PCB轴向磁通电机Motor-CAD仿真策略评审与实施建议.md 31 KB
PCB轴向磁通电机自动仿真系统 — Motor-CAD仿真策略评审与实施建议
文档性质：评审建议稿（供方案系统与执行程序开发评审使用） 版本：V1.0 日期：2026-08-27 评审对象：《PCB轴向磁通电机自动化仿真系统设计方案介绍》V1.1（2026-08-26，Car.Lin） 关键词：多保真度 · 可行性优先 · 批量自适应闭环 · Motor-CAD · Maxwell/JMAG · PCB轴向磁通电机
文档信息
| 项目 | 内容 |
|---|---|
| 文档目的 | 对现有自动仿真系统方案进行技术评审，明确仿真策略、工具职责边界、接口改造和开发优先级。 |
| 目标读者 | 方案系统开发工程师、本地执行程序开发工程师、电磁/热/结构仿真工程师、项目负责人。 |
| 评审范围 | 仿真路径、参数搜索策略、Motor-CAD与Maxwell/JMAG协同方式、JSON接口、收敛判据、执行模式与风险控制。 |
| 评审结论 | 总体架构方向正确，建议有条件通过；仿真策略和接口契约需完成本文所列P0修改后再进入下一阶段开发。 |
| 核心原则 | Motor-CAD用于快速收敛主要参数并做初步验证；Maxwell或JMAG用于PCB绕组和三维轴向效应的高保真校核。 |
一、评审结论与修改优先级
评审结论
现有方案的双系统解耦、标准化JSON接口、人在回路、断点续跑和知识沉淀机制均应保留。需要调整的核心不是系统架构，而是仿真策略：当前方案偏向固定批量DoE和代理模型全局优化，尚不足以保证在给定边界条件下快速找到工程可行解，也没有充分约束Motor-CAD近似PCB模型与Maxwell/JMAG高保真模型之间的职责边界。
建议将总体评审结论定为"有条件通过"：系统架构和阶段规划可继续推进，但在进入算法增强和工具扩展开发前，必须完成本文列出的P0修改。尤其应把仿真策略从单一"参数扫描方案"升级为"多保真度模型路径＋可行性优先搜索＋批量自适应闭环"。
结合已确认的工程事实，Motor-CAD只能以近似方式表达PCB绕组，但足以承担主要参数快速收敛、关键工况筛选和初步验证；Maxwell或JMAG必须承担PCB局部电流分布、交流损耗、三维轴向磁路和最终性能的高保真校核。任何只经过Motor-CAD计算而未经过高保真复核的方案，不应被标记为最终可行设计。
1.1 必须修改项（P0）
- 在方案生成前增加L0解析与规则预筛选，先排除几何、电气、热和制造上明显不可行的区域。
- 把"扫描策略"拆分为"搜索策略"和"保真度策略"，避免把所有问题都表达成固定参数队列。
- 新增可行性优先模式，默认采用约束贝叶斯、主动学习或信任域局部搜索；LHS＋Kriging＋NSGA-II保留为全局Pareto模式。
- 明确Motor-CAD、Maxwell/JMAG的分层职责和升级条件，建立低保真—高保真偏差校准机制。
- 将收敛判据拆分为求解器收敛、硬约束收敛、优化收敛、代理模型可信、高保真一致性和鲁棒性六类。
- 扩展结果数据模型，记录模型版本、保真度等级、求解设置、约束裕量、校准系数和置信等级。
1.2 建议保留项
| 原方案设计 | 评审意见 | 处理建议 |
|---|---|---|
| 双系统解耦 | 方向正确，有利于Web端与本地执行环境独立迭代。 | 保留，并增加批量自适应通信模式。 |
| 标准化JSON契约 | 是系统可扩展的核心。 | 保留，但必须扩展搜索、保真度、收敛和校准字段。 |
| 人在回路 | 适合仿真方案审核和知识入库审核。 | 保留；不要把所有人工确认都放在每一次选点上，否则会破坏闭环效率。 |
| 结果校验规则 | 非常必要，是结果可信度的第一道防线。 | 保留，并增加跨工具一致性和模型置信度规则。 |
| 断点续跑与错误恢复 | 符合长时仿真场景。 | 保留，并改为基于参数哈希和结果完整性的缓存机制。 |
| 知识自动沉淀 | 具备长期价值。 | 保留，但沉淀内容必须绑定模型版本和保真度，避免错误经验扩散。 |
1.3 一句话给开发团队
实施导向
不要先开发一个"能跑很多参数组合"的执行器，再反过来思考如何收敛；应先定义什么叫可行、什么叫收敛、什么结果必须由Maxwell/JMAG确认，再让执行器围绕这些判据选择下一批仿真点。
二、现有方案的专家评审
2.1 总体判断
附件中的V1.1方案已经具备较完整的平台思维，特别是经验库、规则引擎、AI推理、人工确认、执行程序、结果校验和知识库的闭环设计。其主要短板在于：把"优化算法流程"当成了完整的"仿真路径"，而没有把模型可信度、工具职责、PCB建模近似和跨工具校准作为一等公民。
对PCB轴向磁通电机而言，仿真路径的有效性不仅取决于Morris、LHS、Kriging或NSGA-II，还取决于每个参数组合究竟用什么模型计算、计算到哪个精度、在哪些工况下复核、什么时候必须升级到3D FEA。Motor-CAD与Maxwell/JMAG不是替代关系，而是分层协同关系。
2.2 当前方案的优点
- 系统边界清楚：方案生成与执行程序通过JSON解耦，符合企业内网和本地仿真环境的实际约束。
- 工程可控性较强：方案预览、人工确认、日志、断点续跑和错误恢复机制均符合仿真工程师工作习惯。
- 工具扩展方向合理：先Motor-CAD，后Maxwell、JMAG、Flux，符合风险和成本递增的实施顺序。
- 结果数据结构已有雏形：输入、输出、校验状态、耗时和错误信息均已考虑。
- 算法基础方向正确：Morris、LHS、Kriging和NSGA-II均是电机代理优化中常见且可解释的组合。
2.3 关键问题诊断
| 问题 | 影响 | 严重度 | 专家建议 |
|---|---|---|---|
| 把固定DoE流程作为默认主路径 | 前期会浪费大量仿真预算在非可行区域，不能保证快速收敛到可行解。 | 高 | 默认改为可行性优先的约束自适应搜索；固定DoE仅用于全局探索。 |
| 缺少保真度分级 | 无法判断Motor-CAD结果能否作为最终依据，也无法控制Maxwell/JMAG调用成本。 | 高 | 建立L0～L4模型层级和升级规则。 |
| PCB绕组近似边界未固化 | 可能把近似模型误差误认为真实优化收益。 | 高 | 把PCB建模假设、近似参数和校准系数写入方案与结果。 |
| JSON契约偏静态 | 无法支持主动学习、贝叶斯优化和自适应加点。 | 高 | 增加fixed_plan、batch_adaptive、local_closed_loop三种执行模式。 |
| 停止条件概念混杂 | 求解器收敛、目标达成、代理模型稳定和跨工具一致被混在一起。 | 中高 | 拆分六类收敛判据并分别记录状态。 |
| 边界条件不完整 | 容易收敛到仿真可行但工程不可制造的方案。 | 中高 | 补充母线电压、电流限制、冷却边界、PCB工艺、公差和材料温度属性。 |
| 样本量估算偏粗 | Morris和LHS成本可能被低估，导致排期失真。 | 中 | 按参数维度、轨迹数和并行资源重新估算预算。 |
2.4 对算法章节的专项意见
附件第6章的"四阶段分层优化策略"建议改名为"全局探索模式"。它适合做设计空间理解、敏感性分析和Pareto前沿，不适合作为所有项目的默认快速求解路径。原因是该流程需要先投入Morris和LHS训练样本，再构建代理模型并执行NSGA-II；若用户目标只是尽快得到一个满足边界条件的方案，大量样本可能集中在远离可行域的位置。
Morris样本量应按 N = r(k + 1) 重新估算，其中 k 为参数数、r 为轨迹数。若初筛参数达到8个、轨迹数取10，则需要约90次评估，而不是文档中笼统估计的10～50次。Kriging在维度较高或样本不足时也会迅速失去稳定性，因此应将"参数降维"和"可行域裁剪"前置。
三、仿真路径方法全景与选择
仿真路径应同时回答两个问题：下一批参数为什么值得仿真，以及这批参数应该用哪个保真度模型计算。只讨论优化算法而忽略模型层级，会导致路径表面上智能、工程上失真。
3.1 方法对比矩阵
| 路径方法 | 适用目标 | 效率 | 主要风险 | 建议定位 |
|---|---|---|---|---|
| 经验初值＋人工扫描 | 模型调试、异常诊断、专家复核 | 低—中 | 依赖个人经验，易陷入局部最优 | 保留为专家模式，不作默认主路径 |
| 规则＋解析预筛选 | 排除明显不可行区域 | 极高 | 解析模型精度有限 | 所有路径的L0入口 |
| 全因子/网格扫描 | 2～3个变量的局部响应面 | 低 | 维度灾难 | 仅用于最终候选局部复核 |
| Morris/OAT筛选 | 高维参数初筛 | 高 | 对强交互和多峰问题不完整 | 用于降维，不用于直接定案 |
| LHS＋Kriging＋NSGA-II | 全局探索、Pareto前沿 | 中高 | 前期样本成本高，代理模型可能失准 | 作为全局探索模式 |
| 约束贝叶斯/主动学习 | 快速找到满足约束的可行解 | 高 | 多目标和离散变量实现复杂 | 推荐默认模式 |
| 直接GA/PSO调用求解器 | 小维度、单次仿真很快的场景 | 低 | 仿真次数失控 | 不建议默认使用 |
| optiSLang MOP/AMOP | 工业级DoE、代理模型和鲁棒性分析 | 高 | 许可与系统集成成本 | 可作为商业基准或高级后端 |
| 多保真度＋跨工具校准 | 最终工程可信设计 | 综合最高 | 流程与数据管理复杂 | 作为系统主骨架 |
| 鲁棒性/可靠性优化 | 量产、公差、材料波动 | 中 | 计算预算增加 | 作为最终验收前必经步骤 |
3.2 高效路径的选择结论
若目标是"快速得到一个满足边界条件的方案"，推荐路径是：解析预筛选＋少量初始样本＋约束贝叶斯/主动学习＋局部信任域收敛＋高保真验证。该路径把计算预算集中到可行域附近，通常比先完整训练全局代理模型更节省仿真次数。
Ansys官方电机优化资料也将工业流程归纳为灵敏度分析、代理模型、优化和最终验证四个环节；这说明附件的代理优化框架方向正确，但该框架更应被定位为完整设计空间探索，而不是所有项目的唯一默认路径。[1]
对于PCB轴向磁通电机，2026年发表的双转子PCB-AH-PMSM研究采用了LHS采样、全局灵敏度分析、Kriging响应面、PSO多目标优化和FEA对比验证，说明LHS＋代理模型＋智能优化在该类电机上具有直接可参考性。但该论文目标偏向多目标性能改进，并不等同于本系统所需的快速可行性收敛。[2]
贝叶斯优化的优势在于用少量初始点建立概率代理模型，通过采集函数平衡"利用已知优区"和"探索高不确定区"，每次真实仿真后更新模型。该机制非常适合Motor-CAD这类有一定求解成本、又需要快速收敛到可行区域的工程场景。[3]
四、推荐的多保真度闭环仿真路径
建议将系统的仿真主路径定义为"多保真度、可行性优先、批量自适应闭环"。其中，Motor-CAD负责快速收敛主要参数并完成初步验证，Maxwell或JMAG负责对少量候选方案做高保真校核和模型校准。
推荐路径示意（流程结构）：
L0 解析与规则预筛选
↓
L1 Motor-CAD 快速收敛（主要参数 + 关键工况）
↓
L2 Motor-CAD Lab/Therm/Mech 多物理场复核
↓
L3 Maxwell/JMAG 高保真校验（仅 Top 1~3 候选）
自适应搜索闭环：
少量初始样本 → 约束代理模型 → 批量选点执行 → 更新模型 → （循环）
收敛出口：
硬约束满足 + 优化稳定 + 代理模型可信 + 高保真偏差受控 + 制造扰动可接受
4.1 保真度分级
| 层级 | 模型/工具 | 主要任务 | 典型输出 | 是否可定案 |
|---|---|---|---|---|
| L0 | 解析公式＋规则引擎 | 几何、电气、热、制造可行性预筛选 | 可行/不可行、风险项、初始参数范围 | 否 |
| L1 | Motor-CAD快速电磁模型 | 主要参数收敛、关键工况筛选、初步性能验证 | 转矩、反电势、损耗、轴向力初值 | 否 |
| L2 | Motor-CAD Lab/Therm/Mech | 候选方案多物理场复核、效率图和温升初评 | 效率图、温升、应力、工况边界 | 仅作工程候选 |
| L3 | Maxwell 3D / JMAG | PCB绕组、3D磁路、端部效应、局部损耗和轴向力校验 | 高保真电磁性能、损耗、力、场分布 | 是，需通过验收阈值 |
| L4 | 扰动/公差/样机数据 | 制造鲁棒性和模型持续校准 | 最差工况、概率合格率、校准系数 | 用于最终放行 |
Ansys在2026年的轴向磁通电机工作流中也强调：AFM具有天然三维磁路，完整3D FEA精度高但早期设计成本高，因此建议用Motor-CAD快速2D等效线性模型进行概念设计和拓扑筛选，再用Maxwell 3D进行验证、校准和效率图生成。这一官方路径与本文建议一致。[4]
Motor-CAD本身包含EM、Therm、Lab、Mech四个集成模块，适合快速多物理场迭代；2026 R1还增强了AFM热模块、Lab支持、Maxwell-Lab联动、NVH力输出和多静态损耗分析等能力，但部分AFM能力仍属于Beta，需要在项目中做稳定性验证后再固化到默认流程。[5]
4.2 三种运行模式
| 模式 | 触发条件 | 核心算法 | 典型预算 | 输出 |
|---|---|---|---|---|
| 快速可行模式（默认） | 用户要求尽快获得满足边界条件的方案 | L0预筛选＋少量LHS/历史种子＋约束贝叶斯/主动学习 | 低到中等 | 1～3个可行候选及置信度 |
| 全局探索模式 | 需要比较效率、功率密度、成本等权衡 | Morris＋LHS＋Kriging/MOP＋NSGA-II | 中到高 | Pareto前沿和参数敏感性 |
| 高保真校核模式 | 候选方案进入设计冻结或工程评审 | Motor-CAD L2复核＋Maxwell/JMAG L3验证＋公差扰动 | 集中在少数候选 | 最终验证报告和校准系数 |
4.3 默认快速可行模式（八步）
- 边界条件标准化：统一单位、工况、温度、约束类型和目标方向，明确硬约束与软目标。
- L0解析预筛选：根据轴向长度、内外径、气隙、电流密度、PCB工艺和冷却能力裁剪可行域。
- 生成初始种子：优先使用相似案例和专家模板，再用少量LHS补足空间覆盖。
- Motor-CAD快速电磁计算：仅计算额定、峰值、最高转速和热边界等关键工况，不做全效率图。
- 建立可行性概率模型：模型同时预测性能均值、约束违反概率和不确定性。
- 批量自适应选点：每轮推荐4～8个仿真点，优先选择可行概率高且信息增益大的组合。
- 局部信任域收敛：发现稳定可行区后，在当前最优点附近做小范围精细搜索。
- 高保真复核：对1～3个候选方案进入Motor-CAD L2和Maxwell/JMAG L3验证。
4.4 全局Pareto模式
当用户明确要求比较多目标权衡时，才进入Morris、LHS、Kriging和NSGA-II组成的完整全局探索模式。该模式不应以"找到第一个可行点"为停止条件，而应以代理模型质量、Pareto前沿稳定性和高保真复核一致性作为收敛依据。
建议把Pareto模式的结果定位为"设计空间地图"，而不是直接输出唯一最优解。最终推荐方案仍需回到高保真校核模式，由Maxwell/JMAG和制造扰动验证。
4.5 高保真验证与校准
Motor-CAD和Maxwell/JMAG之间必须建立显式校准关系。至少应记录每个候选方案在相同工况下的转矩、反电势、铜损、铁损、磁钢涡流损耗、轴向力和效率偏差。初期可采用加法或乘法修正系数；数据积累后可升级为Co-Kriging或多保真代理模型。
关键警告：如果Motor-CAD低估了PCB交流铜损或磁钢涡流损耗，而系统仍然把Motor-CAD效率作为最终优化目标，搜索方向会被系统性带偏。因此，高保真校准系数应反哺到代理模型和目标函数，而不是只写在验证报告中。
五、Motor-CAD与Maxwell/JMAG职责边界
5.1 Motor-CAD应承担的任务
- 快速比较SSSR、DRSS、SDSR等拓扑在尺寸边界下的可行性。
- 收敛主要电磁参数，包括气隙、磁钢厚度、极槽配合、有效半径、等效绕组参数和电流密度。
- 计算关键工况下的转矩、反电势、损耗、轴向力和效率初值。
- 在候选缩小后调用Lab、热和机械模块，形成初步多物理场筛查。
- 为Maxwell/JMAG提供参数化候选、工况范围和需要重点验证的指标。
5.2 Maxwell/JMAG必须承担的任务
- PCB走线、多层铜箔、过孔、端部连接和局部电流分布的高保真电磁计算。
- 三维轴向磁路、边缘效应、漏磁、局部饱和和磁钢涡流损耗校验。
- 轴向磁拉力、转矩脉动和高阶空间谐波的高保真复核。
- 最终效率、温升输入和退磁风险的高保真验证。
- 对Motor-CAD近似模型进行偏差评估和校准系数更新。
5.3 工具分工原则
原则
Motor-CAD决定"大方向是否对"，Maxwell/JMAG决定"工程结果是否真"。前者用于快速收敛主要参数，后者用于确认PCB和三维效应对关键指标的影响。两者缺一不可，但不能在同一层级上重复计算。
5.4 PCB绕组建模边界
Motor-CAD中的PCB近似模型必须在模型模板中显式记录等效假设，包括：铜厚、线宽、线距、层数、并联支路、过孔电阻、FR4热导率、绝缘厚度、端部连接方式和交流损耗修正系数。每次仿真结果都应绑定这些假设，否则经验库会把不同等效模型的结果混在一起。
建议为PCB绕组增加独立的"等效模型字典"，不要直接把PCB参数伪装成常规圆线绕组参数。经验库检索时，应同时匹配拓扑、功率段和PCB等效模型版本。
六、系统接口与执行引擎修改建议
6.1 JSON Schema必须扩展的字段
现有 simulation_plan.json 已能表达固定参数扫描，但不足以表达自适应闭环、多保真度升级和跨工具校准。建议增加以下顶层字段：
| 字段 | 内容 |
|---|---|
strategy_mode |
fast_feasible、pareto_exploration、high_fidelity_validation、robustness_check |
fidelity_strategy |
L0～L4模型层级、升级条件、各层级允许的最大求解成本 |
search_strategy |
初始采样、主动学习、批量大小、局部信任域、约束处理方式 |
calibration_policy |
Motor-CAD与Maxwell/JMAG偏差记录方式、修正系数、更新规则 |
acceptance_criteria |
硬约束、目标阈值、代理模型可信度、跨工具偏差和鲁棒性要求 |
parallel_execution |
并行实例数、模型副本策略、许可证失败处理和任务队列策略 |
6.2 执行程序应支持三种模式
| 模式 | 工作方式 | 适用阶段 | 对系统二的要求 |
|---|---|---|---|
| 固定计划模式 | 一次性接收全部仿真点并顺序执行 | Phase 1最小闭环 | 当前设计基本满足 |
| 批量自适应模式 | 每轮接收4～8个点，执行后回传，方案系统计算下一轮 | Phase 3算法增强 | 需要支持批次ID、增量结果上传和方案版本追踪 |
| 本地闭环模式 | 执行程序内部运行确定性优化器，根据结果动态选点 | 无人值守或网络受限场景 | 需要嵌入数值优化器；不需要内置LLM |
本地闭环模式并不违背"执行程序无需联网/AI"的原则。这里的AI主要指LLM推理；约束贝叶斯、信任域和NSGA-II属于确定性或随机数值优化算法，可以打包在本地EXE中运行。
6.3 并行与缓存
- Motor-CAD可以通过PyMotorCAD由外部Python脚本进行并行计算。Ansys 2026 R1培训资料明确覆盖了Python多进程、任务调度、排队和结果汇总，这意味着系统二不应只设计成单实例串行执行器，而应预留并行任务池。[6]
- 每个并行任务必须使用独立模型副本和独立工作目录，禁止多个实例同时写同一个
.mot文件。 - 断点续跑应以"参数哈希＋模型版本＋工况ID＋求解器版本＋保真度等级"为缓存键，而不是只检查迭代序号。
- 结果文件应原子写入，先写临时文件再重命名，避免程序中断后被误判为已完成。
- 许可证失效、求解器崩溃和求解不收敛应分别进入不同的重试与降级策略。
6.4 结果数据模型
每条结果建议增加以下字段：
| 字段 | 内容 |
|---|---|
fidelity_level |
L0～L4 |
model_template_version |
Motor-CAD模板、Maxwell/JMAG模型和PCB等效模型版本 |
solver_settings_hash |
网格、周期数、求解类型、时间步和对称设置等关键配置摘要 |
constraint_margins |
各硬约束的绝对裕量和百分比裕量 |
surrogate_prediction |
代理模型预测值、不确定度和实际值偏差 |
cross_validation |
Motor-CAD与Maxwell/JMAG的同工况偏差 |
confidence_grade |
A/B/C/D置信等级 |
七、收敛判据与验收标准
7.1 六类收敛
| 收敛类型 | 判断对象 | 建议判据 | 输出状态 |
|---|---|---|---|
| 求解器收敛 | 单次Motor-CAD或Maxwell/JMAG求解 | 求解完成、关键结果完整、日志无致命错误 | SOLVER_PASS / SOLVER_FAIL |
| 硬约束收敛 | 候选方案是否满足边界条件 | 转矩、温度、电压、电流、尺寸、轴向力、成本均满足 | FEASIBLE / INFEASIBLE |
| 优化收敛 | 搜索过程是否继续产生收益 | 连续若干轮最优目标改进小于阈值，或信任域半径低于下限 | CONVERGED / STALLED |
| 代理模型可信 | 代理模型是否可用于推荐 | 交叉验证误差和候选点不确定度低于阈值 | MODEL_TRUSTED / MODEL_UNCERTAIN |
| 跨工具一致 | Motor-CAD与Maxwell/JMAG是否一致 | 同工况关键指标偏差在可接受范围内 | HF_PASS / HF_FAIL |
| 鲁棒性收敛 | 制造和材料扰动下是否仍满足要求 | 最差工况或指定置信度下仍满足硬约束 | ROBUST / FRAGILE |
7.2 初始验收阈值建议
以下阈值仅作为项目初始配置，必须通过首批实际模型和样机数据校准，不能直接固化为行业标准：
| 指标 | Motor-CAD内部初筛 | Motor-CAD vs Maxwell/JMAG | 说明 |
|---|---|---|---|
| 平均转矩 | 满足目标并保留建议裕量 | 建议初始控制在±5%以内 | 若偏差系统性存在，应建立修正系数 |
| 效率 | 满足目标并记录损耗分解 | 建议初始控制在±0.5～1.0个百分点 | PCB交流损耗是重点风险 |
| 最高温度 | 低于限值并保留热裕量 | 建议初始控制在±5～10 ℃ | 热模型需绑定冷却边界 |
| 轴向力 | 识别方向与量级 | 建议初始控制在±10%以内 | SSSR和装配偏心场景需重点验证 |
| 转矩脉动 | 作为筛选指标 | 按项目目标单独定义 | 对控制、NVH和PCB局部效应敏感 |
7.3 结果置信等级
| 等级 | 含义 | 允许的用途 |
|---|---|---|
| A | 完成Motor-CAD多物理场、Maxwell/JMAG高保真和扰动复核，关键指标均满足。 | 设计冻结、工程评审、样机投入 |
| B | 完成Motor-CAD和至少一次高保真复核，主要指标一致，鲁棒性待补充。 | 方案候选、供应商沟通、详细设计输入 |
| C | 只完成Motor-CAD初步验证，未完成Maxwell/JMAG校核。 | 参数筛选、内部讨论，不可对外承诺 |
| D | 只完成解析或代理模型预测，缺少真实仿真。 | 方案生成参考，不可作为工程结论 |
八、开发实施路线与验证用例
8.1 建议开发优先级
| 优先级 | 开发内容 | 完成判据 |
|---|---|---|
| P0 | 扩展JSON Schema；增加L0规则预筛选；增加保真度等级；增加约束裕量和结果置信等级。 | 同一个SSSR案例可按新Schema完整执行并回传结构化结果。 |
| P0 | 将固定参数队列执行器升级为支持批次ID和增量结果的执行器。 | 中断后重启不重复计算；结果可追溯模型版本。 |
| P1 | 实现快速可行模式：少量初始样本＋约束贝叶斯/主动学习＋批量下发。 | 在相同预算下比固定LHS更快找到可行点。 |
| P1 | 接入Motor-CAD Lab/Therm关键工况复核。 | 候选方案能输出效率图摘要和温升结果。 |
| P2 | 实现Maxwell或JMAG高保真适配器和偏差校准表。 | 同一候选方案可自动对比低/高保真关键指标。 |
| P2 | 支持Motor-CAD多实例并行和缓存键。 | 并行结果与串行结果一致，且无模型文件污染。 |
| P3 | 加入制造扰动和鲁棒性评估。 | 输出最差工况和A/B/C/D置信等级。 |
8.2 最小验证用例
建议使用现有SSSR基准模型做三组对比验证：
- 路径A：固定LHS＋Kriging＋NSGA-II，验证现有第6章流程。
- 路径B：L0预筛选＋约束贝叶斯/主动学习，验证快速可行模式。
- 路径C：路径B选出的Top 1～3候选进入Maxwell/JMAG，验证跨工具一致性和校准机制。
对比指标不应只包括最终性能，还应包括：总仿真次数、墙钟时间、可行点出现时间、代理模型误差、高保真偏差和工程师人工干预次数。
8.3 开发交付物
- 《仿真策略与保真度分级规范》
- 《simulation_plan.json Schema V1.1》
- 《simulation_results.json Schema V1.1》
- Motor-CAD适配器V0.2和并行任务池
- Maxwell/JMAG高保真校核适配器原型
- 三条路径的对比验证报告
- PCB等效模型字典和跨工具校准表模板
九、主要风险与待确认问题
9.1 主要风险
| 风险 | 表现 | 等级 | 控制措施 |
|---|---|---|---|
| PCB近似模型系统性偏差 | Motor-CAD效率、温升或损耗持续偏离Maxwell/JMAG。 | 高 | 建立校准系数；关键指标必须高保真复核；偏差反哺代理模型。 |
| 轴向磁通3D效应 | 漏磁、边缘效应和局部饱和导致转矩或轴向力偏差。 | 高 | Motor-CAD只用于筛选；最终候选必须做3D FEA。 |
| 自适应算法不可解释 | 工程师不理解为什么推荐某个点。 | 中高 | 每个推荐点输出来源、预测值、不确定度和约束概率。 |
| 经验库冷启动污染 | 不同模型版本或错误结果被当成可复用经验。 | 中高 | 所有经验绑定模型版本、保真度和置信等级；专家审核后入库。 |
| 并行许可和文件冲突 | 多实例启动失败、模型文件互相覆盖。 | 中 | 独立工作目录、模型副本、许可检测和任务队列。 |
| 优化目标定义不完整 | 收敛到名义最优但工程不可制造。 | 高 | 补齐母线电压、电流、冷却、公差、PCB工艺和材料边界。 |
| 停止条件过松 | 系统把第一个可行点误认为全局可靠解。 | 中 | 拆分收敛类型，增加置信等级和鲁棒性出口。 |
9.2 开发前必须确认的问题
- PCB电机结构究竟是无铁芯PCB定子、PCB绕组＋铁芯，还是混合结构？
- SSSR、DRSS、SDSR三类拓扑是否都需要支持Halbach、背铁和分段磁钢？
- Motor-CAD当前模板对PCB铜厚、层数、过孔、端部和FR4热属性的近似方式是什么？
- Maxwell和JMAG哪一个作为第一优先级高保真工具？两者的模型转换和结果映射由谁负责？
- 默认业务目标是快速可行、完整Pareto，还是量产鲁棒设计？
- 有几套Motor-CAD/Maxwell/JMAG许可？是否允许无GUI和多实例并行？
- 额定、峰值和高效区工况的持续时间、温度边界和电流限制如何定义？
- 气隙、PCB线宽线距、铜厚、磁钢Br和装配偏心的制造公差是多少？
- 最终验收阈值由哪个专家团队签发？是否已有样机或测试数据可用于初始校准？
- 系统二是否允许内置数值优化器？如果可以，批量自适应模式和本地闭环模式的边界需要重新定义。
十、附录
10.1 推荐JSON扩展示意
{
"strategy_mode": "fast_feasible",
"fidelity_strategy": {
"levels": ["L0_analytic", "L1_motorcad_emag", "L2_motorcad_lab_therm", "L3_maxwell_3d"],
"upgrade_rule": "top_candidates_only",
"max_candidates_for_l3": 3
},
"search_strategy": {
"method": "constrained_bayesian",
"initial_samples": 16,
"batch_size": 4,
"max_solver_calls": 80,
"local_trust_region": true
},
"acceptance_criteria": {
"hard_constraints": ["torque_nm >= 10", "temperature_c <= 120"],
"cross_tool_tolerance": { "torque_pct": 5, "efficiency_point": 1.0 },
"surrogate_max_uncertainty": 0.05,
"robustness_required": true
}
}
10.2 术语
| 术语 | 说明 |
|---|---|
| 可行性优先 | 先让候选方案满足硬约束，再追求性能最优。 |
| 多保真度 | 用不同成本和精度的模型分层完成筛选、优化、验证和校准。 |
| 主动学习 | 根据当前代理模型的不确定性和预期收益，动态选择下一批仿真点。 |
| 约束贝叶斯优化 | 在贝叶斯优化中显式建模硬约束满足概率，优先搜索可行区域。 |
| 信任域 | 在当前最优点附近限制搜索范围，逐步扩大或收缩，用于局部稳定收敛。 |
| 跨工具校准 | 比较Motor-CAD与Maxwell/JMAG在相同工况下的结果差异，并把差异用于修正后续预测。 |
| 置信等级 | 按验证深度把结果分为A/B/C/D，避免低保真结果被误用为最终结论。 |
10.3 参考资料
- Ansys, How to Efficiently Optimize Electric Motor Design — https://ansys.synopsys.com/blog/how-to-efficiently-optimize-electric-motor-design
- 《基于Kriging-PSO算法的双转子PCB轴向磁通电机优化设计与分析》，电机工程学报，DOI: 10.11985/JEE.260677
- SimuTech Group, Bayesian Optimization for Electric Motor Design Using Stochos and Ansys Motor-CAD, 2026 — https://simutechgroup.com/resources/blog/bayesian-optimization-electric-motor-design-using-stochos-and-motor-cad/
- Ansys Innovation Space, Accelerating Multiphysics Optimization Workflows of Axial Flux Motor Design, 2026 — https://innovationspace.ansys.com/product/accelerating-multiphysics-optimization-workflows-of-axial-flux-motor-design/
- Ansys Motor-CAD 产品页（2026 R1 轴向磁通、热、Lab、Maxwell联动与多物理场能力说明）— https://www.ansys.com/products/electronics/ansys-motor-cad
- Ansys Innovation Space, Running Parallel Ansys Motor-CAD Calculations Through Scripting, 2026 R1 — https://innovationspace.ansys.com/certifications/courses/running-parallel-ansys-motor-cad-calculations-through-scripting/
- Ansys, New Adaptive Templates in Ansys Motor-CAD Make Motor Design Faster, Easier, and More Scalable — https://www.ansys.com/blog/new-adaptive-templates-ansys-motor-cad-make-motor-design-faster-easier-more-scalable