امروزه ماشینهای سنکرون آهنربای دایم به طور گسترده ای در صنعت استفاده می شوند. در این میان، ماشینهای سنکرون آهنربای دایم خطی به دلیل حذف سیستم انتقال و جعبه دنده مزایای فراوانی از جمله چگالی نیرو و راندمان زیاد وعملکرد دینامیکی خوب نسبت به موتورهای دوار همراه با سیستم های تبدیل حرکت دوار به خطی دارند. بر خلاف این مزایا، ماشینهای آهنربای دایم خطی معایبی نیز دارند : مهمترین عیب آنها ضربان نیروی زیادشان است. د ر کاربردهای صنعتی با کارکرد بالا مثل اتوماسیون صنعتی و روباتیک نیاز زیادی وجود داد که این ضربان نیرو کاهش داده شود. عملکرد مناسب این ماشینها نیازمند بهینه سازی دقیق ساختار آنهاست. بهینه سازی نیازمند انتخاب ساختار مناسب، مدلسازی مطلوب و طراحی ابتدایی خوب است. در این پژوهش ابتدا مزایا و معایب ساختارهای مختلف ماشینهای سنکرون آهنربای دایم خطی بررسی شده و دو ساختار انتخاب شده است. سپس به مدلسازی عوامل مختلف تولید کننده ضربان نیرو در ماشینهای خطی آهنربایی پرداخته می شود. و برای کاهش آنها راهکارهای موثری ارایه می شود. مهمترین عامل تولید کننده ضربان نیرو در این ماشینها نیروی دندانه است که از تقابل آهنرباها و دندانه های استاتور به وجود می آید. در این پژوهش مبنای کار بر کاهش نیروی دندانه است ولی اثر روش های پیشنهادی برای کاهش نیروی دندانه بر روی هارمونیک های چگالی شار نیز بررسی می شود. در فصل سوم روشی به نام شیاردار کردن آهن های بین قطبی قسمت متحرک برای کاهش ضربان نیرو در ماشین های آهنربای شار محوری ارایه می شود. با شیار کردن آهن های بین قطبی ثانویه (قسمت متحرک)، آنرا از نظر مغناطیسی به چند بلوک تقسیم می کنیم، به گونه ای که نیروی دندانه بلوک های مختلف یکدیگر را خنثی کنند. در این پژوهش سعی می کنیم که مدل جامعی برای این روش ارایه کنیم. در این مدل اثر پارامترهای مختلف فاصله بین شیارهای قسمت متحرک بررسی می شوند و به رابطه تحلیلی جامعی بر اساس مدلسازی مغناطیسی برای تعیین این پارامترهای می رسیم. در فصل آخر، بهینه سازی چند هدفه طراحی ماشین مد نظر است. در این فصل سعی می شود ضربان نیروی در حالت بارداری ماشین که شامل تمام عوامل تولید کننده ضربان نیرو می باشد با بهینه سازی روش های ارایه شده در فصل قبل حداقل شود. درستی این نتایج به کمک تحلیل اجزاء محدود غیر خطی دینامیکی تایید می شود. برای این منظور یک تابع چند هدفه تعریف می شود و با بهینه سازی این تابع تمام اهداف بهینه سازی همزمان تحقق می یابد. برای بهینه سازی این تابع، روش بهینه سازی نوینی معرفی می کنیم که بتواند با کمترین تعداد شبیه سازی ها به جواب مطلوب نهایی برسد. برای این منظور از روش ترکیبی به نام تاگوچی-شبکه عصبی استفاده می کنیم. در این روش، مقادیر بهینه تقریبی متغیرها توسط روش طراحی بر مبنای آزمایش با بکارگیری روش تاگوچی بدست می آید و سپس مقادیر بهینه دقیق با استفاده از یک شبکه عصبی آموزش دیده حاصل می شوند.