电机驱动系统效率优化控制技术研究现状

1.2 电机驱动系统效率优化控制技术研究现状

电动汽车的动力由电动机提供，电机驱动系统（简称驱动系统）的性能直接影响了电动汽车的性能。电动汽车系统需要能够满足频繁停车启动、加速、大负载爬坡以及紧急制动等要求，也需要考虑到汽车行驶路况复杂多变，存在雨天、酷热、下雪等恶劣天气，以及颠簸、泥泞等复杂路况。另外，在满足行驶条件的情况下还应最大限度地保证驾驶人员和乘坐人员的舒适安全。作为电动汽车的核心部分，驱动系统应满足宽调速范围、宽转矩输出范围、良好的加减速（起动、制动）性能、运行效率高（提高续航里程）以及高可靠性等要求。

针对永磁同步电机驱动系统的效率优化，总体来说可分为以下三个方向：

1）从电机本体的电磁设计、制造工艺以及电机的材料着手，开发高效电机。

2）改进脉宽调制(Pulse Width Modulation，PWM)技术，降低功率开关器件上的损耗从而提高逆变器的整体效率；降低变频器输出电压的谐波含量，如采取空间矢量脉宽调制(Space Vector Pulse Width Modulation，SVPWM)技术和软开关技术，减小谐波含量从而提高驱动系统的整体效率。

3）研究合适的控制策略，在保证电机满足运行条件的情况下减小直流侧的功率输入，提高驱动系统的效率。

目前，针对永磁同步电机驱动系统效率优化所提出的控制策略很多，总体来说可以分为两大类：第一类是基于损耗模型的效率优化控制(Loss Model Control，LMC)策略；第二类是基于搜索法的效率优化控制(Search Control，SC)策略。下面分别进行概述。

1.2.1 基于损耗模型的效率优化控制策略

该控制策略作为一种基于前馈式的控制方法，基本原理是：在充分考虑电机各部分损耗的基础上，建立较为精确的损耗模型，根据电机运行状况（负载转矩和实际转速）计算出该运行状况下最优的控制变量（一般为磁场、电压或者电流）以减小驱动系统的损耗。若控制变量为电枢电流，对永磁电机驱动系统来讲一般选择最优的直轴电流i d和交轴电流i q，对混合励磁电机驱动系统来讲包括i d、i q以及励磁电流I f。这种控制策略目前已被广泛应用到了闭环传动系统中，可以保障电机驱动系统在全局运行范围内都能实现效优化。基于损耗模型的同步电机效率优化控制基本框图如图1.1所示。

基于损耗模型的驱动系统效率优化策略最早由T.M.Rowan和T.A.Lipo[1]，以及H.G.Kim [2]等人提出并进行研究；1987年Bose[3][4]等人将该策略运用到永磁同步电机驱动系统中。美国学者X.Wei和R.D.Lorenz已将基于损耗模型控制策略结合直接转矩控制(Direct Torque Control，DTC)中，以提高永磁同步电机在瞬态过程中的效率[5]。针对同步电机而言，基于损耗模型的效率优化策略总共可以分为五种类型：考虑铁损的损耗模型控制策略[6][7]、考虑铜损的损耗模型控制策略[8][9]、考虑铁损和铜损的损耗模型控制策略[10][11]、基于电机精确损耗模型损耗模型控制策略[12][13]和约束条件下的损耗模型控制策略[14][15]。

图1.1基于损耗模型的效率优化控制策略

基于损耗模型效率优化控制策略的技术特点在于，它根据电机运行状况，通过解析法计算出使电机损耗最小的控制变量，在满足电机运行的同时降低驱动系统损耗。该方法控制变量由算法直接给出，电机效率的优化能够直接实现，数学概念清楚，物理意义明确，而且变量直接给定导致响应速度快，根据电机实际运行条件计算变量，从而能保证电机在全局运行范围内高效运行。但这种策略的缺点也不容忽视：①该策略需要对电机参数有很详细的了解，电机在运行过程中，电机参数包括电感参数、电枢绕组电阻、励磁绕组电阻、各部分的损耗系数等都会随电机运行条件的变化而改变，电机参数的变化必然会导致损耗模型不准确，从而导致控制变量的计算值不能实时追踪实际的最优值；②损耗模型建立的越准确，计算结果越接近于真实值，但也会导致计算过程越繁琐；③实际过程中为了简化计算，又不得不对损耗模型进行简化，这必然会导致计算值和实际值的差距变大，

所以最终寻优结果也仅仅是一种简化后的次寻优。

1.2.2 基于搜索法的效率优化控制策略

基于搜索法效率优化策略的基本原理是：在恒定的运行条件（恒定的转速和负载转矩）下，通过控制器不断实时调整控制变量（一般为磁场或电流），寻找该运行状态下的系统损耗最高点。

图1.2输入功率最小效率优化控制策略

控制策略的基本框图如图1.2所示，其中P (k -1)、P (k )和Δi d (k )分别为第k -1和第k 次直流侧功率检测值以及第k 次的控制变量。搜索法一般包括梯度法[16]、定步长（细分）法[17]、最优转差频率法[18]、基于斐波那契数列法[19]、神经网络法[20]、黄金分割法[21]以及模糊搜索法[22]。

清华大学的学者[23]分析了感应电机搜索控制的三种算法，即Ramp 法[24]、Rosenbrock

法[25]以及黄金分割法，对比了各种算法的复杂性、收敛速度以及效率优化效果，在此基础上提出了改进后的基于在线搜索的效率最优算法。改进后的黄金分割法收敛速度明显加快，硬件中加入低通滤波器，对输出转矩的脉动进行了有效抑制，并将该技术用于电动汽车驱动用感应电机。

国外学者S.K.Sul和M.H.Park选用电机的转差频率作为控制变量，提出了一种基于输入功率最小的搜索方法[26]。该方法将电机不同运行状况下的最小输入功率对应的最优转差频率，以表格的形式预先保存在控制器的内存中，电机运行时根据运行状况获得表格内的最优控制变量，对实际变量进行实时跟踪。

南京航空航天大学的学者对采用直接转矩控制的电动汽车PMSM驱动系统效率优化进行了研究[27]，由于公式计算需要滤波时间，电机变量调节也需要一定的收敛以及稳定时间，因此搜索法一般需要较长的运行周期，不适合应用到需要频繁加减速的电动汽车领域。为解决该问题，提出了一种分区式是在线效率优化方法，与传统在线搜索法不同，该方法将寻优搜索过程“多线程”化，将搜索区间“离线”化。减小了搜索时间，只需保证在区间内完成一次寻优循环即可，但该策略的技术难点在于搜索区间的量化。

基于搜索技术效率优化控制策略的优势显而易见，即不要预知电机参数，省略了建立损耗模型和推导最优变量的过程。系统能够在电机运行过程中，通过不断调整控制变量的方式自动搜索效率最高的运行点，因而鲁棒性强，适用性好；避免了建模过程中由于运行条件不同导致参数改变而引起的误差，从而寻优精度高。但该策略的缺点也不容忽视：①需要很高的输入功率检测精度；②输入功率与跟寻优变量有关，在系统效率最高点的附近变化可能会比较平坦，这要求对输入功率的测量，必须为高精度且无噪声的；③系统效率可能是复杂的且非线性的函数，这种情况下难以让系统快速地运行到效率最高点，即搜索过程需要一定的时间，不适合应用到像电动公交这种频繁起动、制动的场合；④一般凭经验给出固定的搜索步长，收敛速度慢，收敛时间长，不适合应用于负载变化、运行状况变化频繁的场合；⑤增加硬件系统件设备，从而增加成本。