CN108418487A - 一种用于电动汽车的速度脉动抑制方法 - Google Patents

Abstract

本发明公开了一种用于电动汽车的速度脉动抑制方法，首先建立电动汽车内嵌式永磁同步电机最大转矩电流比矢量控制系统模型，通过编码器获得电机转子速度和位置信息，提出了一种无模型网络的双启发式自适应动态规划算法，通过对传统算法进行改进，省去了一个模型网络，并联合传统PI控制算法，用于电动汽车内嵌式永磁同步电机速度控制，在电动汽车启动过程中，使用传统PI控制算法，在电动汽车稳定运行，出现速度脉动时，切入无模型网络的双启发式自适应动态规划控制算法，即保证了电动汽车动态响应能力，又实现了对电动汽车运行过程中的速度脉动抑制。

Description

一种用于电动汽车的速度脉动抑制方法

技术领域

本发明涉及到一种用于电动汽车的速度脉动抑制方法，具体涉及无模型网络的双启发式动态规划方法。

背景技术

随着不可再生能源的逐渐消耗，价格不断攀升、环境污染日益严重，新能源电动汽车技术和持续发展战略势在必行。而电动车的发展关键在于研究新型的动力能源的同时，进一步提高电动车的可靠性和稳定性，着重在于电动车驱动的性能。新能源电动汽车驱动电机大多采用内嵌式永磁同步电机(IPMSM)，在永磁同步电机分类中，内嵌式永磁同步电机由于永磁体嵌入磁钢内部，具有更强的可靠性，和更高的调速范围。内嵌式永磁同步电机的直轴电感和交轴电感不相等，电机的磁阻转矩可以使电动车获得更大的启动转矩，同时内嵌式永磁同步电机比表贴式永磁同步电机更容易实现弱磁扩速控制。

对于内嵌式永磁同步电机，最大转矩电流比(MTPA)矢量控制方法能更加有效的利用磁阻转矩，实现更最小铜损，无论日常电动车还是工程用车均是较为理想的控制策略。传统IPMSM的最大转矩电流比矢量控制方法，通常由PI控制算法输出电机的参考转矩，PI控制算法具有编程简单、响应速度快的优点。但是PI控制算法参数需要离线调整，且存在经典控制理论的固有缺陷，对系统参数变化和外界扰动过于敏感，鲁棒性较差。在电动汽车长时间稳定运行后，电机参数变化，PI算法控制效果不佳，造成电机转速脉动。

发明内容

技术问题：本发明提供一种用于电动汽车的速度脉动抑制方法，当电动汽车为启动状态时，电动汽车外环采用传统PI控制算法，输出为内嵌式永磁同步电机的参考转矩，在电动汽车长时间稳定运行后，切换为无模型网络的双启发式动态规划算法，此时，无模型网络的双启发式动态规划算法已经过充分的训练，可以准确的输出内嵌式永磁同步电机的参考转矩。

技术方案：本发明的用于电动汽车的速度脉动抑制方法，包括以下步骤：

步骤1：初始化无模型网络的双启发式动态规划算法的评价网络学习率、控制网络参数，根据系统的跟踪误差，设计外部强化学习信号；

步骤2：通过神经网络正向传输，计算评价网络的输出和控制网络输出，所述评价网络的输出为性能指标函数对状态变量的导数其中t表示当前时刻，J(t)为性能指标函数，x(t)为状态变量；

步骤3：计算评价网络误差，通过评价网络误差对评价网络的权值进行在线调整；

步骤4：电动汽车进入运行工作状态，根据编码器实时采集的实时速度ω^*(t)，按以下方式进行实时处理：

当检测到电机转速ω_r＞ω^*(t)＞0，判断电动汽车为启动状态，电动汽车外环控制算法切换为PI控制算法，得到PI控制算法输出为内嵌式永磁同步电机的参考转矩T^*，然后进入步骤6，其中ω_r为速度阈值；

当检测到电机转速ω^*(t)＞ω_r，判断电动汽车为稳定运行状态，然后进入步骤5；

步骤5：电动汽车外环控制算法切换为无模型网络的双启发式动态规划算法，计算控制网络误差，对控制网络参数进行在线调整，得到最优控制率，即电动汽车内嵌式永磁同步电机的参考转矩T^*；

步骤6：通过得到的参考转矩T^*，使用最大转矩电流比控制方法，得到d轴参考电流i_d ^*和q轴参考电流i_q ^*；

进一步的，本发明方法中，所述步骤1中，控制网络采用模糊双曲正切模型。

进一步的，本发明方法中，所述步骤2中的状态变量x(t)＝ω(t)，ω(t)为t时刻的电动汽车转速。

进一步的，本发明方法中，所述步骤3中根据下式计算评价网络误差：

其中，e_c(t)为t时刻评价网络误差；x(t)为t时刻系统状态变量；r(t)为t时刻强化学习信号；J(t)为t时刻系统性能指标函数；J(t-1)为t-1时刻系统性能指标函数。

进一步的，本发明方法中，所述步骤3中按照如下规则对评价网络的权值进行在线调整：

其中，W_c(t)为t时刻评价网络权值矩阵；W_c(t+1)为t+1时刻评价网络权值矩阵；ΔW_c(t)为t时刻评价网络权值矩阵变化量；l_c为评价网络学习率；E_c(t)为评价网络误差的平方。

进一步的，本发明方法中，所述步骤4中的速度阈值ω_r为40-50km/h；

进一步的，本发明方法中，所述步骤5中根据下式计算控制网络误差：

e_a(t)＝J(t)-U_c(t)

其中，e_a(t)为t时刻控制网络误差；J(t)为t时刻系统性能指标函数；U_c(t)表示期望的最终目标，U_c(t)的值总为0，表示t时刻强化学习成功。

进一步的，本发明方法中，所述步骤5中根据下式对控制网络参数进行在线调整：

其中，R(t)为t时刻模糊控制规则矩阵；R(t+1)为t+1时刻模糊控制规则矩阵；ΔR(t)为t时刻模糊控制规则变化量矩阵；θ(t)为t时刻成员函数参数矩阵；θ(t+1)为t+1时刻成员函数参数矩阵；Δθ(t)为t时刻成员函数参数变化量矩阵；l_a为控制网络学习率；E_a(t)为控制网络误差的平方。

进一步的，本发明方法中，所述步骤5中得到的电动汽车内嵌式永磁同步电机的参考转矩为：

其中，N_r为控制网络隐层节点个数；r为隐层节点数，取值范围从1到N_r；w_r(t)为t时刻第r个隐层节点输出；R_r(t)为t时刻第r个模糊控制规则；T^*为电动汽车内嵌式永磁同步电机的参考转矩。

进一步的，本发明方法中，所述步骤6中，最大转矩电流比控制方法是根据下式计算得到d轴参考电流i_d ^*和q轴参考电流i_q ^*：

其中，为d轴电流参考值；为q轴电流参考值；I_s为d-q轴合成矢量；β_MTPA为最大转矩相位角；ψ_f为电机定子磁链；L_d为电机定子d轴电感；L_q为电机定子q轴电感。

有益效果：本发明与现有技术相比，具有以下优点：

电动汽车内嵌式永磁同步电机(IPMSM)，多采用最大转矩电流比(MTPA)矢量控制方法，传统IPMSM的最大转矩电流比矢量控制方法，通常由PI控制算法输出电机的参考转矩，PI控制算法具有编程简单、响应速度快的优点。但是PI控制算法参数需要离线调整，且存在经典控制理论的固有缺陷，对系统参数变化和外界扰动过于敏感，鲁棒性较差。

在电动汽车长时间稳定运行后，电机参数变化，PI算法控制效果不佳，造成IPMSM转速脉动，从而导致电动汽车行驶过程中的转速脉动。

本发明的用于电动汽车的速度脉动抑制方法，当电动汽车为启动状态时，电动汽车外环采用传统PI控制算法，输出为内嵌式永磁同步电机的参考转矩，在电动汽车长时间稳定运行后，切换为无模型网络的双启发式动态规划算法，此时，无模型网络的双启发式动态规划算法已经过充分的训练，可以准确的输出内嵌式永磁同步电机的参考转矩，对电动汽车行驶过程中的转速脉动进行了有效的抑制。

附图说明

图1为内嵌式永磁同步电机最大转矩电流比矢量控制示意图。

图2为无模型的双启发式动态规划算法结构示意图。

图3为硬件实施结构示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本发明的用于电动汽车的速度脉动抑制方法，具体实施包括以下步骤：

步骤1：初始化无模型网络的双启发式动态规划算法的评价网络学习率、控制网络参数，根据系统的跟踪误差，设计外部强化学习信号；

构建电动汽车内嵌式永磁同步电机最大转矩电流比(MTPA)矢量控制系统。图1为电动汽车内嵌式永磁同步电机最大转矩电流比矢量控制系统结构示意图，包括三相全桥电压源型逆变器、编码器采集模块、SVPWM算法模块、Park变换模块、Clark变换模块和逆Park变换模块、MTPA运算模块、两个电流内环PI控制器、和一个外环PI和无模型网络的全局在线双启发式动态规划(NM-GRDHP)并联的控制器。

外部强化学习信号的定义如下所示：

r(t)＝0.97*e(t)+0.03*e(t-1)

其中，t表示当前时刻，t-1表示上一时刻，ω^*(t)为t时刻目标转速，ω(t)为t时刻实际转速，ω^*(t-1)为t-1时刻目标转速，ω(t-1)为t-1时刻实际转速，e(t)为t时刻转速差，e(t-1)为t-1时刻转速差；控制网络采用模糊双曲正切模型。

步骤2：通过神经网络正向传输，计算评价网络的输出和控制网络输出，所述评价网络的输出为性能指标函数对状态变量的导数其中t表示当前时刻，J(t)为性能指标函数，x(t)为状态变量；

步骤3：计算评价网络误差，通过评价网络误差对评价网络的权值进行在线调整；

根据下式计算评价网络误差：

使为评价网络输出，

展开可以得到

其中，e_c(t)为t时刻评价网络误差；x(t)为t时刻系统状态变量，x(t)＝ω(t)，ω(t)为t时刻的电动汽车转速；x(t-1)为t-1时刻系统状态变量；λ(t)为t时刻评价网络输出；λ(t-1)为t-1时刻评价网络输出；u(t)为t时刻控制信号，u(t)＝T^*，T^*为电动汽车内嵌式永磁同步电机的参考转矩；r(t)为t时刻强化学习信号；J(t)为t时刻系统性能指标函数；J(t-1)为t-1时刻系统性能指标函数。

通过上式推导可以看出，公式中不存在其中，x(t+1)为t+1时刻系统状态变量，相对于传统的方法，省去了模型网络。

评价网络的权值调整方式为：

其中，W_c(t)为t时刻评价网络权值矩阵；W_c(t+1)为t+1时刻评价网络权值矩阵；ΔW_c(t)为t时刻评价网络权值矩阵变化量；l_c为评价网络学习率；E_c(t)为评价网络误差的平方。

步骤4：电动汽车进入运行工作状态，根据编码器实时采集的实时速度ω^*(t)，按以下方式进行实时处理：

当检测到电机转速ω_r＞ω^*(t)＞0，判断电动汽车为启动状态，电动汽车外环控制算法切换为PI控制算法，得到PI控制算法输出为内嵌式永磁同步电机的参考转矩T^*，然后进入步骤6，其中ω_r为速度阈值；

当检测到电机转速ω^*(t)＞ω_r，判断电动汽车为稳定运行状态，然后进入步骤5；速度阈值ω_r为40-50km/h，算法切换如图1所示；

步骤5：电动汽车外环控制算法切换为无模型网络的双启发式动态规划算法，计算控制网络误差，对控制网络参数进行在线调整，得到最优控制率，即电动汽车内嵌式永磁同步电机的参考转矩T^*；

控制网络误差为：

e_a(t)＝J(t)-U_c(t)

其中，e_a(t)为t时刻控制网络误差；J(t)为t时刻系统性能指标函数；U_c(t)表示期望的最终目标，U_c(t)的值总为0，表示t时刻强化学习成功。

根据下式对控制网络参数进行在线调整：

其中，R(t)为t时刻模糊控制规则矩阵；R(t+1)为t+1时刻模糊控制规则矩阵；ΔR(t)为t时刻模糊控制规则变化量矩阵；θ(t)为t时刻成员函数参数矩阵；θ(t+1)为t+1时刻成员函数参数矩阵；Δθ(t)为t时刻成员函数参数变化量矩阵；l_a为控制网络学习率；E_a(t)为控制网络误差的平方；J(t)为t时刻系统性能指标函数；J(t-1)为t-1时刻系统性能指标函数；x(t-1)为t-1时刻系统状态变量；λ(t-1)为t-1时刻评价网络输出；u(t)为t时刻控制信号，u(t)＝T^*，T^*为电动汽车内嵌式永磁同步电机的参考转矩；r(t)为t时刻强化学习信号。

电动汽车内嵌式永磁同步电机的参考转矩为：

其中，N_r为控制网络隐层节点个数；r为隐层节点数，取值范围从1到N_r；w_r(t)为t时刻第r个隐层节点输出；R_r(t)为t时刻第r个模糊控制规则；T^*为电动汽车内嵌式永磁同步电机的参考转矩；i为网络输入节点数，取值范围从1到n；为t时刻，第i个模糊控制规则，j_i等同于P，N，表示正、负；x_i(t)表示t时刻，第i个状态变量；θ_i(t)为t时刻，第i个成员函数参数。

步骤6：通过得到的参考转矩T^*，使用最大转矩电流比控制方法，得到d轴参考电流i_d ^*和q轴参考电流i_q ^*；

最大转矩电流比控制方法根据下式计算得到d轴参考电流i_d ^*和q轴参考电流i_q ^*：

其中，为d轴电流参考值；为q轴电流参考值；I_s为d-q轴合成矢量；β_MTPA为最大转矩相位角；ψ_f为电机定子磁链；L_d为电机定子d轴电感；L_q为电机定子q轴电感。

算法硬件实施，如图3所示，编码器采集电动汽车速度信号，一种无模型网络的双启发式自适应动态规划算法、传统PI控制算法、MTPA控制方法、SVPWM算法、Park变换、Clark变换、逆Park变换均在DSP28335上编程实现，通过AD采样电路，采集电机A、B两相电流信号，输出六路开关信号，在对电动汽车实现MTPA矢量控制的基础上，抑制了电动汽车速度脉动。

上述实施例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等同替换，这些对本发明权利要求进行改进和等同替换后的技术方案，均落入本发明的保护范围。

Claims (10)

1.一种用于电动汽车的速度脉动抑制方法，其特征在于，该方法包括以下步骤：

步骤1：初始化无模型网络的双启发式动态规划算法的评价网络学习率、控制网络参数，根据系统的跟踪误差，设计外部强化学习信号；

步骤2：通过神经网络正向传输，计算评价网络的输出和控制网络输出，所述评价网络的输出为性能指标函数对状态变量的导数其中t表示当前时刻，J(t)为性能指标函数，x(t)为状态变量；

步骤3：计算评价网络误差，通过评价网络误差对评价网络的权值进行在线调整；

步骤4：电动汽车进入运行工作状态，根据编码器实时采集的实时速度ω^*(t)，按以下方式进行实时处理：

当检测到电机转速ω_r＞ω^*(t)＞0，判断电动汽车为启动状态，电动汽车外环控制算法切换为PI控制算法，得到PI控制算法输出为内嵌式永磁同步电机的参考转矩T^*，然后进入步骤6，其中ω_r为速度阈值；

当检测到电机转速ω^*(t)＞ω_r，判断电动汽车为稳定运行状态，然后进入步骤5；

步骤5：电动汽车外环控制算法切换为无模型网络的双启发式动态规划算法，计算控制网络误差，对控制网络参数进行在线调整，得到最优控制率，即电动汽车内嵌式永磁同步电机的参考转矩T^*；

步骤6：通过得到的参考转矩T^*，使用最大转矩电流比控制方法，得到d轴参考电流i_d ^*和q轴参考电流i_q ^*。

2.根据权利要求1所述的一种用于电动汽车的速度脉动抑制方法，其特征在于，所述步骤1中，控制网络采用模糊双曲正切模型。

3.根据权利要求1所述的一种用于电动汽车的速度脉动抑制方法，其特征在于，所述步骤2中的状态变量x(t)＝ω(t)，ω(t)为t时刻的电动汽车转速。

4.根据权利要求1所述的一种用于电动汽车的速度脉动抑制方法，其特征在于，所述步骤3中根据下式计算评价网络误差：

其中，e_c(t)为t时刻评价网络误差；x(t)为t时刻系统状态变量；r(t)为t时刻强化学习信号；J(t)为t时刻系统性能指标函数；J(t-1)为t-1时刻系统性能指标函数。

5.根据权利要求1、2、3或4所述的一种用于电动汽车的速度脉动抑制方法，其特征在于，所述步骤3中按照如下规则对评价网络的权值进行在线调整：

W_c(t+1)＝W_c(t)+ΔW_c(t)，

其中，W_c(t)为t时刻评价网络权值矩阵；W_c(t+1)为t+1时刻评价网络权值矩阵；ΔW_c(t)为t时刻评价网络权值矩阵变化量；l_c为评价网络学习率；E_c(t)为评价网络误差的平方。

6.根据权利要求1、2、3或4所述的一种用于电动汽车的速度脉动抑制方法，其特征在于，所述步骤4中的速度阈值ω_r为40-50km/h。

7.根据权利要求1、2、3或4所述的一种用于电动汽车的速度脉动抑制方法，其特征在于，所述步骤5中根据下式计算控制网络误差：

e_a(t)＝J(t)-U_c(t)

其中，e_a(t)为t时刻控制网络误差；J(t)为t时刻系统性能指标函数；U_c(t)表示期望的最终目标，U_c(t)的值总为0，表示t时刻强化学习成功。

8.根据权利要求1、2、3或4所述的一种用于电动汽车的速度脉动抑制方法，其特征在于，所述步骤5中根据下式对控制网络参数进行在线调整：

R(t+1)＝R(t)+ΔR(t)，θ(t+1)＝θ(t)+Δθ(t)，

其中，R(t)为t时刻模糊控制规则矩阵；R(t+1)为t+1时刻模糊控制规则矩阵；ΔR(t)为t时刻模糊控制规则变化量矩阵；θ(t)为t时刻成员函数参数矩阵；θ(t+1)为t+1时刻成员函数参数矩阵；Δθ(t)为t时刻成员函数参数变化量矩阵；l_a为控制网络学习率；E_a(t)为控制网络误差的平方。

9.根据权利要求1、2、3或4所述的一种用于电动汽车的速度脉动抑制方法，其特征在于，所述步骤5中得到的电动汽车内嵌式永磁同步电机的参考转矩为：

其中，N_r为控制网络隐层节点个数；r为隐层节点数，取值范围从1到N_r；w_r(t)为t时刻第r个隐层节点输出；R_r(t)为t时刻第r个模糊控制规则；T^*为电动汽车内嵌式永磁同步电机的参考转矩。

10.根据权利要求1、2、3或4所述的一种用于电动汽车的速度脉动抑制方法，其特征在于，所述步骤6中，最大转矩电流比控制方法是根据下式计算得到d轴参考电流i_d ^*和q轴参考电流i_q ^*：

其中，为d轴电流参考值；为q轴电流参考值；I_s为d-q轴合成矢量；β_MTPA为最大转矩相位角；ψ_f为电机定子磁链；L_d为电机定子d轴电感；L_q为电机定子q轴电感。