关键词:
电动汽车
永磁同步电机
模型预测电流控制
参数辨识
摘要:
近年来,随着“双碳”目标的推进与智能制造的发展,电动汽车已成为全球交通转型的核心方向,而驱动系统作为新能源汽车的关键支撑部件,其性能直接决定了整车的安全性、舒适性与能效水平。永磁同步电机(Permanent Magnet Synchronous Motor,PMSM)因其高效率、高功率密度与良好的调速特性被广泛应用于驱动系统中。但在实际应用中,永磁同步电机系统在实际运行中通常具有较强的非线性特征,参数易受工况变化影响,同时存在频繁的负载扰动和较高的多变量耦合性等问题,传统矢量控制方法在动态响应、稳态精度及抗扰动能力方面已难以满足高性能驱动需求。
本文针对上述问题,提出一种面向车用PMSM的多层次控制优化方案,结合有限控制集模型预测电流控制(Finite Control Set Model Predictive Current Control,FCS-MPCC)与在线参数辨识机制,构建了具有高鲁棒性与工程可实现性的控制体系。
首先,对传统单矢量(single vector model predictive current control,SV-MPCC)和双矢量(double vector model predictive current control,DV-MPCC)模型预测控制策略在电流纹波、稳态误差控制方面存在的局限性进行分析,针对电动汽车永磁同步电机驱动系统的高效能、高动态控制需求。基于电动汽车的宽调速工况与频繁负载扰动特性,本文设计了一种基于电流无差拍原理的三矢量模型预测控制策略(optimized three vector model predictive current control,OTV-MPCC)。该策略通过引入虚拟电压矢量扩展控制集合,构建参考电压与有效电压矢量之间的差值模型,结合自适应矢量筛选机制与占空比优化算法,增强了电压合成自由度,提高了控制精度。仿真与实验验证结果表明,所提OTV-MPCC策略能够显著降低d-q轴电流与转矩的脉动,提升系统的动态响应速度与稳定性。
在此基础上,考虑到车载电机参数受温度变化与磁饱和效应的影响问题,本文进一步研究了参数失配对FCS-MPC控制性能的影响,并构建了一种基于模型参考自适应系统(Model Reference Adaptive System,MRAS)的在线参数辨识框架。该方法通过建立可观测的参考模型与可调参数的估计模型之间的误差信号,实现对电机参数的动态跟踪与模型校正。为提升辨识系统的稳定性与精度,本文引入Huber损失函数以增强对异常值和噪声的鲁棒性,并设计了变步长梯度下降算法以提升辨识收敛速度与精度,避免因辨识矩阵欠秩或参数耦合引发的不稳定现象。所提出的改进型MRAS结构可实现对电感、电阻和磁链等核心参数的逐步辨识与在线修正,仿真结果显示该方案在多种工况下均表现出良好的收敛特性与辨识精度。保障了电动汽车在全工况范围内的驱动性能。
为验证所提控制策略与参数辨识方法的可行性与工程实用性,本文依托RT-LAB实时仿真平台搭建了半实物仿真系统,并开展了加减速、负载突变等典型工况下的验证实验。实验结果进一步证明,OTV-MPCC在动态性能和稳态控制精度方面较传统策略具有显著提升,MRAS辨识结构亦能稳定高效地完成参数跟踪与模型修正。整体系统在控制精度、响应速度与抗扰动能力方面表现优异,展现出良好的工程应用前景。