使用滞环电流控制器增强电动汽车感应电机驱动的FOC性能

《Next Energy》：Enhanced FOC performance using a hysteresis current controller for EV induction motor drives

　　

电动汽车牵引驱动需要快速、鲁棒且高效的感应电机控制，特别是在变速、变负载和热工况下。在磁场定向控制集成滞环电流控制器（FOC-HCC）感应电机驱动中，定子和转子电阻的变化会降低磁链估计精度，扭曲转子磁链角度计算，并可能降低速度跟踪质量。本文旨在通过集成在线基于电流的模型参考自适应系统（CB-MRAS）电阻估计器来增强FOC-HCC性能，该估计器在驱动运行期间同时更新定子和转子电阻。所提出的方法结合了电压、电流和虚拟电流模型，形成双环CB-MRAS自适应结构，以估计定子和转子电阻。然后将估计的电阻反馈到增强的FOC-HCC方案中，以改善转子磁链计算。还提供了局部稳定性和增益灵敏度分析。仿真结果表明，所提出的策略在电机参数同时变化时改善了驱动响应。与典型的FOC-HCC方案相比，所提出的方法提供了更平滑的转矩行为、精确的速度跟踪和更一致的磁链定向。在逆变器死区时间、滞环带变化、HWFET（高速公路燃油经济性测试）工况和再生制动下，其有效性也得到保持。在300 rpm下的实验测试，包括定子电阻增加20%和70°C热工况，证实了其实时可行性。

**论文解读：基于CB-MRAS电阻估计的FOC-HCC电动汽车感应电机驱动性能增强研究**

**研究背景与问题**
交通运输电气化是减少化石燃料依赖和碳排放的关键策略，2022年交通领域贡献了约7.98 Gt CO₂排放，占全球总量23%。电动汽车（EV）牵引驱动系统需满足紧凑、高效、可靠的要求，感应电机（IM）因无永磁体、成本低而广泛应用。磁场定向控制（FOC）通过解耦转矩和磁链实现直流电机类似特性，是高性能IM驱动的核心方案。滞环电流控制器（HCC）因结构简单、动态响应快而被集成于FOC（FOC-HCC），但实际运行中，定子电阻（R_s）和转子电阻（R_r）随温度变化显著，导致电流模型中的转子磁链估算出现偏差，扭曲转子磁链角（γ），进而影响转矩平稳性和速度跟踪精度。现有研究多采用单一电阻估计（如仅估计R_r的RF-MRAS），或针对特定控制结构（如DFOC、PTC），未能充分解决FOC-HCC中双电阻同时变化对磁链定向的耦合影响。因此，研究人员开发了基于电流的模型参考自适应系统（CB-MRAS）电阻估计器，旨在同时在线更新R_s和R_r，并反馈至转子磁链计算，以提升FOC-HCC在热参数变化下的鲁棒性。该论文发表在《Next Energy》上。

**主要技术方法**
研究人员采用以下关键方法：
1. **双环CB-MRAS自适应结构**：构建两个并行估计回路——R_s回路利用电压模型（VM）和电流模型（CM）的转子磁链幅值误差（f(e_Rs)=I_m(ψ_{r_VM}?ψ_{r_CM})）进行PI调节；R_r回路利用虚拟电流模型（VCM）估计的电流幅值与实测电流幅值误差（f(e_Rr)=I_est?I_m）进行PI调节。
2. **局部稳定性与灵敏度分析**：通过Lyapunov方法证明估计误差的局部一致有界性，并基于中心差分法计算灵敏度矩阵，验证回路带宽（R_s环6.68 Hz，R_r环0.61 Hz）远低于热变化时间尺度。
3. **仿真与实验验证**：在Matlab/Simulink中模拟HWFET（高速公路燃油经济性测试）工况和再生制动；实验平台采用TMS320F28335数字信号控制器，在300 rpm下进行人工电阻增加和70°C加热测试。

**研究结果**
**Scenario 1：滞环带和逆变器死区时间影响**
通过对比H=0.1、0.2、0.3三种滞环带，发现H=0.1时转矩脉动最小（理想±12.717%，含死区±16.580%），且ITAE最低（理想0.3382，含死区0.4237），故后续仿真采用H=0.1并考虑死区。

**Scenario 2：定、转子电阻同时变化下的性能对比**
当R_s和R_r均增加50%时，对比典型FOC-HCC、RF-MRAS（仅估计R_r）和所提CB-MRAS。结果表明：CB-MRAS能同时跟踪R_s和R_r变化，稳态速度误差从0.1103 rpm降至0.02486 rpm，转矩脉动从±12.930%降至±11.793%，调节时间最短（0.5046 s），IAE值最低（2.5833）。

**Scenario 3：HWFET工况下性能**
在300秒HWFET循环中，CB-MRAS成功跟踪R_s和R_r的30%和50%阶梯变化，速度紧密跟随参考，转矩响应在再生制动阶段仍保持稳定，验证了方法的工程实用性。

**实验验证**
实验在300 rpm下进行五个案例：
- 案例1（无估计，正常参数）：速度稳定，R_s、R_r无变化。
- 案例2（CB-MRAS，正常参数）：估计值接近额定值，不干扰驱动。
- 案例3（CB-MRAS，R_s人工增加20%）：估计R_s快速上升，R_r因耦合缓慢变化。
- 案例4（无估计，70°C加热）：速度出现明显脉动，R_s、R_r未补偿。
- 案例5（CB-MRAS，70°C加热）：速度响应更平滑，估计R_s和R_r清晰上升，证明实时跟踪能力。

**讨论与结论**
讨论部分指出，CB-MRAS不依赖温度输入，直接从电信号识别电阻变化，适用于通用感应电机。结论部分翻译如下：
本文提出了一种基于CB-MRAS的FOC-HCC策略，用于电动汽车感应电机驱动，其中R_s和R_r被在线估计并反馈至转子磁链计算。该方法提高了控制结构中的参数一致性，并在电阻变化下增强了磁链定向。第一个仿真场景确认了滞环带和逆变器死区时间对FOC-HCC性能的影响。当H=0.1时，理想逆变器获得的转矩脉动为±12.717%，ITAE为0.3382，而含死区情况将这些值增加到±16.580%和0.4237。在第二个场景中，当R_s和R_r增加50%时，所提CB-MRAS将稳态速度误差从0.1103 rpm降至0.02486 rpm，转矩脉动从±12.930%降至±11.793%，并实现了最短调节时间0.5046秒。HWFET仿真验证了在电阻变化、逆变器死区时间和再生制动下的稳定运行，而实验测试证实了所提估计器在人工和热电阻变化下的实时可行性。所提方法不将电机温度作为估计器输入，R_s和R_r直接从实时电气量中识别。未来工作将在更高功率的电动汽车牵引电机和实际车辆条件下验证该方法，所提出的电阻自适应方案也有望用于对参数失配高度敏感的无速度传感器控制。