动态负载下基于ASISMC的电动汽车驱动抗扰动与低速性能提升研究

《CES Transactions on Electrical Machines and Systems》：Active Disturbance Rejection and Low-Speed Performance Enhancement in EV Drives Using ASISMC Under Dynamic Load Conditions

本文针对电动汽车（EV）在复杂路况下因转矩失衡导致的转速波动与机械振动问题，提出一种基于先进无传感器积分滑模控制（ASISMC）的创新方案。研究通过结合模型参考自适应系统（MRAS）与积分滑模控制（ISMC），显著提升了低速工况下的转速估计精度与抗干扰能力。实验表明，该方法在UDDS（城市测功机驾驶循环）和NEDC（新欧洲驾驶循环）等真实驾驶场景中，可将转速振荡降低75%，为低成本电动两轮车（E2W）提供了高鲁棒性解决方案。

　　

随着全球温室气体排放中28%来自交通运输领域，电动汽车（EV）因其高效率和低排放特性，成为替代传统内燃机车辆的关键选择。尤其在发展中国家，电动两轮车（E2W）在车辆总数中占比显著，其电动化对减少化石能源依赖至关重要。然而，EV驱动系统在真实路况下面临严峻挑战：不平整路面、频繁启停及动态负载变化会导致电磁转矩与负载转矩失衡，引发剧烈转速波动和机械振动，不仅影响乘坐舒适性，还加剧机械部件损耗。传统无传感器控制方法（如模型参考自适应系统MRAS）在低速和突变负载下表现不佳，存在估计误差大、抗干扰能力弱等问题。为此，印度理工学院焦特布尔分校的研究团队在《CES Transactions on Electrical Machines and Systems》发表论文，提出一种先进无传感器积分滑模控制（ASISMC） 策略，通过融合MRAS的动态响应优势与积分滑模控制（ISMC）的强鲁棒性，显著提升EV驱动系统在复杂工况下的性能。

本研究采用低电压高电流感应电机（LVHCIM） 作为实验平台，其成本低、动态响应快的特性更适合低成本E2W应用。关键技术方法包括：1）构建MRAS名义控制器，实现转速估计；2）设计ISMC扰动抑制模块，消除滑模到达阶段，直接进入滑动模态；3）通过硬件实验验证控制效果，包括周期性/非周期性负载转矩测试及UDDS/NEDC标准驾驶循环模拟；4）分析参数扰动（如定子电阻R_s和电感L_s变化）对系统稳定性的影响。

恒定转速下的负载转矩扰动实验

当参考转速ω_ref固定为62.8 rad·s^-1（600 r·min^-1），负载转矩T_Load从3.65 N·m突增至5.2 N·m时，传统名义控制下的转速跌落达169.8 r·min^-1，而ASISMC将波动抑制至43.8 r·min^-1，抗扰动能力提升74%。

非周期性负载转矩测试

在随机变化的负载转矩（2.2–3.1 N·m）下，ASISMC将转速偏差由名义控制的13.7–27.6 r·min^-1压缩至1.9–4.7 r·min^-1，证明其无需先验扰动模型即可实现精准调速。

变速工况与周期性负载实验

当参考转速在600–800 r·min^-1间阶跃变化时，ASISMC将加速/减速时间从名义控制的9.2 s/10.2 s缩短至3.1 s/3.5 s，且转速跟踪误差显著降低。

标准驾驶循环验证

在UDDS循环中，ASISMC将平均绝对误差（MAE）从名义控制的11.44 rad降至0.712 rad；在NEDC循环中，MAE从8.23 rad优化至1.3 rad，峰值偏差由61.8 rad限制至8.8 rad，证实其在真实驾驶场景中的可靠性。

参数鲁棒性分析

当 stator 电阻R_s增加50%或互感电感L_s减少50%时，名义控制出现显著转速振荡，而ASISMC通过扰动补偿机制维持稳定跟踪，凸显其对参数摄动的适应性。

本研究通过ASISMC策略有效解决了EV驱动系统在动态负载下的低速控制难题。其核心优势在于：1）消除滑模控制的到达阶段，直接进入滑动模态，提升响应速度；2）通过积分滑模动作补偿参数不确定性（如R_s、L_s变化）和外部扰动；3）在UDDS/NEDC等复杂循环中保持转速误差低于传统方法80%以上。该成果为低成本E2W在启停频繁、路况多变的实际应用中提供了高鲁棒性解决方案，未来可进一步结合动态负载模拟器深化极端工况验证。