CN110266226A - 一种基于模型预测控制的电动汽车能效控制方法 - Google Patents

Abstract

本发明公开了一种基于模型预测控制的电动汽车能效控制方法，包括以下步骤：1)根据电动汽车的属性，建立电动汽车的动力学模型；2)建立永磁同步电机在同步旋转的d‑q坐标系下的模型；3)建立基于永磁同步电机的电动汽车PMSM‑EV的整体模型；4)建立预测控制的优化模型；5)求解优化模型，将求得的电机直轴电流i_d和交轴电流i_q作为预测控制的输出。本发明方法通过搭建MPC算法框架，将预测控制问题转化为以电机直轴电流i_d和交轴电流i_q为变量的优化问题，可以保证电动汽车拥有更好的动态性能和更低的能量损耗，尤其是在变工况时拥有显著的效率提升。

Description

一种基于模型预测控制的电动汽车能效控制方法

技术领域

本发明涉及新能源汽车技术，尤其涉及一种基于模型预测控制(MPC)的电动汽车(EV)能效控制方法。

背景技术

石油资源的日益短缺以及汽车环境污染等因素，迫使人们开始重新考虑未来汽车的动力问题。而集多项高新技术于一体的电动汽车具有无排放污染、噪声低、维修及运行成本低等特点，正在引起世界汽车工业的一场革命，将取代燃油汽车成为未来汽车的主流。

一次充电续行里程短是目前制约电动汽车发展的主要因素之一，而电动汽车驱动系统的效率优化是解决续行里程短问题的有效途径之一。电动汽车驱动系统由电池、电动机、逆变器及控制器组成，驱动系统不仅要求有良好的动静态特性和较宽的调速范围，而且对能量利用效率的要求相当苛刻。由于电动汽车运行过程中道路状况和驾驶模式多变，车辆工况会经常变换。驱动系统的整体效率会随着输出功率有很大的差异。因此，驱动系统效率优化应从整车控制的角度出发，对电机的控制算法进行改进，使得车辆在整个工况变换过程中，电动汽车驱动系统能够高效运行。大部分驱动系统优化研究对变工况优化控制研究较少，而电动汽车运行过程中会经过大量的变工况过程，因此，在变工况条件下研究效率优化更符合电动汽车实际运行过程。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于模型预测控制的电动汽车能效控制方法。

本发明解决其技术问题所采用的技术方案是：一种基于模型预测控制的电动汽车能效控制方法，包括以下步骤：

1)根据电动汽车的属性，建立电动汽车的动力学模型；

其中，J_v为车轮转动惯量，ω_v为车轮转速，T_v为连接车轮的传动轴输出力矩，T_L为汽车前进过程中总的阻力矩；

2)建立永磁同步电机在同步旋转的d-q坐标系下的模型；

其中，J_m为电机轴联转动惯量，ω_m为电机的转子角速度，T_e为电机输出的电磁转矩，T_LM为电机负载阻力矩；

T_e＝1.5p_n[Ψ_mi_q+(L_d-L_q)i_di_q]

其中，i_d为电机直轴电流，i_q为电机交轴电流，u_d为d轴电压；u_q为q轴电压；i_d为d轴电流；i_q为q轴电流；L_d为d轴电感；L_q为q轴电感；Ψ_m为永磁体产生的磁链；p_n为极对数；R为定子电阻。

3)将永磁同步电机和电动汽车的模型，通过传动系统进行连接，建立基于永磁同步电机的电动汽车PMSM-EV的整体模型，得到PMSM-EV的转速力矩关系；

其中，n为传动系统的变速比，T_v＝nT_LM，ω_m＝nω_v；

4)设计模型预测控制的代价函数，根据代价函数和PMSM-EV的转速力矩关系，建立预测控制的优化模型，优化模型以总能耗和速度响应为目标，具体如下：

5)求解优化模型，将求得的电机直轴电流i_d和交轴电流i_q作为本次预测控制的输出，即可实现滚动优化的控制效果。

本发明产生的有益效果是：

1、整合了永磁同步电机和电动汽车的数学模型，因此该电机控制方法可以有效地控制电动汽车；

2、本控制方法着重考虑变工况下的电动汽车能耗和速度响应情况，因此可以对电动汽车的变速过程进行高效的控制，尤其在复杂的路况下可以显著提升电动汽车效率。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的方法流程图；

图2是本发明一个实施例的控制系统设计框图；

图3是本发明一个实施例和两种传统控制方法对比实验的加速过程中电动汽车速度响应对比示意图；

图4是本发明一个实施例和两种传统控制方法对比实验的加速过程中的电动汽车能耗对比示意图；

图5是本发明一个实施例和两种传统控制方法对比实验的加速过程中的电机电流对比示意图；

图6是本发明一个实施例和两种传统控制方法对比实验的加速过程中的电机输出转矩和负载转矩对比示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，一种基于模型预测控制的电动汽车能效控制方法，如图1所示，包括以下步骤：

步骤1，对电动汽车进行受力分析，考虑主要影响电动汽车的外界因素，建立电动汽车的动力学模型。根据PMSM的内部原理建立其d-q坐标轴下驱动电流和转速的关系。通过传动系统整合电动汽车模型和PMSM模型建立PMSM-EV模型，为控制算法的设计奠定基础。

步骤1中搭建基于永磁同步电机的电动汽车数学模型，根据永磁同步电机和电动汽车的原理分别进行建模，然后通过传动系统进行连接，建立PMSM-EV的整体模型。其中电动汽车的动力学模型可以表示为

式中：v为汽车行驶速度；m为汽车的质量；δ为汽车旋转质量换算系数；F_T为汽车牵引力；F_R为道路行驶阻力。

空气阻力F_wind可以近似表示为

式中：c_air为空气阻力系数；ρ_a为空气密度；A_L为汽车前向迎风面积。

道路行驶阻力F_R为

F_R＝mg(fcosα+sinα) (3)

式中：f为滚动阻力系数。

在电动汽车运动过程中存在以下关系。

式中：r为车轮半径；ω_v为车轮转速；T_v为连接车轮的传动轴输出力矩；T_R为道路行驶阻力矩；T_w为风阻力矩；T_L为汽车前进过程中总的阻力矩；J_v为车轮转动惯量。

式(1)可以转化为

电动汽车传动轴力矩来自PMSM。PMSM在同步旋转的d-q坐标系下的数学模型^[18]可以表示为

T_e＝1.5p_n[Ψ_mi_q+(L_d-L_q)i_di_q] (9)

式中：u_d为d轴电压；u_q为q轴电压；i_d为d轴电流；i_q为q轴电流；L_d为d轴电感；L_q为q轴电感；ω_m为电机的转子角速度；Ψ_m为永磁体产生的磁链；T_e为电机输出的电磁转矩；p_n为极对数；J_m为电机轴联转动惯量；T_LM为电机负载阻力矩；R为定子电阻。

电机输出的电磁转矩可以通过电动汽车的传动系统传输到车轮上，从而产生牵引力推动汽车前进。根据电机和车轮之间的传动关系可以得到

T_v＝nT_LM,ω_m＝nω_v (11)

式中：n为传动系统的变速比，对电动汽车而言一般为常数。

根据式(5)，式(10)和式(11)可以得到PMSM-EV的转速力矩关系。

步骤2，根据步骤1建立的PMSM-EV模型建立MPC框架。考虑到电动汽车的性能指标，在设计MPC的代价函数时综合考虑了电动汽车的速度响应和动态能耗。可以将MPC的代价函数归结为一个关于i_d和i_q的非线性最优化问题，通过求解这个最优化问题可以得到合适的电流给定值。

MPC的代价函数可以表示为

式中：P(k)为电动汽车能耗功率；ω_r和ω(k)分别为电动汽车的设定转速和实际转速；α和β为权重系数。假设PMSM和电动汽车之间的传动系统没有能量损耗，P(k)可以表示为电机输出功率和损耗功率之和。

式中：Te(k)为电机输出的电磁转矩，将式(9)代入可得

在实际控制中为了便于调节权重系数，最常用的方法为归一化代价函数，将两个权重系数分别除以函数各项额定值，可以表示为

式中：P_max为电机额定输出功率；ω_r为电动汽车的设定转速。通过调节α₀和β₀即可改变能耗和速度跟踪在代价函数中所占的比重。

将式(12)离散化，可以得到电动汽车转速的递推公式为

根据以上分析，可以将每一步预测控制归结为一个非线性最优化问题

式中：ω为当前时刻电动汽车角速度测量值，通过式(17)可以递推出之后n-1个时刻角速度。T_L为当前时刻观测到的阻力矩，在接下来n-1个时刻的预测中忽略风阻和路面的变化，假设T_L为定值。

设X＝[i_d(1),i_d(2)...i_d(n),i_q(1),i_q(2)...i_q(n),ω(1),ω(2)...ω(n)]^T为优化变量，使用信赖域反射算法可以求解这个多元非线性最优化问题。将求得的i_d(1)和i_q(1)作为本次预测控制的输出，即可实现滚动优化的控制效果。

步骤3，搭建控制系统的仿真框图，如图2所示。通过编写控制程序可以在此控制系统中完成MPC算法的设计，其中控制算法模块可以灵活地更换成不同控制算法进行仿真实验，通过对比可验证本发明的优越性。

图3到图6为本发明一个实施例和两种传统的控制方法，i_d＝0方法和MTPA方法的对比实验结果，控制对象为一个电动汽车从5km/h到50km/h的加速过程

从图3中可以看出i_d＝0方法的上升时间为8.5s，MTPA方法的上升时间为3.6s，这两种方法都存在一定的超调。而MPC方法的上升时间和MTPA方法一样为3.6s，但是基本没有超调。由于i_d＝0方法保持直轴电流i_d为零，仅通过控制交轴电流i_q来控制PMSM输出的电磁转矩，没有对电机交直轴电感不相等产生的磁阻转矩进行有效利用，所以上升速度慢。MTPA方法可以保证单位定子电流输出最大的电磁转矩，合理地选取i_d和i_q的给定值，这种方法不仅充分利用了磁阻转矩，还能保证电动汽车的稳态损耗功率最小，但是没有对加速过程进行有效控制，并且存在超调。MPC方法能保证电动汽车加速过程中的最大加速度，其前瞻性可以在电动汽车的速度接近给定值时减小加速度，从而保证最快的上升速度同时基本无超调。

图4展示了三种控制方法在100m的行驶距离内的能耗对比。可以看出，i_d＝0方法消耗的能量最大，主要由于这种方法没有有效地利用直轴电流。MTPA方法的能耗一开始与MPC方法相同，但由于超调的存在，达到稳态前浪费了部分能量，所以总能耗要高于MPC方法。

从图5中可以看出进入稳态后MPC方法在代价函数中能耗项作用下，可以求解出损耗最小的i_d和i_q给定值组合，和MTPA方法的计算结果相同。MPC方法在拥有最快的响应速度和无超调的同时，可以保证稳态时和MTPA方法拥有一样的低损耗。

从图6中可以看出在加速过程中风阻影响较小，负载转矩基本保持恒定。相对于i_d＝0方法，MTPA方法和MPC方法能输出较大转矩，因此具有更大的加速度。MTPA方法在进入稳态前输出转矩产生较大波动，导致电动汽车速度产生一定超调，而MPC方法能够实现转矩的快速平稳切换，具有更好的控制效果。

从实验得到的曲线图可以看出：本发明提出的基于MPC的能效控制方法可以保证电动汽车在变工况时拥有更好的动态性能和更低的能量损耗，而且其优化结果也保证了电动汽车稳态能耗的与传统的MTPA方法一样低。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (4)

1.一种基于模型预测控制的电动汽车能效控制方法，其特征在于，包括以下步骤：

1)根据电动汽车的属性，建立电动汽车的动力学模型；建立的电动汽车的动力学模型如下：

其中，J_v为车轮转动惯量，ω_v为车轮转速，T_v为连接车轮的传动轴输出力矩，T_L为汽车前进过程中总的阻力矩；

2)建立永磁同步电机在同步旋转的d-q坐标系下的模型；

其中，J_m为电机轴联转动惯量，ω_m为电机的转子角速度，T_e为电机输出的电磁转矩，T_LM为电机负载阻力矩；

T_e＝1.5p_n[Ψ_mi_q+(L_d-L_q)i_di_q]

其中，i_d为电机直轴电流，i_q为电机交轴电流，u_d为d轴电压；u_q为q轴电压；i_d为d轴电流；i_q为q轴电流；L_d为d轴电感；L_q为q轴电感；Ψ_m为永磁体产生的磁链；p_n为极对数；R为定子电阻。

3)将永磁同步电机和电动汽车的模型，通过传动系统进行连接，建立基于永磁同步电机的电动汽车PMSM-EV的整体模型，得到PMSM-EV的转速力矩关系；

其中，n为传动系统的变速比，T_v＝nT_LM，ω_m＝nω_v；

4)设计模型预测控制的代价函数，根据代价函数和PMSM-EV的转速力矩关系，建立预测控制的优化模型，优化模型以总能耗和速度响应为目标；

5)求解优化模型，将求得的电机直轴电流i_d和交轴电流i_q作为预测控制的输出，即可实现滚动优化的控制效果。

2.根据权利要求1所述的基于模型预测控制的电动汽车能效控制方法，其特征在于，所述步骤4)中，代价函数设计表示为

式中：P(k)为电动汽车能耗功率；ω_r和ω(k)分别为电动汽车的设定转速和实际转速；α和β为权重系数。

3.根据权利要求1所述的基于模型预测控制的电动汽车能效控制方法，其特征在于，所述步骤4)中，优化模型具体如下：

其中，P(k)为电动汽车能耗功率；ω_r和ω(k)分别为电动汽车的设定转速和实际转速；α₀和β₀为权重系数，通过调节α₀和β₀即可改变能耗和速度跟踪在代价函数中所占的比重，P_max为电机额定输出功率；R为电机定子电阻。

4.根据权利要求1所述的基于模型预测控制的电动汽车能效控制方法，其特征在于，所述步骤5)中，求解模型时采用信赖域反射算法求解不同条件下最优电流给定值。