“细算起来，从人工电机设计切换成基于优化算法设计刚满17个月，我们就像探险者一样一点一点的摸索。这是个充满荆棘和乐趣的新领域。我们把一些收获固化成了软件，还有一些在验证，但更广的疆域还待探索开发。我们就像海边拾贝小孩，时而为新发现兴奋，时而为苦寻无果而灰心。很想和大家分享本期探索过程中的一些所思所得。比如：为什么要坚持用算法设计？人和算法如何合作提高电机设计效率等问题？”
01
—
为什么要用算法来设计
很多人都会问么你老讲什么基于算法来设计电机，这玩意靠谱吗？这次我就掰开来说一说。作为一枚13年经验的从业者，经常思来想去问一个问题，电机设计到底是怎么一回事，这么多年的设计历程本质是什么？我还真找到了一个答案：电机设计是一件以“试凑法”为主的“低创新度”脑力劳动。
我这么说肯定很多同学不服气，先别下判定。我们来仔细复盘一下电机设计特别是“电磁设计”的过程：
第一步我们拿到了电机的指标，比如说功率、效率、转矩脉动、尺寸要求；
第二步我们根据经验或者理论推导，得出一个大致的外径、叠高，选择一两种槽极比；
第三步我们利用软件，将一台电机的初设参数输入进去，计算或者仿真一下看结果是否达标；
第四步根据反馈结果我们调整了一些参数，比如槽尺寸、绕组匝数等等，再算一下看是否达标。更高级一点也可以利用参数化扫描工具进行批量化参数调整，看是否有符合要求的解。
第五步若干轮迭代后，我们终于找到了满足要求的参数组合，设计结束。
你看，这个过程本质不就是频繁试错的迭代过程吗。它的抽象模型如下图所示：是一个典型的“反馈闭环系统”。在这个系统中人扮演两个角色：一个是判定结果是否合理是否满足目标，另外一个是根据判定结果去调整输入参数，开启下一轮迭代。
有些同学会说试错有点偏，在设计过程中工程师动了大量脑力，并进行了创新。没错电机设计中充满了创新，细数起来大概有三类创新。拓扑结构级别的创新，比如Prius创新性的采用了“V一”结构转子、Honda在转子上开了一些小孔以提高NVH性能，或者是采用了多层结构的高磁阻转子，这些都算是拓扑结构级别的创新，还有一些新的绕组结构形式也可以归类到绕组拓扑结构创新；新的工艺形式，比如如今流行的扁线发卡绕组工艺、以及意在提高槽满率的分瓣式集中绕组结构等等都属于工艺创新；新的材料，比如以碳纳米管为核心的超级铜线以及以6.5%硅铁合金为基础的超级硅钢，还有各种永磁材料都属于材料创新。电机设计中确实存在着大量的创新，但您发现没有，这些创新和绝大多数人没有关系，那是1%顶尖的工程师、科学家做的事情。我们只不过是在前人创立的框架下工作，创新度微乎其微。想破这点，一下就能把我们那一点骄傲给打下去。其实属于99%工程师的设计，不过是做一道道填空题。还有同学会还是不服气，说创新度低我承认，说试凑也是存在。但电机设计理论也很重要，缺少了深厚的理论功底不可能有高质量的设计。没错，是这个道理。理论是设计者分析问题、把握趋势的重要工具。但我们往深入想一想，理论的本质是什么？它在设计过程中是怎么起作用的？
理论的本质是我们理解电机的一种“模型”，比如我们参照电路发明出”磁路模型”来理解电机，在磁路+电路模型的基础上我们结合数学矢量工具，又进一步创造出“相量图”来计算电机性能，这些本质上都是用数学模型来理解电机。和牛顿定律、相对论来理解世界本质是一样的。
因为“模型“有用，我们才采用它，它是通过这样的过程来起作用的：预测电机性能和输入参数之间的对应趋势，然后做出更精准的调整，加快迭代试凑的过程。举个简单的例子就明白：
“举例1：如果发现计算结果中，电机的磁密\磁通过高。我们通过磁路模型来理解电机，把磁通理解成电路中的电流，把磁钢理解成电池，气隙理解成电阻，那么自然能够预测出减小磁钢用量、增大气隙厚度，能够降低磁通的趋势。知道了趋势我们自然知道该怎么调整参数了。”
一句话总结：理论的用处在于理解电机，理解的目的在于加快迭代收敛过程。如果一个菜鸟新手，不是通过理论，而是瞎凑的方式拿到了同样好的方案，其实两者在客观世界里效果是一样的。区别在于，在主观世界里，我们认为那个用理论来设计的人是靠谱的，是可以持续输出好方案的，而那个菜鸟只不过是运气好，是小概率事件。
如果通过一种工具把新手设计成功的概率提高到同等水平、甚至更高一些，那理论的用处也就可以被工具替代。
从另外一个角度我们再来深入。那些高手们的理论真的都"靠谱"吗?，且不说每个工程师自己建立的理论质量有好有坏。理论的本质是用简化的模型去理解世界，这个简化的过程其实就是失真的过程。
就我们电机领域，我们都认可：磁路法模型不如有限元模型更贴近真实电机，而有限元模型中考虑了工艺容差的模型又比没有考虑容差的理想模型更精准。这里面有个规律，越复杂的模型越精准，但也越难被人脑所驾驭，我们人脑天然只能处理那些类似“电路-磁路，牛顿定律“等极简模型。越是简单，失真度就越高，预测的精度就越低，试错迭代的效率也越低。
有些同学或许认为，人脑能够驾驭的理论有其局限性也关系不大，我们借助试错软件工具，多迭代几轮总是能搞定设计的。而且我们可以通过一个个项目的锻炼积累经验，让理论慢慢完整精确，功夫越深，个人竞争力越强，这种养成方式是挺好的，也是我们大多数人走的路。但在我们这个时代，却碰到了两个巨大的挑战。
第一个挑战，是电机设计要求提高了，我们碰到了更复杂、更艰巨的问题。比如说电机的NVH问题，这超过了我们绝大多数从业者的经验和理论边界。我举个亲自经历的例子一说你就明白。
“问题：我们都知道定转子偏心这些误差对振动噪音有重要影响，现在要求你判断，偏心分别对8阶、16阶、24阶、48阶、96阶噪音的影响趋势，是全部都恶化的，还是有些改善有些恶化，然后给出最合适的工艺容差控制要求。”
这不是提问者在挑刺，而是工作中碰到的真实需求。当场我就是回答不上来，因此这超过了我们以往理论模型和经验的边界。没错，这就是我们这代电机人遇到的新挑战。应对这类挑战我们必须升级认知维度，找到新方法、新工具来解决它。在今天，可怕的不是理论不完善，而是我们认知维度没法跟上需求。
第二个挑战是来自客户或者是老板的，竞争如此白热化，老板们压力很大，企业需要的是快速解决问题，让自己活下来。他们即不需要
