买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京师范大学申请的专利基于改进粒子群算法的电机多目标优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115081328B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210711940.6，技术领域涉及：G06F30/27；该发明授权基于改进粒子群算法的电机多目标优化方法是由朱晓锋;李光志;丁树业;金子辰;瞿腾超设计研发完成，并于2022-06-22向国家知识产权局提交的专利申请。

本基于改进粒子群算法的电机多目标优化方法在说明书摘要公布了：本发明公开了一种基于改进粒子群算法的电机多目标优化方法，首先通过统计学实验原理设计出实验方案；然后对目标电机进行参数化建模，仿真得到对应的实验结果；通过响应面法生成对应的数学模型；再通过增加了变异库的改进粒子群算法来生成帕累托图寻找到电机的最优结构；最后通过仿真验证优化的有效性。该方法结合了统计学实验原理、响应面法和改进的粒子群算法的各自优势，通过统计学实验原理的采集数据，保证了数据的采集的合理性，再通过响应面法生成对应的数学模型，不需要依靠电机本身的电磁公式，再通过增加变异库的改进粒子群算法寻找最优解集。可以准确的，高效的寻找到目标性能下的最佳电机结构。

本发明授权基于改进粒子群算法的电机多目标优化方法在权利要求书中公布了：1.基于改进粒子群算法的电机多目标优化方法，其特征在于，具体步骤如下：步骤1：选定需要调整的电机尺寸和电机性能目标，通过统计学实验原理生成对应的实验方案；步骤2：根据电机尺寸变量对电机进行参数化建模，跑取对应的实验仿真结果；步骤3：根据填入结果后的实验方案，通过响应面法生成准确的数学模型；步骤4：将优化目标的数学模型带入改进的粒子群算法中进行最优电机结构的寻找；所述步骤4改进的粒子群算法设计如下：假设：1搜索空间是n维空间；2粒子数量为N个，当迭代次数为k时，第i个粒子的位置和速度信息分别为： 式中：i标示第i个粒子，且有j标示空间维数，且有标示迭代次数为k时粒子i的j维位置分量；标示迭代次数为k时粒子i的j维速度分量；仅为，粒子临近域内所遇到的最优解pbest和当前种群所遇到的最优解gbest表示为： 式中：和分别为第k次迭代时粒子i的j维最优位置分量和全局最优分量；对第i个粒子的位置和速度信息进行计算： 式中：表示迭代次数为k+1时粒子i的j维速度分量；c1、c2分别是代表种群经验和粒子受经验影响程度的学习因子，且有c10、c20；r1、r2标示均匀分布的随机数，其分布范围为[0,1]；ω表示惯性权值，其含义为个体速度发生变化时与原始速度之间存在的差异；步骤5：根据增加变异库的粒子群算法生成的帕累托图，选择所需求的性能结构参数；增加了一个变异库，13的种群保留不变异，13的种群均匀变异，13的种群变异率随迭代次数增加而减少；其中变异库的MOPSO算法进行改进如下式所示；per_mut＝1-genmaxgenmut式中per_mut代表变异后的第三部分种群，gen代表当前的迭代次数，maxgen代表最大迭代次数，nmut代表第三部分原始种群；步骤6：再将所得到的最优电机结构参数通过参数化的电机模型进行仿真验证，确保所得结果的有效性。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京师范大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。