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

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

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

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,C_d为空气阻力系数,ρ_a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，ω_mA和ω_mB分别是电机A和电机B的转速，ω_i和ω_o分别是耦合机构输入转速和输出转速；T_mA和T_mB分别是电机A和电机B的转矩；T_i和T_o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：

T_w＝T_oi_r,ω_e＝i_fω_i,

其中i_f和i_r为前传动比和后传动比，T_e,ω_e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，C_p为IGBT比热容，H为IGBT散热系数，τ_l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，R_b为电池内阻，P_b为电池功率，Q_b为电池容量，τ_A和τ_B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T_e来实现最佳的燃油经济性指标J_Θ1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,(Ω_Θ1,Ω_Θ2),(J_Θ1,J_Θ2)]G＝[2,(Ω_Θ1,Ω_Θ2),(J_Θ1,J_Θ2)]

其中Ω_Θ1,Ω_Θ2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:

其中，ρ_f和ρ_e分别是当前市场的燃料和电力价格，

为单位时间燃油消耗量，P_b为电池功率；

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，τ_A表示电机A的温度，τ_B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＝T_e是Θ₁的策略,u₁＝n_e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,C_d为空气阻力系数,ρ_a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ω_mA和ω_mB分别是电机A和电机B的转速.ω_i和ω_o分别是耦合机构输入转速和输出转速.T_mA和T_mB分别是电机A和电机B的转矩.T_i和T_o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：

T_w＝T_oi_r,ω_e＝i_fω_i,

其中i_f和i_r为前传动比和后传动比，T_e,ω_e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，C_p为IGBT比热容，H为IGBT散热系数，τ_l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，R_b为电池内阻，P_b为电池功率，Q_b为电池容量，τ_A和τ_B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T_e来实现最佳的燃油经济性指标J_Θ1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,(Ω_Θ1,Ω_Θ2),(J_Θ1,J_Θ2)] (10)

其中Ω_Θ1,Ω_Θ2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:

其中ρ_f和ρ_e分别是当前市场的燃料和电力价格，

为单位时间燃油消耗量，P_b为电池功率。

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＝T_e是Θ₁的策略,u₁＝n_e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,C_d为空气阻力系数,ρ_a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，ω_mA和ω_mB分别是电机A和电机B的转速，ω_i和ω_o分别是耦合机构输入转速和输出转速；T_mA和T_mB分别是电机A和电机B的转矩；T_i和T_o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i_f和i_r为前传动比和后传动比，T_e,ω_e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，C_p为IGBT比热容，H为IGBT散热系数，τ_l为冷却液温度。

3.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S4的系统状态方程：

其中，V为电池开环电压，R_b为电池内阻，P_b为电池功率，Q_b为电池容量，τ_A和τ_B分别为电机A和电机B的控制器的IGBT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T_e来实现最佳的燃油经济性指标J_Θ1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,(Ω_Θ1,Ω_Θ2),(J_Θ1,J_Θ2)]

其中Ω_Θ1,Ω_Θ2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:

其中，ρ_f和ρ_e分别是当前市场的燃料和电力价格，

为单位时间燃油消耗量，P_b为电池功率；

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，τ_A表示电机A的温度，τ_B表示电机B的温度。

5.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＝T_e是Θ₁的策略,u₁＝n_e是Θ₂的策略.(u₁ ^*,u₂ ^*)是纳什均衡对。

Images