用Python解析计算永磁同步电机空载气隙磁密：48槽8极主驱实例

把一台260kW的新能源汽车驱动电机拿到台架上，最值得先看的就是那条不到两毫米的气隙。48槽8极的永磁同步电机，气隙里磁密怎么分布，直接决定了这台电机能交付出多少扭矩、反电动势什么波形、铁耗大不大、NVH好不好。前阵子有朋友问我，能不能不用商业有限元软件，先用Python把空载气隙磁密分布算个八九不离十。我说能，而且一套解析建模加几十行代码，足够把趋势和量级摸清楚，适合做方案对比和预研。

这篇就先聚焦"先说磁密分布"这一步，把从电机参数到Python代码、再到结果解读的完整链路讲透。代码是我自己整理的版本，基于常见工程的简化假设做了补充，不是某个商业软件的输出，但足够让你在没装任何电磁仿真工具的情况下，把一台电机的空载磁场"看"出个门道来。

1. 260kW主驱为什么选48槽8极：先把底子摸清

1.1 每极每相槽数是2：一次数学题开始的认知

拿到电机铭牌，先算一个数：每极每相槽数q。公式很朴素，q = Z / (2 × p × m)，Z是槽数，p是极对数，m是相数。套进48槽8极三相电机，p=4，q = 48 / (8 × 3) = 2。

这个"2"就是整数槽绕组。整数槽绕组的好处很直接：绕组因数容易做高，反电动势正弦性好，线圈端部整齐，工艺成熟。相比之下，分数槽绕组（比如12槽10极，q=0.4）能做到更短的端部、更低的齿槽转矩，但谐波成分复杂，绕组系数低，对逆变器谐波也更敏感。主驱电机是批量生产、大批量上车的产品，工程师对一致性、工艺成本、NVH表现都很敏感，所以整数槽一直是主流之一。

48这个数也有讲究。48槽绕组的极距是48/8=6个槽，于是可以很舒服地做短距绕组，比如取跨距5个槽，节距比β=5/6≈0.833。这个节距比能同时压制5次和7次空间谐波，而5、7次谐波恰恰是转矩脉动和电磁噪声的主要来源。所以48槽8极在绕组设计上天然好做文章，这是它成为主驱常见配置的重要原因。

1.2 槽极配合背后的工程权衡

接下来看极数。8极相对于4极来说，极距短了一半，同样的定子内径下每极磁通量小，铁心轭部可以做得更薄，电机轴向尺寸更紧凑，扭矩密度更高。但极数多也有代价：相同转速下电频率翻倍。260kW级主驱峰值转速常见16000~18000rpm，按18000rpm算，8极电机的电频率是18000 × 4 / 60 = 1200Hz。这个频率对控制器开关频率、铁心损耗、轴承电腐蚀都是压力。所以在扭矩密度和高速性能之间，8极基本站在了平衡点上。

齿槽转矩也值得提一句。48和8的最小公倍数是48，齿槽转矩的基波周期数等于48，周期越多，单个周期幅值越小，再配合斜槽或者转子斜极，齿槽转矩很容易压到很低。

现在把量级感建立起来：一台260kW峰值功率、额定转速区间4000~6000rpm的电机，峰值扭矩大致在500~650Nm这个范围，具体看调校。定子内径通常在200~230mm，铁心长度100~150mm，气隙长度0.8~1.3mm。我下面给出的参数就是按这个量级取的一组典型值，不是某一款车的官方数据，但完全可以用来说明方法。

2. 空载气隙磁密：决定这台电机"性格"的第一张牌

2.1 基波磁密决定扭矩和反电动势

永磁同步电机的工作原理，说穿了就是永磁体在气隙里建立一个旋转磁场，电枢绕组在这个磁场里受力出扭矩。空载气隙磁密就是"永磁体自己建立的那个磁场"，它的大小和波形是电磁设计的起点。

基波磁密幅值B_g1直接决定每极磁通量。每极磁通Φ、绕组匝数N、绕组系数k_w1、电频率f，共同决定了空载反电动势E = 4.44 × f × N × k_w1 × Φ。反电动势低了，相同母线电压下电机出力不够；反电动势太高，高速时弱磁电流需求大，控制器和电机的损耗都会上去。主驱电机里，气隙磁密基波幅值一般控制在0.85~1.0T。太高了，齿部、轭部饱和严重，铁耗急剧增加；太低了，同功率下电流就得加大，铜耗又上来了。

这个"甜蜜区间"就是在磁密设计阶段反复算出来的。所以空载磁密不是画张图看着玩，它是反电动势、扭矩常数、弱磁能力、效率地图的源头。

2.2 谐波磁密决定振动、噪音和铁耗

波形里除了基波还有谐波，谐波磁密最直观的后果有三个。

第一是转矩脉动。5次和7次空间谐波磁场与基波电流相互作用，会在机电系统里产生6倍频的转矩波动。6倍频转矩波动落在整车传动系上，轻则顿挫，重则引发齿轮敲击和啸叫。所以绕组设计里的短距、分布绕组，磁极设计里的极弧系数、偏心磁极，很大一部分精力都是在跟5、7次谐波打仗。

第二是铁耗。谐波磁密在定子齿和轭部产生高频交变磁通，涡流损耗和磁滞损耗随频率高次方增长。高速工况下，谐波铁耗往往比基波铁耗更扎眼。

第三是电磁振动噪音。定子齿部受到的径向电磁力波等于气隙磁密两侧的乘积，频率成分异常丰富，一旦与定子模态耦合，就是整车的NVH投诉。做电驱的工程师都清楚，磁密波形正弦度好坏，最终会体现在整车NVH报告上。

所以算空载气隙磁密，本质上是在为后面所有性能做"体检"。

3. 把磁场拆成"磁动势×磁导"：解析计算的基本盘

3.1 磁路视角看空载磁场

要理解怎么用Python算磁密，先回到最朴素的磁路观：磁场由磁动势源驱动，经过由铁心和气隙组成的磁路闭合。永磁同步电机里，磁动势源就是永磁体，可以用一个等效磁动势F_m = H_c × h_m来表示，其中H_c是矫顽力，h_m是磁体厚度；磁路里气隙磁阻最大，铁心磁阻相对小到可以忽略。于是气隙磁密的估算值可以写成：

B_g = μ₀ × F_m / (g + h_m/μ_r)

其中μ₀是真空磁导率，g是机械气隙，μ_r是永磁体相对磁导率。这个式子虽然简单，但把最核心的量抓住了：磁密由磁体剩磁和磁路几何共同决定。磁体越厚、气隙越小、剩磁越高，磁密越高。主驱电机里钕铁硼剩磁B_r大概1.1~1.25T，气隙1mm左右，磁体厚度4~7mm，算出来气隙磁密差不多就是0.9~1.1T，跟经验值对得上。

但问题是，气隙圆周上并非处处磁阻相同。转子上只有极弧范围内有永磁体，定子表面被齿和槽割裂，所以气隙磁阻沿圆周周期性变化。于是气隙磁密也不再是常数，而是位置的函数。

这时候，把磁场拆成"磁动势 × 磁导"的解析法就特别好用。磁动势沿圆周分布由转子决定：N极下为正、S极下为负、极间区域基本为零。磁导沿圆周分布由定子决定：齿下磁导大、槽口下磁导小。两者逐点相乘，就得到了沿圆周的气隙磁密分布。这个思路学术上叫MMF-permeance模型，本质是"空间调制"。

3.2 调制模型的简化假设与适用边界

这套模型很直观，但它有前提。首先是忽略铁心饱和，认为铁心磁导无穷大，磁压降全部落在气隙和永磁体上。实际电机在过载工况下齿部饱和明显，磁密波形顶部会变成"圆顶"而不是"平顶"，这就是饱和带来的变形。其次是忽略漏磁，认为永磁体发出的磁通全走气隙。实际电机端部漏磁、极间漏磁都不少，尤其在极弧系数偏大时。

这些近似决定了这套方法适合什么场景：方案早期的参数扫描、不同槽口宽度和气隙长度的趋势对比、磁密基波量级估算。它能帮你把设计空间快速缩小，但最终交付设计用的数字，还是得靠有限元或者实测反电动势来校验。一个合理的预期是：基波磁密误差大概在5%~10%以内，谐波分量误差会更大，尤其高频谐波不要直接拿来做NVH预测。

4. 代码逐段拆解：从几何参数到磁密波形

4.1 参数清单：260kW级主驱的典型几何

我给一组用于演示的参数，注意这是"260kW级、48槽8极主驱电机"的常见几何量级，不是任何一家车企的官方参数。

极弧系数0.72、剩磁1.15T、气隙1.1mm，这是很典型的主驱电机设计取值。写到代码里：

import numpy as np import matplotlib.pyplot as plt P_peak = 260e3 p = 4 Qs = 48 D_si = 0.21 L_ef = 0.12 g = 1.1e-3 h_m = 5.0e-3 alpha_p = 0.72 B_r = 1.15 mu_r = 1.05 slot_open = 2.0e-3 mu0 = 4 * np.pi * 1e-7 pole_angle = np.pi / p slot_pitch = np.pi * D_si / Qs

4.2 磁动势与磁导的构造

先算等效磁路的理论磁密，再算Carter系数修正开槽的影响：

F_m = B_r / (mu0 * mu_r) * h_m g_eff = g + h_m / mu_r B_g_est = mu0 * F_m / g_eff gamma = (slot_open / g) ** 2 / (5 + slot_open / g) k_c = slot_pitch / (slot_pitch - gamma * slot_open) B_g_avg = B_g_est / k_c

这里的Carter系数是电机设计手册里的经典近似公式。槽口把气隙磁阻局部增大，平均磁密会比不开槽估算值低，k_c通常取1.05~1.15，看槽口宽度和气隙的比值。

然后是核心部分——把气隙圆周离散化，构造磁动势波形和磁导波形：

N = Qs * 60 theta = np.linspace(0, 2 * np.pi, N, endpoint=False) F_mmf = np.zeros(N) for k in range(2 * p): start = k * pole_angle sign = 1 if k % 2 == 0 else -1 mask = (theta >= start) & (theta < start + alpha_p * pole_angle) F_mmf[mask] = sign Lambda_r = np.ones(N) slot_open_ang = slot_open / (D_si / 2) slot_span = 2 * np.pi / Qs for k in range(Qs): dc = k * slot_span dtheta = np.abs(((theta - dc + np.pi) % (2 * np.pi)) - np.pi) Lambda_r[dtheta < slot_open_ang / 2] = 1 / k_c

磁动势这边，每个极距π/p角度内，极弧范围alpha_p × pole_angle上磁动势为±1，极间区域保持0。这等效于认为极间磁通接近于零，是表贴式电机空载磁场的常用近似。磁导这边，凡是落在槽口角度范围内的点，磁导下降到1/k_c，其他位置是1。槽口角度用弧长除以半径换算：slot_open_ang = slot_open / (D_si / 2)。

4.3 合成波形和第一个关键数

把两者逐点相乘就得到了空载气隙磁密波形：

B_g = B_g_avg * F_mmf * Lambda_r fig, ax = plt.subplots(figsize=(11, 4)) ax.plot(theta * 180 / np.pi, B_g * 1000, lw=1.2) ax.set_xlabel("机械角度 (deg)") ax.set_ylabel("气隙磁密 (mT)") ax.set_title("空载气隙磁密分布（径向分量）") plt.tight_layout() plt.show()

跑完这段代码，你会看到一条典型波形：N极下为正、S极下为负，极间区域过零，每个磁极的平顶上有规律地出现几处"凹坑"——那些就是槽口引起的气隙磁密凹陷。峰值大概在0.9T上下，基波幅值大约0.9~1.0T，和实测主驱电机的量级对得上。

这个波形就是后面所有分析的"原材料"。拿它去算反电动势、磁链、齿槽转矩模型、径向电磁力波，都能往下走。

5. FFT谐波分析：磁密波形质量怎么打分

5.1 频谱怎么读

波形看着还行还不够，得看频域。对B_g做FFT，重点关心基波和3、5、7、9、11次空间谐波：

spec = np.fft.rfft(B_g) mag = np.abs(spec) / N * 2 order = np.arange(len(mag)) / p B_g1 = mag[p] print(f"基波气隙磁密幅值: {B_g1 * 1000:.0f} mT") ths = [3, 5, 7, 9, 11] harm = [mag[h * p] for h in ths] print("谐波幅值(mT):", [round(h * 1000) for h in harm]) thd = 100 * np.sqrt(sum(h**2 for h in harm)) / B_g1 print(f"THD(3~11): {thd:.1f}%")

有一个非常容易搞混的点：我们做FFT的对象是机械角度0~2π一圈的气隙磁密，8极电机一圈有4个完整的电周期，所以基波（一对极的磁场）对应FFT频率轴上的第4个点，也就是p。代码里order = 频率/p，把横轴折算成"空间谐波次数"，基波=1次，3、5、7、9、11次就清清楚楚。

读频谱的时候，我心里通常看三件事。第一是基波幅值是否落在0.85~1.0T的合理区间；第二是5、7次是否压得够低；第三是槽谐波（大约在11、13次附近）的量级。槽谐波是开槽必然带来的，想压掉只能靠斜槽、闭口槽或者特殊磁极形状，代价都不小，所以设计目标是把它控制在可接受范围，而不是消灭它。

5.2 极弧系数和槽口对谐波的影响

这里有个教科书上不太讲透但非常实用的规律：在极间磁密为零、极弧内磁密恒定的简化模型下，h次谐波幅值正比于sin(h × alpha_p × π/2)。这意味着极弧系数在某些特定值上能直接消掉某次谐波。

算一下：alpha_p = 2/3 ≈ 0.667时，3次谐波趋于零；alpha_p = 0.8时，5次谐波趋于零；alpha_p = 6/7 ≈ 0.857时，7次谐波趋于零。所以传统表贴式电机极弧系数喜欢取0.7~0.8之间，不是随便拍的，这个区间能有效压制5次谐波，同时基波磁密不过分损失。我给的0.72就是在这个思想下取的一个工程折中，5次不高、7次偏大，但结合磁极形状的圆角优化，实际7次会明显降下来。

槽口宽度对谐波的影响也很大。槽口加宽，Carter系数变大，磁密凹陷加深，槽谐波和齿谐波都会上来。但这东西又和绕组下线工艺直接相关——槽口太小，铜线难嵌、槽满率受限。所以实际设计经常要在"磁密谐波"和"工艺可制造性"之间来回权衡。

6. 算完之后别急着下结论：验证手段和常见坑

6.1 用反电动势反推气隙磁密

解析模型算完，下一步是验证。对一台已经出样机或者有实测数据的电机，最靠谱的验证方式是用空载反电动势反推气隙磁密基波。

方法不复杂：反电动势E = 4.44 × f × N_ph × k_w1 × Φ，其中N_ph是每相串联匝数，k_w1是基波绕组系数，f由转速换算得到。由实测E反推出每极磁通Φ，再用Φ = (2/π) × B_g1 × τ_p × L_ef这个正弦磁密假设的关系，折算回B_g1。τ_p = π × D_si / (2p)是极距。把折算结果和Python解析结果对比，误差在5%以内，说明模型参数给定合理；超过10%，就去检查气隙、磁体厚度或极弧系数取值是否偏离实际。

这个验证思路在项目里非常实用，因为台架实测空载反电动势是每台样机必做的项目，数据白拿，不用额外试验。

6.2 我踩过的几个坑

第一个坑：机械角度和电角度混着用。用FFT时基波不在横轴的1上，而在p上，我第一次跑出来对着频谱找半天找不到基波峰值，后来才反应过来8极电机一圈是4个电周期。这个坑几乎人人都踩，代码里用order = 频率/p前，一定先想清楚。

第二个坑：气隙磁密的分量问题。解析模型算的是径向分量，也就是法向气隙磁密，这才是产生反电动势和径向电磁力的主分量。气隙磁密还有切向分量，解析法不太好算，通常直接交给FEM。所以拿解析结果和FEM对比时，务必确认FEM输出的是哪一层半径上的哪个分量——这两个分量数值差很多。

第三个坑：Carter系数公式别乱套。不同教材给的槽口修正公式有好几个版本，有的差别还不小，尤其在气隙特别小、槽口特别大的极限情况。我的经验是，槽口宽度与气隙之比在1.5~3之间时，经典近似公式还算稳；超出这个范围，最好用FEM先标定一个系数再接着扫参数。

第四个坑：方波近似会高估谐波。解析模型里磁动势是理想方波，5、7次谐波往往比实测偏大，因为真实磁极边缘有倒角、磁桥有漏磁，波形更圆滑。所以拿这个脚本优化极弧系数时，看"趋势"没问题，但别直接拿谐波的绝对数值去对比实测。我的习惯是：先确认基波匹配，再看谐波趋势，最后用FEM校核一两个关键工况点。

第五个坑：波形好看不等于性能好。有时候画出来的波形圆滚滚的，看着很舒服，但基波磁密其实偏低，扭矩不够；或者波形很方，基波够高但5、7次乱七八糟。所以我每次都强制自己输出两个数，一个是基波幅值，一个是THD，先看数字再去看图。

最后说点个人体会。我做过不少电机的预研方案，现在的工作习惯是：先拿这类Python解析脚本把极弧系数、气隙长度、槽口宽度几个关键变量扫一遍，画出磁密基波和THD的二维趋势图，把设计空间从"大海捞针"缩小到"几组候选方案"，再上有限元做精细校核。FEM是法官，解析法是侦察兵，分工干活效率高得多。这个脚本的下一段，自然就是往反电动势、磁链、齿槽转矩方向扩展，再往后就能接上死区补偿、电流环内模解耦这些控制侧的活了，有机会后面再慢慢聊。