張強(qiáng) 黃云霄 牛天林 徐晨洋

（空軍工程大學(xué)，西安 710051）

基于神經(jīng)網(wǎng)絡(luò)的電動汽車動態(tài)無線充電功率控制

張強(qiáng) 黃云霄 牛天林 徐晨洋

（空軍工程大學(xué)，西安 710051）

為實現(xiàn)多初級繞組并聯(lián)電動汽車的動態(tài)無線充電，建立雙發(fā)單收無線電能傳輸系統(tǒng)模型，得到動態(tài)模式下的傳輸特性與磁場分布。為保證輸出功率的穩(wěn)定調(diào)節(jié)，增加基于副邊控制的升壓型變換器。設(shè)計了反向傳播（BP）神經(jīng)網(wǎng)絡(luò)控制器，通過控制高頻開關(guān)管占空比的變化，實現(xiàn)輸出電流的平穩(wěn)控制。仿真分析表明，所設(shè)計的BP神經(jīng)網(wǎng)絡(luò)控制器在控制速度、超調(diào)量、控制穩(wěn)定性等方面均優(yōu)于傳統(tǒng)PID控制，同時具有較好的泛化能力。

1 前言

充電問題已成為限制電動汽車發(fā)展的最大難題[1]。電動汽車有線充電方式存在充電裝置笨重、拔插過程機(jī)械磨損嚴(yán)重、安全隱患大等缺點。電動汽車無線充電技術(shù)使用戶只需將車輛停靠在固定發(fā)射線圈上方即可實現(xiàn)充電，稱為靜態(tài)無線充電。然而，這種方式存在充電時間長、續(xù)駛里程有限、電池組笨重等缺點。因此，電動汽車動態(tài)無線充電技術(shù)應(yīng)運(yùn)而生，它采用多發(fā)射線圈并聯(lián)方式，在車輛行駛過程中，以非接觸方式實時進(jìn)行能量供給[2～5]。由于車輛處于運(yùn)動之中，線圈間互感不斷變化，使得充電功率處于波動之中，影響系統(tǒng)的穩(wěn)定性。

文獻(xiàn)[6]針對分段導(dǎo)軌動態(tài)無線供電的線圈接力方式，提出有效的線圈切換供電方法，對于系統(tǒng)傳輸特性的穩(wěn)定具有重要意義。Jhon T.Boy教授研究團(tuán)隊針對多級導(dǎo)軌動態(tài)無線供電方式，提出一種多相導(dǎo)軌感應(yīng)磁場，從而保證系統(tǒng)傳輸效率的穩(wěn)定[7～8]。朱春波教授研究團(tuán)隊在研究磁耦合無線電能傳輸系統(tǒng)原理、距離和功率特性的基礎(chǔ)上，成功研制輸入電壓為10 V、工作頻率為55 kHz、效率達(dá)85%的動態(tài)模式供電試驗平臺[9～10]。孫躍教授研究團(tuán)隊圍繞無線電能傳輸功率的控制與調(diào)節(jié)，提出了動態(tài)無線供電的設(shè)計方法，并聯(lián)合企業(yè)開發(fā)出功率為15 kW、傳輸距離為25～30 cm、傳輸效率達(dá)70%以上的電動汽車動態(tài)無線供電系統(tǒng)，且不需攜帶電池組[11～12]。

本文建立雙初級繞組并聯(lián)無線充電系統(tǒng)模型，分析電動汽車移動過程中的互感改變對輸出功率穩(wěn)定性的影響。副邊增加輸出功率調(diào)節(jié)電路，設(shè)計相應(yīng)的反向傳播（Back {Propagation，BP）神經(jīng)網(wǎng)絡(luò)控制器，通過對高頻開關(guān)管占空比的控制，實現(xiàn)了功率的平穩(wěn)輸出。

2 系統(tǒng)建模與分析

2.1 雙發(fā)單收系統(tǒng)模型

電動汽車運(yùn)動過程中多個初級繞組同時供電的情形較為復(fù)雜，為簡化分析，以雙初級繞組同時供電為例建立雙發(fā)單收無線電能傳輸系統(tǒng)模型，如圖1所示，其中補(bǔ)償拓?fù)溥x用SS型補(bǔ)償。圖1中，Us為高頻逆變電壓源，Ip1、Ip2、Is分別為兩初級側(cè)與次級側(cè)電流，Lp1、Lp2、Ls分別為兩初級側(cè)與次級側(cè)的耦合電感，Cp1、Cp2、Cs分別為兩初級側(cè)與次級側(cè)的串聯(lián)諧振補(bǔ)償電容，Rp1、Rp2、Rs分別為兩初級側(cè)與次級側(cè)的等效內(nèi)阻，Mp1p2、Mp1s、Mp2s分別為兩初級繞組間及兩初級繞組與次級繞組間的互感，RL為系統(tǒng)負(fù)載。

圖1 雙發(fā)單收無線電能傳輸系統(tǒng)等效電路

由基爾霍夫電壓定律可得等效電路方程為：

式中，Zp1=Rp1+j(ωLp1-1/ωCp1)、Zp2=Rp2+j(ωLp2-1/ωCp2)、Zs=Rs+RL+j(ωLs-1/ωCs)分別為兩初級繞組回路與次級繞組回路阻抗。

由于并聯(lián)初級繞組為對稱結(jié)構(gòu)，因此：

即Zp=Zp1=Zp2。

解得各回路電流為：

其中，

電動汽車無線供電系統(tǒng)線圈工作在諧振狀態(tài)，因此：

假設(shè)接收線圈剛好位于兩發(fā)射線圈中間位置，則：

最終解得系統(tǒng)輸出總功率為：

系統(tǒng)傳輸效率為：

由式（7）、式（8）可知，系統(tǒng)其它參數(shù)確定時，互感是影響系統(tǒng)傳輸性能的主要因素。定義系統(tǒng)仿真參數(shù)如表1所示。

表1 系統(tǒng)仿真參數(shù)

研究初級繞組互感Mp1p2=2 μH時，初、次級繞組互感Mp1s、Mp2s對系統(tǒng)傳輸特性的影響，如圖2所示。

由圖2a可以看出，Mp1s與Mp2s對系統(tǒng)輸出功率的影響具有對稱性：二者均為零時，系統(tǒng)輸出功率也為零；其中一個為零時，輸出功率隨另一個互感的增大先增大后減小，最大值為45 W；Mp1s、Mp2s同時變化時，輸出功率隨兩個互感的增大而增大，且互感在0～4 μH范圍內(nèi)變化時，增速較快，之后趨于平緩，系統(tǒng)最大輸出功率可以達(dá)到110 W。由圖2b可以看出，Mp1s與Mp2s對系統(tǒng)傳輸效率的影響同樣具有對稱性：二者均為零時，系統(tǒng)傳輸效率為零；其中一個為零時，傳輸效率隨另一個互感的增大先增大后減小，最大值為50%；Mp1s、Mp2s同時變化時，系統(tǒng)傳輸效率隨兩個互感的增大同樣呈現(xiàn)先增大后減小的趨勢，系統(tǒng)最大傳輸效率可以達(dá)到90%。

圖2 Mp1s、Mp2s對系統(tǒng)傳輸特性影響

2.2 動態(tài)模式下的線圈特性

模擬電動車在雙發(fā)射線圈上方的運(yùn)動情況，開展ANSYS Maxwell與Simplorer的聯(lián)合仿真，得到電動汽車由一個發(fā)射線圈正上方運(yùn)動至兩發(fā)射線圈中間位置正上方的幾個典型位置線圈磁場分布云圖如圖3所示?？梢钥闯?，隨著接收線圈的移動，線圈間磁場強(qiáng)度逐漸減弱，耦合性能下降。

圖3 線圈間磁場分布云圖

進(jìn)而仿真得到接收線圈移動過程中的電流變化如圖4所示。這里定義線圈外半徑為200 mm，即為接收線圈的移動距離。

圖4 接收線圈運(yùn)動中的電流變化

由圖4可以看出，隨著接收線圈的移動，其電流逐漸減小。電動汽車運(yùn)動過程中，多個發(fā)射線圈的切換供電必然造成接收線圈電流的不斷波動，造成系統(tǒng)傳輸特性的不斷跳變。因此，保證接收線圈端電流的平穩(wěn)輸出，對于系統(tǒng)穩(wěn)定運(yùn)行具有重要意義。

3 BP神經(jīng)網(wǎng)絡(luò)控制器設(shè)計

3.1 輸出功率調(diào)節(jié)電路

為實現(xiàn)輸出功率的平穩(wěn)控制，本文在傳統(tǒng)雙初級繞組并聯(lián)無線供電的基礎(chǔ)上增加基于副邊控制的輸出功率調(diào)節(jié)電路。電動汽車動態(tài)充電線圈位置大多處于偏移狀態(tài)，導(dǎo)致繞組耦合減弱，系統(tǒng)輸出功率降低，因此副邊選用升壓型（Boost）變換器進(jìn)行輸出功率的調(diào)節(jié)，如圖5所示。圖5中，L為大電感，可以起到防止電流跳變及儲存能量的作用，C為大電容，可以一定程度保持輸出電壓的恒定，二極管VD用于防止開關(guān)管V開通期間的能量倒灌。

圖5 輸出功率調(diào)節(jié)等效電路

高頻開關(guān)管V導(dǎo)通時，能量接收線圈Ls對電感L進(jìn)行充電，同時電容C向負(fù)載RL供電，由于電容C很大，可以認(rèn)為此時負(fù)載上的電壓為恒定值；高頻開關(guān)管V斷開時，能量接收線圈Ls和電感L同時向負(fù)載RL供電，實現(xiàn)電路升壓效果。圖5中，高頻開關(guān)管前加入開關(guān)管控制器，用于控制開關(guān)管V導(dǎo)通占空比的變化，從而實現(xiàn)輸出功率的控制。

3.2 基于BP神經(jīng)網(wǎng)絡(luò)的輸出功率控制

電動汽車的位置不是固定的，導(dǎo)致系統(tǒng)互感的不斷改變，引發(fā)輸出功率的波動，影響系統(tǒng)穩(wěn)定性。此時，可以通過調(diào)節(jié)輸出端高頻開關(guān)管V的通斷時間實現(xiàn)輸出功率的恒定控制。神經(jīng)網(wǎng)絡(luò)具有逼近任意非線性函數(shù)的特性，同時具有較強(qiáng)的學(xué)習(xí)能力與一定的泛化能力，是一種新型的智能控制策略。設(shè)計基于神經(jīng)網(wǎng)絡(luò)的輸出功率穩(wěn)定控制策略，如圖6所示。

圖6 神經(jīng)網(wǎng)絡(luò)控制框圖

圖6中，對于確定的系統(tǒng)，其負(fù)載阻值恒定，因此，輸出功率的平穩(wěn)控制可以轉(zhuǎn)化為輸出電流的平穩(wěn)控制。設(shè)定適合系統(tǒng)的輸出電流參考值IE，將參考電流IE與實時測得的輸出電流IL的差值e、互感Mp1s和Mp2s、參考電流Ie作為控制器的輸入，通過神經(jīng)網(wǎng)絡(luò)計算，將開關(guān)管V的占空比初始值d0與占空比變化值Δd傳遞給占空比計算模塊，得到新的開關(guān)管占空比d，直到輸出電流與參考電流差值小于所設(shè)定的誤差最小值，從而實現(xiàn)對輸出電流的平穩(wěn)控制。

BP算法是最為典型的一種神經(jīng)網(wǎng)絡(luò)算法。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單、運(yùn)行可靠、容錯能力強(qiáng)，且具有較好的泛化能力，是應(yīng)用最為廣泛與成熟的神經(jīng)網(wǎng)絡(luò)模型。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程可以概括為工作信號正向傳播與誤差信號反向傳播兩個階段。輸入信號經(jīng)輸入層、隱含層到輸出層為工作信號的正向傳播階段；若輸出層沒有得到期望的輸出信號，則將輸出信號與期望信號的差值作為誤差信號，逐層向前傳播，即誤差信號的反向傳播階段。

最終確定所設(shè)計的BP神經(jīng)網(wǎng)絡(luò)控制器參數(shù)：輸入、輸出層節(jié)點數(shù)分別為4、2；隱含層個數(shù)為1；隱含層節(jié)點數(shù)為5；輸入層到隱含層激勵函數(shù)為“tansig”函數(shù)，隱含層到輸出層激勵函數(shù)為“pureline”函數(shù)；誤差閾值為0.5；學(xué)習(xí)步長為0.05；迭代次數(shù)為1 000。得到神經(jīng)網(wǎng)絡(luò)控制器誤差性能曲線如圖7所示。其中，定義誤差性能指標(biāo)函數(shù)E=e2(k)/2?？梢钥闯?，所設(shè)計的BP神經(jīng)網(wǎng)絡(luò)控制在134次迭代后達(dá)到訓(xùn)練要求，且具有較快的收斂速度。

圖7 誤差性能

4 仿真分析

為驗證所設(shè)計的BP神經(jīng)網(wǎng)絡(luò)控制器的有效性，在MATLAB—Simulink中搭建系統(tǒng)仿真電路，仿真參數(shù)設(shè)置與表1一致。設(shè)置系統(tǒng)初始狀態(tài)為次級繞組在兩初級繞組中間，此時Mp1s=Mp2s；當(dāng)次級繞組靠近其中一個初級繞組，與該初級間互感增大，與另一初級繞組間互感必定減小。

4.1 BP神經(jīng)網(wǎng)絡(luò)控制

設(shè)定總仿真時間為0.3 s，互感隨時間的變化及所設(shè)計的BP神經(jīng)網(wǎng)絡(luò)控制器的控制效果如圖8所示?？梢钥闯觯簭拈_始供電到系統(tǒng)穩(wěn)定運(yùn)行僅用了0.035 s，控制過程迅速，電流超調(diào)量??；在系統(tǒng)參數(shù)發(fā)生變化時，電流誤差超調(diào)量在0.04 A以內(nèi)，且在0.008 s內(nèi)，電流重新回歸平衡狀態(tài)，取得了良好的控制效果。

圖8 BP神經(jīng)網(wǎng)絡(luò)控制仿真波形

4.2 傳統(tǒng)PID控制

根據(jù)系統(tǒng)特征，設(shè)計傳統(tǒng)PID控制器，仿真時間和互感的變化與設(shè)置與上節(jié)一致，其控制效果如圖9所示。由圖9可以看出：從開始供電到系統(tǒng)穩(wěn)定運(yùn)行用時0.06 s；在互感Mp1s由5.5 μH變?yōu)?.0 μH時，電流超調(diào)量達(dá)到了0.3 A，經(jīng)過0.055 s后系統(tǒng)重新回歸穩(wěn)定；在互感Mp1s由5.0 μH變?yōu)?.5 μH時，電流超調(diào)量為-0.3 A，系統(tǒng)經(jīng)過0.055 s重新回歸穩(wěn)定狀態(tài)。

圖9 傳統(tǒng)PID控制仿真波形

通過比較可以看出，BP神經(jīng)網(wǎng)絡(luò)控制器在控制速度、超調(diào)量、控制穩(wěn)定性等方面均優(yōu)于傳統(tǒng)PID控制。

4.3 BP神經(jīng)網(wǎng)絡(luò)的泛化能力

為進(jìn)一步研究所設(shè)計的BP神經(jīng)網(wǎng)絡(luò)控制器的泛化能力，在系統(tǒng)其它參數(shù)不變的前提下，取參數(shù)樣本值以外的互感值開展仿真。互感隨時間的變化及BP神經(jīng)網(wǎng)絡(luò)控制仿真波形變化如圖10所示。可以看出，當(dāng)互感值為樣本以外的數(shù)據(jù)時，神經(jīng)網(wǎng)絡(luò)控制器依然具有超調(diào)量小、控制速度快的特點，表明所設(shè)計的BP神經(jīng)網(wǎng)絡(luò)控制器具有很好的泛化能力。

圖10 樣本外的BP神經(jīng)網(wǎng)絡(luò)控制仿真波形

5 結(jié)束語

本文基于電路理論，建立雙發(fā)單收無線電能傳輸系統(tǒng)模型，在電能輸出端增加升壓型變換器，并設(shè)計了BP神經(jīng)網(wǎng)絡(luò)控制器，通過控制變換器高頻開關(guān)管占空比的變化，實現(xiàn)了輸出電流的平穩(wěn)控制，進(jìn)而實現(xiàn)了輸出功率的平穩(wěn)控制。仿真分析結(jié)果表明：相對于傳統(tǒng)PID控制，所設(shè)計的BP神經(jīng)網(wǎng)絡(luò)控制器控制過程迅速、超調(diào)量小，在系統(tǒng)互感跳變時，能很快回到穩(wěn)定狀態(tài)；在輸入互感為樣本外參數(shù)時，系統(tǒng)同樣具有很好的控制性能，所設(shè)計的BP神經(jīng)網(wǎng)絡(luò)控制器具有較好的泛化能力。同時，本文為進(jìn)一步研究電動汽車運(yùn)動中多級發(fā)射線圈的切換提供了一定的理論依據(jù)。

1 方楚良，沈錦飛.電動汽車磁耦合諧振式無線充電系統(tǒng)研究.通信電源技術(shù)，2015，32（2）：29～31.

2 Shinohara N.Wireless power transmission progress for electric vehicle in Japan.2013 IEEE Radio and Wireless Symposium.Austin，2013.

3 張獻(xiàn)，楊慶新，陳海燕，等.電磁耦合諧振式無線電能傳輸系統(tǒng)的建模、設(shè)計與實驗驗證.中國電機(jī)工程學(xué)報，2012，32（21）：153～158.

4 武瑛，嚴(yán)陸光，徐善綱.運(yùn)動設(shè)備無接觸供電系統(tǒng)耦合特性的研究.電工電能新技術(shù)，2005，24（3）：5～8.

5 王璐，陳敏，徐德鴻.磁浮列車非接觸緊急供電系統(tǒng)的工程化設(shè)計.中國電機(jī)工程學(xué)報，2007，27（18）：67～70.

6 趙錦波，蔡濤，段善旭，等.適用于分段式動態(tài)無線充電的接力方法.電力系統(tǒng)自動化，2016，40（16）：64～70.

7 Covic G A,Boys J T.Modern Trends in Inductive Power Transfer for Transportation Applications.IEEE Journal of Emerging&Selected Topics in Power Electronics，2013，1（1）：28～41.

8 Huh J,Lee S W,Lee W Y,et al.Narrow-Width Inductive Power Transfer System for Online Electrical Vehicles.IEEE Transactions on Power Electronics，2011，26（12）：3666～3679.

9 雷陽，張劍韜，宋凱，等.多負(fù)載無線電能傳輸系統(tǒng)的穩(wěn)定性分析.電工技術(shù)學(xué)報，2015，30（增刊1）：187～192.

10 李陽，朱春波，宋凱，等.弱耦合無線電能傳輸系統(tǒng)驅(qū)動源研究.電工技術(shù)學(xué)報，2015，30（增刊1）：193～198.

11 唐治德，徐陽陽，趙茂，等.耦合諧振式無線電能傳輸?shù)膫鬏斝首罴杨l率.電機(jī)與控制學(xué)報，2015，19（3）：8～13.

12 孫躍，楊芳勛，戴欣.基于改進(jìn)型蟻群算法的無線電能傳輸網(wǎng)組網(wǎng).華南理工大學(xué)學(xué)報（自然科學(xué)版），2011，39（10）：146～164.

（責(zé)任編輯 斛 畔）

Dynamic Wireless Charging Power Control of Electric Vehicle Based on Neural Network

Zhang Qiang,Huang Yunxiao,Niu Tianlin,Xu Chenyang
（Air Force Engineering University,Xi’an 710051）

To realize dynamic wireless charging of multi primary winding parallel electric vehicle,a doubletransmitting and single-receiving wireless power transmission system model was established,to get the transmission characteristics and distribution of magnetic field in dynamic mode.To ensure the stable regulation of output power,a boost converter based on sub side control was added.A Back Propagation(BP)neural network controller was designed to control the output current smoothly by controlling the change of duty cycle of the high frequency switch tube.The simulation analysis shows that the control speed,overshoot and control stability of the designed BP neural network controller are better than the traditional PID controller,and has better generalization ability.

Electricvehicle,Dynamiccharging,Output power,BPneural network

電動汽車 動態(tài)充電 輸出功率 BP神經(jīng)網(wǎng)絡(luò)

U469.72 文獻(xiàn)標(biāo)識碼：A 文章編號：1000-3703（2017）10-0001-05