给汽车上各种用电设备所需电能，其特点是结构简单、体积小、省材料且运行可靠。一年里，世界上大约要制造四亿个小汽车和卡车的供电系统，其中大多数系统都使用含有复杂的三维磁路爪极发电机。制造费用中材料费占成本很大一部分，因此设计爪极发电机要在保证基本需要的前提下，努力去减少材料的使用和简化制造工艺，进而改进性能和提高可靠性。爪极发电机的特殊结构使得其漏磁分布比较复杂，漏磁系数比较大。为此深入分析和计算电机漏磁，并且通过优化电机结构参数，最小化漏磁系数，对提高经济性和改善电机性能具有重大的实用价值。

　　支持向量机（supportvectormachines，SVM）是由Vapnik及其合作者发明的，在1992年计算学习理论的会议上介绍，进入机器学习领域，之后受到了广泛的关注。它是建立在统计学习理论的VC维理论和结构风险最小原理（SRM）基础上的，能较好解决小样本、非线性、局部极小点等问题。它集成了最大间隔超平面、Mercer核、凸二次规划、稀疏解和松弛变量等多项技术，在若干挑战性的应用中，获得了目前为止最好的性能。在回归算法的研究方面，也表现出了极好的性能，被成功的应用于系统辨识、非线性建模和系统预测等方面。本文将支持向量机理论用于爪极发电机漏磁非参数建模。

　　高效、准确的非线性模型为参数优化所需的大规模迭代运算提供了快捷的计算手段。混沌是一种普遍的非线性现象，具有随机性、遍历性和内在规律性的特点。近年来，混沌控制、混沌同步和混沌神经网络等受到了广泛关注，并展现出诱人的应用与发展前景。混沌搜索方法是一种全局优化方法，随着研究的深入，它具备了在全局搜索的基础上进行再次局部细搜索的能力，并且搜索结果具有很好的稳定性。本文首先对爪极发电机的漏磁进行了深入的分析与计算，然后利用支持向量机方法对爪极机进行非线性建模，最后在非线性模型的基础上利用混沌搜索求取最优解。爪极转子的漏磁通很复杂，一般分为爪极转子内侧漏磁通与外侧漏磁通两部分。爪极转子内侧的漏磁通主要是爪极两侧面之间闭合的漏磁通φ；爪极两斜面之间闭合的漏磁通φ；爪极与圆柱形的磁轭之间的闭合漏磁通φ；两爪极导磁盘之间经激磁线圈空间而闭合的漏磁通φ。爪极转子外侧的漏磁通主要是经过定子铁心和两个爪极外端之间的漏磁通φ；两爪极导磁盘外端面之间的漏磁通φ。