1、“.....仿生算法给出的只是个基本的计算思想和步骤，因此改进算法步骤以获得更好的计算性能有很大的创新空间。比如，为遗传算法设计新的遗传算子，考虑精英策略和局部搜索机制修改蚁群算法的信息素更新规则，改善其全局收敛性在混合蛙跳算法中，加入惯性因子以提高收敛速度，等等。将几种仿生算法结合起来或者将仿生算法和其它的启发式算法结合产生新的混合优化算法，目前对蚁群算法和遗传算法的融合已有些成果，但是对混合蛙跳算法与其它算法结合的研究较少，还需要不断地发展和完善。本科毕业设计论文第四章开关磁阻电机的优化设计初始设计及性能核算设计指标结构形式相，极电压额定转速额定功率额定效率η尺寸计算在进行计算之前，先给出主要尺寸的几何定义，如图所示图开关磁阻电机主要尺寸示意图式给出了的输出方程，它揭示了电机输出功率与主要尺寸的关系，是电机设计的基础。其中，为转子外径为铁心叠长为磁负荷......”。

2、“.....此处取为电负荷，般取值范围为，此处取为电流系数，此处取为电磁功率，的铜耗约占总损耗的，因此电磁功率可按下式进行估算本科毕业设计论文要求出电机尺寸，还需要引入细长比，即的取值对电机的性能和经济指标具有较大影响，当值较小时，电机比较细长，机械时间常数较小，有利于起动和调速，但电机内部的通风条件较差。当值较大时，电机比较粗短，其特点与值较小时相反。参照中小型交流电机的经验数据，的取值范围为，对于而言，个典型取值为，即。联立式可以求出，则转子外半径。利用定转子外径的比值可以很方便的求得的定子外径，该比值最常用的取值范围为，它的确定取决于定转子极数和运行要求，极数越大，比值越大。对于三相极而言，可取，进而求得定子外径，则定子外半径。至此已求出的主要几何尺寸，图中其他尺寸以及每极相绕组匝数的求取方法可参见作者的前期工作，最终得到每极相绕组匝数为匝......”。

3、“.....且考虑实际加工水平，最终确定了表所示的尺寸取值。表初始设计几何尺寸取值单位参数取值参数取值参数取值控制参数计算在对设计电机的性能进行核算时，采用角度位置控制法。在额定转速下，预取开通角关断角本科毕业设计论文其中，为非对其状态时转子角位置，记为。性能的初步核算本文利用自己研发的性能解析计算软件对方案进行核算，而该软件已经过反复考核，证明其计算误差在工程允许范围内，且具有快速方便等优点。图给出了该软件计算的相电流转矩曲线与有限元分析曲线的对比，其中虚线为所使用软件结果，实线为有限元分析结果。相电流合成转矩图所使用核算软件与有限元分析结果对比经过核算，得到在额定转速下，初始设计方案输出转矩为，输出功率为，效率为，转矩波动系数为。可见，初始方案的性能基本满足设计指标，不足在于输出功率较指标稍低，效率偏低，且转矩波动系数较大......”。

4、“.....开关磁阻电机的尺寸参数众多，且与电机性能的关系较为复杂，因此通过调整尺寸来优化电机性能具有定的难度。本文基于对各主要尺寸参数的敏感性分析，得到它们对电机效率及功率的影响模式，为后续的性能优化提供理论依据。在保证电机外形尺寸不变的前提下，经过大量仿真及理论分析发现下列尺寸对本文所设计电机的效率具有较大影响定子轭高，转子外径，定子极弧和转子极弧。作为例子，图和图分别给出了与效率功率以及电机损耗之间的关系曲线。图中，随着定子轭高的增加，效率提高。本文所设计电机具有大功率高转速的特点，电机的主要损耗为定转子铁耗，尤其是定子轭部铁耗占有很大比重。因此，当定子轭高增加时，铁耗会大幅下降，同时电机输出功率增加，从而致使电机的效率明显提高。本科毕业设计论文功率以及电机损耗之间的关系曲线效率与功率损耗图定子轭高敏感性分析效率与功率损耗图转子外径敏感性分析图中......”。

5、“.....此时，铜耗增加的同时铁耗下降，电机总功率损耗基本不变，但由于转子极高的增加会提高电感的变化率，所以输出功率变大，效率提高。另外，敏感性分析表明，定转子极弧的取值不仅会影响电机效率及输出功率，而且会在很大程度上影响转矩波动。粒子群算法的改进的优化设计是个多目标多参数问题，自主优化算法的选取及改进是至关重要的。自主优化算法大体可分为两类确定性算法和随机性算法。确定性算法根据搜索方向的梯度信息进行寻优，而随机性算法则是在设计空间进行随机搜索。确定性算法可以在平滑的设计空间进行高效寻优。但是，该方法常常需要进行导数计算，且在复杂的设计空间中易于陷入局部最优。随机性算法不需要进行梯度计算，并且可以找到全局最优解，但收敛速度要较确定性算法低。粒子群优化，算法的概念比较清晰，过程简单，涉及的计算参数比较少，所需粒子数不多，比较容易实现。但是它也有缺陷，比如容易早熟，收敛速度慢......”。

6、“.....对算法的改进大致归本科毕业设计论文为两类类是在基本的算法基础上通过增加些策略改进其基本算法的性能另类则是将算法与其它的优化算法混合而形成种混合算法。提出了模开始随机初始化群体计算每个个体的适应度值满足终止条件输出结果结束速度和位置更新粒子更新图改进后的粒子群算法流程图糊自适应算法。提出用压缩因子方法帮助算法收敛，提出运用选择机制来增加适应值高的粒子数量以提高算法收敛性等。混合运用多种智能算法可以取长补短，加快收敛速度的同时有效的避免早熟问题。文中首先对粒子群基本算法提出了些改进措施，然后与模拟退火，算法相结合。在此启发下，文中给出了种更进步的改进算法，不仅生成了性能较好的粒子作为初始种群，又间隔性的增强了粒子多样性。采用改进算法仿真计算了几个测试函数，通过比较发现单独采用算法虽然能有效地找到些函数的全局最优值，但是对于复杂函数仍然不能寻优成功......”。

7、“.....将改进的与算法相结合，采用混合算法继续对函数进行寻优。结果表明成功收敛到全局最优点，而且改进方案获得了更高的收敛精度和更快的收敛速度。标准粒子群算法在算法中，每个优化问题的解都被看作是空间中的只鸟，称之为粒子，所有的粒子看成搜索空间中没有质量和体积的点。首先将解空间初始化为群随机粒子，每个粒子都有个根据被优化的函数而确定的适应值，都有自己的速度和位置以决定它的飞行方向和距离然后粒子根据自己迄今找到本科毕业设计论文过的最好位置和整个种群目前找到的最好位置来更新自己的速度与位置，经过不断的迭代过程最终找到最优解。和给出了标准粒子群算法的迭代公式见式和。模拟退火算法首先对固体物质高温加热，随着温度的升高，物体内的原子逐渐处于高速运行的能量状态，固体融化为液体，原子的有序运动为无序运动然后慢慢冷却，原子的热运动逐渐减弱，又慢慢从无序运动变为有序运动当温度降至结晶温度后......”。

8、“.....液体凝固成固体。由高能向低能转变的降温过程称为退火，这个过程是缓慢执行的，要使系统在每温度下都达到平衡状态。根据物理退火过程，提出了算法，后来将准则应用到了组合优化问题，提出了算法。在迭代过程中不像粒子群算法只是用更好的值来代替原来的位置，在算法中，是以概率接受新状态，也就是说当前状态劣于原状态的情况下，仍然有可能取代原状态，所以模拟退火算法具有跳出局部最优的能力。在进行优化计算时需注意以下问题初始温度初始温度设置的过高，全局搜索的能力增强，但是要耗费大量的时间相反若设置的太小，节约了搜索时间，但有可能找不到全局最优。所以要折中考虑这两方面的影响，选择合适的初始温度。随机产生组状态，选出两状态间的最大目标函数差值。设初始接受概率为,般在，之间......”。

9、“.....常用的随机扰动机制主要有柯西分布高斯分布均匀分布和混沌机制。这里就按照式以混沌寻优的方式产生下个状态位置。温度管理每次外循环结束后都要下降温度，再进行下次的内循化过程。这里采取较简单的温度线形下降策略式中越接近，温度下降的越慢且越接近，温度下降的越快。增加记忆功能最优解记忆首先将最优解设置设为初始状态，通过比较新状态与当前状态的目标函数值确定最优解是否需要更新，注意在以概率接受较差状态时最优解不本科毕业设计论文变。这样保证了当前状态改变时历史最优解得以保留。已接受解记忆将已经接受过的状态存入禁忌表中，每次产生新状态后先对照禁忌表，如果曾经被接受过则重新产生新状态否则按步骤进行下面的判断。这样保证了同样的状态不会重复出现，节省了计算时间。内循环终止条件依据算法，要求在每个温度下产生的候选解平稳概率分布。对于时齐算法，候选解趋于无穷多个，无法满足这样的条件......”。