技术领域
[0001] 本
发明涉及永磁同步电机技术领域，特别是一种基于效率最优的电动公交车用永磁同步电机转矩分配方法。
背景技术
[0002] 电动公交车与以
内燃机为动
力的公交车相比具有很多优势，如电动公交车振动噪音小，结构简单动力传动效率高，易于整车布置、乘员舱空间宽敞平整，动力性能优良等。纯电动公交车
驱动电机的选择必须满足车辆的动力性要求，如最高车速、
加速性能和最大爬坡度等。
[0003] 相比于传统径向磁通电机，轴向磁通永磁同步电机具有低速大转矩、高
能量密度等优点，适用于电动公交车使用。传统的转矩分配方法一般为转矩均分，即将电机总转矩均分到各
定子盘上，得到相应的定子
电流，此方法无法保证电机一直工作在效率最高状态，使得整体效率较低。
发明内容
[0004] 本部分的目的在于概述本发明的
实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本
申请的
说明书摘要和
发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
[0005] 鉴于传统的转矩分配方法中存在的问题，提出了本发明。
[0006] 因此，本发明其中的一个目的是提供一种基于效率最优的电动公交车用永磁同步电机转矩分配方法，其能够提高电机电流环的动态响应和稳态响应能力，能够提高
电动车运行效率，提升续航里程。
[0007] 为解决上述技术问题，本发明提供如下技术方案：一种基于效率最优的电动公交车用永磁同步电机转矩分配方法，其包括，S1：通过实验测得多盘永磁同步电机的多组转矩、转速与效率最优转矩分配系数的数据，以转矩与转速作为神经网络
输入层的两个输入量，效率最优时各定子转矩分配系数作为神经网络
输出层的三个输出量；S2：设计隐含层神经元输出神经元激发函数，将网络输出与理想输出误差带入规定误差性能指标函数，按照
梯度下降法对网络的加权系数进行修正，并得到输出层与隐含层的连接权值学习
算法；当误差趋向于零时，连接权值停止更新，此时得到的权值就是神经网络学习到的最优信息；S3：利用无差拍电流预测控制优化电流响应速度。
[0008] 作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：所述定子转矩分配系数为各个单盘定子分配的转矩占多盘永磁同步电机总转矩比例。
[0009] 作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：所述效率最优转矩分配系数为由测得输入输出功率计算得到电动公交车效率最优情况下的各单盘定子转矩占多盘永磁同步电机总转矩比例。
[0010] 作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：步骤S3具体包括：分别将单盘永磁同步电机的电流作为状态变量，得到多盘永磁同步电机的
状态方程，采用一阶泰勒公式对电流状态方程进行离散化，将给定的
信号电流量 作为下一时刻T(k+1)时刻的输入量id(k+1)、iq(k+1)，将采集得到的三相
定子电流，通过坐标变换得到T(k)时刻的电流量id、iq，得到最优
电压矢量ud、uq，然后通过SVPWM调制技术，产生控制逆变器的
开关脉冲，以此来实现电流环的快速响应控制。
[0011] 作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：对电动公交车多盘永磁同步电机驱动应用BP神经网络进行效率最优的转矩分配。
[0012] 作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：所述BP神经网络采用三层BP神经网络，其中输入层含有两个神经元，输出层含有三个神经元，隐含层含有四个神经元。
[0013] 作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：对电动公交车多盘永磁同步电机进行无差拍电流预测控制，通过SVPWM调制技术，产生控制逆变器的开关脉冲，以此来实现电流环的快速响应控制。
[0014] 作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：所述永磁同步电机采用多盘永磁同步电机。
[0015] 作为本发明所述基于效率最优的电动公交车用永磁同步电机转矩分配方法的一种优选方案，其中：将多盘式永磁同步电机等效为多个单盘永磁同步电机同轴相连的情况，每组定子绕组可以独立控制，总转矩与各盘定子转矩存在约束：T＝T1+T2+T3+···+Tn；
[0016] 多盘永磁同步电机机械
角速度为ω，则每个单盘永磁同步电机输出机械功率分别为T1ω、T2ω、T3ω、…、Tnω。在速度为ω，转矩为T1、T2、T3、…、Tn时对应的单盘永磁同步电机效率分别为η1、η2、η3、…、ηn，令T1＝a1T，T2＝a2T，T3＝a3T，…，Tn＝anT其中a1、a2、a3、…、an∈[0,1]，且a1+a2+a3+···+an＝1，则相应的每盘永磁同步电机模
块的输入功率分别为：
[0017]
[0018]
[0019]
[0020] …
[0021]
[0022] 总输入功率为：
[0023]
[0024] 总输出功率为：
[0025] Po＝Tω
[0026] 系统效率为：
[0027]
[0028] 由于在某一时刻总转矩T和转速ω为定值，所以总输出功率为定值，要想提高系统效率只有减小总输入功率，即减小Pi。令 求Pi最小即求a1、a2、a3、…、an的值使A为最小值。
[0029] 与
现有技术相比，本效率优化方法方法的有益效果在于：
[0030] 1、将BP神经网络算法应用到电机驱动效率优化，能够最大程度拓宽电机运行高效率区间；
[0031] 2、将无差拍电流预测控制应用到电机电流环响应速度优化上，能够为控制系统提供低转矩脉动和高电流
频率响应。
附图说明
[0032] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0033] 图1为三定子-双
转子盘式永磁同步电机立体结构图。
[0034] 图2为电动公交车用三盘永磁同步电机驱动系统拓扑结构图。
[0036] 图4为转矩分配的BP神经网络拓扑结构图。
[0037] 图5为单盘控制系统结构框图。
具体实施方式
[0038] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
[0039] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0040] 其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0041] 参照图1、2，为本发明的一个实施例，该实施例提供了一种基于效率最优的电动公交车用永磁同步电机转矩分配方法，该方法提出电动公交车效率最优转矩分配系数这一概念，此系数为由测得输入输出功率计算得到电动公交车效率最优情况下的各定子转矩占三盘永磁同步电机总转矩比例。此外，该方法将BP神经网络算法用于三盘轴向磁通永磁同步电机转矩分配以达到效率最优的效果，该方法具体包括以下步骤：
[0042] 1、将三盘永磁同步电机总输出转矩与输入输出功率分配为各定子输出转矩与输入输出功率，根据实验测得的多组转矩、转速与效率的数据，建立各定子转矩分配系数与转速、转矩、效率以及输入功率之间的数学关系，结合总三盘永磁同步电机功率与各定子功率之间的关系，由之得到三盘永磁同步电机总效率与各定子效率、各定子转矩分配系数的关系；
[0043] 2、将三盘永磁同步电机总输出转矩与输入输出功率分配为各定子输出转矩与输入输出功率，根据实验测得的多组转矩、转速与效率的数据，以转矩与转速作为神经网络输入层的两个输入量；效率最优时各定子转矩分配占比分别为神经网络输出层的三个输出
量。
[0044] 3、根据步骤1中得到单盘定子的转矩分配系数与转速、转矩以及效率，通过数据拟合得到单定子转矩分配系数效率函数与转速及转矩的三维模型，由于各定子模块完全相同，对于任意转速转矩情况都有对应的各个定子转矩分配系数效率函数，即可以确定三盘永磁同步电机总效率；
[0045] 4、分别设计隐含层神经元与输出神经元激发函数，将网络输出与理想输出误差带入规定误差性能指标函数，按照梯度下降法对网络的加权系数进行修正，并得到输出层与隐含层的连接权值学习算法；当误差趋向于零时，连接权值停止更新，此时得到的权值就是神经网络学习到的最优信息。
[0046] 5、利用无差拍电流预测控制对优化电流响应速度，提高
稳定性：将单盘永磁同步电机的电流作为状态变量，得到三盘永磁同步电机的状态方程，采用一阶泰勒公式对电流状态方程进行离散化，将给定的信号电流量 作为下一时刻T(k+1)时刻的输入量id(k+1)、iq(k+1)，将采集得到的三相定子电流，通过数学
坐标系变换得到T(k)时刻的电流量id、iq，得到最优电压矢量ud、uq，然后通过SVPWM调制技术，产生控制逆变器的开关脉冲，以此来实现电流环的快速响应控制。
[0047] 图1为三定子-双转子盘式永磁同步电机立体结构图，本发明忽略三组定子绕组之间及两个转子盘之间相互影响，将三盘永磁同步电机等效为三个永磁同步电机同轴相连的情况，每组定子绕组可以独立控制。电磁转矩方程为：
[0048]
[0049] 式中，T为三盘永磁同步电机总电磁转矩；
[0050] Te1、Te2、Te3分别为定子1、2、3绕组的电磁转矩；
[0051] iq1、iq2、iq3分别为定子1、2、3绕组电流矢量在q轴的分量。
[0052] 图3为转矩分配控制框图，三盘永磁同步电机输出转矩为T，三组电机模块输出转矩分别为T1、T2、T3，转矩分配框图如图3所示，则总转矩与各盘定子转矩存在约束：
[0053] T＝T1+T2+T3 (2)
[0054] 三盘永磁同步电机机械角速度为ω，则三组盘式永磁同步电机模块输出机械功率分别为T1ω、T2ω、T3ω。在速度为ω，转矩为T1、T2、T3时对应的单盘永磁同步电机效率分别为η1、η2、η3，令T1＝a1T，T2＝a2T，T3＝a3T，其中a1、a2、a3属于[0,1]，且a1+a2+a3＝1，则相应的每盘永磁同步电机的输入功率分别为：
[0055]
[0056]
[0057]
[0058] 总输入功率为：
[0059]
[0060] 总输出功率为：
[0061] Po＝Tω (7)
[0062] 系统效率为：
[0063]
[0064] 由于在某一时刻总转矩T和转速ω为定值，所以总输出功率为定值，要想提高系统效率只有减小总输入功率，即减小Pi。令 求Pi最小即求a1、a2、a3的值使A为最小值。
[0065] 所述BP神经网络采用三层BP神经网络，如图4所示：其中输入层含有两个神经元，输出层含有三个神经元，隐含层含有四个神经元。输入层的两个输入量分别为总转矩T和转速ω，输出层的三个神经元的状态分别对应a1、a2、a3三个参数。
[0066] 隐含层的计算公式为：
[0067]
[0068] 隐含层神经元的输出采用S函数激发：
[0069]
[0070] 网络输出的计算公式为：
[0071]
[0072] 输出层神经元的输出也采用S函数激发：
[0073]
[0074] 网络输出与理想输出误差为：
[0075] ek＝Qk-Yk (13)
[0076] 规定误差性能指标函数为：
[0077]
[0078] 按照梯度下降法对网络的加权系数进行修正，即按照性能指标函数对加权系数进行负梯度方向搜索调整，输出层与隐含层的连接权值学习算法为：
[0079]
[0080] 上式中的η称为学习速率，为事先设定的常数，用于控制连接权值调整的速度。从梯度下降算法的公式可以看出，当误差趋向于零时， 将趋向于零，这会使得连接权值不会再更新，此时得到的权值就是神经网络学习到的最优信息。
[0081] t+1时刻输出层与隐含层的连接权值为：
[0082] wjk(t+1)＝wjk(t)+Δwjk (16)
[0083] 隐含层及输入层连接权值学习算法为：
[0084]
[0085] t+1时刻隐含层及输入层连接权值为：
[0086] wij(t+1)＝wij(t)+Δwij (18)
[0087] 采用梯度下降算法时，有时会使得误差会在某个范围内来回
波动，这是因为η设置的太大造成的。而当η设置的太小时，会使得误差进入局部最小点，达到局部最小点后会使得梯度值Δw趋向于零，一般称为梯度消失现象，这会使得性能函数无法达到全局最优。为了不让误差来回大范围的波动以及出现梯度消失现象，在梯度下降法中加入一个动量因子α,0＜α＜1。权值变换量变为：
[0088]
[0089] 从上式可以看出，当前权值的改变和上一次权值的改变相关。若Δw(t)＞0，当前权值的改变是正确的，并且能加速本次权值的改变；若Δw(t)＜0，则会抑制当前权值继续朝错误的方向改变。这样可以有效地抑制误差波动和进入局部最小的情形。
[0090] 为了便于分析，以三盘永磁同步电机中的单盘控制系统为控制对象，研究矢量控制策略，单盘控制系统的结构框图如图5所示。
[0091] 该单盘控制系统包括一个速度环和两个电流环，其中T*为给定转矩，T为
限幅后的给定转矩，Tmax为速度
控制器的输出；K为转矩与q轴电流的转换系数，取值大小与盘式永磁同步电机参数有关。电流环的控制要求是使输出转矩跟随给定转矩；转速环的控制要求是使盘式永磁同步电机转速不超过最高转速，通过限制给定转矩T*的幅值来实现。当盘式永磁同步电机转速低于最高转速时，速度环不起作用，系统工作在电流单闭环模式；当盘式永磁同步电机加速，转速逐渐接近最高转速，速度控制器的输出值逐渐减小，直到小于给定转矩T*时，系统工作在转速、电流双闭环模式，使盘式永磁同步电机不超过最高转速。
[0092] 由三盘永磁同步电机数学模型可知，在d、q轴下的电压方程为：
[0093]
[0094] 式中，ud，id为定子电压和电流矢量在d轴的分量；
[0095] uq，iq为定子电压和电流矢量在q轴的分量；
[0096] ψf为
永磁体基波励磁
磁场耦合到定子绕组的磁链；
[0098] ωe为电角速度；
[0099] 将盘式永磁同步电机的电流作为状态变量，就可以得到三盘永磁同步电机的状态方程：
[0100]
[0101] 当
采样周期T足够小，可以采用一阶泰勒公式对电流状态方程进行离散化，可以近似的有以下公式：
[0102]
[0103] 将(21)带入(22)，就可以到的离散化后的电流
预测模型：
[0104]
[0105] 将给定的信号电流量 作为下一时刻T(k+1)时刻的输入量id(k+1)、iq(k+1)，将采集得到的三相定子电流，通过数学坐标系变换得到T(k)时刻的电流量id、iq，再结合式(21)就可以得到如式(24)的最优电压矢量ud、uq，然后通过SVPWM调制技术，产生控制逆变器的开关脉冲，以此来实现电流环的快速响应控制，使得实际电流在一个采样周期之后跟随上给定电流，当采样周期足够小时可认为是无差拍跟随给定信号。
[0106]
[0107] 应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行
修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的
权利要求范围当中。
