电动汽车SRM驱动转矩质量优化:归一化能力加权转矩共享函数与增强贝叶斯优化

《Results in Engineering》:Optimized Torque Quality Improvement for SRM drives in Electric Vehicle applications

【字体: 大 中 小 】 时间:2026年09月21日 来源:Results in Engineering 9.4

编辑推荐:

  归一化且能力加权的转矩共享函数(TSF),融合了基于有限元分析(FEA)的转矩约束。增强贝叶斯优化(ABO)在约束下优化TSF参数,进一步减小转矩振荡。深度确定性策略梯度(DDPG)和双延迟深度确定性策略梯度(TD3)对改进TSF参数进行在线整定。模型预测控制

  
归一化且能力加权的转矩共享函数(TSF),融合了基于有限元分析(FEA)的转矩约束。增强贝叶斯优化(ABO)在约束下优化TSF参数,进一步减小转矩振荡。深度确定性策略梯度(DDPG)和双延迟深度确定性策略梯度(TD3)对改进TSF参数进行在线整定。模型预测控制(MPC)在电动汽车(EV)负载不确定性下保持稳定性。自适应TSF最小化转矩脉动并提高效率。
开关磁阻电机(SRM)因结构简单、鲁棒性强、故障容错能力好及成本低等优点,在电动汽车(EV)驱动中应用前景广阔,但其固有转矩脉动大、振动噪声显著,且磁链特性高度非线性,给建模和控制带来挑战。为抑制转矩脉动,已有研究采用几何设计优化和电子控制技术,其中转矩共享函数(TSF)是瞬时转矩控制的有效手段。然而传统TSF在高速及EV瞬态工况下性能退化:加速时反电动势升高和相导通窗口缩短,导致进入相电流变化率不足,无法跟踪参考电流;减速时退出相在低/负转矩区域注入电流,产生转矩尖峰;PI或滞环控制仅在误差出现后才响应,缺乏对负载变化的预见能力。为此,研究人员提出了一种能力加权归一化TSF,并利用增强贝叶斯优化(ABO)优化开关角参数,同时结合模型预测控制(MPC)预测EV负载,以提升全工况转矩质量。研究表明,该方法显著降低转矩脉动并提高效率,为EV用SRM驱动的高性能转矩控制提供了有效的参数优化与负载预见策略。

研究人员开展的研究包括:构建能力加权余弦TSF,按各相瞬时转矩产生能力分配转矩并归一化,避免在低转矩每安培区域注入电流;设计ABO框架,以高斯过程(GP)代理模型逼近带软罚项的标量化目标函数,利用期望改进(EI)采集函数搜索开通角、关断角和重叠角最优值;采用MPC在预测时域内预测速度并生成EV负载转矩序列,滚动求解带电压与角度约束的优化问题;并引入深度确定性策略梯度(DDPG)和双延迟深度确定性策略梯度(TD3)作为对比优化器。仿真和实验均验证了该方案在稳态、加速、减速及额定工况下的优越性。

主要关键技术方法包括:(1)基于有限元分析(FEA)建立8/6 SRM的转矩与磁链特性二维查找表(LUT),用于离散时间状态空间模型线性化;(2)构造能力加权TSF并归一化(式(10)-(13)),以相能力权重缩放转矩分配;(3)增强贝叶斯优化(ABO),通过GP代理模型和EI采集函数优化开关角,以障碍罚函数强制重叠角约束;(4)模型预测控制(MPC),在预测时域H=20内估计速度并计算EV负载转矩序列,纳入代价函数在线优化;(5)连续动作强化学习算法(DDPG、TD3)用于对比优化TSF参数。仿真基于4kW、600V、8/6 SRM,实验采用150V供电平台。

研究结果如下。5.1 Steady State Performance:在500rpm恒定转速仿真中,改进TSF将转矩脉动从常规TSF的42.2%降至约8%,电流波形更均匀,峰值电流降低;在2500rpm下,脉动从58.27%降至10.64%,效率从89.63%提至92%。5.2 Dynamic performance: Acceleration:加速仿真中,改进TSF的转矩脉动为14.06%,平均转矩12.002Nm,峰值转速3006rpm,优于常规TSF(41.57%、11.913Nm、2986rpm),并能跟踪随速度变化的EV负载。5.3 Dynamic performance: Deceleration:设0.4s减速的仿真中,改进TSF脉动为8.84%,常规为53.70%;效率90.58%对82.05%;稳态电流峰值约8A,常规约25A,体现铜耗优势。5.4 Performance under TSF parameter optimization and continuous action reinforcement learning optimization:在相同评价约束下,ABO收敛到目标值-0.631,低于DDPG/TD3的-0.600,搜索效率和终值更优。5.5 Steady state performance:在1500rpm,ABO优化TSF脉动6.62%,效率87.5%,优于TD3(8.49%、87.57%)和DDPG(9.22%、87.16%);在3000rpm,ABO脉动9.78%、效率91.83%,均优于RL算法;ABO电流波形更平滑,RL算法在重叠区存在残余脉冲。5.6 Dynamic Performance: Acceleration:在750→1500→2500rpm加速过程中,ABO脉动7.84%、效率92.66%,优于TD3(9.40%、92.43%)和DDPG(10.72%、92.15%),电流变化率更低。5.7 Dynamic performance: Deceleration:从3000rpm减速至1500rpm,ABO脉动8.81%、效率91.64%,优于TD3(9.30%、91.08%)和DDPG(9.40%、90.78%),重叠区连续性更好。5.8 Performance under rated condition:额定1500rpm、4kW、25.5Nm条件下,ABO优化TSF将脉动从29.5%降至6.2%,峰值电流从29.9A降至16.9A,维持额定转矩25.6Nm。6. Experimental Results:实验平台采用8/6 SRM、电磁制动器、DRBK转矩传感器、IGBT不对称桥和TMS320F28379D控制板,供电150V。在570r/min下,所提控制器将转矩脉动从67.3%减至30.9%,效率从83.74%提至88.56%;330r/min下脉动从25.25%降至23.20%,效率略升。验证了方案在实际硬件上的有效性。

讨论方面,实时可行性分析指出ABO目标评估仅在离线设计阶段耗时约40分钟,在线MPC求解约46μs、TSF计算0.38μs,满足100
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号