CN108491670A

CN108491670A - 一种电动物流车驱动电机的参数匹配及优化方法

Info

Publication number: CN108491670A
Application number: CN201810344014.3A
Authority: CN
Inventors: 王康; 陈庆樟; 王正义; 王尚
Original assignee: Changshu Institute of Technology
Current assignee: Changshu Institute of Technology
Priority date: 2018-04-17
Filing date: 2018-04-17
Publication date: 2018-09-04

Abstract

一种电动物流车驱动电机的参数匹配及优化方法，属于电动汽车的电机驱动技术领域。包括以下步骤：以电动物流车的动力性要求为依据，结合行驶工况要求，对驱动电机基本参数进行初选，所述的驱动电机基本参数包括额定功率、额定转速以及额定转矩；建立以动力性和经济性为优化目标，以驱动电机额定功率、额定转速及额定转矩为优化变量的驱动电机参数多目标优化模型，动力性指标包括最高车速、最大爬坡度及加速时间；利用人工蜂群算法对驱动电机参数多目标优化模型进行求解，获得驱动电机参数优化匹配方案。能保障初选的驱动电机基本参数符合实际需求，使参数匹配的参考价值更高；优化后的驱动电机参数可使电动物流车获得更优的动力性和经济性。

Description

一种电动物流车驱动电机的参数匹配及优化方法

技术领域

本发明属于电动汽车的电机驱动技术领域，具体涉及一种电动物流车驱动电机的参数匹配及优化方法。

背景技术

目前，电动汽车市场保有量逐年上升，其由于可以解决传统汽车尾气排放的污染和石油能源消耗等问题，受到了各国政府、科研人员的青睐。电动汽车的运行性能与驱动电机直接关联，电机驱动系统决定了汽车运行时的各项性能指标，通过对驱动电机参数进行合理的匹配及优化，可以有效提升汽车运行性能指标。特别地，对于电动物流车而言，研究电动物流车驱动电机参数的匹配及优化，对提升电动物流车的动力性、经济性以及满足电动物流车的实际行驶性能要求具有较强的实际意义。

传统的电动汽车驱动电机的匹配方法，需要保证驱动电机的各项参数首先应先满足汽车的整车动力性的要求：如最高车速、加速时间和最大爬坡度等。在考虑整车动力性要求的情况下，确定驱动电机额定功率、峰值功率、额定转速、峰值转速、额定转矩和峰值转速。但是上述方法仅仅是从动力性能方面来考虑驱动电机的参数匹配，没有考虑汽车在行驶中的不同行驶工况，而不同行驶工况对驱动电机的性能要求也有所不同，如：高速恒功率行驶、低速越野行驶等。此外，为提高电动汽车的动力性和经济性，大多数学者会针对动力系统中电机、电池和减速器的参数进行协同优化，这种协同优化会改变电动汽车动力系统中的多项参数，尤其是电池参数，将会在很大程度上影响整车质量和车身结构或体积，使整车参数发生较大的改变。

综上所述，在进行电动汽车驱动电机参数匹配的同时，需要考虑汽车行驶工况对参数匹配的影响；在为提高动力性和经济性而进行驱动电机动力系统参数优化的同时，需思考如何避免对整车参数进行较大的改变，从而选择仅从驱动电机参数方面进行优化。

鉴于上述已有技术，本申请人作了有益的设计，下面将要介绍的技术方案便是在这种背景下产生的。

发明内容

本发明的目的在于提供一种电动物流车驱动电机的参数匹配及优化方法，该方法步骤简单，通过求解参数优化模型来获得驱动电机参数的优化匹配方案，从而能够提升电动物流车的动力性和经济性。

本发明的目的是这样来达到的，一种电动物流车驱动电机的参数匹配及优化方法，其特征在于包括以下步骤：

S1)以电动物流车的动力性要求为依据，结合行驶工况要求，对驱动电机基本参数进行初选，所述的驱动电机基本参数包括额定功率、额定转速以及额定转矩；

S2)建立以动力性和经济性为优化目标，以驱动电机额定功率、额定转速及额定转矩为优化变量的驱动电机参数多目标优化模型，其中，动力性的具体指标包括最高车速、最大爬坡度及加速时间，经济性的具体指标包括行驶里程、额定功率匀速行驶时的电能消耗；

S3)利用人工蜂群算法对驱动电机参数多目标优化模型进行求解，获得驱动电机参数优化匹配方案。

在本发明的一个具体的实施例中，所述的步骤S1)中的驱动电机额定功率通过如下步骤得到：

设电动物流车在货物运输时采用最高车速，此时的电机功率为

其中，η_T为传动系统总效率，m为车辆满载时的总质量，g为重力加速度，f为滚动阻力系数，C_D为风阻系数，A为迎风面积，u_max为最高车速；

设电动物流车在货物配送时采用低速，此时根据加速时间计算得到的功率为

其中，δ为旋转质量换算系数，为行驶速度对时间的导数，即：加速度；

根据电动物流车一次充满电后进行货物运输行驶时长和货物配送行驶时长分别占总行驶时长的比重，对计算所得的P_u和P_t分别赋予不同的权系数和利用加权系数法求解驱动电机额定功率：

在本发明的另一个具体的实施例中，所述的步骤S1)中的驱动电机额定转速根据电动物流车常规车速确定：

式中，i_g为变速器传动比，i₀为主减速比，u_M为电动物流车常规车速，r为车轮半径，其中，所述的电动物流车常规车速u_M是根据电动物流车一次充满电后进行货物运输行驶时长和货物配送行驶时长分别占总行驶时长的比重，对运输行驶平均车速和配送行驶分别赋予不同的权系数，并利用加权系数法求解得到：

式中，u_u为电动物流车货物运输行驶时的平均车速，u_t为电动物流车货物配送行驶时的平均车速，和为不同的权系数。

在本发明的又一个具体的实施例中，所述的步骤S1)中的额定转矩根据额定功率和额定转速的计算确定：

本发明由于采用了上述结构，以电动物流车动力性要求为依据，结合行驶工况特点等信息，对驱动电机基本参数进行初选，考虑到汽车在实际行驶中的情况，能较好地保障初选的驱动电机基本参数符合实际需求，使得参数匹配参考价值更高；此外，建立以动力性和经济性为优化目标，以驱动电机额定功率、额定转速和额定转矩为优化变量的驱动电机参数多目标优化模型，并利用人工蜂群算法求解模型，由此得到的优化后的驱动电机参数可使电动物流车获得更优的动力性和经济性，能更好地满足电动物流车在货物运输和配送时的性能要求。

附图说明

图1为本发明的流程示意图。

具体实施方式

为了使公众能充分了解本发明的技术实质和有益效果，申请人将在下面结合附图对本发明的具体实施方式详细描述，但申请人对实施例的描述不是对技术方案的限制，任何依据本发明构思作形式而非实质的变化都应当视为本发明的保护范围。

请参阅图1，本发明涉及一种电动物流车驱动电机的参数匹配及优化方法，包括以下步骤：

进一步地，所述的步骤S1)中的驱动电机额定功率通过如下步骤得到：

分别计算出以最高车速和加速时间为依据的电机功率，并根据物流车实际行驶工况对计算所得功率赋予不同权系数，利用加权系数法求解来确定驱动电机额定功率，具体为：

设电动物流车在货物运输时采用最高车速，车速主要维持在高于40km/h的区间内，此时的电机功率为

设电动物流车在货物配送时采用低速，速度主要维持在10-40km/h的区间内，此时根据加速时间计算得到的功率为

所述的驱动电机额定转速根据电动物流车常规车速确定：

所述的额定转矩根据额定功率和额定转速的计算确定：

以下，对所述的步骤S2)中提及的动力性的各具体指标的获得进行说明。

其中，关于动力性指标中的最高车速，由于最大转速可限制最高车速，而驱动力-阻力可确定最高车速，因此在计算最高车速时，就需要考虑上述两因素的最小值予以确定。具体地，

先依据最大转速计算出一最高车速u_max1：

式中：β为转速过载系数，一般取值为2～4；

再依据驱动力-阻力计算出另一最高车速u_max2：

式中：λ为转矩过载系数，一般取值为3～5；

所述的最高车速取分别依据最大转速和驱动力-阻力计算得到的两个最高车速的最小值，即：

u_max＝min{u_max1,u_max2}。

所述的最大爬坡度通过以下公式确定：

式中：u₀为电动物流车当前的行驶速度。

所述的加速时间的计算公式如下：

式中：u₁,u₂分别为电动物流车加速始末速度，δ为旋转质量换算系数。

所述的步骤S2)所提及的经济性的具体指标，其中的行驶里程计算时涉及的公式如下：

W＝CUNη_DOD

式中：W为蓄电池的总放电量，W为以u_max匀速行驶时的所需功率，C为单节电池额定能量，U为单节电池电压，N为电池数目，η_DOD为放电深度，η_e为电机及电机控制器的总效率。

所述的额定功率匀速行驶时的电能消耗，通过下述公式计算获得：

式中：T为匀速行驶时间。

所述的步骤S3)中，利用人工蜂群算法进行多目标模型优化时，蜂巢及其周围包含食物源的生活环境代表驱动电机参数多目标优化模型的搜索区域，每个食物源的位置代表动电机参数多目标优化模型的一个可行解，食物源所含有的花蜜量NP(即食物源丰富程度)代表可行解的适应度。具体的操作步骤如下：

S31)初始化食物源位置，具体的，先随机生成FN个食物源，设置食物源的最大搜索次数为Limit，迭代的最大循环次数为MCN，再设置雇佣蜂数量与食物源的数量相等，种群中每个个体的位置(即食物源的位置)，都代表搜索空间中的一个可行解，每个个体位置(即食物源的位置)是一个五维的决策向量X＝[x₁,x₂,x₃,x₄,x₅]，代入电机参数多目标优化模型的优化变量为X＝[u_max,i,t,L,W_o]，其随机初始化如下：

x_ij＝x_j ^min+rand(0,1)×(x_j ^max-x_j ^min)

式中：i＝1,2,3,···FN，j为向量维数,可取1,2,3,4,5，rand(0,1)表示0到1之间的一个随机数，x_ij代表初始食物源的位置，x_j ^min,x_j ^max分别代表决策变量x_ij的最小和最大值；

S32)雇佣蜂搜索新食物源，具体地，先雇佣蜂在步骤S31)中初始化食物源位置附近搜寻新食物源，依据如下：

v_ij＝x_ij+rand(-1,1)(x_ij-x_kj)

式中：k为1至FN之间的一个随机数，但k≠i，rand(-1,1)表示-1到1之间的一个随机数，v_ij代表新食物源的位置，

接着，雇佣蜂搜索新食物源，若新生成的食物源的位置v_ij优于初始食物源位置x_ij，则用v_ij替代x_ij；若新生成的食物源的位置v_ij较次于初始食物源位置x_ij，则保持x_ij不变；

S33)跟随蜂搜索采蜜,具体地，先雇佣蜂新食物源搜索完成后，返回舞蹈区将所记忆的食物源信息与跟随蜂共享，接着，跟随蜂依据共享所得食物源信息，按照食物源丰富程度的相关的概率选择食物源进行采蜜，依据如下：

式中：fitness_i代表第i个食物源的丰富程度，即可行解的适应度；p_i代表食物源被跟随蜂选择采蜜的概率；

S34)侦查蜂搜索，具体地，食物源被雇佣蜂、跟随蜂搜索次数达到最大搜索次数Limit，表示食物源已枯竭，则雇佣蜂转变为侦查蜂，按照步骤S32)、步骤S33)进行新一轮的食物源搜索，直到循环迭代的次数到达迭代最大循环次数MCN，停止搜索。

本发明通过以上算法流程，可获得优化后的驱动电机额定功率、额定转速和额定转矩参数。

本发明的实施例，以某款纯电动物流车为研究对象，该车的基本参数如下述表1所示。

本实施例所选取的电动物流车，其一次充满电后总行驶时长约为10小时，其中货物运输时长约为2小时，货物配送时长约为8小时，权系数取0.2，取0.8，由此计算得到货物运输时的电机功率为P_u＝8.96kw，货物配送时的电机功率为P_t＝9.74kw，利用加权系数法对上述两功率进行计算，得到驱动电机额定功率为10.38kw，此处取额定功率P_e＝11kw，峰值功率P_max＝27kw；再根据常规车速确定驱动电机额定转速，得到结果为2521.58r/min，在本实施例中，取额定转速n_e＝3000r/min，峰值功率n_max＝6000r/min；接着根据额定转速和额定转矩计算所得额定转矩T_e＝35N·m，取峰值转矩T_max＝35N·m；最后，设置优化变量的边界条件：7￡P_e￡15kw，2500￡n_e￡5000r/min，250￡T_e￡50N·m。

请参阅下述表2，示意了整车性能设计指标。

人工蜂群算法的基本参数设置如下：花蜜量NP＝20；食物源数FN＝1/2NP＝10；最大搜索次数Limit＝100；最大循环次数MCN＝2500。通过以上算法流程，获得优化后的驱动电机参数，与原始参数比较后的结果如下述表3所示：

符号	参数	原始参数	优化后参数
				P_e	额定功率/kw	11	10.6
n_e	额定转速/(r·min^-1)	3000	3128
				T_e	额定转矩/N·m	35	47

优化后的电动物流车动力性和经济性的比较结果如下述表4所示：

综合以上分析结果可知，结合人工蜂群算法对电动物流车驱动电机参数进行优化后，物流车的动力性和经济性均有一定程度的提升，满足设计要求。

Claims

1.一种电动物流车驱动电机的参数匹配及优化方法，其特征在于包括以下步骤：

2.根据权利要求1所述的一种电动物流车驱动电机的参数匹配及优化方法，其特征在于所述的步骤S1)中的驱动电机额定功率通过如下步骤得到：

3.根据权利要求1所述的一种电动物流车驱动电机的参数匹配及优化方法，其特征在于所述的步骤S1)中的驱动电机额定转速根据电动物流车常规车速确定：

式中，i_g为变速器传动比，i₀为主减速比，u_M为电动物流车常规车速，r为车轮半径，其中，所述的电动物流车常规车速u_M是根据电动物流车一次充满电后进行货物运输行驶时长和货物配送行驶时长分别占总行驶时长的比重，对运输行驶平均车速和配送行驶平均车速分别赋予不同的权系数，并利用加权系数法求解得到：

4.根据权利要求1所述的一种电动物流车驱动电机的参数匹配及优化方法，其特征在于所述的步骤S1)中的额定转矩根据额定功率和额定转速的计算确定：