CN113541333A - 动态无线传能的控制方法、动态无线传能系统及电动汽车 - Google Patents
动态无线传能的控制方法、动态无线传能系统及电动汽车 Download PDFInfo
- Publication number
- CN113541333A CN113541333A CN202110745353.4A CN202110745353A CN113541333A CN 113541333 A CN113541333 A CN 113541333A CN 202110745353 A CN202110745353 A CN 202110745353A CN 113541333 A CN113541333 A CN 113541333A
- Authority
- CN
- China
- Prior art keywords
- model
- module
- current
- load
- estimated
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000005540 biological transmission Effects 0.000 title claims abstract description 27
- 230000009467 reduction Effects 0.000 claims abstract description 35
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 238000001914 filtration Methods 0.000 claims abstract description 24
- 238000012546 transfer Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 24
- 239000003990 capacitor Substances 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 15
- 230000003416 augmentation Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 24
- 230000008569 process Effects 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 239000000243 solution Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000005096 rolling process Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000004971 IR microspectroscopy Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012060 immune response imaging Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
- H02J50/10—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling
- H02J50/12—Circuit arrangements or systems for wireless supply or distribution of electric power using inductive coupling of the resonant type
-
- 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
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/10—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles characterised by the energy transfer between the charging station and the vehicle
- B60L53/12—Inductive energy transfer
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J50/00—Circuit arrangements or systems for wireless supply or distribution of electric power
- H02J50/40—Circuit arrangements or systems for wireless supply or distribution of electric power using two or more transmitting or receiving devices
-
- 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
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- 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
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- 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
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/14—Plug-in electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Dc-Dc Converters (AREA)
Abstract
本申请属于无线电能传输技术领域，提供一种动态无线传能的控制方法、动态无线传能系统及电动汽车，通过获取流过能量拾取端的负载模块的负载电流；将负载电流输入预先建立的第一模型，得到由第一模型输出的估计电感电流和估计电容电压；第一模型为基于卡尔曼滤波算法建立的状态变量与负载电流之间的对应关系的模型；将估计电感电流、估计电容电压以及负载电流输入第二模型，基于预设的参考值得到由第二模型输出的占空比值；根据占空比值生成对应的脉宽调制信号，以控制降压模块生成负载驱动信号，从而在只测量负载电流的前提下，快速且精准地将负载电流的幅值稳定在额定范围内，提高动态无线传能系统的稳定性、鲁棒性和快速响应性能。
Description
技术领域
本申请属于无线电能传输技术领域，尤其涉及一种动态无线传能的控制方 法、动态无线传能系统及电动汽车。
背景技术
近年来，为降低电动汽车对车载电池容量的依赖，动态无线传能技术得到 了快速发展。动态无线传能技术是通过在负载的移动路径上铺设一系列的无线 供能端口，让负载在移动过程中一直充能，实现一边移动一边充能的持续过程。 此过程对车载电池容量没有过高的要求，因此使用动态无线传能技术的电动汽 车只需少量电池组即可进行长里程行驶，有效提高了电动汽车的续航里程，也 间接降低了驾驶者的里程焦虑。
而在动态无线传能系统中，常常会出现以下两种情况：一是负载的移动速 度无法保持恒定而且移动路径会与理想轨迹有一定偏差，使得无线供能端与接 收端之间的互感长期处于实时变化状态，导致能量注入过程难以稳定；二是不 同使用状况下，负载大小和老化程度不尽相同，使得输出功率需要及时作出调 整。针对这两个问题，现有的技术是利用相关控制方法对负载两端电压或电流 进行反馈控制，控制方法包括无源控制策略、预测控制策略、PID控制方法等， 这些方法均能满足一般情况下负载充能功率的需求。
然而，现有动态无线传能系统中存在检测装置较多、控制方法响应较慢等 问题。
发明内容
有鉴于此，本申请实施例提供一种动态无线传能的控制方法、动态无线传 能系统及电动汽车，其目的之一在于解决现有动态无线传能系统中存在的检测 装置较多、控制方法响应较慢等问题。
本申请实施例第一方面提供了一种动态无线传能系统，应用于能量拾取端， 所述能量拾取端包括依序连接的能量接收线圈、次级谐振拓扑网络、交直流转 换模块、滤波模块、降压模块、负载模块以及控制模块；所述控制方法包括：
获取流过所述能量拾取端的负载模块的负载电流；
将所述负载电流输入预先建立的第一模型，得到由所述第一模型输出的估 计电感电流和估计电容电压；所述第一模型为基于卡尔曼滤波算法建立的状态 变量与所述负载电流之间的对应关系的模型；所述状态变量包括所述估计电感 电流和所述估计电容电压；
将所述估计电感电流、所述估计电容电压以及所述负载电流输入第二模型， 基于预设的参考值得到由所述第二模型输出的占空比值；
根据所述占空比值生成对应的脉宽调制信号，以控制降压模块生成负载驱 动信号。
在一个实施例中，所述将所述负载电流输入预先建立的第一模型，得到由 所述第一模型输出的估计电感电流和估计电容电压，包括：
对所述降压模块的两种工作状态进行建模，并将所述降压模块中的电容电 压、电感电流作为所述第一模型的状态变量；其中，所述两种工作状态包括开 关导通状态和开关断开状态；
根据所述负载电流以及所述第一模型采用卡尔曼滤波算法对所述状态变量 进行计算，得到所述估计电容电压和所述估计电感电流。
在一个实施例中，所述降压模块的离散模型为：
x(k+1)＝Ad*x(k)+Bd*d(k)
y(k)＝Cd*x(k)；
其中，d为占空比，Ad＝A＝(I+A1*T)，Bd＝B1*T*Vin，
Vin是 常数，I为单位矩阵，T为采样周期。
在一个实施例中，所述采用卡尔曼滤波算法对所述状态变量进行计算的计 算公式包括：
x(k|k-1)＝Ad*x(k-1|k-1)+Bd*d(k)；
P(k|k-1)＝Ad*P(k-1|k-1)Ad'+Qk；
x(k|k)＝x(k|k-1)+K(k)*[y(k)-Cd*x(k|k-1)]；
P(k|k)＝[I-K(k)*Cd]*P(k|k-1)；
其中，d(k)为占空比值，Qk和Rk为权重常数。
在一个实施例中，所述控制方法还包括：
对所述降压模块的离散模型建立增广矩阵，以弱化模型参数漂移带来的动 态估计误差。
在一个实施例中，
所述对所述降压模块的离散模型建立增广矩阵，以弱化模型参数漂移带来 的动态估计误差，包括：
建立增广矩阵：
其中On为零向量；
根据所述增广矩阵建立预测方程：
Y＝F*x(k)+θ*△U；
其中，
根据预设的追踪精度建立代价函数：
其中，Np为预测时域步长，Nc为控制序列维度，Rf(k)＝[0…0ref(k)]T是 维度与x(k)一致的矩阵，
和
为权重矩阵；
根据所述代价函数得到占空比值为：
本申请第二方面提供了一种动态无线传能系统，所述动态无线传能系统包 括：
多个无线供能端；
能量拾取端，用于在多个所述无线供电端中移动，同时获取多个所述无线 供电端发送的能量；
每个所述无线供能端包括依序连接的直流电源、高频逆变模块、初级谐振 拓扑网络以及能量发射线圈；
所述能量拾取端包括依序连接的能量接收线圈、次级谐振拓扑网络、交直 流转换模块、滤波模块、降压模块、负载模块以及控制模块；
其中，所述控制模块用于执行如上述任一项所述的控制方法，以控制所述 降压模块生成负载驱动信号。
在一个实施例中，所述降压模块为由开关管、电感、电容以及二极管组成 的Buck电路；其中，所述脉宽调制信号用于控制所述开关管，以控制所述负载 模块两端的电压。
在一个实施例中，所述控制模块包括：
电流采集模块，用于采集流过所述负载模块的负载电流；
卡尔曼滤波器，用于将所述负载电流输入预先建立的第一模型，得到由所 述第一模型输出的估计电感电流和估计电容电压；所述第一模型为基于卡尔曼 滤波算法建立的状态变量与所述负载电流之间的对应关系的模型；所述状态变 量包括所述估计电感电流和所述估计电容电压；
模型预测控制器，用于将所述估计电感电流、所述估计电容电压以及所述 负载电流输入第二模型，基于预设的参考值得到由所述第二模型输出的占空比 值；
PWM发生器，用于根据所述占空比值生成PWM波形；
驱动模块，用于根据所述PWM波形生成对应的脉宽调制信号，以控制降压 模块生成负载驱动信号。
本申请第三方面提供了一种电动汽车，包括上述任一实施例所述的动态无 线传能系统。
本申请实施例中，应用于能量拾取端，通过获取流过能量拾取端的负载模 块的负载电流；将负载电流输入预先建立的第一模型，得到由第一模型输出的 估计电感电流和估计电容电压；第一模型为基于卡尔曼滤波算法建立的状态变 量与负载电流之间的对应关系的模型；将估计电感电流、估计电容电压以及负 载电流输入第二模型，基于预设的参考值得到由第二模型输出的占空比值；根 据占空比值生成对应的脉宽调制信号，以控制降压模块生成负载驱动信号，从 而在只测量负载电流的前提下，快速且精准地将负载电流的幅值稳定在额定范 围内，提高动态无线传能系统的稳定性、鲁棒性和快速响应性能。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使 用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例， 因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创 造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的分段导轨式电动汽车动态无线充电系统示意 图；
图2为本申请实施例提供的动态无线电能传输系统架构图；
图3为本申请实施例提供的Buck电路的开关导通状态和开关断开状态的示 意图；
图4为本申请实施例提供的MPC与PID对阶跃参考信号的响应波形；
图5为本申请实施例提供的MPC与PID对缓变参考信号的响应波形；
图6为本申请实施例提供的互感跳变时Buck电路的输入电压波形；
图7为本申请实施例提供的互感跳变时PID控制的响应波形；
图8为本申请实施例提供的互感跳变时MPC控制的响应波形；
图9为本申请实施例提供的负载电阻值跳变时MPC与PID的响应波形。
具体实施方式
为了使本申请所要解决的技术问题、技术方案及有益效果更加清楚明白， 以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描 述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可 以直接在另一个元件上或者间接在该另一个元件上。当一个元件被称为是“连 接于”另一个元件，它可以是直接连接到另一个元件或间接连接至该另一个元 件上。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、 “左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指 示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本 申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、 以特定的方位构造和操作，因此不能理解为对本申请的限制。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗 示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、 “第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的 描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
为了说明本申请的技术方案，下面通过具体实施例来进行说明。
磁耦合谐振式无线电能传输作为一种高效且安全的近场能量传输技术，近 年来在电动汽车无线充电应用领域得到了广泛研究和应用。根据无线充电过程 中，车辆是处于泊车状态或行驶状态，可分为静态无线充电(Static Wireless Charging,SWC)和动态无线充电(Dynamic Wireless Charging,DWC)[1]。 其中，动态无线充电技术由于具有安全性高以及能够在行驶过程中充电、缓解 电动汽车里程焦虑等优点，是无线充电领域的一个研究热点，具有广阔的应用 前景。图1为分段导轨式电动汽车DWC系统的示意图，在行驶过程，路面下的 供电导轨实时提供电能给电动汽车。由于随机性横向偏移以及分段导轨切换区 域耦合关系的变化等情况发生，线圈之间的互感强度和系统等效负载会处于动 态浮动状态中，导致系统长期处于不健康的工作状态以及输出功率无法稳定在 额定范围内，因此需要设计一套控制策略，使系统能够对上述情况做出快速响 应且具有较强的鲁棒性。
本申请为满足DWPT系统的快速响应和强鲁棒性需求，提出一种针对系统中 互感和负载动态变化状态下的负载电流快速控制方法。首先使用简单且能够较 好地描述系统动态特性的小信号建模方法得到Buck降压电路的近似模型，以此 模型为基础设计模型预测控制(Model Predictive Control，MPC)算法，并引 入卡尔曼滤波算法估计部分系统参数，减少被测参数数量，实现在仅检测负载 电流的条件下，即可实现对系统负载电流的快速调节。最后通过仿真结果表明， 相比于常规的PID控制算法，本申请所提出的控制策略具有更快的调节速度， 并且对互感和负载的跳变具有较强的鲁棒性。
本申请实施例提供了一种动态无线传能的控制方法，应用于能量拾取端 20，参见图2所示，能量拾取端20包括依序连接的能量接收线圈21、次级谐 振拓扑网络22、交直流转换模块23、滤波模块24、降压模块25、负载模块26 以及控制模块27，其中，降压模块25可以为Buck电路。
本申请采用的控制策略是对负载端的Buck电路的占空比进行调节，以实时 调控流过负载模块26的负载电流。控制原理如图2中控制模块27的示意图所 示，其工作机理是电流采集模块实时采集目标参数IR并同时传输给卡尔曼滤波 器和模型预测控制器。此时，卡尔曼滤波器能够根据已有小信号模型，仅依靠 IR即可及时计算出模型的状态估计值，即Buck电路电感电流IL和电容电压VC， 省去测量状态量所需的硬件成本。状态估计值会实时传输给模型预测控制器， 经过控制器运算后得到当前采样时刻的最优控制信号，最终由PWM发生器和驱 动模块作用到开关管上，控制负载电流IR快速稳定至参考值。
具体的，本实施例中的动态无线传能的控制方法包括以下步骤：
步骤A：获取流过所述能量拾取端的负载模块的负载电流。
具体的，可以采用电流采集模块采集负载模块26中流过的负载电流IR，并 将负载电流IR发送至卡尔曼滤波器和模型预测控制器。
步骤B：将所述负载电流输入预先建立的第一模型，得到由所述第一模型 输出的估计电感电流和估计电容电压；所述第一模型为基于卡尔曼滤波算法建 立的状态变量与所述负载电流之间的对应关系的模型；所述状态变量包括所述 估计电感电流和所述估计电容电压。
在本实施例中，由卡尔曼滤波器根据预先建立的第一模型计算出估计电感 电流和估计电容电压，该第一模型可以为已有的小信号模型，从而仅依靠IR即 可及时计算出模型的状态估计值，即Buck电路中的电感电流IL和电容电压VC， 省去测量状态量所需的硬件成本。
步骤C：将所述估计电感电流、所述估计电容电压以及所述负载电流输入 第二模型，基于预设的参考值得到由所述第二模型输出的占空比值。
在本实施例中，将估计电感电流、估计电容电压以及负载电流输入模型预 测控制器中预先建模的第二模型，模型预测控制器根据预设的参考值，在下一 采样时刻到来之前计算当前时刻最优的占空比值dk。
步骤D：根据所述占空比值生成对应的脉宽调制信号，以控制降压模块生 成负载驱动信号。
在本实施例中，可以由PWM发生器以及驱动模块根据接收的占空比值生成 对应的脉宽调制信号，该脉宽调制信号用于控制降压模块25生成负载驱动信号, 即控制Buck电路输出稳定的负载电流。
在具体应用中，上述步骤A至步骤D在每个采样周期内均执行一次，并在 整个动态电能传输过程中反复进行。
在电动汽车高速行驶状态下，接收线圈与供电导轨之间的互感强度将以毫 秒量级的速度发生动态变化，因此控制器需要在每个采样时刻做出及时调整。 目前主流的控制算法中，模型预测控制是最引人注目的一类约束优化反馈控制 策略，其原理是在每一个采样时刻，在线求解有限时域的二次规划问题，将局 部最优解的第一个元素作用于被控对象，实现滚动优化，以此逼近优化目标的 全局最优解。其优势是在已知系统模型和优化目标的前提下，控制流程简单有 效，且能够达到采样周期量级的响应速度，对参数漂移和外部干扰等具有较强 的鲁棒性，因此本申请采用模型预测控制作为核心算法。
在磁耦合谐振式无线电能传输系统中，线圈可通过谐振补偿拓扑结构实现 阻抗匹配，以提高系统的能效特性。相比于传统的基本谐振拓扑，LCC-S型补 偿网络能够在原边输入电压Uin和系统互感M不变的条件下，实现接收端的恒 压输出，且副边结构较为简单，因而在电动汽车动态无线电能传输领域得到广 泛应用。因此，本申请实施例选用LCC-S型无线电能传输系统作为研究对象， 如图2所示，电能由n个基于LCC型谐振拓扑的无线供能端10通过开关切换轮 流传输给能量拾取端20，经过整流滤波后转换成直流电，由于不同类型、不同 状态的负载对功率需求也不尽相同，因此需要通过Buck降压电路进行调控。
根据LCC-S的恒压特性，建立输出电压与负载接收功率的关系表达式为：
由公式(1)可知，Buck降压电路的输入电压ucf与互感M正相关，而互感 和负载波动将使输出电压和接收功率发生变化。因此，为了在车辆行驶过程始 终保持充电电流恒定或者适时调节输出功率，需要对流过负载模块的电流IR进 行及时有效地控制。
要实现模型预测控制算法，首先需要建立控制对象的数学模型。
在一个实施例中，步骤B中，将所述负载电流输入预先建立的第一模型， 得到由所述第一模型输出的估计电感电流和估计电容电压，包括：
步骤B1：对所述降压模块的两种工作状态进行建模，并将所述降压模块中 的电容电压、电感电流作为所述第一模型的状态变量；其中，所述两种工作状 态包括开关导通状态和开关断开状态；
步骤B2：根据所述负载电流以及所述第一模型采用卡尔曼滤波算法对所述 状态变量进行计算，得到所述估计电容电压和所述估计电感电流。
根据LCC-S型谐振拓扑的恒压特性，可以在每个采样时刻将Buck电路的输 入电压ucf视为恒压源，如此可以降低建模难度。然后采用经典的小信号建模法 即可描述其动态特性。本申请仅考虑Buck电路的连续电流工作模式，此模式下 仅有开关管导通状态和关断两种状态，如图3所示，其中IL和VC分别表示Buck 电路中流过电感的电流和电容两端的电压，并且在建模过程中忽略状态转换时 间。
分别对Buck电路的两种工作状态进行建模，选择Buck电路中电容电压VC和电感电流IL作为模型的状态变量，则有x＝[Vc IL]T。根据基尔霍夫电压电流 定律，可将上述电路用数学模型描述为：
开关导通状态：
开关断开状态：
根据公式(2)和(3)即可列出连续状态空间方程：
开关导通状态：
开关关断状态：
将公式(4)和(5)离散化，可得：
x (k+1)＝A*x(k)+B*Vin (6)；
其中，A＝I+A1*d*T+A1*(1-d)*T＝I+A1*T，B＝B1*d*T，I为单位矩阵， d为大小在0至1范围内的占空比，T为采样周期。
在一个实施例中，结合LCC-S型拓扑结构的恒压特性，可以认为Vin是常数， 并将占空比d作为模型输入、负载电流IR作为模型输出，则Buck电路的离散 模型为：
其中，d为占空比，Ad＝A＝(I+A1*T)，Bd＝B1*T*Vin，
Vin是 常数，I为单位矩阵，T为采样周期。
由此得到Buck电路在连续电流工作模式下的小信号模型，后续步骤C中基 于此模型进行预测控制算法设计和状态估计。
在一个实施例中，本实施例中的控制方法还包括：对所述降压模块的离散 模型建立增广矩阵，以弱化模型参数漂移带来的动态估计误差。
在本实施例中，通过建立增广矩阵，可以弱化模型参数漂移带来的动态估 计误差，使得模型预测控制器将重点放在状态变化趋势和目标物理量上，从而 增强对互感强度和负载值变化的鲁棒性。
具体应用实施例中，根据模型预测控制算法原理，对Buck电路的小信号模 型(7)建立增广矩阵：
其中，On为零向量。
通过增广矩阵，可将模型在未来Np个采样时刻内的状态用预测方程表示为：
Y＝F*x(k)+θ*△U (10)；
其中，Np为预测时域步长，Nc为控制序列维度，且
此后，根据追踪精度需求建立代价函数J：
式(15)可化简为二次规划(Quadratic Programming，QP)问题：
其中，Rf(k)＝[0…0 ref(k)]T是维度与x(k)一致的矩阵，ref(k)为 k时刻的目标参考值；
和
为权重矩阵，分别由权重常数qw和rw乘以单位矩阵 得到。
通过求解二次规划问题，即可求得当前时刻的最优占空比控制信号：
上述过程会在每个采样周期执行一次，并在往后每个采样周期内重复进行， 呈现出滚动优化的态势，以此来应对各种参数漂移和外部干扰所带来的影响。
模型预测控制算法需要在每个控制周期获得三个实时测量值，即电容电压 VC、电感电流IL和负载电流IR，而采用直接测量方式无疑会增加额外的硬件成 本和空间。通过公式(7)可以看出两个状态变量[VC，IL]与负载电流IR之间能 够通过此离散模型建立直接联系，因此可以在仅测量负载电流IR的条件下，使 用状态估计算法对两个状态变量进行最优估计。卡尔曼滤波适用于估计一个动 态系统的最优状态，即使观测到的系统状态参数含有噪声或者观测值不准确， 卡尔曼滤波也能够完成对状态值的最优估计。
在一个实施例中，根据公式(7)和卡尔曼滤波算法，可在k-1时刻得到k 时刻的状态预测值x(k|k-1)及其协方差预测值P(k|k-1)，采用卡尔曼滤波 算法对所述状态变量进行计算的计算公式如公式(18)和(19)所示：
x(k|k-1)＝Ad*x(k-1|k-1)+Bd*d(k) (18)；
P(k|k-1)＝Ad*P(k-1|k-1)Ad′+Qk (19)；
其中，Qk为系统过程的协方差，d(k)为控制器输出的控制信号。
进一步地，结合系统输出测量值和上述状态预测值，可以得到k时刻的最 优状态估计值x(k|k)：
x(k|k)＝x(k|k-1)+K(k)*[y(k)-Cd*x(k|k-1)] (20)；
其中K(k)为卡尔曼增益权重矩阵，其作用在于让最优估计值的估计成分 更倾向于预测值或者测量值，其表达式为：
其中，Rk为噪声的协方差。
至此，已经得到了当前时刻的状态估计值，并且为了在下一时刻能够再次 进行状态估计，需要更新估计值x(k|k)的协方差：
P(k|k)＝[I-K(k)*Cd]*P(k|k-1) (22)；
由上述过程可知，状态估计过程为：将当前时刻的控制信号d(k)和电流 采集模块采集到的目标信号y(k)输入到卡尔曼滤波器中，经过公式(18)-(22) 的运算后，可以得到当前时刻的状态变量最优估计值，此后该估计值又会作用 于下一时刻的状态估计过程，如此循环，即可实时估计状态量。
本申请实施例还提供了一种动态无线传能系统，所述动态无线传能系统包 括：多个无线供能端10和能量拾取端20。
能量拾取端20用于在多个所述无线供电端中移动，同时获取多个所述无线 供电端10发送的能量；每个无线供能端10包括依序连接的直流电源11、高频 逆变模块12、初级谐振拓扑网络13以及能量发射线圈14；所述能量拾取端20 包括依序连接的能量接收线圈21、次级谐振拓扑网络11、交直流转换模块23、 滤波模块24、降压模块25、负载模块26以及控制模块27.
其中，控制模块27用于执行如上述任一实施例中的控制方法，以控制所述 降压模块25生成负载驱动信号。
在一个实施例中，参见图2所示，降压模块25为由开关管、电感、电容以 及二极管组成的Buck电路；其中，所述脉宽调制信号用于控制所述开关管，以 控制所述负载模块两端的电压。
在一个实施例中，控制模块27包括：电流采集模块、卡尔曼滤波器、模型 预测控制器、PWM发生器以及驱动模块。
具体的，电流采集模块用于采集流过所述负载模块的负载电流；卡尔曼滤 波器用于将所述负载电流输入预先建立的第一模型，得到由所述第一模型输出 的估计电感电流和估计电容电压；所述第一模型为基于卡尔曼滤波算法建立的 状态变量与所述负载电流之间的对应关系的模型；所述状态变量包括所述估计 电感电流和所述估计电容电压；模型预测控制器用于将所述估计电感电流、所 述估计电容电压以及所述负载电流输入第二模型，基于预设的参考值得到由第 二模型输出的占空比值；PWM发生器用于根据占空比值生成PWM波形；驱动模 块用于根据所述PWM波形生成对应的脉宽调制信号，以控制降压模块生成负载 驱动信号。
在一个具体应用实施例中，模型预测控制器根据输入进来的三个物理量， 算出当前时刻的最优控制信号，并且无论电能发射端上是否有接收端，控制器 都会执行滚动优化操作，实时输出控制信号，这样可以确保系统能及时应对复 杂的运行环境。控制信号经过PWM发生器后，由一系列的PWM调制波间接控制 开关管的开关状态，以此将负载电流稳定在额定范围内。
本申请实施例还提供了一种电动汽车，该电动汽车包括如上述任一实施例 所述的动态无线传能系统。
为验证所设计的模型预测控制器的鲁棒性能以及对于参考值的追踪性能， 根据图2所示的电路原理，在MATLAB/Simulink环境中搭建仿真模型，并将其 与使用传统的PID控制器时进行比较分析，系统相关参数如表1所示。仿真模 型的离散采样周期和控制器的输出信号周期均为0.1us，PID控制器的参数设置 为P＝0.005，I＝10-3，D＝2e-8。
表1为系统仿真参数
图4是模型预测控制器和PID控制器对参考信号的单位阶跃响应结果，负 载电流IR的起始参考值设为8A，最大允许波动范围为±0.05A。可以看出， 在0.01s处参考值跃变为5A后，MPC控制器先是产生了约1.05A的超调，然后 持续振荡直至最大允许波动范围，整个过程约消耗3.10ms，此后将稳定在参 考值附近；而PID控制器在无超调和明显振荡的条件下，需要6.22ms才能使 IR稳定在额定范围内。当参考值恢复为8A后，MPC的超调量为0.32A，响应时 间为2.55ms，而PID控制器的响应时间为6.18ms。对比上述结果可知，MPC 控制器和PID控制器均能准确地追踪到参考电流，并且MPC控制器的响应速度 明显优于PID控制器，但在MPC控制器的作用下，系统输出电流存在一定的超 调量，可能会对负载造成一定的过载风险。
在一个实施例中，结合MPC的滚动优化特性，可以将阶跃参考信号乘以一 个传递函数
变成缓变参考信号，如图5中所示。可见，MPC控制器 能够确保负载电流的幅值始终围绕缓变参考信号的变化趋势进行动态追踪，使 得超调和振荡显著减小，并且对于参考电流两次跃变的响应时间分别减少为 2.22ms和2.36ms，即追踪速度分别提升了28％和7.4％。相对地，PID控制器 的响应时间分别延长为6.74ms和6.73ms。由此可见，MPC控制器能在不牺牲 追踪速度的前提下，以很小的超调为代价完成对缓变信号的快速追踪，而PID 控制器则会损失一定程度的追踪性能。上述结果验证了MPC中滚动优化特性在追踪参考值方面的优势，符合DWPT系统对快速响应的需求。
除了快速响应外，控制器还需要应对DWPT系统中互感强度和负载值动态扰 动所带来的影响。图6是互感强度跳变时Buck电路的输入电压变化图，当互感 在0.01s处从7.95μH跳变至6.83μH时，输入电压幅值随之振荡并缓慢稳 定至87.5V，而互感在0.02s恢复至7.95μH时，振荡略微加剧，最终稳定 在100V左右，可见互感跳变给系统带来的参数扰动影响比较严重。
图7和图8分别给出了在互感跳变情况下，系统在PID控制器和MPC控制 器作用下的负载电流波形。由5可知，PID控制器在互感两次跳变条件下的响 应时间分别为6.78ms和6.57ms，超调量分别为1.15A和1.57A。从图8 和图9可知，MPC控制器仅在互感减小的情况下使IR产生了小幅度的波动，最 大波动值小于0.015A。由此可知，相比于PID控制器，MPC控制器对于互感的 变化具有很好的鲁棒性，非常符合DWPT系统互感动态变化场景下的应用。
图9是MPC与PID在负载电阻值跳变时的响应波形图，其中负载值在0.01 s时刻由10Ω跳变至12Ω，在0.02s时刻再恢复为10Ω。可见，在跳变瞬间 两种控制算法均产生了明显的尖峰，这是由于跳变前参考值设为8A，使得第 一次跳变时，负载两端电压仍为80V，而IR则会瞬间变为6.67A，同理可以 解释另一个尖峰的形成。MPC的响应时间分别为3.96ms和2.76ms，相比于 PID控制器在追踪速度方面具有明显优势。综合图7、图8和图9可知，MPC算法对于互感和负载的动态变化具有很强的鲁棒性，与前文的理论分析相符，能 够较好地满足DWPT系统对于功率快速调节的应用需求。
为满足动态无线电能传输系统对于功率调节的快速响应和强鲁棒性需求， 本申请基于LCC-S补偿拓扑结构，对电能接收端的Buck降压电路进行小信号建 模，在此模型的基础上，设计了模型预测控制算法，并结合卡尔曼滤波状态估 计算法，实现了单参数测量条件下对负载电流的有效调控。通过搭建的仿真模 型，将模型预测控制器与常规PID控制器进行比较，结果表明本申请的控制策 略在响应速度方面具有明显优势，并且对互感和负载的动态变化具有较强的鲁 棒性，验证了卡尔曼滤波-模型预测融合控制策略的有效性。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照 前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其 依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特 征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申 请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种动态无线传能的控制方法，其特征在于，应用于能量拾取端，所述能量拾取端包括依序连接的能量接收线圈、次级谐振拓扑网络、交直流转换模块、滤波模块、降压模块、负载模块以及控制模块；所述控制方法包括：
获取流过所述能量拾取端的负载模块的负载电流；
将所述负载电流输入预先建立的第一模型，得到由所述第一模型输出的估计电感电流和估计电容电压；所述第一模型为基于卡尔曼滤波算法建立的状态变量与所述负载电流之间的对应关系的模型；所述状态变量包括所述估计电感电流和所述估计电容电压；
将所述估计电感电流、所述估计电容电压以及所述负载电流输入第二模型，基于预设的参考值得到由所述第二模型输出的占空比值；
根据所述占空比值生成对应的脉宽调制信号，以控制降压模块生成负载驱动信号。
2.根据权利要求1所述的控制方法，其特征在于，所述将所述负载电流输入预先建立的第一模型，得到由所述第一模型输出的估计电感电流和估计电容电压，包括：
对所述降压模块的两种工作状态进行建模，并将所述降压模块中的电容电压、电感电流作为所述第一模型的状态变量；其中，所述两种工作状态包括开关导通状态和开关断开状态；
根据所述负载电流以及所述第一模型采用卡尔曼滤波算法对所述状态变量进行计算，得到所述估计电容电压和所述估计电感电流。
3.根据权利要求2所述的控制方法，其特征在于，所述降压模块的离散模型为：
其中，d为占空比，Ad＝A＝(I+A1*T)，Bd＝B1*T*Vin，
Vin是常数，I为单位矩阵，T为采样周期。
4.根据权利要求3所述的控制方法，其特征在于，所述采用卡尔曼滤波算法对所述状态变量进行计算的计算公式包括：
x(k|k-1)＝Ad*x(k-1|k-1)+Bd*d(k)；
P(k|k-1)＝Ad*P(k-1|k-1)Ad'+Qk；
x(k|k)＝x(k|k-1)+K(k)*[y(k)-Cd*x(k|k-1)]；
P(k|k)＝[I-K(k)*Cd]*P(k|k-1)；
其中，d(k)为占空比值，Qk和Rk为权重常数。
5.根据权利要求3所述的控制方法，其特征在于，所述控制方法还包括：
对所述降压模块的离散模型建立增广矩阵，以弱化模型参数漂移带来的动态估计误差。
6.根据权利要求5所述的控制方法，其特征在于，所述对所述降压模块的离散模型建立增广矩阵，以弱化模型参数漂移带来的动态估计误差，包括：
建立增广矩阵：
其中On为零向量；
根据所述增广矩阵建立预测方程：
Y＝F*x(k)+θ*△U；
其中，
根据预设的追踪精度建立代价函数：
其中，Np为预测时域步长，Nc为控制序列维度，Rf(k)＝[0…0 ref(k)]T是维度与x(k)一致的矩阵，
和
为权重矩阵；
根据所述代价函数得到占空比值为：
7.一种动态无线传能系统，其特征在于，所述动态无线传能系统包括：
多个无线供能端；
能量拾取端，用于在多个所述无线供电端中移动，同时获取多个所述无线供电端发送的能量；
每个所述无线供能端包括依序连接的直流电源、高频逆变模块、初级谐振拓扑网络以及能量发射线圈；
所述能量拾取端包括依序连接的能量接收线圈、次级谐振拓扑网络、交直流转换模块、滤波模块、降压模块、负载模块以及控制模块；
其中，所述控制模块用于执行如权利要求1-6任一项所述的控制方法，以控制所述降压模块生成负载驱动信号。
8.根据权利要求7所述的动态无线传能系统，其特征在于，所述降压模块为由开关管、电感、电容以及二极管组成的Buck电路；其中，所述脉宽调制信号用于控制所述开关管，以控制所述负载模块两端的电压。
9.根据权利要求7所述的动态无线传能系统，其特征在于，所述控制模块包括：
电流采集模块，用于采集流过所述负载模块的负载电流；
卡尔曼滤波器，用于将所述负载电流输入预先建立的第一模型，得到由所述第一模型输出的估计电感电流和估计电容电压；所述第一模型为基于卡尔曼滤波算法建立的状态变量与所述负载电流之间的对应关系的模型；所述状态变量包括所述估计电感电流和所述估计电容电压；
模型预测控制器，用于将所述估计电感电流、所述估计电容电压以及所述负载电流输入第二模型，基于预设的参考值得到由所述第二模型输出的占空比值；
PWM发生器，用于根据所述占空比值生成PWM波形；
驱动模块，用于根据所述PWM波形生成对应的脉宽调制信号，以控制降压模块生成负载驱动信号。
10.一种电动汽车，其特征在于，包括如权利要求7至9任一项所述的动态无线传能系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110745353.4A CN113541333A (zh) | 2021-06-30 | 2021-06-30 | 动态无线传能的控制方法、动态无线传能系统及电动汽车 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110745353.4A CN113541333A (zh) | 2021-06-30 | 2021-06-30 | 动态无线传能的控制方法、动态无线传能系统及电动汽车 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113541333A true CN113541333A (zh) | 2021-10-22 |
Family
ID=78097620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110745353.4A Pending CN113541333A (zh) | 2021-06-30 | 2021-06-30 | 动态无线传能的控制方法、动态无线传能系统及电动汽车 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113541333A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105068008A (zh) * | 2015-07-14 | 2015-11-18 | 南京航空航天大学 | 利用车载充电机辨识电池参数的电池荷电状态估计方法 |
| US20160336765A1 (en) * | 2014-01-07 | 2016-11-17 | Utah State University | Model predictive control and optimization for battery charging and discharging |
| CN108683229A (zh) * | 2018-05-31 | 2018-10-19 | 西安理工大学 | 一种电动汽车无线充电副边输出控制系统及其控制方法 |
| CN108767956A (zh) * | 2018-07-03 | 2018-11-06 | 浙江中创天成科技有限公司 | 一种动态无线电能传输系统及其无源控制方法 |
| CN109391044A (zh) * | 2018-11-14 | 2019-02-26 | 中国矿业大学 | 一种感应电能传输系统高效稳压综合控制系统及方法 |
| CN109725213A (zh) * | 2018-12-12 | 2019-05-07 | 江南大学 | 基于逆向卡尔曼滤波器的Buck变换器故障检测方法 |
| CN110112913A (zh) * | 2019-05-29 | 2019-08-09 | 哈尔滨工程大学 | 一种基于Fal函数滤波器的直流变换器模型预测控制算法 |
| CN110341508A (zh) * | 2019-07-15 | 2019-10-18 | 桂林电子科技大学 | 电动汽车动态无线充电负载预测控制方法 |
| CN111064283A (zh) * | 2020-03-13 | 2020-04-24 | 西南交通大学 | 一种基于模型预测控制的无线传能动态性能优化方法 |
| US20200412249A1 (en) * | 2017-09-04 | 2020-12-31 | Avl List Gmbh | Energy accumulator emulator and method for emulation of an energy accumulator |
| CN112234820A (zh) * | 2020-11-11 | 2021-01-15 | 重庆邮电大学 | 一种基于时变负载的dc-dc降压转换器系统控制方法 |
-
2021
- 2021-06-30 CN CN202110745353.4A patent/CN113541333A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160336765A1 (en) * | 2014-01-07 | 2016-11-17 | Utah State University | Model predictive control and optimization for battery charging and discharging |
| CN105068008A (zh) * | 2015-07-14 | 2015-11-18 | 南京航空航天大学 | 利用车载充电机辨识电池参数的电池荷电状态估计方法 |
| US20200412249A1 (en) * | 2017-09-04 | 2020-12-31 | Avl List Gmbh | Energy accumulator emulator and method for emulation of an energy accumulator |
| CN108683229A (zh) * | 2018-05-31 | 2018-10-19 | 西安理工大学 | 一种电动汽车无线充电副边输出控制系统及其控制方法 |
| CN108767956A (zh) * | 2018-07-03 | 2018-11-06 | 浙江中创天成科技有限公司 | 一种动态无线电能传输系统及其无源控制方法 |
| CN109391044A (zh) * | 2018-11-14 | 2019-02-26 | 中国矿业大学 | 一种感应电能传输系统高效稳压综合控制系统及方法 |
| CN109725213A (zh) * | 2018-12-12 | 2019-05-07 | 江南大学 | 基于逆向卡尔曼滤波器的Buck变换器故障检测方法 |
| CN110112913A (zh) * | 2019-05-29 | 2019-08-09 | 哈尔滨工程大学 | 一种基于Fal函数滤波器的直流变换器模型预测控制算法 |
| CN110341508A (zh) * | 2019-07-15 | 2019-10-18 | 桂林电子科技大学 | 电动汽车动态无线充电负载预测控制方法 |
| CN111064283A (zh) * | 2020-03-13 | 2020-04-24 | 西南交通大学 | 一种基于模型预测控制的无线传能动态性能优化方法 |
| CN112234820A (zh) * | 2020-11-11 | 2021-01-15 | 重庆邮电大学 | 一种基于时变负载的dc-dc降压转换器系统控制方法 |
Non-Patent Citations (3)
| Title |
|---|
| ERLIZA SERRI等: "Comparative Study of Short Prediction MPC-KF with PI Controller for DC-DC Buck Converter", IEEE, pages 219 * |
| RONG LONG等: "Current sharing in parallel fuel cell generation system based on model predictive control", ELSEVIER, pages 1 - 8 * |
| ZE ZHOU 等: "Model Predictive Control for the Receiving-Side DC–DC Converter of Dynamic Wireless Power Transfer", IEEE, vol. 35, no. 9, pages 8985, XP011786618, DOI: 10.1109/TPEL.2020.2969996 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109391044B (zh) | 一种感应电能传输系统稳压综合控制系统及方法 | |
| CN109921504B (zh) | 车载混合储能系统及其非线性鲁棒自适应功率控制方法 | |
| US9559581B2 (en) | Single phase bi-directional AC-DC converter with reduced passive components size and common mode electro-magnetic interference | |
| US9678521B2 (en) | External ramp autotuning for current mode control of switching converter | |
| CN102511122B (zh) | 电力变换装置 | |
| CN104335451A (zh) | 非接触供电装置及非接触供电方法 | |
| CN105751845B (zh) | 一种馈能型半主动悬架系统的半主动控制方法 | |
| CN109617205B (zh) | 电动汽车复合电源功率分配的协同控制方法 | |
| CN114793022A (zh) | 一种基于滑模预测控制的动态无线充电输出功率控制方法 | |
| CN108028602A (zh) | 电力变换装置以及驱动装置 | |
| CN114884162A (zh) | 一种适用于分布式储能型mmc的电池荷电状态预测优化控制方法 | |
| CN113541333A (zh) | 动态无线传能的控制方法、动态无线传能系统及电动汽车 | |
| CN113422441A (zh) | 一种电动汽车高效率稳压无线充电系统及其设计方法 | |
| EP3696942A1 (en) | Continuous control of a contactless electrical energy transfer system | |
| Hu et al. | Discrete‐time modelling and stability analysis of wireless power transfer system | |
| Vinod et al. | Primary side control strategies for battery charging regulation in wireless power transfer systems for EV applications | |
| Forato et al. | Dynamic EV charging WPT system control based on Modulated Variable Laplace Transform | |
| Peng et al. | Anti-disturbance TUBE MPC method of wireless power transmission system based on state feedback | |
| Sivaraman et al. | Design and Analysis of Sliding Mode Control for Battery Charging Applications | |
| Trung et al. | Coupling coefficient observer based on Kalman filter for dynamic wireless charging systems | |
| Galib et al. | Maximum Efficiency Tracking of a Three-coil Inductive Power Transfer System for Wireless EV Battery Charging Applications | |
| CN116865586B (zh) | 一种变流器参数自学习控制方法 | |
| Wang et al. | Research on output power stability control method of EV-DWPT system | |
| Chen et al. | Wireless power supply voltage regulation control of implantable devices based on primary side MPC | |
| CN108900107A (zh) | 一种用于单Buck-Boost逆变器的全局滑模电流控制方法 |
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 |