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 數學模型，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學模型到物理現實的關鍵路徑，如此算法就有了明確的可實施目標，振動噪音的物理問題也就轉換成了數學問題。

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，其中徑向電磁力產生的徑向振動為主要故障模式，而切向電磁力產生的扭轉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、 電磁力可被數學建模 。

也就是說可以通過調整電磁仿真模型的結構，來對徑向電磁力產生影響，它是可以被數學模型描述和控制的，我們可以通過轉子磁極調整來控制電磁力，也可以通過定子結構調整來影響，這給優化帶來了方便。

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”目標作為目標因變量，算法根據目標的優劣程度，自動調整定子和轉子的形狀來作優化，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機上應用，因此我們沒有選擇這條技術路線。

也可以將磁場作為關鍵目標因變量，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性不穩定，有的方案相關性比較強，控制了磁場確實能控制電磁力，但有些方案相關性比較弱，甚至出現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變量不可靠。

我們發現最經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，如此普通PC機也能勝任。

因此選擇“電磁力”作為自動優化的變量，是兼顧經濟性和準確性的最佳實施方案。

02

實施方式

在完成診斷后，確定了關鍵階次電磁力優化目標后，我們 采用多目標優化工具將電磁力作為直接優化目標，通過遺傳算法對其進行優化，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”都同時作為優化目標。

下圖是我們算法優化的過程，可以通過不同的參數對來監控收斂情況。觀察發現： 電磁力是“可防可控的” ，可以通過定轉子結構調整來找到較小的電磁力目標。在多目標優化時，因為十幾個目標相互影響，收斂域可能呈現在邊界處，如下圖右：“齒槽轉矩”和“反電動勢畸變率THD”目標對，也可能不在邊界處，如“下圖左：額定轉矩脈動”-“24階電磁力”目標對。

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診斷和優化和迭代的全過程。