混合動力電動汽車用無刷直流電機動態(tài)性能及控制策略的研究.pdf

1、本文以混合動力電動汽車中使用的無刷直流電機及其控制策略為研究對象,做了較詳盡的理論分析和實驗研究,主要工作歸納如下:1、建立了無刷直流電機在Matlab/Simulink平臺上的模型,并做了開環(huán)控制和PI-PWM控制的仿真;借鑒異步電機矢量控制的思想,建立了關于轉子位置的無刷直流電機模型,并仿真研究了傳統(tǒng)的以時間為自變量的模型和以轉子位置為自變量的模型.2、詳細分析了無刷直流電機的動力學特性.通過求解無刷直流電機的動力學微分方程,采用一

2、階泰勒展開形式,將描述電機運行過程的超越方程轉化為一般微分方程,獲得了電機電流和轉矩完整的解析表達式.比較仿真結果和計算結果,從工程的角度出發(fā),這種計算方法是令人滿意的.3、研究了無刷直流電機不同的導通方式及對于轉矩脈動的影響.在分析二二導通模式、三三導通模式優(yōu)缺點的基礎上,利用超前導通和延遲導通的方法,提出了θ導通模式,補償由于換相引起的轉矩脈動.仿真試驗結果表明,這種導通模式很好地抑制了轉矩脈動.4、結合不同的現(xiàn)代控制策略和信號分析

3、技術,提出了無刷直流電機的神經網絡模型參考自適應控制方法,采用自適應的網絡權值修正算法,大大降低了計算量.仿真試驗結果表明,這種算法對于連續(xù)變化轉速給定信號具有良好的跟蹤作用,并且網絡收斂速度較快.5、通過對無刷直流電機動態(tài)模型的分析,獲得了無刷直流電機PWM預測表達式.針對傳統(tǒng)的PI調節(jié)作用的滯后性,提出利用兩個神經網絡結構,一個用于無刷直流電機模型的辨識,另一個用于控制.通過仿真將神經網絡預測控制與PI控制的效果進行比較,結果表明,

4、預測控制很好地跟蹤了轉速突變信號和時變信號.6、提出了無刷直流電機模糊PI控制思想,借鑒神經網絡權值修正算法,通過修正模糊控制器和PI控制器的連接系數(shù),在誤差較大時較多地采用模糊控制,誤差較小時采用PI控制,較好地克服了轉速跟蹤過程中的超調,同時也很好地克服了單純的模糊控制無法避免的靜差存在問題.由于模糊控制器對系統(tǒng)參數(shù)不敏感,該方法可以達到很好的控制效果.7、針對由于采取PWM控制以后,無刷直流電機的電流波形脈動較大,傳統(tǒng)的采樣和信號