基于群体智能的动态滑模控制设计用于混合储能系统无线充电

《Energies》：Swarm-Based Design of Dynamic Sliding Mode Control for Wireless Charging of Hybrid Energy Storage Systems

　　

电动汽车（EV）对可持续和智能能源解决方案的需求日益增长，促使研究人员对先进混合储能系统（HESS）和高效无线充电架构的开发产生浓厚兴趣。本研究通过群体启发式框架优化了一种动态滑模控制（DSMC）技术，用于集成无线功率传输（WPT）系统的电池-超级电容HESS。利用LCC-S拓扑，WPT系统能够在变化负载和对准条件下实现高效、非接触式能量传输至储能模块。为解决此类系统固有的非线性和参数不确定性，研究人员提出了一种鲁棒DSMC方法，以确保系统平滑跟踪和干扰抑制。控制设计进一步通过一种生物启发式蛾焰优化算法与引力搜索和分数阶粒子群优化（MFOGSAPSO）相结合的混合算法进行优化，该算法增强了自适应熵调节和分形记忆，用于动态调整滑模面系数和切换增益。所提方法通过MATLAB/Simulink中的全面仿真以及在TI F28379D LaunchPads上的控制器硬件在环（C-HIL）实验进行验证。在三种MFO变体中，MFOGSAPSO-A实现了最快目标函数收敛，在10次迭代内稳定在685附近，显著优于优化PID（715）和优化SMC（708）。所提DSMC实现了总体RMSE，跟踪误差相对于PID降低，相对于SMC降低，同时将调节时间缩短至 ms，相对于PID（ ）和SMC（ ）有所改善。C-HIL结果与离线仿真波形高度吻合，无需重新调参，证实了在现实嵌入式执行条件下优越的能量管理、改进的电池和超级电容之间的功率分配以及无线充电过程整体效率的提升。

**论文解读：基于群体智能优化的动态滑模控制在混合储能系统无线充电中的应用**

**研究背景与动机**
气候变化导致的温室气体（GHG）排放超标问题日益严峻，电动汽车（EV）的推广有助于降低排放并减少对不可再生能源的依赖。先进快速充电技术对促进EV普及至关重要，其中无线功率传输（WPT）因提供非接触式能量传输、便利性和安全性而成为有前景的解决方案。然而，传统WPT系统存在泄漏电感大、互感低、功率因数降低等问题，需通过补偿拓扑（如LCC-S）提升效率。混合储能系统（HESS）结合电池和超级电容，兼具高能量密度和高功率密度特性，但针对HESS负载的WPT系统控制研究严重不足。现有控制策略（如PID、传统滑模控制（SMC））在非线性、参数不确定性和耦合变化条件下难以同时实现鲁棒跟踪和高效功率分配。因此，研究人员提出一种基于群体智能优化的动态滑模控制（DSMC）框架，旨在解决WPT-HESS系统的非线性电流跟踪和能量管理协同优化问题。该论文发表在《Energies》。

**主要关键技术方法**
为克服传统控制设计的局限性，研究人员采用以下关键技术：
1. **LCC-S补偿拓扑建模**：建立WPT系统等效电路模型，推导传输阻抗、电流增益和效率公式，确定最大效率工作点对应的最优充电功率。
2. **动态滑模控制（DSMC）设计**：引入滑模面导数项以降低抖振，通过Lyapunov稳定性分析保证闭环信号有界，并采用均匀精确微分器（UED）估计参考电流导数，避免模式切换时的脉冲行为。
3. **混合群体智能优化算法（MFOGSAPSO）**：融合蛾焰优化（MFO）的螺旋搜索、引力搜索（GSA）的全局探索和分数阶粒子群（FOPSO）的记忆型速度更新，并引入自适应熵调节和分形记忆，对DSMC的滑模面系数和切换增益进行系统调优。
4. **控制器硬件在环（C-HIL）验证**：在TI F28379D LaunchPads上搭建实时仿真平台，将WPT-HESS植物模型与DSMC控制器分置于两块开发板，模拟实际MCU的量化、采样抖动和计算延迟。

**研究结果**
**7.1 目标函数收敛**：三种MFO变体（Archimedean螺旋型MFOGSAPSO-A、Hyperbolic型MFOGSAPSO-H、传统MFO）中，MFOGSAPSO-A在10次迭代内将目标函数从约727降至685，收敛最快且稳态误差最低；优化PID和优化SMC分别稳定在715和708，收敛性明显劣于所有MFO变体。
**7.2 控制器增益演化**：MFOGSAPSO-A在电池电流跟踪中采用更激进的积分增益（?_i,b?=39,544），而超级电容通道采用保守调优（?_i,uc?=9,429），实现了双源电流调节的平衡增益分布；优化PID和SMC的增益灵活性较差。
**7.3 HESS电流跟踪性能**：MFOGSAPSO-A驱动的DSMC使电池和超级电容电流均最接近参考信号，瞬态平滑度和稳态偏差均优于MFOGSAPSO-H、传统MFO及优化PID/优化SMC。
**7.4 超级电容充电与功率分配**：以初始电压5V充电时，MFOGSAPSO-A-DSMC在45秒内将超级电容电压升至额定55V，维持恒流10A充电；电池电流根据超级电容需求自适应分配，当超级电容功率需求超过WPT最优功率（321.63W）时，电池切换至放电模式（boost模式），实现协同功率共享。初始电压12V时采用两阶段充电（先恒流后恒功率），电池始终维持WPT系统在最优功率点运行。
**7.5 参考电流跟踪性能对比**：相对于优化PID和优化SMC，MFOGSAPSO-A-DSMC的总体RMSE分别降低（?）和（?），调节时间缩短（?）ms（相对于PID）和（?）ms（相对于SMC），上升时间略微更快，启动下冲可接受，表明其兼顾了快速性与稳态精度。
**7.6 互感变化鲁棒性分析**：将互感M在±20%范围内变化（保持控制器参数不变），所提DSMC的上升时间、调节时间、超调量和RMSE均在可接受范围内，无显著抖振或振荡，验证了对线圈偏移引起的耦合扰动的鲁棒性。
**7.7 控制器硬件在环（C-HIL）验证**：C-HIL实验中，超级电容和电池的电压、电流波形与离线仿真高度吻合，功率分配曲线一致，表明优化后的DSMC增益可直接移植至实时嵌入式平台，无需重新调参，证实了工程可行性。

**讨论与结论**
讨论部分指出，所提方法从科学角度成功整合了MFOGSAPSO优化框架与DSMC，为非线性WPT系统的控制器参数系统调优提供了有效方法论；从实践角度实现了电池和超级电容之间的高效功率分配，同时维持WPT系统在最大效率点运行。仿真与C-HIL结果的一致性进一步支持了实时嵌入式实现的可行性，为未来EV高性能无线充电基础设施的发展奠定了基础。
研究结论：本工作开发了一种基于优化驱动的DSMC框架，用于LCC-S WPT供电的电池-超级电容HESS，其中MFOGSAPSO算法系统调优了滑模面系数和切换增益。在三种优化变体中，Archimedean螺旋混合变体（MFOGSAPSO-A）实现了最快目标函数收敛、最低时间加权跟踪误差和最均衡的双源响应，显著优于优化PID和优化SMC。结合能量管理层，所提控制器实现了平滑功率分配，C-HIL实验验证了其在嵌入式环境中的工程可行性。局限性在于缺乏完整的物理WPT原型实验验证，未来工作将聚焦于实验室实验验证、与更先进非线性控制器的对比，以及动态无线充电场景的扩展。