuǎn)，從n+1個旁心中找出函數(shù)值最小的可行旁心，記 X(V)，其函數(shù)值記為FL。如果滿足

即旁心的函數(shù)值 FL小于原正多面體形心得函數(shù)值F0，則實施這種翻轉(zhuǎn)，并令 X(0)= X(V)；否則，說明無法進行翻轉(zhuǎn)，只能實現(xiàn)收縮。

（3）收縮：當正多面體的各頂點均為非可行點或無法進行翻轉(zhuǎn)時，就實施收縮。將正多面體的各個頂點均向形心 X(0)收縮相同的距離，本文中收縮1/2，使形成的新正多面體的邊長T也相應收縮1/2，即

如圖3所示。

2 正多面體法的具體實現(xiàn)

（1）給定維數(shù)n，初始可行形心 X(0)，初始邊長 T0和精度ε。 T0要取得適當，如果取得過大或者過小都會增加搜索時間。

圖3 收縮策略

（2）形成初始正多面體：設(shè)形心 X(0)的坐標為函數(shù)值為 F0= F ( X(0))則n+1個頂點坐標可用兩維數(shù)組 X Y( i, j)表示如下，行號i為頂點號，列號j為該頂點的各維坐標分量。

其中

（3）判別正多面體的各個頂點是否均為外點。

如果所有頂點都為非可行點，則轉(zhuǎn)式（9）進行收縮；否則轉(zhuǎn)式（4）。

（4）找出可行域中的最好頂點 X(L)

若滿足 F L＜F0，則轉(zhuǎn)式（5）進行平移；否則轉(zhuǎn)式（6）找旁心。

（5）平移搜索：平移的方向是 X(0)→X(L)，平移的步長為 H = X(L)- X(0)。對 Z=1，2，…，n，依次考察 X(Z)= X(0)+ ( Z + 1 )H ， F ( Z )= F ( X(Z))。如果X(Z)是內(nèi)點，且 F ( Z)＜F0，即平移成功，繼續(xù)平移，且令 Z = Z+1， F0= F ( Z)；否則，退回最后一個成功點作為形心，即

平移后形成的新正多面體的各頂點坐標為

且轉(zhuǎn)式（3）。（6）計算各旁心，并判別是否均為外點？各旁心的坐標為

各旁心的約束函數(shù)最大值

若各旁心均為非可行點，則轉(zhuǎn)式（9）進行收縮；否則找出最好的可行旁心 X(V)，其函數(shù)值記為FL。

（7）翻轉(zhuǎn)判別：如果滿足 F L＜F0，則轉(zhuǎn)式（8）實施正多面體的翻轉(zhuǎn)，否則式（9）進行收縮。

（8）翻轉(zhuǎn)計算：設(shè)翻轉(zhuǎn)前的形心為 X(0)，頂點為 X(U)，翻轉(zhuǎn)后的對應頂點為 X(W)，翻轉(zhuǎn)后的新形心為 X(V)，則

且轉(zhuǎn)式（3）

（9）收縮：當形成的正多面體的各頂點均為非可行點或者無法進行翻轉(zhuǎn)移動時，便實施收縮策略。將正多面體各頂點向形心 X(0)移動一半的距離，形成一個新的小正多面體。各新頂點的坐標為

(i = 1 ,2,… ,n + 1 , j = 1,2,… ,n )邊長也減為一半，即

（10）終止迭代判別：如果正多面體的邊長滿足

此時，則輸出最優(yōu)點

否則轉(zhuǎn)式（3）進行新的迭代。

3 軟件開發(fā)和算例分析

3.1 軟件的主要功能

（1）根據(jù)電機結(jié)構(gòu)和尺寸計算其電磁特性、輸出轉(zhuǎn)矩、效率、輸出功率等力能指標以及溫升、損耗和有效材料成本。

（2）采用基于正多面體算法，以成本作為目標函數(shù)對電機的結(jié)構(gòu)參數(shù)進行優(yōu)化，并進行優(yōu)化前后電機性能和成本的比較。

3.2 軟件的主題結(jié)構(gòu)

根據(jù)軟件的主要功能，可分為兩個模塊，即電機電磁特性、性能、成本等計算模塊和優(yōu)化算法模塊。模塊圖如圖4所示。

圖4 軟件模塊圖

3.3 算例分析

我們以有效材料成本為目標函數(shù)，采用正多面體優(yōu)化算法對單相異步電機進行了優(yōu)化設(shè)計。這里我們采用的電機仍為單相4極異步電機，額定轉(zhuǎn)速1500r/min，額定功率14W，電壓200V。具體結(jié)果如表1所示。

表1 參數(shù)對比分析

優(yōu)化后，主繞組槽滿率下降了29.02%，副繞組槽滿率下降了27.38%，成本降低了6.73%。

4 結(jié)論

（1）正多面體算法程序簡單，控制量少，在搜索過程中只需要計算目標函數(shù)值，避免了因進行大量的目標特性分析、方法比較而造成的速度慢，計算量大，運算時間長等弊端。

（2）正多面體算法具有收斂迅速的優(yōu)點，操作過程中不會產(chǎn)生大量的不可行解。

（3）正多面體算法適用于低成本，結(jié)構(gòu)簡單的電機設(shè)計，可有效地降低成本，具有經(jīng)濟實用性。

[1]俞鑫昌,電機、電器優(yōu)化設(shè)計[M].機械工業(yè)出版社,1988.

[2]王充權(quán),電機的計算機輔助設(shè)計與優(yōu)化技術(shù)[M],上海:上海交通大學出版社,1989.

[3]Martin D W.Tee 1-1 J. Iterative methods for linear equations with symmetric positive definite matrices[J].The Computer Journal. 1961-1962(4).

[4]孟大偉,張弘,基于模擬退火算法及直接搜素法的混合優(yōu)化策略在電機設(shè)計中的應用[J].電機與控制學報,1997, 1(2): 92-94.

[5]滿春濤,黃金杰,張筱磊,基于模擬退火算法的模糊控制器優(yōu)化設(shè)計[J].電機與控制學報,2004,8(3): 281-284.

[6]Xi Ziqing and Zhou Keding. An improved simulated annealing algorithm and its application in global optimization of structure of a transformer core [C].Proc. of ICEF’2000,Tianjing 2000,322-324.

[7]Wang Youhua, Yan Weili et al. Adaptive simulated annealing for the optimal design of electromagnetic devices[J]. IEEE Trans. On Magnetics,1996, 32(3):1214-1217.

[8]Annakkage U D, Numnonda T,Pahalawaththa N C. Unit commitment by parallel simulated anneailng[J]. IEE Porc-Gener,Transm..Distrib,1995, 142(6):595-600.

[9]Cao Y J, Wu Q H. Optimal reactive power dispatch using an adaptive genetic algorithm[C]. Glasgow, UK:in Proceedings of Int. Conf. on Geneitc Algorithm in Engineeirng Systems,1997,117-122.

[10]Gomes J R, Saaverdra O R. Optimal reactive power planning using evolutionary Computation: Extended Algorithm[J].IEE Gen. Trans. and Dis,1999,146(6):586-592.

[11]張俊禮,葛斌,遺傳算法在壓水堆核電機組給水回熱分配中的應用[J],中國電機工程學報,2005,25(6):152-156.

[12]GARRET I H, LA IN . A knowledge-based system for designing transformers and inductors[C].IEEE Conference Proceedings, The 4th Conference. on Artificial Intelligence Application,1992.

[13]王育槐,吳建華,楊仕友,倪光正,多目標矢量優(yōu)化的改進遺傳算法及其在電磁裝置優(yōu)化設(shè)計中的應用[J],中國電機工程學報,2004,24(7):215-218.

[14]David C Walters,Gerald B Sheble. Genetic algorithm solution of economic dispatch with valve point loading[J].IEEE Trans on PS,1993,8(3): 1325-1332.

[15]楊仕友,倪光正,錢金很,電機電磁場逆問厄數(shù)值計算的改進Taba算法[J],中國電機工程學報,1998,18(4):83-86.