CN110247586B - 基于效率最优的电动公交车用永磁同步电机转矩分配方法 - Google Patents

基于效率最优的电动公交车用永磁同步电机转矩分配方法 Download PDF

Info

Publication number
CN110247586B
CN110247586B CN201910631788.9A CN201910631788A CN110247586B CN 110247586 B CN110247586 B CN 110247586B CN 201910631788 A CN201910631788 A CN 201910631788A CN 110247586 B CN110247586 B CN 110247586B
Authority
CN
China
Prior art keywords
permanent magnet
magnet synchronous
synchronous motor
torque
efficiency
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910631788.9A
Other languages
English (en)
Other versions
CN110247586A (zh
Inventor
赵剑飞
俞涛
刘廷章
杨兴武
王爽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Qizun New Energy Technology Co ltd
Original Assignee
Beijing Transpacific Technology Development Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Transpacific Technology Development Ltd filed Critical Beijing Transpacific Technology Development Ltd
Priority to CN201910631788.9A priority Critical patent/CN110247586B/zh
Publication of CN110247586A publication Critical patent/CN110247586A/zh
Application granted granted Critical
Publication of CN110247586B publication Critical patent/CN110247586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
    • B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
    • B60L15/2045—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed for optimising the use of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P21/00—Arrangements or methods for the control of electric machines by vector control, e.g. by control of field orientation
    • H02P21/0003—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P21/0014—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
    • H02P6/04—Arrangements for controlling or regulating the speed or torque of more than one motor
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
    • H02P6/10—Arrangements for controlling torque ripple, e.g. providing reduced torque ripple
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P6/00—Arrangements for controlling synchronous motors or other dynamo-electric motors using electronic commutation dependent on the rotor position; Electronic commutators therefor
    • H02P6/28—Arrangements for controlling current
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/64—Electric machine technologies in electromobility
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/72—Electric energy management in electromobility

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Control Of Ac Motors In General (AREA)
  • Control Of Motors That Do Not Use Commutators (AREA)

Abstract

本发明公开了一种基于效率最优的电动公交车用永磁同步电机转矩分配方法，该方法将BP神经网络应用在盘式电机转矩分配上，通过无差拍预测控制进行电流控制，步骤如下：以多定子‑多转子的多盘永磁同步电机为例，在之前研究的转矩均分基础上，应用BP神经网络寻优得到效率最高的转矩分配方法得到多盘定子中每个定子盘的最优输出转矩，输入层的两个输入量分别为总转矩T和转速ω，输出层三个量分别为每个定子盘的转矩分配系数，对于电机驱动控制模块采用无差拍电流预测控制提高电机电流环的响应速度，减小误差。与现有技术相比，该方法能够提高电机电流环的动态响应和稳态响应能力，能够提高电动车运行效率，提升续航里程。

Description

基于效率最优的电动公交车用永磁同步电机转矩分配方法
技术领域
本发明涉及永磁同步电机技术领域，特别是一种基于效率最优的电动公交车用永磁同步电机转矩分配方法。
背景技术
电动公交车与以内燃机为动力的公交车相比具有很多优势，如电动公交车振动噪音小，结构简单动力传动效率高，易于整车布置、乘员舱空间宽敞平整，动力性能优良等。纯电动公交车驱动电机的选择必须满足车辆的动力性要求，如最高车速、加速性能和最大爬坡度等。
相比于传统径向磁通电机，轴向磁通永磁同步电机具有低速大转矩、高能量密度等优点，适用于电动公交车使用。传统的转矩分配方法一般为转矩均分，即将电机总转矩均分到各定子盘上，得到相应的定子电流，此方法无法保证电机一直工作在效率最高状态，使得整体效率较低。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于传统的转矩分配方法中存在的问题，提出了本发明。
因此，本发明其中的一个目的是提供一种基于效率最优的电动公交车用永磁同步电机转矩分配方法，其能够提高电机电流环的动态响应和稳态响应能力，能够提高电动车运行效率，提升续航里程。
为解决上述技术问题，本发明提供如下技术方案：一种基于效率最优的电动公交车用永磁同步电机转矩分配方法，其包括，S1：通过实验测得多盘永磁同步电机的多组转矩、转速与效率最优转矩分配系数的数据，以转矩与转速作为神经网络输入层的两个输入量，效率最优时各定子转矩分配系数作为神经网络输出层的三个输出量；S2：设计隐含层神经元输出神经元激发函数，将网络输出与理想输出误差带入规定误差性能指标函数，按照梯度下降法对网络的加权系数进行修正，并得到输出层与隐含层的连接权值学习算法；当误差趋向于零时，连接权值停止更新，此时得到的权值就是神经网络学习到的最优信息；S3：利用无差拍电流预测控制优化电流响应速度。
作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：所述定子转矩分配系数为各个单盘定子分配的转矩占多盘永磁同步电机总转矩比例。
作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：所述效率最优转矩分配系数为由测得输入输出功率计算得到电动公交车效率最优情况下的各单盘定子转矩占多盘永磁同步电机总转矩比例。
作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：步骤S3具体包括：分别将单盘永磁同步电机的电流作为状态变量，得到多盘永磁同步电机的状态方程，采用一阶泰勒公式对电流状态方程进行离散化，将给定的信号电流量
Figure GDA0002346341850000021
作为下一时刻T(k+1)时刻的输入量id(k+1)、iq(k+1)，将采集得到的三相定子电流，通过坐标变换得到T(k)时刻的电流量id、iq，得到最优电压矢量ud、uq，然后通过SVPWM调制技术，产生控制逆变器的开关脉冲，以此来实现电流环的快速响应控制。
作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：对电动公交车多盘永磁同步电机驱动应用BP神经网络进行效率最优的转矩分配。
作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：所述BP神经网络采用三层BP神经网络，其中输入层含有两个神经元，输出层含有三个神经元，隐含层含有四个神经元。
作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：对电动公交车多盘永磁同步电机进行无差拍电流预测控制，通过SVPWM调制技术，产生控制逆变器的开关脉冲，以此来实现电流环的快速响应控制。
作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：所述永磁同步电机采用多盘永磁同步电机。
作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：将多盘式永磁同步电机等效为多个单盘永磁同步电机同轴相连的情况，每组定子绕组可以独立控制，总转矩与各盘定子转矩存在约束：T＝T1+T2+T3+···+Tn；
多盘永磁同步电机机械角速度为ω，则每个单盘永磁同步电机输出机械功率分别为T1ω、T2ω、T3ω、…、Tnω。在速度为ω，转矩为T1、T2、T3、…、Tn时对应的单盘永磁同步电机效率分别为η1、η2、η3、…、ηn，令T1＝a1T，T2＝a2T，T3＝a3T，…，Tn＝anT其中a1、a2、a3、…、an∈[0,1]，且a1+a2+a3+···+an＝1，则相应的每盘永磁同步电机模块的输入功率分别为：
Figure GDA0002346341850000031
Figure GDA0002346341850000032
Figure GDA0002346341850000033
…
Figure GDA0002346341850000034
总输入功率为：
Figure GDA0002346341850000035
总输出功率为：
Po＝Tω
系统效率为：
Figure GDA0002346341850000036
由于在某一时刻总转矩T和转速ω为定值，所以总输出功率为定值，要想提高系统效率只有减小总输入功率，即减小Pi。令
Figure GDA0002346341850000037
求Pi最小即求a1、a2、a3、…、an的值使A为最小值。
与现有技术相比，本效率优化方法方法的有益效果在于：
1、将BP神经网络算法应用到电机驱动效率优化，能够最大程度拓宽电机运行高效率区间；
2、将无差拍电流预测控制应用到电机电流环响应速度优化上，能够为控制系统提供低转矩脉动和高电流频率响应。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为三定子-双转子盘式永磁同步电机立体结构图。
图2为电动公交车用三盘永磁同步电机驱动系统拓扑结构图。
图3为转矩分配控制框图。
图4为转矩分配的BP神经网络拓扑结构图。
图5为单盘控制系统结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
参照图1、2，为本发明的一个实施例，该实施例提供了一种基于效率最优的电动公交车用永磁同步电机转矩分配方法，该方法提出电动公交车效率最优转矩分配系数这一概念，此系数为由测得输入输出功率计算得到电动公交车效率最优情况下的各定子转矩占三盘永磁同步电机总转矩比例。此外，该方法将BP神经网络算法用于三盘轴向磁通永磁同步电机转矩分配以达到效率最优的效果，该方法具体包括以下步骤：
1、将三盘永磁同步电机总输出转矩与输入输出功率分配为各定子输出转矩与输入输出功率，根据实验测得的多组转矩、转速与效率的数据，建立各定子转矩分配系数与转速、转矩、效率以及输入功率之间的数学关系，结合总三盘永磁同步电机功率与各定子功率之间的关系，由之得到三盘永磁同步电机总效率与各定子效率、各定子转矩分配系数的关系；
2、将三盘永磁同步电机总输出转矩与输入输出功率分配为各定子输出转矩与输入输出功率，根据实验测得的多组转矩、转速与效率的数据，以转矩与转速作为神经网络输入层的两个输入量；效率最优时各定子转矩分配占比分别为神经网络输出层的三个输出量。
3、根据步骤1中得到单盘定子的转矩分配系数与转速、转矩以及效率，通过数据拟合得到单定子转矩分配系数效率函数与转速及转矩的三维模型，由于各定子模块完全相同，对于任意转速转矩情况都有对应的各个定子转矩分配系数效率函数，即可以确定三盘永磁同步电机总效率；
4、分别设计隐含层神经元与输出神经元激发函数，将网络输出与理想输出误差带入规定误差性能指标函数，按照梯度下降法对网络的加权系数进行修正，并得到输出层与隐含层的连接权值学习算法；当误差趋向于零时，连接权值停止更新，此时得到的权值就是神经网络学习到的最优信息。
5、利用无差拍电流预测控制对优化电流响应速度，提高稳定性：将单盘永磁同步电机的电流作为状态变量，得到三盘永磁同步电机的状态方程，采用一阶泰勒公式对电流状态方程进行离散化，将给定的信号电流量
Figure GDA0002346341850000052
作为下一时刻T(k+1)时刻的输入量id(k+1)、iq(k+1)，将采集得到的三相定子电流，通过数学坐标系变换得到T(k)时刻的电流量id、iq，得到最优电压矢量ud、uq，然后通过SVPWM调制技术，产生控制逆变器的开关脉冲，以此来实现电流环的快速响应控制。
图1为三定子-双转子盘式永磁同步电机立体结构图，本发明忽略三组定子绕组之间及两个转子盘之间相互影响，将三盘永磁同步电机等效为三个永磁同步电机同轴相连的情况，每组定子绕组可以独立控制。电磁转矩方程为：
Figure GDA0002346341850000051
式中，T为三盘永磁同步电机总电磁转矩；
Te1、Te2、Te3分别为定子1、2、3绕组的电磁转矩；
iq1、iq2、iq3分别为定子1、2、3绕组电流矢量在q轴的分量。
图3为转矩分配控制框图，三盘永磁同步电机输出转矩为T，三组电机模块输出转矩分别为T1、T2、T3，转矩分配框图如图3所示，则总转矩与各盘定子转矩存在约束：
T＝T1+T2+T3 (2)
三盘永磁同步电机机械角速度为ω，则三组盘式永磁同步电机模块输出机械功率分别为T1ω、T2ω、T3ω。在速度为ω，转矩为T1、T2、T3时对应的单盘永磁同步电机效率分别为η1、η2、η3，令T1＝a1T，T2＝a2T，T3＝a3T，其中a1、a2、a3属于[0,1]，且a1+a2+a3＝1，则相应的每盘永磁同步电机的输入功率分别为：
Figure GDA0002346341850000061
Figure GDA0002346341850000062
Figure GDA0002346341850000063
总输入功率为：
Figure GDA0002346341850000064
总输出功率为：
Po＝Tω (7)
系统效率为：
Figure GDA0002346341850000065
由于在某一时刻总转矩T和转速ω为定值，所以总输出功率为定值，要想提高系统效率只有减小总输入功率，即减小Pi。令
Figure GDA0002346341850000066
求Pi最小即求a1、a2、a3的值使A为最小值。
所述BP神经网络采用三层BP神经网络，如图4所示：其中输入层含有两个神经元，输出层含有三个神经元，隐含层含有四个神经元。输入层的两个输入量分别为总转矩T和转速ω，输出层的三个神经元的状态分别对应a1、a2、a3三个参数。
隐含层的计算公式为：
Figure GDA0002346341850000067
隐含层神经元的输出采用S函数激发：
Figure GDA0002346341850000068
网络输出的计算公式为：
Figure GDA0002346341850000071
输出层神经元的输出也采用S函数激发：
Figure GDA0002346341850000072
网络输出与理想输出误差为：
ek＝Qk-Yk (13)
规定误差性能指标函数为：
Figure GDA0002346341850000073
按照梯度下降法对网络的加权系数进行修正，即按照性能指标函数对加权系数进行负梯度方向搜索调整，输出层与隐含层的连接权值学习算法为：
Figure GDA0002346341850000074
上式中的η称为学习速率，为事先设定的常数，用于控制连接权值调整的速度。从梯度下降算法的公式可以看出，当误差趋向于零时，
Figure GDA0002346341850000075
将趋向于零，这会使得连接权值不会再更新，此时得到的权值就是神经网络学习到的最优信息。
t+1时刻输出层与隐含层的连接权值为：
wjk(t+1)＝wjk(t)+Δwjk (16)
隐含层及输入层连接权值学习算法为：
Figure GDA0002346341850000076
t+1时刻隐含层及输入层连接权值为：
wij(t+1)＝wij(t)+Δwij (18)
采用梯度下降算法时，有时会使得误差会在某个范围内来回波动，这是因为η设置的太大造成的。而当η设置的太小时，会使得误差进入局部最小点，达到局部最小点后会使得梯度值Δw趋向于零，一般称为梯度消失现象，这会使得性能函数无法达到全局最优。为了不让误差来回大范围的波动以及出现梯度消失现象，在梯度下降法中加入一个动量因子α,0＜α＜1。权值变换量变为：
Figure GDA0002346341850000081
从上式可以看出，当前权值的改变和上一次权值的改变相关。若Δw(t)＞0，当前权值的改变是正确的，并且能加速本次权值的改变；若Δw(t)＜0，则会抑制当前权值继续朝错误的方向改变。这样可以有效地抑制误差波动和进入局部最小的情形。
为了便于分析，以三盘永磁同步电机中的单盘控制系统为控制对象，研究矢量控制策略，单盘控制系统的结构框图如图5所示。
该单盘控制系统包括一个速度环和两个电流环，其中T*为给定转矩，T为限幅后的给定转矩，Tmax为速度控制器的输出；K为转矩与q轴电流的转换系数，取值大小与盘式永磁同步电机参数有关。电流环的控制要求是使输出转矩跟随给定转矩；转速环的控制要求是使盘式永磁同步电机转速不超过最高转速，通过限制给定转矩T*的幅值来实现。当盘式永磁同步电机转速低于最高转速时，速度环不起作用，系统工作在电流单闭环模式；当盘式永磁同步电机加速，转速逐渐接近最高转速，速度控制器的输出值逐渐减小，直到小于给定转矩T*时，系统工作在转速、电流双闭环模式，使盘式永磁同步电机不超过最高转速。
由三盘永磁同步电机数学模型可知，在d、q轴下的电压方程为：
Figure GDA0002346341850000082
式中，ud，id为定子电压和电流矢量在d轴的分量；
uq，iq为定子电压和电流矢量在q轴的分量；
ψf为永磁体基波励磁磁场耦合到定子绕组的磁链；
Rs为定子绕组电阻，L为同步电感；
ωe为电角速度；
将盘式永磁同步电机的电流作为状态变量，就可以得到三盘永磁同步电机的状态方程：
Figure GDA0002346341850000091
当采样周期T足够小，可以采用一阶泰勒公式对电流状态方程进行离散化，可以近似的有以下公式：
Figure GDA0002346341850000092
将(21)带入(22)，就可以到的离散化后的电流预测模型：
Figure GDA0002346341850000093
将给定的信号电流量
Figure GDA0002346341850000094
作为下一时刻T(k+1)时刻的输入量id(k+1)、iq(k+1)，将采集得到的三相定子电流，通过数学坐标系变换得到T(k)时刻的电流量id、iq，再结合式(21)就可以得到如式(24)的最优电压矢量ud、uq，然后通过SVPWM调制技术，产生控制逆变器的开关脉冲，以此来实现电流环的快速响应控制，使得实际电流在一个采样周期之后跟随上给定电流，当采样周期足够小时可认为是无差拍跟随给定信号。
Figure GDA0002346341850000095
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种基于效率最优的电动公交车用永磁同步电机转矩分配方法，其特征在于：包括，
S1：通过实验测得多盘永磁同步电机的多组转矩、转速与效率最优转矩分配系数的数据，以转矩与转速作为神经网络输入层的两个输入量，效率最优时各定子转矩分配系数作为神经网络输出层的三个输出量；所述定子转矩分配系数为各个单盘定子分配的转矩占多盘永磁同步电机总转矩比例；
S2：设计隐含层神经元输出神经元激发函数，将网络输出与理想输出误差带入规定误差性能指标函数，按照梯度下降法对网络的加权系数进行修正，并得到输出层与隐含层的连接权值学习算法；当误差趋向于零时，连接权值停止更新，此时得到的权值就是神经网络学习到的最优信息；
S3：利用无差拍电流预测控制优化电流响应速度。
2.如权利要求1所述的基于效率最优的电动公交车用永磁同步电机转矩分配方法，其特征在于：所述效率最优转矩分配系数为由测得输入输出功率计算得到电动公交车效率最优情况下的各单盘定子转矩占多盘永磁同步电机总转矩比例。
3.如权利要求1或2所述的基于效率最优的电动公交车用永磁同步电机转矩分配方法，其特征在于：步骤S3具体包括：
分别将单盘永磁同步电机的电流作为状态变量，得到多盘式永磁同步电机的状态方程，采用一阶泰勒公式对电流状态方程进行离散化，将给定的信号电流量
Figure FDA0002346341840000011
作为下一时刻T(k+1)时刻的输入量id(k+1)、iq(k+1)，将采集得到的三相定子电流，通过坐标变换得到T(k)时刻的电流量id、iq，得到最优电压矢量ud、uq，然后通过SVPWM调制技术，产生控制逆变器的开关脉冲，以此来实现电流环的快速响应控制。
4.如权利要求3所述的基于效率最优的电动公交车用永磁同步电机转矩分配方法，其特征在于：对电动公交车多盘永磁同步电机驱动应用BP神经网络进行效率最优的转矩分配。
5.如权利要求4所述的基于效率最优的电动公交车用永磁同步电机转矩分配方法，其特征在于：所述BP神经网络采用三层BP神经网络，其中输入层含有两个神经元，输出层含有三个神经元，隐含层含有四个神经元。
6.如权利要求1、2、4或5任一所述的基于效率最优的电动公交车用永磁同步电机转矩分配方法，其特征在于：对电动公交车多盘永磁同步电机进行无差拍电流预测控制，通过SVPWM调制技术，产生控制逆变器的开关脉冲，以此来实现电流环的快速响应控制。
7.如权利要求6所述的基于效率最优的电动公交车用永磁同步电机转矩分配方法，其特征在于：所述永磁同步电机采用多盘永磁同步电机。
8.如权利要求7所述的基于效率最优的电动公交车用永磁同步电机转矩分配方法，其特征在于：将多盘式永磁同步电机等效为多个单盘永磁同步电机同轴相连的情况，每组定子绕组可以独立控制，总转矩与各盘定子转矩存在约束：
T＝T1+T2+T3+···+Tn
多盘永磁同步电机机械角速度为ω，则每个单盘永磁同步电机输出机械功率分别为T1ω、T2ω、T3ω、…、Tnω；在速度为ω，转矩为T1、T2、T3、…、Tn时对应的单盘永磁同步电机效率分别为η1、η2、η3、…、ηn，令T1＝a1T，T2＝a2T，T3＝a3T，…，Tn＝anT其中a1、a2、a3、…、an∈[0,1]，且a1+a2+a3+···+an＝1，则相应的每盘永磁同步电机模块的输入功率分别为：
Figure FDA0002346341840000021
总输入功率为：
Figure FDA0002346341840000022
总输出功率为：
Po＝Tω
系统效率为：
Figure FDA0002346341840000023
由于在某一时刻总转矩T和转速ω为定值，所以总输出功率为定值，要想提高系统效率只有减小总输入功率，即减小Pi；令
Figure FDA0002346341840000031
求Pi最小即求a1、a2、a3、…、an的值使A为最小值。
CN201910631788.9A 2019-07-12 2019-07-12 基于效率最优的电动公交车用永磁同步电机转矩分配方法 Active CN110247586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910631788.9A CN110247586B (zh) 2019-07-12 2019-07-12 基于效率最优的电动公交车用永磁同步电机转矩分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910631788.9A CN110247586B (zh) 2019-07-12 2019-07-12 基于效率最优的电动公交车用永磁同步电机转矩分配方法

Publications (2)

Publication Number Publication Date
CN110247586A CN110247586A (zh) 2019-09-17
CN110247586B true CN110247586B (zh) 2020-04-14

Family

ID=67892209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910631788.9A Active CN110247586B (zh) 2019-07-12 2019-07-12 基于效率最优的电动公交车用永磁同步电机转矩分配方法

Country Status (1)

Country Link
CN (1) CN110247586B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110877532A (zh) * 2019-11-28 2020-03-13 安徽中车瑞达电气有限公司 一种智能矿用电机车
CN111555680B (zh) * 2020-05-22 2022-03-22 天津大学 一种永磁同步电机无差拍预测电流控制方法
CN112468035B (zh) * 2020-12-21 2022-07-12 哈尔滨工业大学 可调磁通永磁同步电机全速域效率最优控制磁化状态选择方法及在线控制方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040097021A (ko) * 2004-10-12 2004-11-17 순천대학교 산학협력단 유도전동기의 고성능 제어를 위한 적응 fnn 제어 시스템
KR100850185B1 (ko) * 2007-07-02 2008-08-04 순천대학교 산학협력단 신경회로망을 이용한 ipmsm의 효율 최적화 제어시스템
CN108819934B (zh) * 2018-06-20 2021-12-07 北京理工大学 一种混合动力车辆的动力分配控制方法
CN108791270B (zh) * 2018-06-20 2021-10-29 北京理工大学 一种混合动力车辆基于工况预测的动力部件工作点调控方法

Also Published As

Publication number Publication date
CN110247586A (zh) 2019-09-17

Similar Documents

Publication Publication Date Title
CN110247586B (zh) 基于效率最优的电动公交车用永磁同步电机转矩分配方法
CN109194219B (zh) 一种基于无模型非奇异终端滑模控制永磁同步电机的方法及系统
CN110266226B (zh) 一种基于模型预测控制的电动汽车能效控制方法
Evangelou et al. Advances in the modelling and control of series hybrid electric vehicles
CN110401390B (zh) 基于观测器的永磁同步电机随机命令滤波模糊控制方法
CN113131816A (zh) 混合转子双定子同步电机最大转矩电流比控制系统及方法
CN112134501A (zh) 一种基于粒子群算法的永磁同步电机转速控制方法
CN112953329B (zh) 隐极式混合励磁电机铜耗最小控制系统及方法
Mohamed et al. Modeling and simulation of vector control for a Permanent Magnet Synchronous Motor in electric vehicle
Zhao et al. Research on deadbeat current prediction vector control system of axial flux permanent magnet synchronous motor for electric bus based on efficiency optimal torque distribution method
CN111497857B (zh) 一种车用最优效率获取方法及系统
CN106934174B (zh) 一种电力推进船舶实验平台的建模及稳定性分析方法
CN109861618B (zh) 混合动力汽车用bsg交流电机抗干扰复合控制器的构造方法
Dogan et al. Application of speed control of permanent magnet synchronous machine with PID and fuzzy logic controller
Popescu et al. Energy efficiency improvement for an electric vehicle PM BLDC propulsion system using phase advance and dwell control
CN111162714A (zh) 考虑参数失配的多相储能永磁电机鲁棒预测转矩控制方法、系统及介质
CN112019111B (zh) 基于状态约束的永磁同步电动机随机系统模糊自适应控制方法
CN114977955A (zh) 一种永磁同步电机的全域控制方法、装置及永磁同步电机
Cheng et al. Field weakening control of a PM electric variable transmission for HEV
CN113343592A (zh) 一种新能源飞机的永磁同步电机dqn智能控制方法
Gao et al. Model predictive control of permanent magnet synchronous motor based on state transition constraint method
Kumar et al. Dynamic modeling and analysis of control techniques of an induction motor drive for application in an electric vehicle
CN111181453A (zh) 一种永磁同步轮毂电机过采样无差拍补偿控制器的构造方法
CN116054665B (zh) 一种航空永磁发电整流系统功率解耦控制方法
CN111200381B (zh) 一种新能源汽车驱动电机鲁棒最优抗干扰控制器的构造方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20221009

Address after: No. 131, Shituyan, Shitu Village, Yangchenghu Town, Xiangcheng District, Suzhou City, Jiangsu Province, 215138

Patentee after: Suzhou Qizun New Energy Technology Co.,Ltd.

Address before: 200444 No. 99, upper road, Shanghai, Baoshan District

Patentee before: Shanghai University

TR01 Transfer of patent right