基于Karc?分数阶人工神经网络与电鳗觅食优化算法的电动汽车无刷直流电机速度控制研究

《Scientific Reports》：Hybrid Karc?FANN–EEFO controller for adaptive speed control of BLDC motors in electric vehicles

　　

摘要

电动汽车（EV）近年来受到广泛关注，凭借其高效性和环保优势，正迅速成为化石燃料交通的可持续替代方案。最大化能量效率和提升行驶里程是电动汽车开发的主要目标，而这两项目标的实现很大程度上依赖于电机性能的改进。在各类电机中，无刷直流（BLDC）电机因性能强劲、效率高以及卓越的速度和位置控制能力，成为电动汽车的最佳选择。为实现精确且具有自适应性的速度调节，本研究提出了一种混合Karc?分数阶人工神经网络（Karc?FANN）控制器。Karc?FANN架构将分数阶微积分与人工神经网络相结合，为动态系统控制提供了增强的学习自适应能力和记忆特性。为进一步优化Karc?FANN的性能，采用电鳗觅食优化算法（EEFO）进行权重和偏置调优。EEFO算法提高了收敛速度并防止训练过程中出现过早停滞，确保控制器的最佳性能。在MATLAB/Simulink环境中获得的仿真结果表明，与传统控制器相比，其性能更为优越，在高惯性条件下实现了0.0321秒的调节时间和0.0201秒的上升时间，同时具有低超调和精确的参考速度跟踪能力。因此，Karc?FANN与EEFO的集成方案为BLDC电机速度控制提供了一种鲁棒且高效的解决方案，标志着智能电动汽车推进系统的重大进步，并为可持续、响应灵敏的交通技术发展做出了贡献。