针对永磁交流力矩电机转子受载荷之后会引起转子位置偏心误差加大问题,提出一种基于遗传算法(GA)优化BP神经网络永磁力矩电机转子偏心载荷位置误差预测模型的方法。通过测量各种情况下永磁力矩电机在运转过程中的位置变化情况,利用遗传算法优化BP神经网络算法建立预测模型。该模型采用实验台运行的正弦轨迹数据为训练样本,三角波轨迹数据为测试样本。选取各种情形的正弦波轨迹数据和三角波轨迹数据进行仿真预测和验证。以各种情况的正弦波信号的指令位置、指令速度和电流作为模型的输入,以三角波信号的位置误差作为输出。结果表明,GA优化BP神经网络建立的预测模型优于优化之前的预测模型。

文章分析了在偏心情况下,偏心产生的不平衡磁拉力对转子的机械强度和疲劳寿命的影响。电主轴偏心质量与挠度共同存在情况下,考虑挠度对轴向气隙值的改变总结出了更加准确的径向电磁力密度的计算方法。通过有限元仿真,得出了径向电磁力密度变化规律,校核了转子结构强度并提出了增大转子机械强度的改进方法。通过实验得出了偏心电磁力增大会在转子轴上产生明显的应力集中、加速减小转子疲劳寿命的结论。