【电动汽车AMT换挡驱动电机转速控制系统优化分析案例6600字】

电动汽车AMT换挡驱动电机转速控制系统优化分析案例目录TOC\o"1-3"\h\u2080电动汽车AMT换挡驱动电机转速控制系统优化分析案例 1264271.1带有CAN通讯时延的转速控制系统分析与建模 1210331.1.1驱动电机转速控制动力学模型建立 1174881.1.2CAN总线时变时延分析 2127901.2仿真模型建立 3178981.2.1CAN时延仿真模型建立 3142811.2.2转速控制模型建立 4193651.2.3基于最小二乘法辨识 4152541.2.4仿真实现 7290291.3CAN延迟优化算法设计 8262401.1.1基于双传感器变速器的转速控制 834041.1.2分数阶PID控制器设计 10270111.1.3模糊分数阶PID控制器设计 131.1带有CAN通讯时延的转速控制系统分析与建模1.1.1驱动电机转速控制动力学模型建立图3-1电动汽车驱动系统结构图本文研究的两挡纯电动汽车的驱动系统如图3-1所示，包含驱动电机、变速箱、TCU和MCU等部分，图中ωm为驱动电机转速，ωc为输出轴转速，Tm为驱动电机的输出转矩。当车辆正常行驶时，同步器处于结合状态，变速器挡位固定，电机-变速箱通常可处理为单一惯性系统，其动力学方程可表示为：Tm式（3-1）中Jin为输入轴等效惯量，当电动汽车进行换挡时，系统为动力中断状态，Tt=0，此时输入轴的等效惯量Tm换挡过程可分为三个过程同步器摘挡、转速同步、同步器进挡.过程中影响冲击的主要因素是接合套和接合齿圈转速差△ω其表达式为：∆ω=|ω转速同步过程决定着△ω的大小与精度，在此过程中，接合套已经与接合齿圈分离，处于空挡位置，驱动电机所带动的部件只包括变速器输入轴以及一挡和二挡的主从动齿轮.可得到调速过程的数学模型为:Tm式中：Ja为调速模型的等效惯量，ωm为电机转速，BCAN时变时延对转速同步过程的控制速度和控制精度对产生了较大的影响从而使换挡时间和换挡平顺性等换挡品质面临着挑战，故研究与解决CAN时变时延的影响具有很高必要性。1.1.2CAN总线时变时延分析驱动电机的调速过程是由变速箱控制器TCU中的调速控制算法计算出驱动电机的目标转矩，通过CAN总线发送到驱动电机控制器MCU中，由MCU控制驱动电机输出扭矩以完成调速，这就会导致在调速控制算法的发送和接收两端都存在通讯时延，即在调速控制中存在双向时延.假设通讯不存在丢包情况,转速控制系统结构如图3-2所示。图3-2转速控制系统结构图为研究CAN时变时延的特性，进行了以下实验研究。通过TCU向MCU发送一个驱动电机阶跃转矩，记录TCU从MCU接收到的驱动电机转速；因为两个控制器之间的数据传输CAN总线通讯周期为0.01s，故当电机转速在给定阶跃转矩后的下一个通讯周期就开始响应时，此时的通讯延迟即为0s.当电机转速与阶跃转矩之间相隔1个周期或2个周期还没有响应，即出现了通讯延迟，延迟时间分别为0.01s和0.02s，电机转速响应实验结果如图3-3所示。图3-3双向延迟电机转速响应接着以相同的测试方法进行了20组实验，得到电机转速响应实验结果分为三种情况，其中：延迟为0s的有6组，延迟为0.01s的有5组，延迟为0.02s的有9组，即可说明延迟的出现带有随机性.。1.2仿真模型建立1.2.1CAN时延仿真模型建立为模拟CAN通讯时变延迟对主动调速的影响，采用基于MATLAB/Simulink软件的TrueTime工具箱进行分析。TrueTime是一款网络控制系统仿真工具箱。该工具箱可以模拟通讯网络中的网络延迟、丢包率、采样周期以及系统扰动等参数。在本文中主要应用该工具箱中的四个模块对CAN通讯网络进行模拟，包括实时内核模块(TrueTimekernel)、网络模块(TrueTimeNetwork)、发送信息模块(ttSendMSg)和接收信息模块(ttGetMsg)[42,43]。实时内核模块主要用于构造网络系统中的节点。网络模块用于数据在网络中的传输过程，该模块支持六种网络模式，本文中选择的是CSMA/AMP(CAN网络)。发送和接受信息模块为两个独立模块，运用该模块不需要初始化的内核模块，分别和仿真模型中输入网络的信号和输出网络的信号相连。图3-4TrueTimeCAN网络模型由于本文主要分析网络延迟对控制系统的影响，所以将网络的干扰设置为0，并且不考虑数据传输过程的数据丢包和时序错等问题。将CAN网络的采样周期设置为0.01s，将网络延迟设置为0s，0.01s和0.02s随机出现。所搭建的TrueTimeCAN网络模型如图3-4所示。1.2.2转速控制模型建立为确定上述的双向延迟对调速控制的影响，采用传统PI控制算法进行调速控制的仿真。图3-5为带有双向延迟的调速控制系统。其中Gc(s)为PI控制器，Gs(s)为调速系统的传递函数，由式(3-4)确定。在仿真中将发送和接收的双向延迟分别用延迟环节e-τ1s和e-τ2s表示，两个延迟时间τ1和τ2加起来的延迟时间为0s，0.01s和0.02s随机出现。图3-5带有双向时延的转速控制系统其中传统PI控制器可写成Gc(s)=Kp+Kis，Kp，Ki参数需自行整定；根据式（3-4）可得调速系统的传递函数Gs(s)=1.2.3基于最小二乘法辨识为使调速过程获得精确的数学模型，以满足控制算法的需要，采用递归最小二乘法对模型的参数进行辨识。递归最小二乘法(RLS)是通过最小化误差的平方和寻找数据的最佳函数匹配，可以相对快速和精确的辨识模型参数。将式(3-4)离散化并改写为矩阵形式：(3-5)其中θ为未知参数的向量，被定义为(3-6)x为包含模型输入和输出测量值的向量，被定义为(3-7)通过RLS算法的推导，最终的参数可以由以下公式得出(3-8)(3-9)采用变速器为空挡时的驱动电机阶跃响应作为辨识模型参数的实验数据。在实验过程中，TCU通过CAN总线向MCU发送驱动电机需求转矩，同时通过CAN总线接收由MCU发送的电机实际转矩与转速。由于TCU发送需求转矩的过程中可能出现CAN通讯延迟，造成需求转矩与电机转速的响应不同步。而MCU通过CAN总线发送的电机实际转矩与电机转速处于同一帧报文中，即使该过程出现CAN通讯延迟，电机的实际转矩与电机转速的响应也是同步的，因此采用MCU发送的电机实际转矩和电机转速作为辨识模型参数的实验数据。电机转速与实际转矩的实验结果如图3-6所示。应用RLS算法对参数辨识时，需要用到驱动电机的角加速度。由于驱动电机的转速存在采样噪声，直接对驱动电机转速求导难以获得准确的驱动电机角加速度。因此，在本文中采用全程快速微分器对驱动电机的转速进行求导，排除电机转速信号中的噪声干扰。图3-6驱动电机转速的阶跃响应全程快速微分器的公式如下[42]：(3-10)式中：R,a0,b0>0；v(t)为微分器的输入，在本章中即为驱动电机的转速信号；x2为微分器的输出，在本章中即为驱动电机的角加速度；x1为微分器的中间变量。取R=100，a0=0.2，b0=0.2，将图3-2中的转速信号输入到微分器中，得到的驱动电机角加速度如图3-7所示。图3-7驱动电机角加速度将图3-6和图3-7中所得到的驱动电机转矩、转速和角加速度输入到RLS算法中，辨识出的调速模型参数为J=0.045，B=0.015。得到模型的参数后，根据式(3-1)建立调速过程的传递函数(3-11)式(3-8)的阶跃响应仿真结果和实验结果的对比如图3-4所示。图3-8驱动电机阶跃响应仿真与实验结果的对比由图3-8可知，实验数据的电机转速上升时间为6.7s，仿真数据的电机转速上升时间为6.56s，两者之间的误差仅为2.1%。实验数据中电机转速最终稳定在457r·min-1，仿真数据中电机转速最终稳定在453r·min-1，两者之间的误差仅为0.9%。因此，可以认为仿真结果与实验结果一致，说明所辨识的参数是准确的。1.2.4仿真实现将辨识得到的参数输入到传递函数中，并将调速系统的传递函数通过Z变换进行离散化。离散后的传递函数如式(3-10)所示。Gs(s)=0.2279z−0.9966基于MATLAB/Simulink搭建的PI调速控制模型如图3-9所示。其中RandomDelay为基于TrueTime搭建的CAN网络延迟模型。PI控制器中Kp，Ki人为标定分别取2.2，4.7。图3-9带有双向延迟的PI调速控制仿真模型图3-10为调速过程的仿真结果由图3-10可知，当调速过程的延迟时间为0s时，电机转速可以快速平稳的升至目标转速，在调速结束时没有出现超调，当延迟时间为0.01s时，电机转速的响应出现滞后，并且在接近目标转速时出现超调。由于超调的出现，电机转速需要更长的时间才能稳定在目标转速，调速时间增加为0.24s。当延迟时间为0.02s时，电机转速的超调值进一步增大。综上，通过仿真结果可得，通讯延迟首先将对控制系统的性能产生了影响，如超调量变大，响应时间变长，且延迟随时间发生变化使得优化算法较难有效应对，故为提高转速控制的精度，应从设计校正算法提升控制系统性能以抑制时延的影响和降低时延的时变性两方面进行研究1.3CAN延迟优化算法设计1.1.1基于双传感器变速器的转速控制为降低时延的时变性强的特点，本文提出了基于双传感器变速器的调速控制方案，如图3-11所示。图3-11双传感器调速控制方案该方案在变速器的2挡从动齿轮处加装霍尔转速传感器，用于采集变速器输入轴的转速。如图3-11所示，基于双传感器变速器的调速方案支持TCU同时采集变速器输入轴和输出轴的转速信号，分别作为调速过程中的电机转速和目标转速，避免了TCU接收电机转速时出现CAN通讯延迟，在调速过程中只存在TCU向MCU发送需求转矩过程中存在单向的CAN通讯延迟。为确定该单向延迟的规律，通过TCU向MCU发送一个驱动电机阶跃转矩，记录TCU采集的电机转速信号。同样以相同的阶跃转矩进行20组实验，电机转速响应和延迟时间统计分别如图3-12所示。由图3-12可知，单向延迟的延迟时间变为0s和0.01s两种情况。20组中两种延迟的出现是随机的，其中：延迟时间0s的有12组，延迟时间为0.01s的有8组。图3-12单向延迟电机转速响应为确定单向延迟对调速控制的改善，同样采用PI控制算法对调速过程进行仿真。则新的转速控制系统结构图如图3-13，相比带有双向延迟的系统结构图图3-5，其中单向延迟环节e-τs与调速系统的传递函数合并为Gs图3-13带有单向延迟的转速控制系统根据图3-13的调速控制系统在MATLAB/Simulink中搭建仿真模型。通过TrueTime工具箱将CAN网络延迟设置为0s和0.01s随机出现，2s内随机的通讯延迟时间如图3-15所示。同样将PI控制器中Kp设置为2.2，Ki设置为4.7，仿真结果如图3-14所示。当延迟时间为0s时，电机转速快速平稳的升至目标转速，调速时间为0.14s。当延迟时间为0.01s时，调速过程出现超调，调速时间为0.24s。图3-142s内随机出现的两种通讯延迟图3-15单向延迟PI调速仿真结果与双向延迟的仿真结果相比，单向延迟的仿真结果少了延迟时间为0.02s的情况，调速过程的超调值和调速时间都有改善。而且，调速过程的通讯延迟只包括延迟时间为0s和0.01s两种情况，可进一步分为调速过程没有出现延迟和出现延迟两种情况。这一规律更有利于设计针对通讯延迟优化的调速控制算法，进而有效消除该延迟对调速过程造成影响1.1.2分数阶PID控制器设计1.1.2.1问题分析通过双传感器的降低了时延的时变性，提高了转速控制的稳定性，但对于时延对系统产生的影响，仍需通过校正来降低影响，故以频域特性对带延迟的控制系统进行分析，为研究延迟本身对控制系统的影响，在暂将延迟考虑为固定延迟0.01s。通常为使控制系统拥有较高的精度与稳定性，通常需要系统有较好的频域特性，即较高的开环截止频率与较大的幅值裕度，而时延的加入使系统在频域特性中的相位大幅滞后，幅值裕度降低，引起超调，影响了系统稳定性.为消除时延对控制系统的影响，通常需要设计PID控制器，遂以PID控制器中增益P调整截止频率，积分项I与微分项D提供超前与滞后相角优化相频曲线，得到系统开环伯德图如3-11所示。图3-11系统开环伯德图从图中可以看出，时延的存在使得系统相位发生大幅滞后，幅值裕度降低，传统PID的校正使得系统幅频特性获得改善，但由于传统PID控制器的积分项和微分项阶次为1，相频特性上只可提供90°的超前与滞后相角，幅频特性上其曲线只能以固定倍数斜率变化，使得频响曲线可调性低，对时延带来的相位滞后无法最大限度补偿，抑制时延影响的能力有限，而采用分数阶PID时，其I，D项阶次可调，可提供90°λ，u的相角与不同斜率变化率的幅值曲线，可更好的满足系统校正的需求。为发挥分数阶阶次在校正幅频曲线上的优势，更好的修正频域曲线，分别对积分项与微分项进行研究。1.1.2.2分数阶积分项设计设PID控制器Gs图3-12开环伯德图下λ对系统的影响1.1.2.3分数阶微分项设计设PID控制器：Gs图3-13开环伯德图下u对系统的影响1.1.2.4分数阶PID仿真分析选取指标截止频率w=95rad/s，幅值裕度φ=90°，以文献[43]中与理想伯德函数跟随匹配的整定方法，以ITAE（最小误差法）进行寻优，得到分数阶PID传递函数Gs=2.2+图3-14分数阶PID与整数阶PID系统开环伯德图从图3-14开环伯德图可以看出，经过μ，λ与K，Kd图3-15分数阶PID与整数阶PID阶跃响应对比从阶跃响应图可以看出，分数阶PID相比整数阶在响应速度相同的情况下超调量更低，相位滞后更低，即对时延的抑制能力更强，发挥了分数阶的优势。1.1.3模糊分数阶PID控制器设计上一节通过分数阶PID良好的校正能力降低了延迟本身对控制系统的负面影响，但对于延迟的时变性，分数阶的校正能力较差，由于分数阶PID参数不可变，在面对时变时延带来的系统模型改变，固定参数的PID校正效果将会降低，而参数自适应调节的PID可在调节过程中根据系统状态改变系统性能，更好的优于固定参数的PID，故采用一种参数可变的自适应算法具有必要性。1.1.1.1模糊自适应PID实现模糊PID控制是以误差E与误差变化率EC模糊化后根据模糊控制规则进行决策，模糊控制器使用面积中心法解模糊后得到PID参数在线调整量∆K1.1.1.2模糊控制器设计取误差e及其变化率ec基本论域分别为[-900,900]和[-30000,30000];修正参数∆（1）当误差值|e|偏大时，应适