CN110347041A - 一种电动客车用多盘轴向磁通永磁同步电机效率优化方法 - Google Patents
一种电动客车用多盘轴向磁通永磁同步电机效率优化方法 Download PDFInfo
- Publication number
- CN110347041A CN110347041A CN201910631785.5A CN201910631785A CN110347041A CN 110347041 A CN110347041 A CN 110347041A CN 201910631785 A CN201910631785 A CN 201910631785A CN 110347041 A CN110347041 A CN 110347041A
- Authority
- CN
- China
- Prior art keywords
- efficiency
- torque
- motor
- stator
- polydisc
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Ac Motors In General (AREA)
Abstract
本发明提供一种电动客车用多盘轴向磁通永磁同步电机效率优化方法,通过建立电机总效率与各定子效率、各定子转矩分配系数的关系,建立三者之间的三维模型,并利用粒子群算法多次迭代计算得出电机总效率最优解。将粒子群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,同时也能能够增加电动汽车续航里程。
Description
技术领域
本发明涉及永磁同步电机技术领域,特别是,涉及一种电动客车用多盘轴向磁通永磁同步电机效率优化方法。
背景技术
电动中型客车与以内燃机为动力的汽车相比具有很多优势,如电动中型客车振动噪音小,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。纯电动中型客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,适用于载客量更大的电动中型客车使用。现有研究中,对双转子-单定子轴向磁通永磁同步电机基于麦克斯韦方程组和磁等效电路组合解进行了解析建模,对双转子-单定子的轴向磁通永磁同步电机进行了优化设计。而相对于双转子-单定子的轴向磁通永磁同步电机,双定子-单转子结构的轴向磁通永磁同步电机具有较好的散热性能和较大的额定输出转矩。传统的效率优化方法一般从以下几个方面进行:从电机结构或材料等方面减小定转子铁耗、定子铜耗等损耗提高效率,从电机控制方面采用空间矢量控制或直接转矩控制提高效率。
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。
因此,本发明要解决的技术问题在于克服现有技术中的转矩分配方法中存在的缺陷,从而提供一种电动客车用多盘轴向磁通永磁同步电机效率优化方法。
为解决上述技术问题,本发明提供如下技术方案:一种电动客车用多盘轴向磁通永磁同步电机效率优化方法,包括以下步骤,
S1:实验测得多盘轴向磁通永磁同步电机的多组转矩、转速与效率的数据,建立各定子输入输出转矩的数学关系,并由之得到电机总效率与各定子效率、各定子转矩分配系数的关系,并以此作为适应度函数;
S2:通过数据拟合,建立以单个定子的转矩分配系数效率函数、电机转速和电机总转矩的三维模型;
S3:对所述三维模型进行粒子群算法寻优,电机总效率与转矩分配系数效率函数的关系作为适应度函数,进过多次迭代计算,得出使电机总效率最大时的定子转矩分配系数的最优解。
作为本发明所述电动客车用多盘轴向磁通永磁同步电机效率优化方法的一种优选方案,其中:定子转矩分配系数为各个定子分配的转矩占多盘轴向永磁同步电机总转矩的比例,且各个定子的分配系数之和为1.
作为本发明所述电动客车用多盘轴向磁通永磁同步电机效率优化方法的一种优选方案,其中:所述单个定子的转矩分配系数效率函数为不同转矩转速下单个定子的转矩分配系数与单个定子的效率之比。
作为本发明所述电动客车用多盘轴向磁通永磁同步电机效率优化方法的一种优选方案,其中:所述适应度函数为各个定子的转矩分配系数效率函数之和。
作为本发明所述电动客车用多盘轴向磁通永磁同步电机效率优化方法的一种优选方案,其中:所述适应度函数值最小时,所述电机总效率最大,所述粒子群算法寻得最优解。
作为本发明所述电动客车用多盘轴向磁通永磁同步电机效率优化方法的一种优选方案,其中:所述多盘轴向磁通永磁同步电机的各个定子模块相同,根据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,用于确定电机总效率。
作为本发明所述电动客车用多盘轴向磁通永磁同步电机效率优化方法的一种优选方案,其中:所述电机总效率包括电机驱动效率和电机制动效率。
作为本发明所述电动客车用多盘轴向磁通永磁同步电机效率优化方法的一种优选方案,其中:所述三维模型中所述转矩为x轴,转速为y轴,将不同转速和转矩情况下的所有转矩分配比例和对应的效率计算出的值作为z轴。
作为本发明所述电动客车用多盘轴向磁通永磁同步电机效率优化方法的一种优选方案,其中:所述S3步骤包括,先确定每一个解空间的一个候选解,每一次迭代得到每一个解空间的最优解以及整个种群最优解,设定学习因子以及惯性权重,使得每一次迭代,粒子向电机效率最大的解靠近
作为本发明所述电动客车用多盘轴向磁通永磁同步电机效率优化方法的一种优选方案,其中:所述学习因子包括局部学习因子和全局学习因子,在迭代过程中对学习因子进行动态调节。
本发明的有益效果:
1.本发明提供电动客车用多盘轴向磁通永磁同步电机效率优化方法,将粒子群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、本发明提供电动客车用多盘轴向磁通永磁同步电机效率优化方法,将粒子群算法应用到电机制动能量回馈效率优化,能够增加电动汽车续航里程。,
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为电动客车用多盘轴向磁通永磁同步电机效率优化方法的步骤图;
图2为为电机驱动效率优化系统框图;
图3为电机能量回馈效率优化系统框图;
图4为驱动状态下的拟合三维模型;
图5为驱动状态下的拟合三维模型;
图6为基于转矩均分策略的系统效率MAP图;
图7为基于粒子群算法的协同优化控制策略系统效率MAP图;
图8为基于转矩均分协同优化策略系统效率MAP图;
图9为基于粒子群算法的协同优化策略系统效率MAP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。
实施例1
本实施例提供了一种电动客车用多盘轴向磁通永磁同步电机效率优化方法,其包括如下步骤:
S1:实验测得多盘轴向磁通永磁同步电机的多组转矩、转速与效率的数据,建立各定子输入输出转矩的数学关系,并由之得到电机总效率与各定子效率、各定子转矩分配系数的关系,并以此作为适应度函数;
S2:通过数据拟合,建立以单个定子的转矩分配系数效率函数、电机转速和电机总转矩的三维模型;
S3:对三维模型进行粒子群算法寻优,电机总效率与转矩分配系数效率函数的关系作为适应度函数,进过多次迭代计算,得出使电机总效率最大时的定子转矩分配系数的最优解。
其中在S1步骤中,将电机总输出转矩与输入功率分配为各定子输出转矩与输入功率:
T=T1+T2
Pi=P1+P2
其中:T为双定子-单转子轴向磁通永磁同步电机输出总转矩;Pi为电机总输入功率,T1、T2分别为两个定子模块对应的输出转矩;P1、P2分别为两定子对应输入功率。
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如下:
其中:a1、a2为两定子模块对应输出转矩占总输出转矩的比值,其中a1+a2=1,a1,a2∈[0,1];η1,η2分别为两定子运行效率;ω为电机的机械角速度。
结合电机总输入功率与各定子输入功率之间的关系:
得到电机总效率与各定子效率、各定子转矩分配系数的关系:
将电机总效率与各定子转矩分配系数效率函数的关系作为适应度函数:
构建适应度函数
A=f(a1)+f(a2);
根据实验测得的转矩、转速与效率的数据,当转矩分配比例a1与a2中确定一个时,A的值就能确定。因此基于总给定转矩与转速,可以采用粒子群算法寻优。
在实施粒子群算法前,建立以单个定子的转矩分配系数效率函数、电机转速和电机总转矩的三维模型。三维模型中所述转矩为x轴,转速为y轴,将不同转速和转矩情况下的所有转矩分配比例和对应的效率计算出的值作为z轴。如图4和图5所示。
当协同优化转矩分配系统输入任意时刻的转矩和转速时,对于z轴上任意一个f(a1)的值,在z轴上都会有一个确定的f(a2)的值与其对应,从而可以计算出所有转矩分配比例下的A的值。粒子群算法的寻优,就是在三维立体图模型上,在迭代次数内找出所有的适应度函数中最小的那一个,输出所对应的a1和a2的分配比例,从而实现效率最优的转矩分配。
在S3步骤中,先确定每一个解空间的一个候选解,每一次迭代得到每一个解空间的最优解以及整个种群最优解,设定学习因子以及惯性权重,使得每一次迭代,粒子向电机效率最大的解靠近
在一个D维参数的搜索空间中,例子组成的种群规模大小为Size。每个粒子代表解空间的一个候选解,其中第i(1≤i≤Size)个粒子在整个解空间的位置表示为Xi,速度表示为Vi。第i个粒子从初始到当前迭代次数搜索产生的最优解为个体极值pi,整个种群目前的最优解为BestS。随机产生Size个粒子,随机产生初始种群的位置矩阵和速度矩阵。设定学习因子c1、c2,最大进化代数G,kg表示当前的进化代数。粒子在解空间中的速度及位置的公式如下:
其中,kg=1,2,...,G,i=1,2,...,Size,r1和r2为0到1的随机数;c1为局部学习因子,c2为全局学习因子,一般取c2大一些,w(t)为惯性权重。
w(t)为惯性权重,代表了粒子更新速度的能力,在迭代初期,应取惯性权重较大,提高粒子群算法的全局搜索能力,在所有解空间内,对所有粒子进行寻优,使得算法大范围搜索能力得到提高,迭代后期,惯性权重取值应减小,在小范围内寻优能力加强,提高精确度。因此,设置惯性权重采用指数递减的方式:
同时,为了避免算法过早收敛,对学习因子进行动态调节:
在种群搜索前期,c1较大c2较小,便于粒子学习自身的最优解,提高了全局搜索能力。在种群搜索后期,c2较大c1较小,便于种群向全局最优解靠拢,增强了局部寻优性能。
实施例2
本实施例提供一种一种电动客车用多盘轴向磁通永磁同步电机能量回馈效率优化方法,此时电机充当发电机,发出功率至电动汽车蓄电池进行存储,该方法包括以下步骤:
第一步:将电机总输出转矩与输出功率分配为各定子输出转矩与输出功率:
T=T1+T2
Po=P1+P2
其中:T为双定子-单转子轴向磁通永磁同步电机输出总转矩;Po为电机总输出功率,T1、T2分别为两个定子模块对应的输出转矩;P1、P2分别为两定子对应输出功率。
根据实验测得的多组转矩、转速与储能效率的数据,建立各定子转矩分配系数与转速、转矩、储能效率以及蓄电池输入功率之间的数学关系如下:
P′1=P1η1=a1Tωη′1
P′2=P2η2=a2Tωη′2,
其中:a1、a2为两定子模块对应输出转矩占总输出转矩的比值,其中a1+a2=1,a1,a2∈[0,1];η′1,η′2分别为两定子输出功率转化至蓄电池储存的效率;ω为电机的机械角速度。
结合电机总回馈功率与各定子回馈功率之间的关系Pi=P′1+P′2=(a1η′1+a2η′2)Tω,由之得到电机总制动回馈效率与各定子制动回馈效率、各定子转矩分配系数的关系:
第二步:根据步骤1中得到单定子的转矩分配系数与转速、制动转矩以及回馈效率,通过数据拟合得到单定子转矩分配系数与能量回馈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与能量回馈效率函数,即可以确定电机总回馈效率;
在制动时,对于A=f(a1)+f(a2),制动时能量回馈的最大效率问题就转化成,给定回馈转矩下两组电机模块如何进行转矩比例分配,使得A的值最小。根据实验得到的转矩、转速与效率的数据,当转矩分配比例a1或a2中有一个确定时,A的值就能确定。因此再给定回馈总转矩指令T,同时会有当时的速度值v,在使用粒子群算法进行寻优时必须基于总给定转矩和转速才能得出最优分配。由于两组电机模块完全相同,不同转速和转矩下的效率值一样,因此只需要通过数据拟合的方法得到f(a1)与总转矩指令T和当时转速v的三维模型。同驱动时同样的方法在能量回馈过程中,通过数据拟合的方法可以得到f(a1)与总转矩指令T和当时转速v的三维模型。其中T为x轴,v为y轴,将不同转速和转矩情况下的所有转矩分配比例和对应的效率计算出的f(a1)的值作为z轴。三维立体图如图5所示。
第三步:对该模型进行粒子群算法寻优,将步骤1中电机总回馈效率与各定子转矩分配系数效率比的关系作为适应度函数:
令:
f′(a1)=a1η′1,f′(a2)=a2η′2
构建适应度函数A=f′(a1)+f′(a2);寻优方法同电机驱动效率寻优一致。
实施例3
本实施例分别在转矩均分和基于粒子群算法的转矩最优分配控制策略下进行电机驱动系统效率实验。电机的最高转速为4500rpm,实验过程中电机转速从500rpm到4500rpm,每隔100rpm取一个速度点,一共41个速度点;在每个速度点下,输出转矩从0Nm增加到600Nm,每隔30Nm选取一个转矩点,一共20个转矩点,则对应了820个效率测试点。通过传感器和存储记录仪器采集每个效率点的输出转矩T、转速n、直流侧输入电压U和电流I。计算出电机驱动系统效率后,最后将转速、输出转矩和效率值导入MATLAB中,生成电机效率MAP图,转矩均分和基于粒子群算法的协同优化控制策略所生成的MAP图如图6和7所示。
经过对比发现,基于粒子群算法的协同优化控制策略能够明显增加双定子轴向磁通PMSM的高效率区间,系统效率在85%以上的区间提高约15%,系统效率在90%以上的区间提高20%,从而验证了所提出的基于粒子群算法的协同优化控制策略的正确性。
与驱动状态下相同,转矩均分和基于粒子群算法的协同优化控制策略所生成的MAP图如图8和9所示。
经过对比发现,基于粒子群算法的协同优化控制策略能够明显增加双定子轴向磁通PMSM在能量回馈状态下的高效率区间,系统效率在85%以上的区间提高约25%,系统效率在90%以上的区间提高约10%,验证了在能量回馈状态下基于粒子群算法的协同优化控制策略的正确性。
电动中型客车续航能力实验
实验条件 | 基于转矩均分分配方法 | 基于转矩最优分配方法 |
空载 | 269km | 293km |
700kg负载 | 232km | 258km |
实验结果表明,本文所设计的电动中型客车用双定子轴向磁通PMSM驱动系统具有良好的续航能力,具有实际意义。并且本文所设计的基于粒子群算法的协同优化控制策略在空载情况下能够提高9%的续航里程;在700kg负载情况下能够提高10%的续航里程。即本文所设计的基于粒子群算法的转矩最优分配方法能够有效的提高系统效率,提高续航能力。
通过对以双定子-单转子AFPMSM为研究对象,利用效率优化方法,为了进一步提高续航里程提出了基于转矩最优分配方法的能量回馈制动控制方法。可得到如下结论:
1.在驱动模式下,基于转矩最优分配的效率优化方法能够明显增加双定子轴向磁通PMSM的高效率区间,系统效率在85%以上的区间提高约15%,系统效率在90%以上的区间提高了20%。
2.在能量制动回馈模式下,基于转矩最优分配的效率优化方法,系统效率在85%以上的区间提高了约25%,系统效率在90%以上的区间提高了约10%。
3.整车实验表明驱动模式下,基于转矩最优分配的效率优化方法在空载情况下能够提高9%的续航里程;在700kg负载情况下能够提高10%的续航里程,表明本文所设计的基于粒子群算法的转矩最优分配方法能够有效的提高系统效率,提高续航能力。
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 (10)
1.一种电动客车用多盘轴向磁通永磁同步电机效率优化方法,其特征在于:包括以下步骤,
S1:实验测得多盘轴向磁通永磁同步电机的多组转矩、转速与效率的数据,建立各定子输入输出转矩的数学关系,并由之得到电机总效率与各定子效率、各定子转矩分配系数的关系,并以此作为适应度函数;
S2:通过数据拟合,建立以单个定子的转矩分配系数效率函数、电机转速和电机总转矩的三维模型;
S3:对所述三维模型进行粒子群算法寻优,电机总效率与转矩分配系数效率函数的关系作为适应度函数,进过多次迭代计算,得出使电机总效率最大时的定子转矩分配系数的最优解。
2.根据权利要求1所述的电动客车用多盘轴向磁通永磁同步电机效率优化方法,其特征在于:定子转矩分配系数为各个定子分配的转矩占多盘轴向永磁同步电机总转矩的比例,且各个定子的分配系数之和为1。
3.根据权利要求2所述的电动客车用多盘轴向磁通永磁同步电机效率优化方法,其特征在于:所述单个定子的转矩分配系数效率函数为不同转矩转速下单个定子的转矩分配系数与单个定子的效率之比。
4.根据权利要求3所述的电动客车用多盘轴向磁通永磁同步电机效率优化方法,其特征在于:所述适应度函数为各个定子的转矩分配系数效率函数之和。
5.根据权利要求4所述的电动客车用多盘轴向磁通永磁同步电机效率优化方法,其特征在于:所述适应度函数值最小时,所述电机总效率最大,所述粒子群算法寻得最优解。
6.根据权利要求5所述的电动客车用多盘轴向磁通永磁同步电机效率优化方法,其特征在于:所述多盘轴向磁通永磁同步电机的各个定子模块相同,根据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,用于确定电机总效率。
7.根据权利要求1-6任意一项所述的电动客车用多盘轴向磁通永磁同步电机效率优化方法,其特征在于:所述电机总效率包括电机驱动效率和电机制动效率。
8.根据权利要求7所述的电动客车用多盘轴向磁通永磁同步电机效率优化方法,其特征在于:所述三维模型中所述转矩为x轴,转速为y轴,将不同转速和转矩情况下的所有转矩分配比例和对应的效率计算出的值作为z轴。
9.根据权利要求8所述的电动客车用多盘轴向磁通永磁同步电机效率优化方法,其特征在于:所述S3步骤包括,先确定每一个解空间的一个候选解,每一次迭代得到每一个解空间的最优解以及整个种群最优解,设定学习因子以及惯性权重,使得每一次迭代,粒子向电机效率最大的解靠近。
10.根据权利要求9所述的电动客车用多盘轴向磁通永磁同步电机效率优化方法,其特征在于:所述学习因子包括局部学习因子和全局学习因子,在迭代过程中对学习因子进行动态调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910631785.5A CN110347041B (zh) | 2019-07-12 | 2019-07-12 | 一种电动客车用多盘轴向磁通永磁同步电机效率优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910631785.5A CN110347041B (zh) | 2019-07-12 | 2019-07-12 | 一种电动客车用多盘轴向磁通永磁同步电机效率优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110347041A true CN110347041A (zh) | 2019-10-18 |
CN110347041B CN110347041B (zh) | 2020-06-16 |
Family
ID=68175181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910631785.5A Active CN110347041B (zh) | 2019-07-12 | 2019-07-12 | 一种电动客车用多盘轴向磁通永磁同步电机效率优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110347041B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07298697A (ja) * | 1994-04-20 | 1995-11-10 | Meidensha Corp | 電動機の電気的定数のオートチューニング方法 |
US20050067992A1 (en) * | 2003-09-30 | 2005-03-31 | Yehia El-Ibiary | System and method for establishing motor efficiency during balanced or unbalanced operating conditions |
CN103538492A (zh) * | 2013-11-15 | 2014-01-29 | 哈尔滨理工大学 | 复合电源双电机电动客车动力系统控制方法、装置及该实现该方法的电动客车动力控制系统 |
CN103647493A (zh) * | 2013-11-14 | 2014-03-19 | 西安理工大学 | 一种永磁同步电机的h无穷转速估计方法 |
CN105743404A (zh) * | 2016-03-23 | 2016-07-06 | 华中科技大学 | 四象限感应电机驱动系统的模型预测控制方法 |
CN106671827A (zh) * | 2016-10-26 | 2017-05-17 | 哈尔滨理工大学 | 双电机电动客车动力系统及该系统的转矩优化分配方法 |
CN107479367A (zh) * | 2017-04-27 | 2017-12-15 | 宝沃汽车(中国)有限公司 | 电机的控制方法、系统及车辆 |
CN109546912A (zh) * | 2019-01-07 | 2019-03-29 | 常州工学院 | 基于改良型粒子群优化算法的永磁同步电机控制器 |
-
2019
- 2019-07-12 CN CN201910631785.5A patent/CN110347041B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07298697A (ja) * | 1994-04-20 | 1995-11-10 | Meidensha Corp | 電動機の電気的定数のオートチューニング方法 |
US20050067992A1 (en) * | 2003-09-30 | 2005-03-31 | Yehia El-Ibiary | System and method for establishing motor efficiency during balanced or unbalanced operating conditions |
CN103647493A (zh) * | 2013-11-14 | 2014-03-19 | 西安理工大学 | 一种永磁同步电机的h无穷转速估计方法 |
CN103538492A (zh) * | 2013-11-15 | 2014-01-29 | 哈尔滨理工大学 | 复合电源双电机电动客车动力系统控制方法、装置及该实现该方法的电动客车动力控制系统 |
CN105743404A (zh) * | 2016-03-23 | 2016-07-06 | 华中科技大学 | 四象限感应电机驱动系统的模型预测控制方法 |
CN106671827A (zh) * | 2016-10-26 | 2017-05-17 | 哈尔滨理工大学 | 双电机电动客车动力系统及该系统的转矩优化分配方法 |
CN107479367A (zh) * | 2017-04-27 | 2017-12-15 | 宝沃汽车(中国)有限公司 | 电机的控制方法、系统及车辆 |
CN109546912A (zh) * | 2019-01-07 | 2019-03-29 | 常州工学院 | 基于改良型粒子群优化算法的永磁同步电机控制器 |
Non-Patent Citations (2)
Title |
---|
JIANFEI ZHAO 等: "Research on A New Control Strategy for Three-phase Current-source PWM Rectifier", 《IEEE XPLORE》 * |
赵剑飞 等: "电动车用多盘式永磁同步电机协同优化与容错控制方法", 《中国电机工程学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN110347041B (zh) | 2020-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ehsani et al. | Hybrid electric vehicles: Architecture and motor drives | |
Sezer et al. | A novel ECMS and combined cost map approach for high-efficiency series hybrid electric vehicles | |
Lukic et al. | Modeling of electric machines for automotive applications using efficiency maps | |
Mao et al. | Differential evolution-based multiobjective optimization of the electrical continuously variable transmission system | |
Feng et al. | Study on a novel in-wheel motor driving system driven by two permanent magnet synchronous disc motors | |
CN110347041A (zh) | 一种电动客车用多盘轴向磁通永磁同步电机效率优化方法 | |
CN116661296B (zh) | 面向增程式电动矿卡的能耗管理平台、方法、系统及存储介质 | |
Gao et al. | An adaptive intelligent system to minimize energy use for a parallel hybrid electric vehicle | |
CN106627098A (zh) | 一种混联式混合动力汽车动力系统控制方法及装置 | |
Shrestha et al. | Comparative analysis of regenerative power and fuel consumption of hybrid electric vehicle | |
Chen et al. | Impact of optimally controlled continuously variable transmission on fuel economy of a series hybrid electric vehicle | |
CN114312742A (zh) | 一种行车发电控制方法、装置、存储介质和整车控制器 | |
Yan et al. | Extending the range of Plug-in Hybrid Electric Vehicles by CVT transmission optimal management | |
Singh et al. | An implementation perspective of hybrid electric vehicle | |
Rezazade et al. | Investigation and comparison between PHEV and SHEV for sedan vehicle based on ADVISOR | |
Baalen | Optimal energy management strategy for the Honda Civic IMA | |
Mallouh et al. | Battery Electric Vehicle Powertrain Modeling, Simulation, and Performance Analysis | |
Onoda et al. | A PSIM-based modeling tool for conventional, electric, and hybrid electric vehicles studies | |
Ali et al. | Modelling, Control, and Simulation of Parallel PHEV Powertrain System | |
Tang et al. | Optimal torque distribution strategy for minimizing energy consumption of four-wheel independent driven electric ground vehicle | |
CN109808673B (zh) | 一种混合动力汽车电机控制方法及装置 | |
Dermentzoglou | Studying the electromechanical system of a series/parallel HEV with planetary gearbox dynamics | |
Li et al. | Energy-Oriented Torque Allocation Strategy Design of 4WID Electric Vehicle Using Slope Information | |
Xu et al. | Research on parameters matching of hybrid electric vehicle with compound-structure induction machine | |
Yeksan | Transmotor Applications for Electric Vehicles |
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: 20220923 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 |