楊 沖,楊 青
(北京理工大學(xué),北京 100081)
驅(qū)動電動機(jī)是新能源汽車的關(guān)鍵部件之一,其性能直接影響到整車動力性與經(jīng)濟(jì)性,因此電動機(jī)性能的測試尤為重要[1]。由于新能源汽車實際行駛過程中主要處于負(fù)載突變的非穩(wěn)態(tài)工況,因此有效評價電動機(jī)動態(tài)特性非常必要。
國內(nèi)外在電動機(jī)動態(tài)測試方面開展了一系列研究,Hewson C R[2]基于測試交流逆變器的高性能測試系統(tǒng)建立動力學(xué)仿真模型,但模型偏差大,無法實現(xiàn)精確控制。Rodic M[3]設(shè)計了一種快速響應(yīng)的動態(tài)機(jī)械載荷仿真方法,利用閉環(huán)控制算法計算需求轉(zhuǎn)矩,對比PI控制器與估計器,得出PI估計器可以實現(xiàn)更好的跟隨效果的結(jié)論。Fajri P[4]基于預(yù)定驅(qū)動周期和不可預(yù)知駕駛行為,討論了電動汽車的模擬方法,基于等效轉(zhuǎn)動慣量對汽車行駛的每一種狀態(tài)都設(shè)計了控制方法,并通過實驗驗證了方法的可行性。伍慶龍[5]等建立了電動汽車行駛工況仿真平臺,通過控制加載到測功機(jī)上的轉(zhuǎn)矩模擬負(fù)載,實現(xiàn)對牽引電機(jī)的變負(fù)荷控制。陳永軍[6]等根據(jù)汽車動力學(xué)原理建立仿真模型,通過變負(fù)載實驗驗證了測試平臺對負(fù)載的動態(tài)模擬功能。田穎[7]利用快速原型的方法對交流測功機(jī)系統(tǒng)穩(wěn)態(tài)控制算法進(jìn)行了研究,可實現(xiàn)4種控制模式的理想控制與平穩(wěn)切換。盧居霄[8]等研制出基于LabVIEW的車用電機(jī)專用動態(tài)測試系統(tǒng),為純電動汽車驅(qū)動系統(tǒng)的設(shè)計開發(fā)及參數(shù)匹配提供了參考。
國內(nèi)外電機(jī)動態(tài)控制算法研究大多集中在被控對象(電機(jī))上,而此類單閉環(huán)控制系統(tǒng)在基于循環(huán)工況的動態(tài)測試中精度難以得到保證。工業(yè)控制中,PID控制具有結(jié)構(gòu)簡單、魯棒性強(qiáng)等一系列特點[9],而前饋控制通過引入前饋量,可以有效增加系統(tǒng)的動態(tài)響應(yīng)能力[10-15]。本文針對新能源車用電機(jī)系統(tǒng)動態(tài)控制和采集進(jìn)行硬件和軟件算法研究,通過帶前饋的增量式PID算法實現(xiàn)轉(zhuǎn)速和轉(zhuǎn)矩的雙閉環(huán)控制,提升被測電機(jī)在基于循環(huán)工況動態(tài)測試中的跟隨性能。
測試系統(tǒng)如圖1所示,通過上位機(jī)與CAN通信實現(xiàn)被測電機(jī)與加載電機(jī)的轉(zhuǎn)速與轉(zhuǎn)矩控制,使電機(jī)運行于特定工況。
圖1 測試系統(tǒng)總框圖
本文選取的被測電機(jī)為參賽太陽能車所用驅(qū)動輪轂電機(jī)??紤]行駛過程中的風(fēng)阻、滾阻、爬坡阻力及加速阻力等行駛阻力求解車輛驅(qū)動力矩。實驗選取循環(huán)工況為FTP72,結(jié)合如表1所示的車輛參數(shù)與電機(jī)參數(shù),此工況的峰值車速與峰值轉(zhuǎn)矩覆蓋被測電機(jī)的額定轉(zhuǎn)速與額定轉(zhuǎn)矩,且不超過最高限值,可以有效利用電機(jī)工作的高效區(qū)。
表1 被測電機(jī)與太陽能車參數(shù)表
FTP72包括過渡工況(0~505 s)和穩(wěn)態(tài)工況(506~1 370 s),是具有代表性的汽車上下班速度-時間曲線。由于受實驗的實際條件限制,被測電機(jī)僅能給出單向轉(zhuǎn)矩,因此轉(zhuǎn)矩工況曲線中僅給出正向轉(zhuǎn)矩曲線。
動態(tài)測試的目的是獲取電機(jī)在動態(tài)工況下的特性,實際測試過程中電機(jī)控制精度、系統(tǒng)采樣誤差等都會使電機(jī)的實際測試曲線相對目標(biāo)曲線產(chǎn)生偏離,需在被控系統(tǒng)中引入控制策略。在高精度伺服控制中,前饋控制可以提高系統(tǒng)的跟蹤性能,針對PID控制設(shè)計的前饋補(bǔ)償策略理論上可有效地提升系統(tǒng)的跟蹤性能,動態(tài)測試系統(tǒng)閉環(huán)控制框圖如圖2所示。
圖2 系統(tǒng)閉環(huán)控制框圖
圖2中,yd(s)表示標(biāo)準(zhǔn)工況的目標(biāo)控制量, Δe為目標(biāo)控制量與電機(jī)實際測量參數(shù)的偏差,up為PID控制輸出量,uf為前饋補(bǔ)償量。
本文采用增量式PI調(diào)節(jié)控制對轉(zhuǎn)速與轉(zhuǎn)矩進(jìn)行閉環(huán)控制。增量式PID表達(dá)式如下:
(1)
自平衡系統(tǒng)二階滯后模型的傳遞函數(shù)結(jié)構(gòu)形式如下:
(2)
本文加載所用的8 kW功率PMSM單位階躍響應(yīng)是振蕩的,屬于欠阻尼二階系統(tǒng),即ξ<1。通過輸出曲線可直接獲取Kp與Td值:
(3)
式中:kTs表征了y(kTs)=0且y[(k+1)Ts]≠0的點。由于系統(tǒng)已經(jīng)辨識出參數(shù)Td,因此不考慮延遲項,將輸出曲線Td時刻之前的數(shù)據(jù)刪除,可得到新的無延遲項模型:
(4)
式中:
(5)
由于式(4)中的ξ<1,ω1,ω2均為復(fù)數(shù),故:
(6)
當(dāng)輸入為階躍函數(shù)時,對式(4)進(jìn)行Laplace逆變換,得到該環(huán)節(jié)的階躍響應(yīng)函數(shù):
(7)
取原階躍響應(yīng)曲線中的3個點[t1+Td,y(t1+Td)],[2t1+Td,y(2t1+Td)],[3t1+Td,y(3t1+Td)],方程組可簡化:
(8)
定義:
(9)
則式(8)變成:
(10)
令:
(11)
聯(lián)立式(10),式(11)解得:
(12)
將式(12)代入式(9),可得到此二階滯后模型參數(shù):
(13)
在實際辨識二階滯后模型參數(shù)時,可通過取多個三元數(shù)據(jù)點平均的方式提高辨識精度,在MATLAB中對計算模型的精度進(jìn)行驗證,通過調(diào)用辨識工具箱,配置極點類型與個數(shù)、零點、延遲和積分項,估計出系統(tǒng)的傳遞函數(shù)。本系統(tǒng)的擬合曲線如圖3所示,曲線擬合率達(dá)到96.15%。
圖3 實際系統(tǒng)與辨識系統(tǒng)轉(zhuǎn)速階躍響應(yīng)曲線對比圖
將擬合出的二階系統(tǒng)傳遞函數(shù)作為加載電機(jī)物理模型嵌入Simulink的系統(tǒng)模型中進(jìn)行仿真,模擬CAN通信過程。對比引入速度閉環(huán)前后的轉(zhuǎn)速響應(yīng)曲線,獲得仿真結(jié)果如圖4所示。
圖4 引入控制策略前后轉(zhuǎn)速跟隨曲線對比圖
從圖4中可見,在未引入帶前饋的速度閉環(huán)之前,轉(zhuǎn)速的動態(tài)跟隨過程中轉(zhuǎn)速測量點明顯地超出目標(biāo)曲線,這與電機(jī)的控制精度與電機(jī)內(nèi)部的速度內(nèi)環(huán)有關(guān)。引入策略后轉(zhuǎn)速誤差小于±5%的比率由40.8%提升至77.2%,跟隨曲線擬合度明顯提升,這證明了轉(zhuǎn)速閉環(huán)控制策略的有效性。
轉(zhuǎn)矩控制的電機(jī)模型同樣可視為二階有滯后環(huán)節(jié)的欠阻尼系統(tǒng),用前面描述的方法進(jìn)行系統(tǒng)辨識,可得到轉(zhuǎn)矩響應(yīng)的傳遞函數(shù)擬合曲線,如圖5所示。在Simulink中計算得到的擬合率為91.96%。
圖5 實際系統(tǒng)與辨識系統(tǒng)轉(zhuǎn)矩階躍響應(yīng)仿真曲線對比圖
將擬合得到的二階系統(tǒng)傳遞函數(shù)作為負(fù)載電機(jī)的物理模型在Simulink中進(jìn)行仿真,分別對比引入控制策略前后的轉(zhuǎn)矩跟隨情況,如圖6所示。
圖6 引入控制策略前后與轉(zhuǎn)矩跟隨曲線對比圖
由仿真結(jié)果可見,與轉(zhuǎn)速閉環(huán)的情況類似,引入前饋PID控制算法后,轉(zhuǎn)矩誤差小于±5%的比率由43.41%提升至87.42%,轉(zhuǎn)矩的動態(tài)跟隨精度明顯提高,同樣證明了此類算法在轉(zhuǎn)矩動態(tài)測試中的可行性。
根據(jù)電動汽車能量消耗率和續(xù)駛里程試驗方法(GB/T18386-2005)的要求,對車用電機(jī)進(jìn)行工況模擬試驗,測試標(biāo)準(zhǔn)中工況要求為轉(zhuǎn)速與轉(zhuǎn)矩跟隨點偏差與目標(biāo)點偏差應(yīng)小于±5%。測試平臺如圖7所示。
圖7 測試平臺系統(tǒng)實物圖
選取LabVIEW平臺作為測試系統(tǒng)的上位機(jī),具備顯示、存儲、通信、控制等功能。測試系統(tǒng)界面如圖8所示。
圖8 測試系統(tǒng)界面
為驗證動態(tài)測試系統(tǒng)控制策略的可行性,需保證每次閉環(huán)調(diào)節(jié)時間處于有效時間內(nèi),最小有效時間包括上位機(jī)發(fā)送延時、CAN通信延時、DSP處理延時、電機(jī)響應(yīng)延時等。由目標(biāo)曲線中相鄰兩點斜率最大處可確定最小有效時間值約為0.82 s,測試系統(tǒng)根據(jù)目標(biāo)曲線自動定義閉環(huán)調(diào)節(jié)時間,保證控制有效性。將引入控制策略前后分為兩組進(jìn)行實驗,實驗對比結(jié)果如圖9所示。
圖9 轉(zhuǎn)速與轉(zhuǎn)矩引入策略前后對比圖
從圖9中可見,引入控制策略后誤差小于±5%點的比率有明顯提升,轉(zhuǎn)速誤差范圍小于±5%的比率由34.77%升至61.08%,轉(zhuǎn)矩誤差范圍小于±5%的比率由45.26%提升至60.20%。這證明了帶前饋PID控制算法可以有效地提升系統(tǒng)的跟蹤性能,但引入實際策略后的控制系統(tǒng)比率仍未達(dá)到仿真分析中的比率。測試誤差來源于轉(zhuǎn)速與轉(zhuǎn)矩同時控制造成的系統(tǒng)耦合誤差,實際實驗過程中由于加載電機(jī)牽引能力有限,當(dāng)負(fù)載電機(jī)轉(zhuǎn)矩變化速率過大時,會造成轉(zhuǎn)速與轉(zhuǎn)矩產(chǎn)生較大偏離。
本文在電機(jī)動態(tài)測試系統(tǒng)基礎(chǔ)上引入了帶前饋的增量式PI算法的轉(zhuǎn)速/轉(zhuǎn)矩閉環(huán)控制策略,建立了基于CAN總線協(xié)調(diào)與反饋控制閉環(huán)。采用系統(tǒng)辨識方法建立了被測電機(jī)物理模型,選取FTP72標(biāo)準(zhǔn)工況對太陽能車用電機(jī)進(jìn)行工況模擬仿真分析和實驗。實驗結(jié)果表明,帶前饋PID控制策略的測試系統(tǒng)能夠?qū)﹄姍C(jī)的動態(tài)性能進(jìn)行測試,實現(xiàn)轉(zhuǎn)速曲線與轉(zhuǎn)矩曲線的跟隨。引入的動態(tài)測試控制策略可以有效對轉(zhuǎn)速曲線的準(zhǔn)確率進(jìn)行優(yōu)化,減弱由加載電機(jī)牽引能力不強(qiáng)造成的轉(zhuǎn)速偏差,優(yōu)化結(jié)果與預(yù)期大體相同,證明了該控制策略可以優(yōu)化系統(tǒng)跟蹤性能,提高系統(tǒng)的跟隨精度。
本文雖然只針對小功率太陽能車用輪轂電機(jī)做實驗驗證,但對于大功率電動車用輪轂電機(jī)來說,由于電機(jī)存在的控制精度誤差、系統(tǒng)采樣誤差,電機(jī)受二階欠阻尼系統(tǒng)的響應(yīng)能力限制,必然會造成其動態(tài)參數(shù)的跟隨誤差,因此大功率車用輪轂電機(jī)需針對不同的控制對象,對控制策略的控制參數(shù)進(jìn)行重新匹配。本文的動態(tài)控制策略可為后續(xù)大功率車用輪轂電機(jī)的動態(tài)控制策略的參數(shù)匹配提供理論基礎(chǔ)。
在配置閉環(huán)控制周期過程中,當(dāng)閉環(huán)控制周期小于電機(jī)調(diào)節(jié)的最小有效時間時,相鄰兩點的調(diào)節(jié)時間段發(fā)生重疊,電機(jī)無法在單個控制周期內(nèi)完成動態(tài)跟隨,系統(tǒng)跟隨精度會隨之降低。本文的仿真僅考慮獨立的自平衡系統(tǒng),未對兩系統(tǒng)間的耦合問題作進(jìn)一步分析,在后續(xù)的研究工作中會對雙電機(jī)耦合問題展開研究,進(jìn)一步提高系統(tǒng)的動態(tài)跟隨精度。