原创 电动车电机设计被“算得慢”卡脖子？新研究可以让扁线绕组损耗计算提速百倍
如果要进行一次高精度电机电磁方案的迭代，目前主流的仿真工具可能会让工程师花费一整天的时间。这就是新能源汽车驱动电机设计所面临的日常情况，扁线绕组由于具有低直流电阻和高效率的特点而成为主流，但是它的交流损耗计算非常复杂并且耗时很长，成为制约研发进度的一个隐形障碍。
哈尔滨工业大学电气工程及自动化学院等单位的王耀、程远等研究者，提出了一个具有泛化能力的有限元降阶方法，将本征正交分解和神经网络结合起来，实现了扁线绕组交流损耗的快速计算。
他们把绕组损耗求解的速度提高了上百倍，并且把计算误差控制到了工程可以接受的程度。这也就意味着以前要反复调用详细的有限元模型来完成损耗评估的工作，现在可以以秒级甚至更快的速度得到高可信度的结果。
图1 利兹线与扁线电机定子
现在，扁线电机在电动汽车中几乎成了标配，但是它交流损耗的问题要比圆线电机更加严重。转速越大、频率越高，导体中产生的涡流效应就越厉害，靠近槽口处的导线还会出现局部过热的情况，影响到绝缘的安全性。
要精确地计算出这些损失，最好的办法就是把每一根扁线导体的网格都画得很细，然后用有限元法来求解。这套流程精度很高，但是计算量很大，一次三维仿真要花费好几个小时。对于需要进行多次迭代计算以达到最优解的目标优化和数字孪生等场景来说，这种方法根本无法运行。
解析法也很快，公式一用结果就出来了。早期的解析模型只考虑了定子磁场，没有考虑到铁心饱和和转子磁场的影响，误差比较大，并且换一个电机拓扑就要重新推导方程，通用性受到限制。后来出现的半解析法是先用有限元来求得磁场，然后把求得的磁场代入到解析公式中去计算损耗，这样可以一定程度上解决速度和精度之间的矛盾问题，但是磁场求解这一步还是被限制在了有限元之上，换一个工作点就要重新计算一遍，不能做到真正的通用化。
图2 实验分离损耗与解析计算结果对比
研究者们这次解决问题的方法就是给磁场求解部分装上一个“轻量化预测引擎”。他们首先在不同的工作点上用有限元方法产生一些样本，得到绕组的磁场分布矩阵。矩阵的维度很高，直接使用仍然很笨重。因此他们采用了本征正交分解的方法来降低维度，并从中提取出能够最好地反映磁场特性的主要模式，从而把复杂的数据压缩为几个关键参数。
然后他们训练了一个神经网络，使该网络能够根据电流、相位角等工作点输入来得到相应的模态系数。这样就使得在训练覆盖范围内的各种工况下，任何一个工作点上的导体磁场都可以被迅速重建出来，从而摆脱了对有限元的实时依赖，并且完整的保留了定转子磁场综合作用的信息。
图3 实验分离损耗与解析计算误差
磁场计算完毕之后，下一步就是进行损耗计算。研究者又对扁线绕组涡流损耗的解析表达式进行了修正，并且把端部漏磁以及交变电流所引起的额外涡流损耗也纳入其中。把降阶泛化的结果代入修正后的公式中，槽内的交流损耗以及端部损耗就可以一起得到。整个过程从输入工况到输出损耗没有重叠的部分。
在泛化的范围内，磁场重构的最大误差小于0.008T，总的损耗最大误差小于6.17%。槽内的交流损耗和二维有限元的结果最大相对误差为4.3%，端部损耗以及三维有限元的结果最大相对误差小于6.2%。
从上面的数据可以看出，降阶泛化的方法不但速度快，在工程设计上也具有取代有限元模型的能力。为了验证该方法在真实的电机上是否有效，研究者们还设计了一个损耗分离的实验方案，用扁线电机和利兹线电机来比较测试，从而得到绕组交流损耗的数据，实验结果证实了该计算方法的准确性和有效性。
该项工作利用降阶加神经网络的方式使训练好的电机模型能够随时给出可信的磁场以及损耗的数据。电机设计前期阶段，工程师要不断修改绕组排列、槽型大小、磁钢结构等等参数。有了这样的一个快速评估工具，在大大减小迭代周期的情况下，并不会降低必要的计算精度。对于推动电驱系统数字化设计和实时状态监控，或将提供一条新的技术途径。
但是这种方法也有它的局限性。目前神经网络只对某一种特定结构的电机进行训练，换作拓扑差异较大的电机时，则要重新采样、重新训练。但是研究者们也指出，以后可以通过迁移学习等技术手段来实现降阶方法在不同结构电机之间的知识共享，从而提高泛化能力以及适用范围。
对于追求更加紧凑、高效的电驱方案的整个行业而言，“快又准”的损耗计算方式将会使下一代驱动电机的研发过程变快。
本工作成果发表在2025年第18期《电工技术学报》，论文标题为“基于有限元降阶泛化的扁线绕组交流损耗快速计算方法”。本课题得到黑龙江省重点研发计划和重庆市自然科学基金的支持。