基于电器的优化设计是典型的多目标优化问题,梳理了国内外电器及相关领域的多目标优化方法研究概况,并从多目标优化算法、多目标最优解的决策、近似模型快速计算3个方面对电器的多目标优化问题进行介绍。在多目标优化算法方面,主要使用正交试验、多目标智能算法等;在多目标最优解的决策方面,主要使用加权求和、模糊隶属度函数、熵权理想点法等;在近似建模快速计算方面,主要使用磁路法、响应面、神经网络近似模型等。最后,结合实际工程应用预测了未来电器领域多目标优化发展的方向。。关联之后每个参考向量j都有一个与其关联的解数量Nj，接下来每次在关键层选择一个解加入到种群。选择的策略:选择Nj最小的参考向量j，若Nj=0即当前没有解与参考向量相关联，则从关键层选择一个距离j最近的解加入种群。如果Nj≥1，则在关键层随机选择一个解加入种群。为了检验NSGA-III的分散性和收敛性，使用三维测试函数DTLZ1［5电器多目标优化-数控滚弧机张家港折弯机张家港钢管折弯机电动折弯机］对多目标粒子群算法和NSGA-III进行比较。多目标粒子群算法与NSGA-III比较如图3所示。由图3可见，NSGA-III在三维时收敛性和分散性要优于基于小生镜的多目标粒子群算法本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name。图3多目标粒子群算法与NSGA-III比较2多目标决策方法电器的各优化目标间存在着相互影响。相较于BP神经网络，ＲBF神经网络泛化能力更强、逼近精度更优，具有全局逼近能力，且结构简单、训练速度快。ＲBF神经网络是一种典型的3层神经网络，核心是径向基函数插值。郭久威等［7］使用基于OLS(OrthogonalLeastSquares)的ＲBF神经网络对大功率直流接触器的静态特性进行计算，快速得到各尺寸、电流下的电磁吸力及磁链，并将其与四阶龙格库塔法结合实现了接触器动态特性的快速计算。有限元计算与ＲBF近似模型比较如图4所示。图4有限元计算与ＲBF近似模型比较4结语本文对电器及相关领域的多目标优化算法、多目标最优解的决策、近似模型快速计算的研究现状进行了详细介绍。通过上述电器多目标优化方法当前的发展，可以得到以下结论:(1)目前传统的多目标优化算法在面临高维度时收敛速度和分散性较差，因此针对高维度且收敛速度快的多目标优化算法是今后的主要发展趋势。为了解决高维度问题，一方面可以继续研究基于参考向量等思想的高维多目标优化算法，另一方面可以将一部分优化目标转换成约束，实现降维的目的。(2)在多目标最优解的决策方法中，加权求和方式主观性较强，结果优劣取决于使用者的经验，不具有普适性。模糊隶属度及熵权理想点法等客观决策方法虽然回避了主观因素的影响，但有时会和设计者的想法相悖。因此，合理利用主、客观方法筛选最优折衷解是解决电器多目标优化问题的重点。(3)有限元等数值方法计算效率较低，不适用于多目标优化设计。基于磁路的快速算法计算精度较低，普适性差;响应面模型拟合方程简单，但在高阶情况表现较差。Ｒ电器多目标优化-数控滚弧机张家港折弯机张家港钢管折弯机电动折弯机本文由公司网站滚圆机网站采集转载中国知网资源整理!www.gunyuanji.name