CN103532448B - 一种电动汽车驱动系统的控制方法 - Google Patents

Abstract

本发明公开了一种电动汽车驱动系统的控制方法，通过采用电流滞环跟踪PWM控制来实时检测相电感，根据相电感值获知转子位置，并传给位置控制环；位置控制环采对测量的速度量、给定的速度信号和学习后的q轴电流信息采用神经网络控制器处理后传输给速度控制环；速度控制环通过PI调节器和重复控制器将产生的误差信号与q轴分量的误差信号一起传输给电流控制环；电流控制环采用带有PI调节器和重复控制器相结合的电流滞环跟踪PWM控制技术，控制逆变器输出电流的大小。本发明将无位置传感器技术、神经网络控制、重复控制以及矢量控制结合在一起，提高了电动汽车驱动系统的稳定性、精确度和动态响应能力，同时实现了无位置传感器技术。

Description

一种电动汽车驱动系统的控制方法

技术领域

本发明涉及一种电动汽车驱动系统的控制方法，尤其涉及一种将无位置传感器技术、神经网络控制、重复控制以及矢量控制相结合的控制方法。

背景技术

电动汽车的发展是石油危机及人们对环境要求的必然产物。与内燃机汽车相比，电动汽车是以车载电源为动力，用电动机驱动车轮行驶，且满足道路安全法规对汽车的各项要求的车辆。制约电动汽车行业发展的关键问题是一次充电续驶里程和价格。目前在车载蓄电池技术未能突破的条件下，电动汽车的电驱动系统的性能便成为解决这一关键问题的重要因素。这就要求电动汽车电驱动系统应具有尽可能高的可靠性及在整个电动汽车驱动范围内具有尽可能高的效率。

由于永磁同步电机具有高功率密度以及快速、精确的高控制性能，使其成为电动汽车的首选。对于这种电机控制方法的研究一直以来是一个热点，例如采用鲁棒控制技术来克服控制系统的各种扰动，但这种方法是基于精确模型参数的控制方法，而永磁同步电机的模型具有诸多不确定性而且有些参数难以测量，且电机需要采用机械式位置传感器来检测电机的转速和转子位置，然后机械式传感器的存在带来了许多弊端。智能控制技术如模糊控制、神经网络控制、重复控制等近年来已经被研究者应用于驱动控制中，并取得了理想的运动控制性能，但是目前还没有将无位置传感器技术、神经网络控制、重复控制以及矢量控制结合在一起的技术用于电动汽车驱动系统中。

发明内容

发明目的：为了克服电动汽车驱动控制系统中出现的在外部干扰影响下系统不稳定、控制精度差和动态响应能力低等问题，本发明提供一种电动汽车驱动系统的控制方法，将无位置传感器技术、神经网络控制、重复控制以及矢量控制结合在一起，实现无位置传感器的同时有效地克服各种扰动和不确定性对控制系统的影响，提高电动汽车驱动系统的稳定性、精确度和动态响应能力。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种电动汽车驱动系统的控制方法，通过无位置传感器、速度控制环、电流控制环和反馈信号检测模块对电动汽车驱动系统的电机进行控制，包括如下步骤：

（1）所述无位置传感器通过采用电流控制环跟踪PWM控制来实时检测电机的A相电感B相电感和C相电感然后根据和的函数关系，计算动子位置角的测量值最后对作时间微分获得动子角速度的测量值将动子位置角的测量值和动子角速度的测量值传送给速度控制环，作为速度控制环的输入信号；

（2）所述速度控制环采用神经网络控制方法，神经网络控制器用于反应给定速度、速度误差以及q轴电流信息对神经网络控制器的作用，将给定速度、速度误差以及q轴电流信息经神经网络控制器处理后的信号采用PI调节器和重复控制器相结合的方法进行处理，输出q轴给定电流将q轴给定电流传送给电流控制环，作为电流控制环的输入信号；

（3）所述反馈信号检测模块将测定的三相电流信号经过park变换abc/dq后得到d轴实际电流i_d和q轴实际电流i_q，将i_d和i_q传送给电流控制环，作为电流控制环的输入信号；

（4）所述电流控制环采用带有PI调节器和重复控制器相结合的电流滞环跟踪PWM控制，将q轴给定电流与q轴实际电流i_q进行比较得到q轴电流偏差Δi_q，同时将d轴给定电流与采集到的d轴实际电流i_d进行比较得到d轴电流偏差Δi_d；对Δi_q和Δi_d使用重复控制器进行控制，在重复控制器内串联低通滤波器Q(s)和动态补偿器B(s)；将Δi_q和Δi_d经过park逆变换dq/abc后得到电流偏差Δi，判断电流偏差Δi是否超过电流偏差最范围±h，当Δi超过±h时，经电流滞环控制器控制三相逆变器对应相桥臂的功率器件动作，控制三相逆变器输出电流的大小，从而控制电机的输出转矩。

所述步骤（4）中，d轴给定电流

所述步骤（1）中，A相电感B相电感和C相电感的计算方法为：

其中，V为相电压，R为定子电阻，E为反电动势。

所述步骤（1）中，根据的函数关系，计算动子位置角的测量值的方法为：

其中，L₀为每相绕组自感的平均值，为电机已有参数，各相绕组自感的平均值相等；L_m为每相绕组自感的二次谐波幅值，为电机已有参数，各相绕组自感的二次谐波幅值相等；P_r为电机极对数。

所述步骤（2）中，所述神经网络控制器采用3层网络，分别为输入层、隐含层和输出层，输入层有三个输入量，分别为动子角速度的给定值ω_ref、动子角速度的测量值和学习后的q轴电流信息i_qe；所述隐含层的输出函数为logsigmoid函数，所述输出层的输出函数为trnsig moid函数。

有益效果：本发明提供的电动汽车驱动系统的控制方法，将无位置传感器技术、神经网络控制、重复控制以及矢量控制结合在一起，电流控制环采用的电流滞环跟踪PWM控制技术可以控制逆变器输出电流的大小，同时可以实时检测相电感值，判断转子位置角，实现无位置传感器控制；位置控制环采用神经网络控制算法，可以有效地抑制各种扰动和不确定性对控制系统的影响，提高了电动汽车驱动系统的稳定性和精确度，同时提高了电机的动态响应能力；电流调节器和速度调节器均采用PI调节器和重复控制器相结合的方法，能够改善电动汽车驱动系统的运动平稳性，从而达到抑制驱动系统振动的目的。

附图说明

图1为本发明的控制框图；

图2为重复控制器的构造原理图；

图3为电流滞环控制后的电流响应图；

图4为神经网络的原理框图；

图5为无位置传感器的结构框图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

如图1所示为一种电动汽车驱动系统的控制方法，通过无位置传感器、速度控制环、电流控制环和反馈信号检测模块对电动汽车驱动系统的电机进行控制，包括如下步骤：

（1）所述无位置传感器通过采用电流控制环跟踪PWM控制来实时检测电机的A相电感B相电感和C相电感然后根据和的函数关系，计算动子位置角的测量值最后对作时间微分获得动子角速度的测量值将动子位置角的测量值和动子角速度的测量值传送给速度控制环，作为速度控制环的输入信号；

（2）所述速度控制环采用神经网络控制方法，神经网络控制器用于反应给定速度、速度误差以及q轴电流信息对神经网络控制器的作用，将给定速度、速度误差以及q轴电流信息经神经网络控制器处理后的信号采用PI调节器和重复控制器相结合的方法进行处理，输出q轴给定电流将q轴给定电流传送给电流控制环，作为电流控制环的输入信号；

（3）所述反馈信号检测模块将测定的三相电流信号经过park变换abc/dq后得到d轴实际电流i_d和q轴实际电流i_q，将i_d和i_q传送给电流控制环，作为电流控制环的输入信号；

（4）所述电流控制环采用带有PI调节器和重复控制器相结合的电流滞环跟踪PWM控制，将q轴给定电流与q轴实际电流i_q进行比较得到q轴电流偏差Δi_q，同时将d轴给定电流与采集到的d轴实际电流i_d进行比较得到d轴电流偏差Δi_d；对Δi_q和Δi_d使用重复控制器进行控制，在重复控制器内串联低通滤波器Q(s)和动态补偿器B(s)；将Δi_q和Δi_d经过park逆变换dq/abc后得到电流偏差Δi，判断电流偏差Δi是否超过电流偏差最范围±h，当Δi超过±h时，经电流滞环控制器控制三相逆变器对应相桥臂的功率器件动作，控制三相逆变器输出电流的大小，从而控制电机的输出转矩。

如图1所示，电流控制环包括两个PI调节器、坐标变换（包括Clark、Clark^-1、Park、Park^-1四个坐标变换）、电流滞环控制模块、重复控制器、无位置传感器、神经网络控制器等模块。通过矢量变换对高度耦合高度非线性的永磁同步电机的电感特性进行解耦，采用了的矢量控制，这样只要使定子电流的方向始终与q轴方向一致，就可以通过控制定子电流的大小来直接控制电机的转矩。

电动汽车运行时，首先要对其速度进行检测，其中无位置传感器控制方法如图5所示。通过电流滞环跟踪PWM控制技术，根据图3，通过相电感计算模块，便可以求出A相电感B相电感和C相电感具体方法为：

其中，V为相电压，R为定子电阻，E为反电动势。

然后根据 和的函数关系，可以计算出动子位置角的测量值具体算法为：

其中，L₀为每相绕组自感的平均值，为电机已有参数，各相绕组自感的平均值相等；L_m为每相绕组自感的二次谐波幅值，为电机已有参数，各相绕组自感的二次谐波幅值相等；P_r为电机极对数。

对作时间微分获得动子角速度的测量值因此，通过采用电流滞环PWM跟踪技术在对电机电流进行调节的同时也可以实现无位置传感器技术。

在速度控制环中神经网络的层数和神经元个数的选择是根据系统的需求进行设计的。在本案中，神经网络速度控制器要反应给定速度、速度误差以及q轴电流信息对神经网络控制器的作用，因此在输入层设置的输入有动子角速度的给定值ω_ref、动子角速度的测量值和学习后的q轴电流信息i_qe。神经网络控制器设计采用3层网络：输入层、隐含层和输出层，如图3所示。输入层有3个输入量u、e、隐含层有6个神经元；输出层是i_qs。

输入层：由3个神经元组成

σ₁=u=ω_ref    σ₃=e=i_qe

σ_i(t)=σ_i  i=1，2，3

o_2j(t)=f₁[n_2j(t)]  j=1，2，...，6

$n_3\left(t\right)=\underset{j=1}{\overset{6}{\mathrm{\Σ}}}{w}_{3j}{o}_{2j}\left(t\right)+{\mathrm{\θ}}_3$ j=1，2，...，6

σ₃(t)=f₂[n₃(t)]

其中，选择不同的输出函数可以增强网络的映射功能，且提高网络收敛速度。本案中隐含层采用的输出函数为logsigmoid函数，输出层采用的输出函数为trnsig moid函数。

$f_1\left(x\right)=\log \mathrm{sig}\left(x\right)=\frac{1}{1+e^{-x}}$

$f_2\left(x\right)=\tan \mathrm{sig}\left(x\right)=\frac{1-e^{-2x}}{1+e^{-2x}}$

经过以上的过程加工，把输出信号i_qs输出给PI调节器。

重复控制原理指出，如果某一个信号可以视为一个自治系统的输出，将这一信号的模型设置在稳定的闭环系统中，则反馈系统可实现对此信号的完全跟踪/抑制，它的创新之处在于成功构造出周期为T的任意周期信号内模，即通过将形如M_1C的外激励信号内模包含在反馈回路中并镇定系统，重复控制系统可以实现对任意周期为T的扰动信号的逐渐跟踪/抑制，同时在重复控制器中串联低通滤波器Q(s)和动态补偿器B(s)，以便提高系统的稳定性和鲁棒性，如图2所示。因此为了提高系统的稳定性，速度环中的PI调节器上并入重复控制器，使得PI调节器的输出值更加的稳定，如图4所示。

经过处理后，作为输入进入电流控制环，其电流控制环仍采用带有PI调节器和重复控制器相结合的电流滞环跟踪PWM控制技术，将给定电流i^*与输出电流i进行比较，当电流偏差Δi超过±h时，经滞环控制器HBC控制逆变器对应相桥臂的功率器件动作。控制逆变器输出电流的大小，从而控制电机的输出转矩，结果如图3所示。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种电动汽车驱动系统的控制方法，其特征在于：通过无位置传感器、速度控制环、电流控制环和反馈信号检测模块对电动汽车驱动系统的电机进行控制，包括如下步骤：

(1)所述无位置传感器通过采用电流控制环跟踪PWM控制来实时检测电机的A相电感B相电感和C相电感然后根据和的函数关系，计算动子位置角的测量值最后对作时间微分获得动子角速度的测量值将动子位置角的测量值和动子角速度的测量值传送给速度控制环，作为速度控制环的输入信号；

根据和的函数关系，计算动子位置角的测量值的方法为：

其中，L₀为每相绕组自感的平均值，为电机已有参数，各相绕组自感的平均值相等；L_m为每相绕组自感的二次谐波幅值，为电机已有参数，各相绕组自感的二次谐波幅值相等；P_r为电机极对数；

(2)所述速度控制环采用神经网络控制方法，神经网络控制器用于反应给定速度、速度误差以及q轴电流信息对神经网络控制器的作用，将给定速度、速度误差以及q轴电流信息经神经网络控制器处理后的信号采用PI调节器和重复控制器相结合的方法进行处理，输出q轴给定电流i_q ^*，将q轴给定电流i_q ^*传送给电流控制环，作为电流控制环的输入信号；

(3)所述反馈信号检测模块将测定的三相电流信号经过park变换abc/dq后得到d轴实际电流i_d和q轴实际电流i_q，将i_d和i_q传送给电流控制环，作为电流控制环的输入信号；

(4)所述电流控制环采用带有PI调节器和重复控制器相结合的电流滞环跟踪PWM控制，将q轴给定电流i_q ^*与q轴实际电流i_q进行比较得到q轴电流偏差△i_q，同时将d轴给定电流i_d ^*与采集到的d轴实际电流i_d进行比较得到d轴电流偏差△i_d；对△i_q和△i_d使用重复控制器进行控制，在重复控制器内串联低通滤波器Q(s)和动态补偿器B(s)；将△i_q和△i_d经过park逆变换dq/abc后得到电流偏差△i，判断电流偏差△i是否超过电流偏差最范围±h，当△i超过±h时，经电流滞环控制器控制三相逆变器对应相桥臂的功率器件动作，控制三相逆变器输出电流的大小，从而控制电机的输出转矩。

2.根据权利要求1所述的电动汽车驱动系统的控制方法，其特征在于：所述步骤(4)中，d轴给定电流i_d ^*＝0。

3.根据权利要求1所述的电动汽车驱动系统的控制方法，其特征在于：所述步骤(1)中，A相电感B相电感和C相电感的计算方法为：

其中，V为相电压，V_a为A相电压，V_b为B相电压，V_c为C相电压；R为定子电阻，R_a为A相定子电阻，R_b为B相定子电阻，R_c为C相定子电阻；E为反电动势，E_a为A相反电动势，E_b为B相反电动势，E_c为C相反电动势；i为相电流，i_a为A相电流，i_b为B相电流，i_c为C相电流。

4.根据权利要求1所述的电动汽车驱动系统的控制方法，其特征在于：所述步骤(2)中，所述神经网络控制器采用3层网络，分别为输入层、隐含层和输出层，输入层有三个输入量，分别为动子角速度的给定值ω_ref、动子角速度的测量值和学习后的q轴电流信息i_qe；所述隐含层的输出函数为logsigmoid函数，所述输出层的输出函数为trnsig moid函数。