电机作为高端装备的核心动力来源,在航空航天、电气化交通、工业机器人等高科技领域中具有重要地位。随着不同应用领域对电机性能品质不断提出新的更高要求,过于依赖数值仿真与设计经验的传统优化设计方法正面临严峻挑战,暴露出优化精度差、计算效率低、通用性弱等不足,难以满足高端电机装备精细化、高效化、智能化设计的需求。综合多学科领域知识的代理辅助优化方法以其“数据驱动”思路为电机优化设计开辟了新的途径,逐渐成为解决高性能电机多目标优化设计问题的重要手段。然而,由于电机结构复杂、材料非线性强、性能指标耦合程度高,常规方法难以兼顾模型精度和计算效率,严重阻碍了其工程应用。本文围绕基于代理辅助的电机多目标优化设计方法,针对试验设计（Design of experiment,DOE）、代理模型生成和多目标优化等关键环节开展系统性研究,提高代理辅助优化方法对电机设计相关问题的适配度,并通过新技术的综合运用拓展其应用范围,从方法和应用两个层面解决制约其在电机设计中推广应用的瓶颈问题。首先,提出了受限拉丁超立方设计方法,在由变量间复杂约束形成的非超立方体约束空间内,利用连续局部枚举方法和K-means聚类算法提高设计点的利用率,并基于多判据优化准则改善设计点空间分布的均匀性和正交性,提升了代理模型的精度。该方法大幅增强了DOE方法对多参数、强约束电机优化设计问题的适配度。其次,提出了基于解析模型迁移学习的代理模型生成方法,通过在迁移学习过程中降低解析模型数据与有限元模型数据对应的回归超平面的差异,以计算成本低的解析模型辅助训练代理模型,显著减少获取高全局泛化能力的代理模型所需的有限元仿真案例数,实现了高优化效率与高模型精度的兼顾,并以一台便于将优化目标解析化的表贴式永磁同步电机为例进行了验证。该方法为电机领域提供了一种模型驱动和数据驱动相结合的新优化思路。然后,提出了基于Pareto前沿局部加点的在线代理辅助优化策略,通过在不同轮次优化得到的Pareto前沿附近进行局部灵敏度分析和加点采样,以在线循环更新的方式提升代理模型的局部泛化能力,显著提高了对局部特征敏感的鲁棒性指标的优化精度,解决了高品质电机产品难以在计及各种制造误差的条件下进行正向鲁棒性优化设计的问题。该方法的有效性以一台对性能指标鲁棒性要求高的内置式永磁同步电机的多目标鲁棒性优化设计为例进行了验证,与不考虑制造误差的确定性优化设计方案相比,大幅提升了电机性能的鲁棒性和产品的理论良品率。最后,将前文提出的多种新技术综合应用于解决大型电机动态参数多目标优化的难题。一方面,提出了任意转子位置下的静止时域响应动态参数辨识方法,通过单次仿真试验即可辨识全部动态参数,实现了训练样本的高效获取,大幅提高了优化效率;另一方面,结合瞬态电路模型和灵敏度分析,提出了动态参数多级优化策略,完成了优化目标的解耦,降低了高精度代理模型的生成难度。该成果为大型电机提供了从动态参数设计优化到试验测定的完整技术路径,并在一台与大容量原型电机动态参数严格匹配的小容量动态模拟电机上得到了验证。