01

基本原理

用算法解決電機NVH問題，最核心的問題是找到“ 關(guān)鍵中間變量 ”。這個變量是承上啟下起決定性作用的，向上可以對接電機電磁 數(shù)學(xué)模型，這樣就可被算法控制。向下能夠決定了真實世界中電機振動噪音的強弱。因此控制了中間變量也就控制了從數(shù)學(xué)模型到物理現(xiàn)實的關(guān)鍵路徑，如此算法就有了明確的可實施目標(biāo)，振動噪音的物理問題也就轉(zhuǎn)換成了數(shù)學(xué)問題。

我們選擇的中間變量是“電磁力”，原因有三：

1、電磁力是常見的噪音來源

從我們接觸的NVH故障案例中，80%以上的問題是電磁噪音輻射問題，而輻射的來源基本上都是電磁力，其中徑向電磁力產(chǎn)生的徑向振動為主要故障模式，而切向電磁力產(chǎn)生的扭轉(zhuǎn)振動和齒頂局部振動相對較少為次要故障模式。也就是說控制住了電磁力也就能控制住電機的噪音。

2、 電磁力可被數(shù)學(xué)建模 。

也就是說可以通過調(diào)整電磁仿真模型的結(jié)構(gòu)，來對徑向電磁力產(chǎn)生影響，它是可以被數(shù)學(xué)模型描述和控制的，我們可以通過轉(zhuǎn)子磁極調(diào)整來控制電磁力，也可以通過定子結(jié)構(gòu)調(diào)整來影響，這給優(yōu)化帶來了方便。

3、徑向電磁力兼顧了效率和精度

下圖是算法解決振動噪音的自動控制原理。我們可以直接選擇“振動/噪音”目標(biāo)作為目標(biāo)因變量，算法根據(jù)目標(biāo)的優(yōu)劣程度，自動調(diào)整定子和轉(zhuǎn)子的形狀來作優(yōu)化，但這種仿真出振動噪音需要多物理場耦合，計算量和時間開銷太大，計算1000個方案，所需要的計算機資源是海量的，不適合PC機上應(yīng)用，因此我們沒有選擇這條技術(shù)路線。

也可以將磁場作為關(guān)鍵目標(biāo)因變量，這樣計算開銷極小，比如磁場的諧波畸變率、比如5、7次諧波的含量，但磁場和電磁力的相關(guān)性不穩(wěn)定，有的方案相關(guān)性比較強，控制了磁場確實能控制電磁力，但有些方案相關(guān)性比較弱，甚至出現(xiàn)磁場變正弦了反而電磁力變大的情形。因此將磁場作為目標(biāo)變量不可靠。

我們發(fā)現(xiàn)最經(jīng)濟且相對可靠的變量是電磁力，一是因為從電磁力到振動噪音是強相關(guān)的。二是電磁力的計算開銷較小，通過我們的努力可以將1000個方案電磁力的計算時長控制在10小時內(nèi)，如此普通PC機也能勝任。

因此選擇“電磁力”作為自動優(yōu)化的變量，是兼顧經(jīng)濟性和準(zhǔn)確性的最佳實施方案。

02

實施方式

在完成診斷后，確定了關(guān)鍵階次電磁力優(yōu)化目標(biāo)后，我們 采用多目標(biāo)優(yōu)化工具將電磁力作為直接優(yōu)化目標(biāo)，通過遺傳算法對其進行優(yōu)化，同時考量到工程的其它需求“效率”、“成本”、和不同工況下的“電磁力”都同時作為優(yōu)化目標(biāo)。

下圖是我們算法優(yōu)化的過程，可以通過不同的參數(shù)對來監(jiān)控收斂情況。觀察發(fā)現(xiàn)： 電磁力是“可防可控的” ，可以通過定轉(zhuǎn)子結(jié)構(gòu)調(diào)整來找到較小的電磁力目標(biāo)。在多目標(biāo)優(yōu)化時，因為十幾個目標(biāo)相互影響，收斂域可能呈現(xiàn)在邊界處，如下圖右：“齒槽轉(zhuǎn)矩”和“反電動勢畸變率THD”目標(biāo)對，也可能不在邊界處，如“下圖左：額定轉(zhuǎn)矩脈動”-“24階電磁力”目標(biāo)對。

03

實施案例

我們以一臺A0車的乘用車電機作為案例，作為算法治理NVH問題案例，向大家分享該電機的NVH診斷和優(yōu)化和迭代的全過程。