电动汽车牵引中基于分段线性单输入模糊MRAS的感应电机无速度传感器驱动速度估计

《World Electric Vehicle Journal》：Piecewise Linear Fuzzy Adaptive Speed Observer with Torque Error Compensation for Electric Vehicle Traction Drives

　　本文提出了一种基于分段线性单输入模糊控制器的模型参考自适应系统（SFC-MRAS），用于电动汽车牵引应用中无速度传感器矢量控制感应电机驱动的速度估计。传统PI-MRAS观测器采用固定增益自适应，在速度快速变化、负载扰动和电机参数不确定的情况下，可能限制估计性能。为增强非线性自适应能力并降低计算需求，将传统双输入模糊自适应机制转换为基于符号距离的单输入结构，随后重新构造为分段线性控制律。同时引入辅助电磁转矩误差补偿回路，在动态运行条件下提供滤波后的速度等效修正。所提出的SFC-MRAS在加速、负载扰动、速度切换、正反转运行和电机参数变化等情况下，与传统PI-MRAS和双输入模糊控制器MRAS（DFC-MRAS）进行了全面对比评估。此外，面向电动汽车的验证案例根据车辆纵向动力学推导电机参考速度和负载转矩，涵盖加速、巡航、减速/制动、再加速、道路坡度和传动系统特性。对比结果表明，与传统PI-MRAS相比，所提出的SFC-MRAS在速度估计和跟踪性能、收敛速度及鲁棒性方面均有所提升，同时以显著低于DFC-MRAS的计算负担提供了具有竞争力的估计性能。结果进一步表明，所提出的单输入分段线性公式保留了基本的非线性自适应行为，同时简化了在线实现。总体而言，所提出的SFC-MRAS在估计精度、动态鲁棒性、计算效率和面向电动汽车的运行能力之间实现了有效平衡，适用于基于感应电机的无传感器牵引驱动系统。