馬瑞海,王麗芳,張俊智,何承坤
(1.中國科學(xué)院大學(xué),北京 100049; 2.中國科學(xué)院電力電子與電氣驅(qū)動重點實驗室,電工研究所,北京 100190;3.清華大學(xué),汽車安全與節(jié)能國家重點實驗室,北京 100084)
硬件在環(huán)(hardware-in-the-loop,HIL)仿真已成為電力驅(qū)動系統(tǒng)研發(fā)和測試的成熟技術(shù)[1]。通常,HIL測試在待測電力驅(qū)動系統(tǒng)投入使用前于實驗室環(huán)境進行;通過物理硬件與模型仿真的結(jié)合,得到近乎真實的測試結(jié)果。與實物測試相比,HIL測試可縮短研發(fā)周期,降低研發(fā)成本,保障測試人員安全[2]。目前,HIL測試已廣泛應(yīng)用于飛行器[3]、船舶[4]、汽車[5]、火炮[6]和風(fēng)機[7]等行業(yè)。特別地,在電動汽車測試領(lǐng)域,典型HIL測試臺架將待測動力系統(tǒng)與測功機共軸連接,測功機實時模擬道路負載[8]。為滿足多樣化的測試需求,要求測功機不僅能模擬穩(wěn)態(tài)負載,而且具備高動態(tài)加載能力,以開展整車舒適性和安全性等方面的測試。本文中討論了防抱死制動工況下測功機動態(tài)加載控制的問題,以期提升臺架測試的有效性。
國內(nèi)外學(xué)者在機械負載模擬方面進行了深入的研究,主要通過逆向模型和前向模型來實現(xiàn)[9]?;谀嫦蚰P偷姆椒ɡ么郎y機械系統(tǒng)逆模型或HIL測試臺架逆模型計算期望負載轉(zhuǎn)矩;但該方法涉及微分項,實際應(yīng)用受限。另一類方法,又稱前饋跟蹤控制,采用系統(tǒng)前向模型計算待模擬系統(tǒng)運動特性,并控制測功機閉環(huán)跟蹤待模擬系統(tǒng)的響應(yīng);該方法穩(wěn)定性好,是目前應(yīng)用廣泛的負載模擬方式[8]。基于速度跟蹤控制的方法中,代表性的測功機負載模擬算法有PI控制[10]、動力學(xué)補償器[11]、線性二次型調(diào)節(jié)器(LQR)[8]、模型預(yù)測控制(MPC)[12]、基于擾動觀測器的控制[13]、滑??刂疲⊿MC)[8]和智能控制[14]等,它們豐富了測功機加載控制理論體系,但在綜合處理系統(tǒng)結(jié)構(gòu)不確定性(參數(shù)不確定)與非結(jié)構(gòu)不確定性(外部干擾等)方面尚存在一定的局限性。經(jīng)典PID控制中,控制參數(shù)常采用試湊法整定,缺乏自適應(yīng)性;且無法處理系統(tǒng)的不確定性。LQR和MPC依賴系統(tǒng)的精確模型,系統(tǒng)不確定性將直接影響其控制性能。SMC魯棒性強,但不連續(xù)的控制律易誘發(fā)系統(tǒng)抖振,邊界層技術(shù)常用于平滑抖振現(xiàn)象,但無法保證系統(tǒng)的漸近穩(wěn)定性[15]?;跀_動觀測器的控制,實時估計系統(tǒng)建模不確定部分并加上前饋補償,魯棒性強;但參數(shù)不確定性將加重觀測器的學(xué)習(xí)負擔(dān),且當系統(tǒng)參數(shù)嚴重失配時,跟蹤性能不理想[16]。因此,仍需進一步探索統(tǒng)籌處理系統(tǒng)多源不確定性的測功機高性能動態(tài)負載模擬算法。
結(jié)構(gòu)不確定性與非結(jié)構(gòu)不確定性普遍存在于運動控制系統(tǒng),使精密的運動控制變得困難。為抑制系統(tǒng)參數(shù)不確定性的影響,自適應(yīng)控制(adaptive control,AC)得到廣泛應(yīng)用,但AC較難處理系統(tǒng)非結(jié)構(gòu)不確定性;確定的魯棒控制(deterministic robust control,DRC)具有較強的抗擾性能,但并未考慮系統(tǒng)參數(shù)的不確定性[17]。Yao和Tomizuka等結(jié)合自適應(yīng)控制和魯棒控制的優(yōu)勢,提出了自適應(yīng)魯棒控制(adaptive robust control,ARC)算法[18]。系統(tǒng)控制精度大幅提升,并成功應(yīng)用于機電伺服系統(tǒng)[15-17,19]。
基于上述分析和文獻[19]~文獻[21]中的內(nèi)容,本文中結(jié)合AC和誤差符號積分魯棒控制[22](robust integral of the sign of the error feedback,
RISE),提出了自適應(yīng)積分魯棒控制(adaptive integral robust control,AIRC)的新型測功機動態(tài)加載算法。以AC處理系統(tǒng)參數(shù)不確定性,而通過RISE抑制系統(tǒng)非結(jié)構(gòu)不確定性;該方法無須擾動上界的先驗知識,魯棒控制增益在線整定,理論上可連續(xù)控制信號,保證系統(tǒng)的漸近跟蹤性能。本文旨在改善現(xiàn)有測功機加載控制的魯棒性和控制精度,實現(xiàn)高性能的動態(tài)滑移率模擬。
電動汽車電制動系統(tǒng)臺架測試方案如圖1所示。雙電機系統(tǒng)、車輛實時仿真平臺、制動控制單元和負載模擬控制單元共同組成了HIL臺架測試系統(tǒng)。
圖1 電動汽車電制動系統(tǒng)HIL臺架測試方案
車用電機為永磁同步電機,負載電機為三相異步電機。車輛實時仿真平臺在線接收車用電機輸出轉(zhuǎn)矩Tm和制動控制器發(fā)出的液壓制動轉(zhuǎn)矩命令Thref,據(jù)此計算整車運行狀態(tài)參量。制動控制單元實時監(jiān)測仿真平臺計算的車輪滑移率λwheel等狀態(tài)參量,依據(jù)制動控制算法,計算車用電機轉(zhuǎn)矩命令Tmref,控制車用電機對車輛進行制動;車用電機采用轉(zhuǎn)矩跟蹤控制模式。負載電機采用轉(zhuǎn)速跟蹤控制模式,負載模擬控制單元控制臺架以實際轉(zhuǎn)速ωd跟蹤仿真平臺計算的轉(zhuǎn)速參考值;轉(zhuǎn)速跟蹤誤差越小,測功機負載模擬性能越好,HIL臺架測試越有效。
車用電機與測功機剛性共軸連接,雙電機系統(tǒng)動力學(xué)模型可表示為
式中:x1=ωd表示測功機轉(zhuǎn)速;u=Td為測功機轉(zhuǎn)矩;θ1和θ2為系統(tǒng)參數(shù);d表征系統(tǒng)外部擾動項。具體表示為
式中:J和b分別為HIL測試臺架真實轉(zhuǎn)動慣量和阻尼系數(shù);Jn和bn為參數(shù)標稱值;Δθ1和Δθ2表征系統(tǒng)參數(shù)不確定項;Tm為車用電機輸出轉(zhuǎn)矩。
定義參數(shù)集合θ=[ θ1θ2]T。測功機測試系統(tǒng)實際參數(shù)θ、系統(tǒng)擾動項d及其1階導(dǎo)數(shù)項均有界,故做以下假設(shè):
假設(shè)1 不確定參數(shù)θ和外部擾動d滿足:
式中:θmin=[ θ1min和θmax=[ θ1maxθ2max]T為已知參數(shù)的最小和最大值,其中θ1min>0,θ2min>0;δ1和δ2分別為系統(tǒng)外部擾動項和擾動1階導(dǎo)數(shù)項的上界,且δ1,δ2>0。
為統(tǒng)籌處理系統(tǒng)結(jié)構(gòu)與非結(jié)構(gòu)不確定性,實現(xiàn)測功機高性能滑移率模擬,本文中提出了AIRC的動態(tài)負載模擬算法,見圖2。
圖2 自適應(yīng)積分魯棒控制
AIRC由基于模型的前向補償控制律(此處以不連續(xù)映射構(gòu)建參數(shù)自適應(yīng)律)、線性反饋控制律和基于RISE的非線性積分魯棒反饋控制律(以確保系統(tǒng)的全局漸進跟蹤性能)3部分構(gòu)成。
式中:i=1,2;·i表征矢量·的第i個分量,且兩矢量間的運算符>在矢量對應(yīng)元素間執(zhí)行。
基于上述不連續(xù)映射,設(shè)計參數(shù)自適應(yīng)律為)
式中:Γ>0為對角參數(shù)自適應(yīng)增益矩陣;τ為自適應(yīng)函數(shù)。對于任一自適應(yīng)函數(shù)τ,不連續(xù)映射式(5)能保證式(6)成立[17]:
首先,定義誤差變量為
式中:z1為系統(tǒng)的跟蹤誤差;x1d為系統(tǒng)的期望轉(zhuǎn)速指令;k1為正的反饋增益;r為輔助誤差變量。由式(1)和式(7)可知,r的擴展形式為
式中:ua為基于模型的前向補償控制律;us1為線性反饋控制律;us2為非線性積分魯棒反饋控制律;k2為系統(tǒng)控制增益,k2>0;k3為非線性積分魯棒反饋控制增益,為k3的估計值,通過自適應(yīng)律在線整定,0)≥0;Γk3為參數(shù)自適應(yīng)增益,Γk3>0。自適應(yīng)函數(shù)τ=r,其中回歸因子φ=[-x1d]T。
將控制律式(9)代入式(8),可得
對式(10)求導(dǎo),得輔助變量r的1階導(dǎo)數(shù)為
首先,定義輔助函數(shù)L(t):
若積分魯棒反饋控制增益k3滿足:
由于外部擾動項d及其導(dǎo)數(shù)項有上邊界δ1和δ2(此處考慮邊界δ1和δ2未知的情況),故一定存在非線性積分魯棒反饋控制的增益k3,它可滿足條件式(13)使式(14)成立。
定理1:給定式(1)所描述的系統(tǒng),滿足假設(shè)1,利用式(9)的參數(shù)自適應(yīng)律,且積分魯棒控制增益k3滿足式(13),通過適當選取反饋控制增益k1和k2使式(15)定義的矩陣Λ為正定矩陣:
則提出的控制律式(9)能保證所有的系統(tǒng)信號有界;且當時間趨于無窮大時,系統(tǒng)誤差漸近收斂至0,即t→∞,z1→0。
證明:定義Lyapunov函數(shù)如下:
式中λmin(Λ)為矩陣Λ的最小特征根。由式(20)可知,V∈L∞且W∈L2,故跟蹤誤差變量z和參數(shù)估計偏差有界;考慮z的動態(tài)可知,有界,即W∈L∞,因此W是一致連續(xù)的。由Barbalet引理可知[21],當t→∞時,W→0,定理1得證。
為驗證本文中設(shè)計的AIRC滑移率模擬的有效性,首要任務(wù)是引入電動汽車防抱死制動控制策略作為測試對象。以典型的集中式前輪驅(qū)動電動汽車為例,建立車輛縱向動力學(xué)模型和機電混合防抱死制動控制策略[23],如圖3所示:電機再生制動系統(tǒng)在滑移率PID閉環(huán)控制下提供動態(tài)制動轉(zhuǎn)矩,調(diào)節(jié)車輪滑移率,使其穩(wěn)定在參考值;電機不足以提供足夠制動力時,液壓制動系統(tǒng)輔助提供穩(wěn)態(tài)轉(zhuǎn)矩。
圖3 防抱死制動控制
為量化評價防抱死制動期間測功機動態(tài)滑移率的模擬性能,采用滑移率模擬誤差平方和ελ作為量化評價指標[8],其表達式為
式中:λwheel為車輛動力學(xué)模型計算的前輪滑移率;λdyna為測功機模擬的滑移率。
式中:u為車輛動力學(xué)模型計算的車輛速度;r為車輪半徑。
在MATLAB平臺上進行了防抱死制動期間測功機滑移率模擬的仿真。仿真過程中車輛和臺架的關(guān)鍵參數(shù)如表1所示。同時,將本文中設(shè)計的AIRC與PI、AC和RISE進行對比。仿真過程控制器關(guān)鍵參數(shù)如下:AIRC控制增益k1=20和k2=5,參數(shù)邊界值θmax=[ 1 1×10-3]T和θmin=[0.1 1×10-4]T,自適應(yīng)速率Γ=2×10-51×10-6]T,積分魯棒控制增益自適應(yīng)速率Γk3=15;傳統(tǒng)PID控制閉環(huán)帶寬[24]取50 rad/s;AC包括AIRC中的參數(shù)自適應(yīng)律、基于模型的前向補償項ua和線性反饋控制律us1,控制參數(shù)與AIRC保持一致;RISE不包括AIRC參數(shù)自適應(yīng)律和增益自適應(yīng)律,基于模型的前向補償項ua中參數(shù)設(shè)置為θ=[0.3 1×10-3]T,其余參數(shù)與AIRC相同。
表1 車輛及臺架關(guān)鍵參數(shù)
仿真工況設(shè)置:低附路面(附著系數(shù)0.2),車輛制動初速度為60 km/h,促動制動踏板并保持主缸壓力為3 MPa,觸發(fā)防抱死制動控制。液壓制動系統(tǒng)提供穩(wěn)態(tài)制動轉(zhuǎn)矩,電機動態(tài)調(diào)節(jié)車輪滑移率。仿真結(jié)果如圖4所示,由圖4(a)可以看出,當車輪滑移率控制性能較差時,車輪轉(zhuǎn)速動態(tài)波動,滑移率在穩(wěn)態(tài)值附近振蕩;制動期間電機制動轉(zhuǎn)矩見圖4(b)。
防抱死制動期間測功機滑移率模擬效果見圖5和圖6。其中,圖5表示AIRC下動態(tài)滑移率模擬性能,圖6分別表示PID、AC、RISE和AIRC下滑移率模擬誤差。由圖5可知,AIRC下,測功機滑移率模擬具有較高的瞬態(tài)性能和模擬精度,模擬滑移率緊跟參考值。由圖6可知,傳統(tǒng)PID控制無法處理系統(tǒng)的不確定性,滑移率模擬誤差幅值最大;傳統(tǒng)AC與RISE分別以不同角度處理系統(tǒng)建模的不確定性,滑移率模擬誤差比傳統(tǒng)PID大幅降低;而且,AIRC統(tǒng)籌處理系統(tǒng)結(jié)構(gòu)與非結(jié)構(gòu)不確定性,滑移率模擬誤差幅值最小,具有最高的模擬精度。另外,對比AIRC與AC的控制效果,可知積分魯棒控制項us2能有效抑制測功機系統(tǒng)非結(jié)構(gòu)不確定性的影響;對比AIRC與RISE的控制效果,可知自適應(yīng)控制有效補償測功機系統(tǒng)參數(shù)的不確定性;AIRC結(jié)合了AC和RISE的優(yōu)勢,其動態(tài)滑移率模擬性能比AC和RISE均有顯著提升,可實現(xiàn)高性能的動態(tài)滑移率模擬。
圖4 防抱死制動期間的車輛狀態(tài)
圖5 AIRC滑移率模擬性能
為便于量化分析,取防抱死制動過程起止時間0~5.5 s,根據(jù)式(21)計算滑移率模擬誤差平方和ελ,見表2。傳統(tǒng)PID、AC、RISE和AIRC控制下,滑移率模擬量化誤差ελ分別為5.22%、1%、0.79%和0.16%,本文中設(shè)計的AIRC滑移率模擬誤差比PID、AC和RISE分別降低96.9%、84.0%和79.7%,滑移率模擬量化誤差大幅降低。
圖6 不同策略下滑移率模擬誤差
表2 滑移率模擬誤差平方和
建立了典型電動汽車電制動系統(tǒng)試驗臺動力學(xué)模型;同時,提出了統(tǒng)籌處理系統(tǒng)多源不確定性的基于自適應(yīng)積分魯棒控制的測功機動態(tài)加載算法,以不連續(xù)映射構(gòu)建參數(shù)自適應(yīng)律,主動補償測功機系統(tǒng)參數(shù)不確定性,同時采用誤差符號積分魯棒反饋控制律處理系統(tǒng)非結(jié)構(gòu)不確定性。該方法無需擾動上界的先驗知識,且魯棒控制增益在線自整定,理論上可以連續(xù)控制輸入實現(xiàn)系統(tǒng)漸近跟蹤性能。開展了防抱死制動期間滑移率模擬的仿真研究,結(jié)果表明:提出的方法可以有效處理測功機系統(tǒng)多源不確定性,具有很強的魯棒性;滑移率模擬誤差較傳統(tǒng)PID、AC和RISE分別降低96.9%、84.0%和79.7%,滑移率模擬誤差大幅降低,從而確保電動汽車防抱死制動控制策略臺架測試的有效性。