CN115114853A - 一种机电复合传动装置电驱系统igbt温升预测优化控制方法 - Google Patents
一种机电复合传动装置电驱系统igbt温升预测优化控制方法 Download PDFInfo
- Publication number
- CN115114853A CN115114853A CN202210734985.5A CN202210734985A CN115114853A CN 115114853 A CN115114853 A CN 115114853A CN 202210734985 A CN202210734985 A CN 202210734985A CN 115114853 A CN115114853 A CN 115114853A
- Authority
- CN
- China
- Prior art keywords
- igbt
- vehicle
- motor
- speed
- torque
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 25
- 150000001875 compounds Chemical class 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 239000000446 fuel Substances 0.000 claims abstract description 20
- 238000013528 artificial neural network Methods 0.000 claims abstract description 9
- 230000001133 acceleration Effects 0.000 claims abstract description 7
- 238000005070 sampling Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims abstract description 4
- 230000008878 coupling Effects 0.000 claims description 14
- 238000010168 coupling process Methods 0.000 claims description 14
- 238000005859 coupling reaction Methods 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 13
- 230000017525 heat dissipation Effects 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 3
- 239000002826 coolant Substances 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000013021 overheating Methods 0.000 claims description 3
- 230000002035 prolonged effect Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 28
- 238000001816 cooling Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 241000156302 Porcine hemagglutinating encephalomyelitis virus Species 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005662 electromechanics Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种机电复合传动装置电驱系统IGBT温升预测优化控制方法,包括以下步骤:S1:车辆驾驶的历史数据作为训练集,训练预测车速和加速度的神经网络;S2:根据当前采样时刻的驾驶员踏板位置,结合车速、发动机转速以及电池荷电状态SOC车辆状态信号以及神经网络预测未来车辆需求车速和转矩;S3:根据未来车辆需求车速和转矩,构建车辆与动力系统各部件动力学模型;S4:根据车辆与动力系统各部件动力学模型,构建基于MPC的预测型能量管理框架;本发明混合控制单元综合考虑IGBT热状态和燃油经济性,合理分配发动机与电机之间的能量流,降低IGBT温度以及减少温度波动。
Description
技术领域
本发明属于机电技术领域,具体涉及一种机电复合传动装置电驱系统IGBT温升预测优化控制方法。
背景技术
近年来,HEV获得了显著的市场渗透,激发了产业界和学术界大量的研究工作。特别是汽车制造商,在世界各国政府和能源组织的大力支持下,正在努力开发不同类型的HEV。然而,HEV的发展不仅带来了许多机遇,也在动力、效率、重量、体积、成本、可靠性和寿命等方面带来了一系列挑战。其中,可靠性是一个关键问题,因为在恶劣的环境下,可靠性是车辆安全的基本要求。功率电子器件在HEV中占有非常重要的地位。HEV整车性能与电力电子转换器的性能、可靠性和经济性高度相关。机电复合传动系统是混合动力系统的一种。在机电复合传动系统中,电池组与电动机/发电机之间的能量通过牵引逆变器进行转换,其中IGBT模块是牵引逆变器的核心开关器件,主要用于三相正弦输出电流的调制。由于封装系统的小型化和额定功率的激增,IGBT模块的热流密度将不断增加。在这种情况下,不同材料的温度波动引起的热机械应力是IGBT模块最常见的失效机制之一。IGBT热管理技术是当前研究的热点之一,现存的热管理技术几乎都是在IGBT设备层,即通过在IGBT层面进行结构、冷却系统的优化设计,或者通过控制IGBT工作状态进行热管理。在机电复合传动系统中,IGBT工作状态与电机工作状态密不可分,同时,电机的工作状态由综合控制器控制。合理的能量管理方法对整车动力性和经济性具有重要的影响,然而,现有的混合动力车辆能量管理方法,较多专注于系统的工作效率,而忽略各部件物理状态对其工作效率的影响。其中各部件的热状态对其工作性能具有决定性作用。因此,如何在保证机电复合传动系统IGBT模块稳定工作的同时,提高车辆燃油经济性,具有重要的研究意义和复杂的技术挑战。现有能量管理策略研究大多集中于电池包热管理,而对IGBT模块热状态研究几乎没有。因此,亟需一种考虑电机控制器IGBT温度的预测能量管理策略。它的任务是在行驶过程中尽可能减少车辆的燃料消耗,并减少IGBT温度指标,提高IGBT的使用寿命。
许多研究者对IGBT温度管理技术进行了大量的研究。主要有三种温度管理技术:
(1)IGBT模块优化设计。这种方法主要是对IGBT内部结构进行优化设计,降低了热阻,增加了从芯片、封装、模块到组装的散热。
(2)高效的冷却技术。IGBT模块的热管理主要采用空气、水-乙二醇等单相冷却技术。然而,随着对IGBT冷却要求的不断提高,两相冷却、微通道冷却、冲击射流等新颖的冷却方法受到了越来越多的关注。
(3)主动热控制。采用主动热控制来解决子模块内部不平衡的热应力分布问题。上述IGBT温度管理技术可有效提高热可靠性。然而,本质上,这些方法是在IGBT设备级别上进行的。对于车辆水平而言,牵引逆变器中IGBT温度与由EMS控制的电机运行状态有很大关系。因此,综合考虑IGBT热效应的同时提高燃油经济性的EMS可以作为提高IGBT热可靠性的可行途径。现有的混合动力车辆能量管理方法,较多专注于系统的工作效率,而忽略各部件物理状态对其工作效率的影响。其中各部件的热状态对其工作性能具有决定性作用。而考虑了部件的热状态的能量管理策略研究大多集中于电池包热管理,而对IGBT模块热状态研究几乎没有。
现有的IGBT热管理技术大都是在IGBT设备级上应用,从整车角度,忽略了电机运行状态对IGBT温度的影响。同时,忽略了IGBT模块热状态不利于能量管理策略的实际应用。减少IGBT的使用寿命,甚至发生热故障。
由于需要实现燃油经济性和IGBT温度指标的协同优化,能量管理问题是一个多目标优化问题。涉及多个子系统的同步优化,各子系统在复杂运行工况下的决策行为相互影响、相互制约。多目标优化问题的各个子目标之间是矛盾的,一个子目标的改善有可能会引起另一个或者另几个子目标性能的降低,也就是说要使得多个子目标同时达到最优是不可能的,而只能在它们中间进行协调和折中处理,使得各个子目标尽可能的达到最优值。对于多目标问题,通常的做法是将优化目标加权和法变换为单目标优化问题,然后对单目标进行优化。多目标优化理论是以预定的整体最优解规则作为唯一判定条件,忽略各子系统本身的寻优过程,从而导致部分应用工况下各子系统调控目标出现偏离,难以到达理想的优化结果,甚至陷入优化陷阱无法求解。
多目标优化理论是以预定的整体最优解规则作为唯一判定条件,忽略各子系统本身的寻优过程,从而导致部分应用工况下各子系统调控目标出现偏离,难以到达理想的优化结果,甚至陷入优化陷阱无法求解。
机电复合传动系统中,牵引逆变器的IGBT温度与电机的运行状态有很大的关系,而电机的运行状态由EMS控制。因此,综合研究设计一种既能提高燃油经济性又能考虑IGBT热状态的EMS,是提高IGBT热可靠性的可行途径。在EMS中考虑IGBT热效应的研究仍属空白。基于此,本专利提出了一种提高IGBT热可靠性的新思路。混合控制单元综合考虑IGBT热状态和燃油经济性,合理分配发动机与电机之间的能量流,降低IGBT温度以及减少温度波动。
发明内容
为解决上述技术问题,本发明提供了一种机电复合传动装置电驱系统IGBT温升预测优化控制方法。
本发明的技术方案如下:一种机电复合传动装置电驱系统IGBT温升预测优化控制方法,包括以下步骤:
S1:车辆驾驶的历史数据作为训练集,训练预测车速和加速度的神经网络;
S2:根据当前采样时刻的驾驶员踏板位置,结合车速、发动机转速以及电池荷电状态SOC车辆状态信号以及神经网络预测未来车辆需求车速和转矩;
S3:根据未来车辆需求车速和转矩,构建车辆与动力系统各部件动力学模型;
S4:根据车辆与动力系统各部件动力学模型,构建基于MPC的预测型能量管理框架;
S5:以车辆与动力系统各部件动力学模型和IGBT为两个参与者,构建非合作博弈模型;
S6:利用迭代算法求解非合作博弈模型预测时域内的纳什均衡,并将纳什均衡序列的第一对值作为能量管理问题的解作用于机电复合传动系统。
优选地,S3包括以下子步骤:
S31:车辆纵向动力学模型为:
其中,m为整车质量,g为重力加速度,f为滚动阻力系数,θ为道路的坡度,A为迎风面积,Cd为空气阻力系数,ρa为空气密度,v为车辆速度,δm是整车等效质量,r为车轮半径;
S32:建立动力系统各部件动力学模型:
在稳态时,电机的转速和转矩满足以下关系:
模式1,即离合器断开,制动器接合
模式1,离合器接合,制动器断开;
其中,ωmA和ωmB分别是电机A和电机B的转速,ωi和ωo分别是耦合机构输入转速和输出转速;TmA和TmB分别是电机A和电机B的转矩;Ti和To分别是耦合机构输入转矩和输出转矩;κ1,κ2和κ3分别是PG1,PG2和PG3的固有参数,它们的值等于齿圈和太阳轮的齿数比;
耦合机构的转速和转矩也符合以下条件:
其中if和ir为前传动比和后传动比,Te,ωe为发动机转矩和转速;
S33:建立IGBT热电耦合模型:
其中,τ为IGBT温度,Cp为IGBT比热容,H为IGBT散热系数,τl为冷却液温度。
优选地,S4的系统状态方程:
其中,V为电池开环电压,Rb为电池内阻,Pb为电池功率,Qb为电池容量,τA和τB分别为电机A和电机B的控制器的IGBT温度。
优选地,S5包括以下步骤:
S51:EMS在追求最优燃油经济性的同时,优化IGBT温度指标,防止IGBT过热,延长IGBT使用寿命,EMS通过控制发动机的转矩和转速来控制发动机和电动机之间的能量流动,将能量管理问题可以看作是两参与者非合作博弈问题;
S52:发动机和IGBT被视为自私的参与者,即Θ1和Θ2,预测时域内,在每个控制时刻,每个参与者决定其策略以最小化自己的成本函数,对于Θ1,选择最优的发动机转矩Te来实现最佳的燃油经济性指标JΘ1是他唯一的目标.同时,对于Θ2,选择最优的发动机转速来实现最佳的IGBT温度指标,非合作博弈表述为;
G=[2,(ΩΘ1,ΩΘ2),(JΘ1,JΘ2)]G=[2,(ΩΘ1,ΩΘ2),(JΘ1,JΘ2)]
其中ΩΘ1,ΩΘ2为两个玩家的策略集合,满足下列约束:
S52:成本函数
在每个预测范围内,Θ1最小化能量消耗,因此,Θ1的成本函数可以定义为:
Θ2优化IGBT温度指标,防止IGBT过热,延长IGBT使用寿命,机电复合传动系统配备了两个电机,Θ2的成本函数可以定义为:
其中,τA表示电机A的温度,τB表示电机B的温度。
优选地,S6中求解纳什均衡作为能量管理问题的解,在纳什均衡中,如果只有一个参与人改变了自己的决定,而其他参与人都坚持自己的选择,那么没有一个参与人会受益,因此以下不等式得到满足:
其中,u1=Te是Θ1的策略,u1=ne是Θ2的策略.(u1 *,u2 *)是纳什均衡对。
本发明机电复合传动装置电驱系统IGBT温升预测优化控制方法至少具有以下技术效果:
1.本发明在EMS的设计中考虑IGBT温升,提高系统运行可靠性,以保证足够的整车动力性和良好的燃油经济性。
2.本发明制定了考虑电机热状态的能量管理策略,保证了IGBT稳定工作。
3.本发明建立了多目标控制的博弈机制,提出了发动机和IGBT两参与者的非合作博弈模型,为多目标能量管理策略提供了新的思路,通过迭代法求解纳什均衡,从各子系统的角度出发,遵循其自身的寻优规律,在任何工况下都能达到各子系统的均衡优化。
4.本发明提高了动力系统各部件协同工作的稳定性,提高了经济性和安全性。
附图说明
图1为本发明的流程图。
图2为本发明的机电复合传动系统图。
图3为本发明的IGBT热电耦合模型图。
图4为本发明的纳什均衡求解图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,一种机电复合传动装置电驱系统IGBT温升预测优化控制方法,包括以下步骤:
S1:车辆驾驶的历史数据作为训练集,训练预测车速和加速度的神经网络;
S2:根据当前采样时刻的驾驶员踏板位置,结合车速、发动机转速以及电池荷电状态SOC车辆状态信号以及神经网络预测未来车辆需求车速和转矩;
S3:根据未来车辆需求车速和转矩,构建车辆与动力系统各部件动力学模型;
S4:根据车辆与动力系统各部件动力学模型,构建基于MPC的预测型能量管理框架;
S5:以车辆与动力系统各部件动力学模型和IGBT为两个参与者,构建非合作博弈模型;
S6:利用迭代算法求解非合作博弈模型预测时域内的纳什均衡,并将纳什均衡序列的第一对值作为能量管理问题的解作用于机电复合传动系统。
步骤S3包括以下步骤:
车辆纵向动力学模型为:
其中m为整车质量,g为重力加速度,f为滚动阻力系数,θ为道路的坡度,A为迎风面积,Cd为空气阻力系数,ρa为空气密度,v为车辆速度,δm是整车等效质量,r为车轮半径。
S32:建立动力系统各部件动力学模型:
在稳态时,电机的转速和转矩满足以下关系:
模式1(离合器断开,制动器接合)
模式1(离合器接合,制动器断开)
其中ωmA和ωmB分别是电机A和电机B的转速.ωi和ωo分别是耦合机构输入转速和输出转速.TmA和TmB分别是电机A和电机B的转矩.Ti和To分别是耦合机构输入转矩和输出转矩.κ1,κ2和κ3是PG1,PG2和PG3的固有参数,它们的值等于齿圈和太阳轮的齿数比。
耦合机构的转速和转矩也符合以下条件:
其中if和ir为前传动比和后传动比,Te,ωe为发动机转矩和转速。
S33:建立IGBT热电耦合模型:
采用径向基神经网络构建功率损耗模型:
其中,X=[U,I,ξ]T,U为母线电压,I为IGBT平均有效电流,ξ为IGBT输出频率。
IGBT一阶热模型为:
其中τ为IGBT温度,Cp为IGBT比热容,H为IGBT散热系数,τl为冷却液温度。
步骤S4包括以下步骤:
S41:系统状态方程为:
其中,V为电池开环电压,Rb为电池内阻,Pb为电池功率,Qb为电池容量,τA和τB分别为电机A和电机B的控制器的IGBT温度。
步骤S5包括以下步骤:
S51:EMS在追求最优燃油经济性的同时,优化IGBT温度指标,防止IGBT过热,延长IGBT使用寿命。EMS通过控制发动机的转矩和转速来控制发动机和电动机之间的能量流动。将能量管理问题可以看作是两参与者非合作博弈问题。发动机和IGBT被视为自私的参与者,即Θ1和Θ2。预测时域内,在每个控制时刻,每个参与者决定其策略以最小化自己的成本函数。对于Θ1,选择最优的发动机转矩Te来实现最佳的燃油经济性指标JΘ1是他唯一的目标.同时,对于Θ2,选择最优的发动机转速来实现最佳的IGBT温度指标。非合作博弈表述为;
G=[2,(ΩΘ1,ΩΘ2),(JΘ1,JΘ2)] (10)
其中ΩΘ1,ΩΘ2为两个玩家的策略集合,满足下列约束:
S52:成本函数
在每个预测范围内,Θ1最小化能量消耗。因此,Θ1的成本函数可以定义为:
Θ2优化IGBT温度指标,防止IGBT过热,延长IGBT使用寿命。
值得注意的是,机电复合传动系统配备了两个电机。
因此,Θ2的成本函数可以定义为:
如图4所示,步骤S6包括以下步骤:
在本专利中,能量管理问题本质上是一个在每个预测时域内的微分博弈问题。求解纳什均衡作为能量管理问题的解。在纳什均衡中,如果只有一个参与人改变了自己的决定,而其他参与人都坚持自己的选择,那么没有一个参与人会受益,因此以下不等式得到满足:
其中u1=Te是Θ1的策略,u1=ne是Θ2的策略.(u1 *,u2 *)是纳什均衡对。
每个预测时域内,通过迭代法求纳什均衡,算法流程图4。
Claims (5)
1.一种机电复合传动装置电驱系统IGBT温升预测优化控制方法,其特征在于,包括以下步骤:
S1:车辆驾驶的历史数据作为训练集,训练预测车速和加速度的神经网络;
S2:根据当前采样时刻的驾驶员踏板位置,结合车速、发动机转速以及电池荷电状态SOC车辆状态信号以及神经网络预测未来车辆需求车速和转矩;
S3:根据未来车辆需求车速和转矩,构建车辆与动力系统各部件动力学模型;
S4:根据车辆与动力系统各部件动力学模型,构建基于MPC的预测型能量管理框架;
S5:以车辆与动力系统各部件动力学模型和IGBT为两个参与者,构建非合作博弈模型;
S6:利用迭代算法求解非合作博弈模型预测时域内的纳什均衡,并将纳什均衡序列的第一对值作为能量管理问题的解作用于机电复合传动系统。
2.根据权利要求1所述的机电复合传动装置电驱系统IGBT温升预测优化控制方法,其特征在于,所述S3包括以下子步骤:
S31:车辆纵向动力学模型为:
其中,m为整车质量,g为重力加速度,f为滚动阻力系数,θ为道路的坡度,A为迎风面积,Cd为空气阻力系数,ρa为空气密度,v为车辆速度,δm是整车等效质量,r为车轮半径;
S32:建立动力系统各部件动力学模型:
在稳态时,电机的转速和转矩满足以下关系:
模式1,即离合器断开,制动器接合
模式1,离合器接合,制动器断开;
其中,ωmA和ωmB分别是电机A和电机B的转速,ωi和ωo分别是耦合机构输入转速和输出转速;TmA和TmB分别是电机A和电机B的转矩;Ti和To分别是耦合机构输入转矩和输出转矩;κ1,κ2和κ3分别是PG1,PG2和PG3的固有参数,它们的值等于齿圈和太阳轮的齿数比;
耦合机构的转速和转矩也符合以下条件:
其中if和ir为前传动比和后传动比,Te,ωe为发动机转矩和转速;
S33:建立IGBT热电耦合模型:
其中,τ为IGBT温度,Cp为IGBT比热容,H为IGBT散热系数,τl为冷却液温度。
4.根据权利要求1所述的机电复合传动装置电驱系统IGBT温升预测优化控制方法,其特征在于,所述S5包括以下步骤:
S51:EMS在追求最优燃油经济性的同时,优化IGBT温度指标,防止IGBT过热,延长IGBT使用寿命,EMS通过控制发动机的转矩和转速来控制发动机和电动机之间的能量流动,将能量管理问题可以看作是两参与者非合作博弈问题;
S52:发动机和IGBT被视为自私的参与者,即Θ1和Θ2,预测时域内,在每个控制时刻,每个参与者决定其策略以最小化自己的成本函数,对于Θ1,选择最优的发动机转矩Te来实现最佳的燃油经济性指标JΘ1是他唯一的目标.同时,对于Θ2,选择最优的发动机转速来实现最佳的IGBT温度指标。非合作博弈表述为;
G=[2,(ΩΘ1,ΩΘ2),(JΘ1,JΘ2)]
其中ΩΘ1,ΩΘ2为两个玩家的策略集合,满足下列约束:
S52:成本函数
在每个预测范围内,Θ1最小化能量消耗,因此,Θ1的成本函数可以定义为:
Θ2优化IGBT温度指标,防止IGBT过热,延长IGBT使用寿命,机电复合传动系统配备了两个电机,Θ2的成本函数可以定义为:
其中,τA表示电机A的温度,τB表示电机B的温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210734985.5A CN115114853A (zh) | 2022-06-27 | 2022-06-27 | 一种机电复合传动装置电驱系统igbt温升预测优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210734985.5A CN115114853A (zh) | 2022-06-27 | 2022-06-27 | 一种机电复合传动装置电驱系统igbt温升预测优化控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115114853A true CN115114853A (zh) | 2022-09-27 |
Family
ID=83331070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210734985.5A Pending CN115114853A (zh) | 2022-06-27 | 2022-06-27 | 一种机电复合传动装置电驱系统igbt温升预测优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115114853A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11182276A (ja) * | 1997-12-17 | 1999-07-06 | Honda Motor Co Ltd | ハイブリッド車両の制御装置 |
CN104925063A (zh) * | 2015-04-12 | 2015-09-23 | 北京理工大学 | 机电复合传动车辆的模型预测控制方法 |
CN110717218A (zh) * | 2019-09-18 | 2020-01-21 | 北京理工大学 | 一种电驱动车辆分布式动力驱动系统重构控制方法及车辆 |
CN110834551A (zh) * | 2019-11-15 | 2020-02-25 | 北京理工大学 | 一种纯电动汽车能量管理控制系统 |
CN111091239A (zh) * | 2019-12-04 | 2020-05-01 | 国网天津市电力公司电力科学研究院 | 基于差分进化算法的能源服务商电价策略制定方法及装置 |
-
2022
- 2022-06-27 CN CN202210734985.5A patent/CN115114853A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11182276A (ja) * | 1997-12-17 | 1999-07-06 | Honda Motor Co Ltd | ハイブリッド車両の制御装置 |
CN104925063A (zh) * | 2015-04-12 | 2015-09-23 | 北京理工大学 | 机电复合传动车辆的模型预测控制方法 |
CN110717218A (zh) * | 2019-09-18 | 2020-01-21 | 北京理工大学 | 一种电驱动车辆分布式动力驱动系统重构控制方法及车辆 |
CN110834551A (zh) * | 2019-11-15 | 2020-02-25 | 北京理工大学 | 一种纯电动汽车能量管理控制系统 |
CN111091239A (zh) * | 2019-12-04 | 2020-05-01 | 国网天津市电力公司电力科学研究院 | 基于差分进化算法的能源服务商电价策略制定方法及装置 |
Non-Patent Citations (3)
Title |
---|
丁峰 等: "基于模型预测控制的混联式混合动力车辆能量管理策略", 北京汽车, 25 June 2015 (2015-06-25), pages 1 - 5 * |
丁峰 等: "基于行驶工况分类的混合动力车辆速度预测方法与能量管理策略", 汽车工程, vol. 39, no. 11, 25 November 2017 (2017-11-25), pages 1223 - 1231 * |
项昌乐 等: "双模式机电复合传动系统电功率协调控制策略", 哈尔滨工业大学学报, vol. 49, no. 1, 30 December 2016 (2016-12-30), pages 120 - 125 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9515357B2 (en) | Battery thermal management system for electrified vehicle | |
JP5624995B2 (ja) | ハイブリッド車両及びその制御方法 | |
JP4337848B2 (ja) | 電源システムおよびそれを備える車両、ならびに温度管理方法 | |
CN101919157A (zh) | 旋转电机控制系统和具有该旋转电机控制系统的车辆驱动系统 | |
Liang et al. | Energy management strategy for a parallel hybrid electric vehicle equipped with a battery/ultra-capacitor hybrid energy storage system | |
CN112959992B (zh) | 基于能效分析与效率最优的混合动力汽车能量管理方法 | |
Mohammadi et al. | Modeling, Simulation, and analysis of hybrid electric vehicle using MATLAB/simulink | |
JP5676227B2 (ja) | ハイブリッド車両のモータ制御装置及びその方法 | |
Ahmed et al. | Control and analysis of regenerative power distribution on electrical variable transmission using fuzzy logic on HEV system | |
JP5799832B2 (ja) | ハイブリッド車両 | |
Mustafi | An overview of hybrid electric vehicle technology | |
CN113859224B (zh) | 考虑电机热状态的插电混合动力汽车预测型能量管理方法 | |
Kim et al. | Design and analysis of BLDC motor driver for hybrid electric vehicles | |
Malaizé et al. | Optimization-based control design for hybrid energy storage systems in electric vehicles | |
Fuchss et al. | The propulsion system of the new jaguar I-pace | |
CN115114853A (zh) | 一种机电复合传动装置电驱系统igbt温升预测优化控制方法 | |
JP2022144934A (ja) | 電源システム | |
Zhang et al. | A Predictive PMP Strategy for Plug-In Hybrid Electric Buses Considering Motor Thermal Characteristics and Loss Distribution | |
Choy et al. | A multiport power electronics converter for hybrid traction applications | |
Goswami et al. | Electric vehicles: a step toward sustainability | |
Bockstette et al. | Performance plus range: combined battery concept for plug-in hybrid vehicles | |
Makrygiorgou et al. | Unified modeling, control, and stability for a vehicle-to-grid and plug-in EV system | |
Abdelaziz et al. | Cascaded fuzzy controller for electric vehicle traction system battery energy management | |
Guidi | Energy management systems on board of electric vehicles, based on power electronics | |
Vonteddu et al. | Energy based PMSM drive electric vehicle to eliminate high frequency switching |
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 |