原文传递
电动汽车主驱电机多工况动态模型控制策略研究
| 论文题名： | 电动汽车主驱电机多工况动态模型控制策略研究 |
| 关键词： | 纯电动汽车;永磁同步电机;多工况;电机控制 |
| 摘要： | 永磁同步电机(PermanentMagnetSynchronousMotor,PMSM)具有功率密度大、运行效率高和控制性能好等优点，随着新能源的不断发展，被广泛的应用在纯电动汽车中。矢量控制是最为常用的控制方法，其结构简单，具有较强的可靠性。目前，在新能源汽车电机技术发展趋势中，要求车用驱动电机具有宽调速范围，即在低速时输出大转矩，高速巡航时需要具有恒功率输出特性。当电动汽车在高速、低速、重载、轻载等不同工况下运行，由于传统控制器的参数固定不变，工况频繁的变化致使当前工作点与控制器的参数不适配，造成了电机的动态响应能力下降，稳态精度降低，导致了系统超调量增大，震荡次数增多等现象。因此，本文针对了电动汽车主驱永磁同步电机，结合了电动汽车实际运行工况，设计了一种基于改进鸽群的K近邻学习算法(KNearestNeighbor,KNN)的控制策略，以实现电动汽车工况与控制器参数适配，保证了电机控制系统的动态响应能力和稳态精度。论文的研究内容主要包括: 首先，本文分析了永磁同步电机稳态运行时的电压方程和电流方程，推导了电压极限圆和电流极限圆方程组。结合了电机的运动方程和电动汽车不同的运行工况，分析了电机工况发生变化、转速转矩突变、不匹配的控制器参数对电机控制系统的影响。 其次，根据电动汽车不同工况下的行驶速度和输出转矩，建立了电机宽转速范围下的电流数学模型，搭建了电机全工况下的仿真模型。研究分析了传统控制器，针对传统控制器参数固定，以及控制器参数与电动汽车工况不适配，提出了本文基于改进鸽群的K近邻学习算法的控制策略。 再次，为了解决电机工况发生变化时控制器参数不匹配的问题，本文研究了一种基于改进鸽群的K近邻学习算法的控制策略。针对K近邻学习算法，设计了距离权重函数，确保了算法的预测精度。针对鸽群算法寻优路径和收敛速度的不足，进行了函数优化，提高了寻优的能力。通过仿真分析，本文研究的控制方法提高了电机在不同工况下的动态响应能力。 最后，搭建了基于AVL测功机的电动汽车实验平台，引入了本文的控制方法。通过快速梯度算法对数据重要度进行排序，确定了模型的输入与控制器参数的关系。通过基于改进鸽群的K近邻学习算法建立了控制器参数的回归模型，实现了电动汽车工况和控制器参数的适配。为了验证本文方法的有效性，设计了两种工况下的实验:分别为电动汽车中低速大负载，高速小负载。分析实验结果，证明了本文方法在电机工况发生变化时，控制系统的动态响应能力更强。 |
| 作者： | 张文雨 |
| 专业： | 电气工程 |
| 导师： | 谢芳;胡薇 |
| 授予学位： | 硕士 |
| 授予学位单位： | 安徽大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
