无铁芯永磁同步直线电机(permanent magnet synchronous linear motor,PMSLM)无需中间传动结构,可直接将电能转换为直线运动机械能。这类PMSLM具有无齿槽效应、高动态响应、小体积等优点,在激光加工、增材制造等领域应用前景广泛。然而,由于直线电机自身的结构特点,存在空间谐波和推力波动等问题,给直线电机的基础研究和应用开发带来了诸多挑战。在高精密数控机床中,永磁同步直线电机的性能决定了加工质量,而电机性能主要取决于本体结构。本文旨在通过对PMSLM本体结构进行建模优化设计,使电机运行具备高动态响应和高精度性能。PMSLM结构设计优化的主要步骤包括建立计算模型和实施全局优化,其中计算模型需要反应输入结构参数与输出性能之间的非线性关系,并且需要计算快速精确,要为后续的寻优计算提供高精度的模型支持。因此,研究一种高效的直线电机建模方法是PMSLM结构优化设计的核心问题。本文采用了一种基于深度神经网络模型的永磁同步直线电机回归建模方法,并通过免疫克隆优化算法进行电机多工况下结构参数优化,获得应用于激光切割机的PMSLM的最优结构参数组合。本课题的创新点和特色如下:1、在减小推力波动的同时增大推力,以达到永磁同步直线电机的最佳性能。2、选取了PMSLM的关键结构参数,为PMSLM的优化设计提供重要依据。3、引入了一种深度学习算法-深度神经网络,为PMSLM建模分析提供新的思路。具体开展如下研究:1、根据双边型无铁芯永磁同步直线的拓扑结构特点,以等效磁化强度法对永磁体的激励作用进行分析,建立了PMSLM的输出性能解析模型,定性分析结构参数对电机性能的影响。介绍了有限元分析法(Finite Element Analysis,FEA)建立有限元模型步骤,及基于有限元软件的参数化扫描技术。2、分析PMSLM结构参数与输出性能之间灵敏度,选取了对推力和推力波动影响最大的关键结构参数。在此基础上,创建参数变量的水平因素表,以有限元法建立PMSLM的有限元分析模型,并在每个参数变量的限制范围内,通过参数化扫描技术得到PMSLM结构参数与输出性能之间的关系样本库。3、针对解析建模、有限元模型和支持向量机等浅层神经网络在PMSLM建模中各自的不足,引入深度学习算法,建立了基于深度神经网络的电机快速计算模型,并与支持向量机、K-近邻域算法建模效果进行仿真实验对比分析,验证DNN优越性并为后续的迭代优化计算提供了良好的基础。4、在DNN快速计算模型的基础上,以提升推力密度和抑制推力波动为目标,提出多目标优化函数。采用免疫克隆算法(immune clone algorithm,ICA)对PMSLM结构参数进行迭代寻优,得到电机在不同工况下的最优结构参数。5、根据最优结构参数制作PMSLM样机,并搭建样机测试平台。分别进行了不同工况下对PMSLM输出性能进行测试。对实验结果分析,本文所采用的方法能有效提升电机的输出性能,也进一步佐证了该方法的准确性和先进性。