论文部分内容阅读
纯电动大客车双电机耦合驱动系统相比于单电机驱动系统具有更多的驱动模式和操作灵活性,例如在需求功率比较低时使用一个电机工作,可以提高电机的工作负载率从而提高驱动系统的效率;在需求功率比较大时两个电机工作,从而满足车辆的功率需求。双电机驱动系统工作模式的选择、双电机工作模式时两个电机的功率分配以及双电机驱动系统参数的确定对双电机耦合驱动系统的性能具有重要影响,据此本文针对双电机耦合驱动系统控制策略和参数匹配展开了深入研究。为分析双电机耦合驱动系统的工作特性,建立双电机耦合驱动系统的效率模型,其中包括电机驱动系统功率损失模型、行星排功率损失模型、湿式离合器带排损失模型和轴承功率损失模型。为验证双电机耦合驱动系统效率模型的准确性,搭建双电机耦合驱动系统的台架试验平台,通过试验台架对双电机耦合驱动系统工作域内的效率分布进行测试和记录,试验数据和模型数据对比结果表明所建立的双电机耦合驱动系统效率模型能够较好地反应该系统的效率分布特点。提出一种基于工况块分组的双电机耦合驱动系统控制策略设计方法,根据20个典型工况组成的数据库,从中提取出298个工况块,依据工况特征参数将这些工况块进行分类,运用动态规划算法对每类工况的控制策略进行优化设计,从中提取出控制规律,同时制定基于规则的工况类型辨识方法,将工况辨识方法和对应的控制策略整合构成基于工况识别的自适应控制策略。为确定工况块分类参数,首先选取10类参数,分别对每类参数的最优工况类型更新周期进行优化,通过比较最终确定工况块分类参数以及最优更新周期。仿真结果表明所提出的自适应控制策略和原始控制策略相比,在不同行驶工况下具有更高的效率。基于飞思卡尔的MC9S12DP256B、dSPACE AutoBox等搭建了硬件在环仿真平台,对所提出的控制策略进行了验证。针对双电机耦合驱动系统提出基于速度预测的控制策略,为保证控制效果,提出一种参数可在线更新的三参数速度预测模型,与传统的几种速度预测模型相比,新的速度预测模型在不同行驶工况下具有更高的预测精度。由于本文所提出的预测控制策略在滚动时域内的优化算法使用的是动态规划算法,较大的计算量使得该方法很难实现实时控制,为此本文基于神经网络理论提出一种兼顾系统效率和控制实时性的双电机控制策略,该策略基于径向基神经网络理论将历史车速信息直接映射为驱动电机的目标转速,仿真结果表明虽然基于预测的控制策略在不同行驶工况下的控制效果要优于基于径向基神经网络的控制策略,但二者差距较小,且基于径向基神经网络直接映射的控制策略更易于实现实时控制。最后通过硬件在环实验对基于径向基神经网络的控制策略进行验证,结果表明:该控制策略能够在保证整车动力性的情况下实现对驱动系统的实时控制。通过对双电机耦合驱动系统原型机的最优控制策略进行分析,加入另外两种改进拓扑结构。建立双电机耦合驱动系统可缩放的功率损失模型,其中电机效率通过Willans线性模型得到,行星排的效率模型通过啮合功率法得到,湿式离合器的功率损失可缩放模型是在一定的假设下首先确定湿式离合器的尺寸,之后根据粘性流体力学理论计算带排转矩得到的。基于可缩放的功率损失模型,以系统的功率等级最小和能量损失最少为目标,提出两种集成优化方法:基于二次规划算法-动态规划算法的集成优化方法和基于粒子群算法-动态规划算法的集成优化方法。仿真结果表明系统的能量损失随着行星排特性参数k_p的增加而增加,系统的能量损失随着二级减速齿轮减速比i_x的增加而减小;当功率等级相同时,拓扑结构1的经济性要优于另外两种拓扑结构。两种优化方法对比可知:基于序列二次规划算法的集成优化方法在优化过程中容易陷入局部最优,而基于粒子群算法的集成优化方法能有效地避免优化过程陷入局部最优,从而找到全局最优结果。