【动力电池均衡PWM控制系统分析案例3800字】

动力电池均衡PWM控制系统分析案例目录 1 1 5 6 7PWM系统不仅不能完全发挥元器件的储能作用，还可能使元器件被击穿或在能其中，量化因子由PSO算法计算得出。1.1模糊化处理利用专家的经验和智力对系统进行控制，系模糊控制，控制原理图见图4-1,其被控量的数值与给定期望的差值e、及其的变化率ec,将e、ec量化至模糊论域后，根据推理的合成规则进行模糊决策得到被控量的模糊值U,图4-1糊逻辑控制原理图Fig.4-1Schematicdiagramoffuzzylogic本文设计的模糊控制器结构为二输入单输出模型，控制器示意图见图4-2,其输入变量为SOC实际控制误差与SOC期望误差的偏差e(t)及其变化率ec,其输出变量为开关占空比，在控制过程中，对特征参数在线调整，使各周期的占空比配置合理，优化均衡效果。系统实时采集偏差及其变化率，将量化因子模糊处理的结果进行模糊推理后得到特征参数增量的模糊值，结合多项式的基本特征参数拟合结果，输出PID控制器整体特征参数的模糊值，进而得到占空比的模糊量，再进行解模糊处理得到占空比的精确值控制开关开闭，使均衡能量进行传递，待一个均衡周期结束后，系统再对偏差及其变化率ec进行采集，周而复始，形成一套完整的闭环反馈控制系统。图4-2改进型模糊PID控制器示意图Fig.4-2SchematicdiagramofimprovedfuzzyPIDcontroller模糊PID基本公式如下：Kpo、Kro、KDo—一模糊PID控制器的基本特征参数的模糊值；△Kp、△K1、△Kn—一模糊PID控制器特征参数的增量的模糊值。模糊控制的目的即为确定上述三个增量，进而确定占空比。模糊量划分的多少影响计算量和计算的准确性，模糊量划分过多会提升计算精度，但会使后续模糊规则显著增多，推理过程复杂，程序编译过程复杂，且模糊量划分过多对及计算精度的提升极为有限；模糊量划分过少虽然会减少计算量，但会降低控制效果，使模糊控制器无法按预定经验推理出合理输出值。因此，为同时满足计算量和计算准确性，对于各输入和输出变量，其模糊语言均为{NB,NM,NS,ZO,PS,PM,PB},并将△K₁、△KD的模糊论域分别为[-0.05,0.05]、[-3,3]、[-2,2]。由于高斯型函数拥有良好的稳定性和平滑性，可将e和ec控制在一定范围的同时，还满足系统输出的稳定性要求，故e和ec对应的隶属度函数选用高斯型函数。由于三角型函数简单易懂且实时控制性强，故△Kp、△K1、△KD对应的隶属度函数均选用三角型函数，本文在MATLAB仿真界面中建立各模糊变量对应的模糊语言和隶属度函数示意图，见图4-3。e图4-4(a)、(b)分别为输入变量e和ec的仿真示意图，其隶属度函数均为高斯型函数，其区别仅为各模糊语言对应的均衡变量论域不相同。a)e仿真示意图b)ec仿真示意图图4-4输入变量仿真示意图Fig.4-4Schematicd图4-5为输出变量△Kp的仿真示意图，其隶属度函数为三角型函数，同理，△K、△KD的隶属度函数形状△Kp与相同，其变量论域不同。10图4-5△Kp仿真示意图Fig.4-5Schematicdiagramof△KpPsimulati1.2模糊规则确立在模糊控制系统中，模糊规则表征人类的经验与常识，即将人类的思维通过规则具体化，其是否正确表达专家的经验和知识，是否准确反映所描述对象的特性将直接决定模糊推理系统的最终输出效果。合理的模糊规则可根据e和ec的变化趋势，分析响应量和最优控制的关系，输出最合理的PID特征参数增量。考虑到Kp、K、Kb分别对系统的影响及三者之间的相互影响，具体模糊规则根据如下分析制定：(1)△Kp:比例系数用于消除偏差，较大的△Kp可以提高响应速度，使快速修正偏差，但会增加超调量，使系统不稳定；较小的△Kp使系统的响应量减小，造成调节时间增长，偏差消除速度缓慢。△Kp模糊控制规则见表4-1。(2)△K₁:积分系数用于消除稳态误差，较大的△K1可以快速消除系统的稳态误差，但△K1过大会在初期响应中造成积分饱和；若△K1过小，则难以消除稳态误差，降低系统的调节精度。△K₁模糊控制规则见表4-2。(3)△KD:微分系数用于减小超调，减降低系统振荡幅度，提前预判偏差变化，提高系统的稳定性，加快系统的动态响应速度，但过大的△KD会造成系统提前响应，降低系统抗干扰性。△KD模本文在MATLAB中建立Mamdani型推理系统，其模糊语句部分生成界面由于通过模糊推理系统得到的PID控制器特征参数增量对整体特征参数的修正幅度较为有限，故PID控制器的基本特征参数对PWM系统输出的占空比影响更大，若基本特征参数确定错误，则PID控制器特征参数增量可能起到相反作因改进型模糊PID控制系统的输入变量的变化趋势不定，造成PID基本特征参数难以确定，即在各种偏差下难以形成一个对所有情形均适用的基本特征参数，针对此问题，本文应用多项式拟合法确定基本特征参数，使基本特征参数实时可调，在任何偏差下使控制效果达到理想状态。首先，在e(t)的模糊论域内，间隔0.05,通过一系列的仿真选择在该起始偏差下最合适的PID特征参数，作为该偏差下的最佳基本特征参数；然后，在MATLAB中应用polyfit函数进行关于e-Kp、e-K、e-KD的五次多项式拟合，即可得到PID基本特征参数的模糊量。1.4量化因子的确定量化因子的主要作用在于使模糊PID系统的输入量落入先前设置的模糊论域中，以及对模糊系统的推理结果进行解模糊化处理，即将输出的占空比模糊值转换为精确值，通过一系列的微积分计算输出占空比，控制均衡系统的能量转换本文应用PSO算法对量化因子Ke、Kec、Ku进行寻优。PSO属于一种进化算法，从随机解向量出发，向个体极值和全局极值靠拢通过迭代寻找最优解，其对非线性、多峰问题具备良好的全局寻优能力，故适用于PWM系统的量化因子的PSO的基本原理为，将待寻优参数的每个潜在解视为一个粒子，在迭代过程中，每个粒子都有一个“速度”值来指导它们的寻优方向和距离；然后，粒子就向当前最优粒子的方向“飞行”,即在解空间中搜寻待寻优参数的解向量；最后待迭代次数达到最大值或搜索到的解向量满足预设精度要求，则PSO寻优结束。在PSO算法中，通过适应度函数来衡量在解空间中实施搜寻到的解向量的优劣性，即将实时搜寻到的解向量代入系统，待系统偏差输入适应度函数后，得到该解向量的适应值。粒子位置的更新示意图见图4-7。PSO算法步骤为：假设在一个D维搜索空间中，粒子种群中共N个粒子，其中，第i个粒子为第i个粒子的飞行速度为第i个粒子搜索到的最优解，即该粒子的个体极值为