目录
1.算法描述
2.仿真效果预览
3.核心程序
4.完整
1.算法描述
永磁同步电机（PMSM）基本结构为定子、转子和端盖 。其中转子磁路结构是永磁同步电机与其它电机最主要的区别，其在很大程度上决定了永磁同步电机的实际性能指标 。通常情况下，永磁同步电机的转子磁路结构分为：凸装式、嵌入式和内置式三种结构 。目前为止，由于永磁同步电机优越的性能，其越来越受到国内外专家学者的重视，并广泛应用到了工业领域的各个方面 。
遗传算法的优化目标可以用如下公式表示：
表示yai控制输出结果；变量ybi表示标准电机的控制输出结果 。
基于遗传算法的优化设计方案是目前应用较为广泛的一种优化方法，其在各个工程应用领域具有较多的使用 。特别是对于较为复杂的系统，其性能往往是收到诸多因素影响的，而为了达到系统的最佳性能，则需要搜索最佳的参数组合，使得系统具备高性能，低功耗，低成本等优势 。而传统的多个参数的最优组合计算往往计算过程较为复杂，而且得到的参数组合也不一定是真实的最优参数，存在较多的问题，而采用遗传优化算法则可以得到提高搜索最优参数组合的效率，并使得参数组合尽可能的接近真实的最优解 。
在工程上，通过将电机的设计转换为最优问题，通过数学规划的方法，并借助计算机编程实现算法的高效稳定的运算 。GA遗传算法是目前应用最为广泛的全局优化算法，其可以有效解决局部优化问题，并且适用于多目标的优化问题 。
遗传算法（ ）是一类借鉴生物界的进化规律演化而来的随机化搜索方法[17] 。它是由美国的J.教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则 。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域，它是现代有关智能计算中的关键技术 。因此，遗传算法本质上是一种搜索最优解的优化技术，其根据适应度函数进行优化，通过种群个体一代又一代的逼近来实现优化功能 。
目前，遗传算法主要有如下几个方面的应用：
第一、目标函数的优化处理 。目标函数的优化处理是遗传算法最为主要的应用之一，适用于单目标优化问题，多目标优化问题，线性目标优化问题以及非线性目标处理问题等多个领域 。
第二、生产调度的优化处理 。通过遗传算法可以实现较为复杂的同步电机优化设计问题 。
第三、组合优化处理 。由于优化问题的日益复杂化，组合优化的优化处理方式得到越来越多的应用，在控制领域，图像处理以及机器学习方面都有着广泛的应用 。而遗传算法在求解组合优化问题方面有着较强的计算能力 。
基于遗传算法的电机优化设计流程图如下所示：
2.仿真效果预览