張華磊,呂江毅,成林

基于WOA算法的電動(dòng)汽車感應(yīng)驅(qū)動(dòng)系統(tǒng)控制器的參數(shù)整定

張華磊,呂江毅,成林

北京電子科技職業(yè)學(xué)院汽車工程學(xué)院, 北京 100176

為提高電動(dòng)汽車感應(yīng)驅(qū)動(dòng)系統(tǒng)PID控制精度，將鯨魚優(yōu)化算法與PID控制相結(jié)合，提出一種基于WOA算法的電動(dòng)汽車用感應(yīng)驅(qū)動(dòng)系統(tǒng)控制器參數(shù)整定方法。為了獲取高質(zhì)量的控制效果，選擇誤差絕對(duì)值時(shí)間積分性能指標(biāo)為適應(yīng)度函數(shù)。結(jié)果表明，在電動(dòng)汽車電動(dòng)機(jī)PID參數(shù)尋優(yōu)過(guò)程中，與PSO-PID、GA-PID和PID相比，WOA-PID控制器的超調(diào)量更小和響應(yīng)時(shí)間更快，控制品質(zhì)更高，能夠更快地進(jìn)入穩(wěn)定狀態(tài)。

鯨魚優(yōu)化算法; 電動(dòng)汽車; 控制器; 參數(shù)

隨著純電動(dòng)汽車的發(fā)展，如何快速高效地開發(fā)電動(dòng)汽車是當(dāng)前研究的熱點(diǎn)問題。純電動(dòng)汽車研發(fā)的關(guān)鍵技術(shù)主要有電動(dòng)汽車整車技術(shù)、蓄電池技術(shù)、能量管理技術(shù)和電機(jī)及其控制技術(shù)。電動(dòng)汽車的電機(jī)是其電氣驅(qū)動(dòng)系統(tǒng)的核心，電動(dòng)汽車的性能直接由電機(jī)的控制技術(shù)、性能和效率決定。由于傳統(tǒng)的PID (Proportion, Integral, Differential)控制算法可靠性高、穩(wěn)定性好以及簡(jiǎn)單等優(yōu)點(diǎn)，其被廣泛地應(yīng)用于工業(yè)控制領(lǐng)域，而傳統(tǒng)PID控制的主要缺點(diǎn)在于其參數(shù)整定的適應(yīng)性較差，由于電機(jī)系統(tǒng)的復(fù)雜性、非線性等問題，導(dǎo)致無(wú)法獲得滿意的控制效果[1]。

鯨魚優(yōu)化算法[2]（Whale Optimization Algorithm，WOA）是受座頭鯨捕食行為啟發(fā)而提出的一種新型啟發(fā)式算法，該算法具有調(diào)整參數(shù)少、操作簡(jiǎn)單和易于跳出局部最優(yōu)能力強(qiáng)的優(yōu)點(diǎn)。針對(duì)傳統(tǒng)PID控制效果易受其參數(shù)選擇的影響，提出一種基于WOA優(yōu)化PID的電動(dòng)

汽車感應(yīng)電機(jī)驅(qū)動(dòng)系統(tǒng)的控制器參數(shù)整定方法。研究結(jié)果表明，本文算法可以有效提高電機(jī)控制效果，具有精度高和誤差小的優(yōu)點(diǎn)。

1 鯨魚優(yōu)化算法

在WOA算法中，每只座頭鯨的位置表示一個(gè)可行解，該算法具體描述如下[3]：

（1）環(huán)繞式捕食。座頭鯨能夠識(shí)別獵物的位置并進(jìn)行包圍。如果當(dāng)前的最佳鯨群個(gè)體位置為目標(biāo)獵物，則位置更新策略如下：=|·*()+()| (1)

(+1)=()-·(2)

其中，和為系數(shù)；為當(dāng)前迭代次數(shù)；()為當(dāng)前鯨魚的位置向量；*()為當(dāng)前最佳的鯨魚位置向量。

和計(jì)算公式如下：=2·1-(3)

=22(4)

其中，1和2為隨機(jī)向量，處于[0,1]之間；值由2線性下降到0。

=2-2/max(5)

其中，max為最大迭代次數(shù)。

（2）發(fā)泡網(wǎng)攻擊。該階段主要機(jī)制有收縮包圍機(jī)制和螺旋式位置更新，通過(guò)座頭鯨氣泡網(wǎng)建立數(shù)學(xué)模型，具體描述如下：

1）收縮包圍機(jī)制：該機(jī)制通過(guò)減小值實(shí)現(xiàn)，其中是隨機(jī)數(shù)，處于[-2,2]之間；當(dāng)處于[-1,1]之間時(shí)，新鯨群個(gè)體搜索位置是食物所在位置，此時(shí)鯨魚靠近食物進(jìn)行覓食；反之，則鯨魚遠(yuǎn)離食物；

其中，￠=|*()-()|為第頭鯨群個(gè)體當(dāng)前最佳位置與獵物的距離；為隨機(jī)數(shù)，處于[-1,1]之間；為對(duì)數(shù)螺旋形狀參數(shù)。座頭鯨在捕食獵物時(shí)，不但進(jìn)行螺旋游動(dòng)而且進(jìn)行包圍收縮，其在以50%的概率在螺旋模型和收縮包圍機(jī)制之間進(jìn)行位置更新，其數(shù)學(xué)模型為：

其中，為隨機(jī)數(shù)，處于[0,1]之間。

3）搜索捕食：當(dāng)>1或<-1時(shí)，鯨群將進(jìn)行移動(dòng)搜索遠(yuǎn)離獵物，借此尋找一個(gè)更加合適的獵物，突出WOA算法在全局搜索中的勘探功能，數(shù)學(xué)模型如下：

=|·X()-| (8)

(+1)=X-·(9)

其中，X為從當(dāng)前鯨群中隨機(jī)選擇的位置向量，也就是隨機(jī)鯨群個(gè)體。

2 基于WOA的PID參數(shù)整定設(shè)計(jì)方案

2.1 PID控制

一般地，典型的PID控制框圖如圖1所示：

圖 1 PID控制系統(tǒng)框圖

PID控制器的偏差公式為：()=()-() (10)

其中，()、()分別表示輸入值和輸出值。

其中，K、T、T分別表示比例系數(shù)、積分時(shí)間常數(shù)和微分時(shí)間常數(shù)。

2.2 參數(shù)編碼

令鯨群中的搜尋個(gè)體數(shù)量為，每個(gè)鯨群的位置矢量由PID控制器的3個(gè)參數(shù)構(gòu)成[4]，其矩陣表達(dá)式為：

3 實(shí)證分析

WOA參數(shù)設(shè)置如下：種群規(guī)模為30，最大迭代次數(shù)為100，其優(yōu)化結(jié)果如圖2和圖3所示：

圖 2 WOA優(yōu)化PID適應(yīng)度曲線

圖 3 WOA優(yōu)化階躍響應(yīng)曲線圖

為了驗(yàn)證WOA算法進(jìn)行PID優(yōu)化的效果，將WOA與GA (Genetic Algorithm)和PSO (Particle Swarm Optimization)優(yōu)化PID的結(jié)果進(jìn)行對(duì)比，不同算法參數(shù)設(shè)置表1所示。不同算法的階躍響應(yīng)輸出曲線和階躍響應(yīng)誤差曲線進(jìn)行對(duì)比，其對(duì)比結(jié)果如圖4和圖5所示。

表 1 不同算法參數(shù)設(shè)置

圖 4 不同算法適應(yīng)度收斂對(duì)比圖

由圖4可知，在電動(dòng)汽車電動(dòng)機(jī)PID參數(shù)尋優(yōu)過(guò)程中，WOA算法與PSO算法和GA算法相比較，WOA算法具有更快的收斂速度，同時(shí)其優(yōu)化結(jié)果也優(yōu)于PSO算法和GA算法。

圖 5 不同算法階躍響應(yīng)輸出曲線

由圖5不同算法階躍響應(yīng)輸出曲線可知，WOA算法與PSO算法和GA算法相比較，WOA算法具有更低的誤差，從而體現(xiàn)出WOA算法進(jìn)行電動(dòng)汽車電動(dòng)機(jī)PID參數(shù)尋優(yōu)的有效性和可靠性。

表 2 PID參數(shù)和適應(yīng)度函數(shù)值

由表2適應(yīng)度函數(shù)值可知，與PSO算法和GA算法相比較，WOA算法具有更高的精度，進(jìn)一步驗(yàn)證了WOA算法進(jìn)行電動(dòng)汽車電動(dòng)機(jī)PID控制的有效性和可靠性。

表 3 優(yōu)化結(jié)果對(duì)比

由表3可知，與PSO-PID、GA-PID和PID相比，WOA-PID控制器具有超調(diào)量更小和更快的響應(yīng)時(shí)間，控制品質(zhì)更高，能夠更快的進(jìn)入穩(wěn)定狀態(tài)。

4 結(jié)論

由于電機(jī)系統(tǒng)的復(fù)雜性、非線性等問題，導(dǎo)致傳統(tǒng)的PID控制無(wú)法獲得滿意的控制效果。為提高電動(dòng)汽車感應(yīng)電動(dòng)驅(qū)動(dòng)系統(tǒng)PID控制精度，將鯨魚優(yōu)化算法引入電動(dòng)汽車感應(yīng)電動(dòng)驅(qū)動(dòng)系統(tǒng)PID控制，提出一種基于WOA算法的電動(dòng)汽車用感應(yīng)電動(dòng)驅(qū)動(dòng)系統(tǒng)的控制器參數(shù)整定方法。研究結(jié)果表明，在電動(dòng)汽車電動(dòng)機(jī)PID參數(shù)尋優(yōu)過(guò)程中，與PSO-PID、GA-PID和PID相比，WOA-PID控制器具有超調(diào)量更小和更快的響應(yīng)時(shí)間，控制品質(zhì)更高，能夠更快的進(jìn)入穩(wěn)定狀態(tài)。

[1] 張興華,孫振興,王德明.電動(dòng)汽車用感應(yīng)電機(jī)直接轉(zhuǎn)矩控制系統(tǒng)的效率最優(yōu)控制[J].電工技術(shù)學(xué)報(bào),2013,28(4):255-260

[2] Mirjalili S, Lewis A. The Whale Optimization Algorithm[J]. Advances in Engineering Software, 2016,95:51-67

[3] Aziz MAE, Ewees AA, Hassanien AE. Whale Optimization Algorithm and Moth-Flame Optimization for multilevel thresholding image segmentation[J]. Expert Systems with Applications, 2017,83:242-256

[4] 劉和平,鄧力,鄭群英,等基于矢量控制的電動(dòng)轎車感應(yīng)電機(jī)驅(qū)動(dòng)控制器[J].電工技術(shù)學(xué)報(bào),2007,22(11):63-68

[5] 馬文華,劉欣彤,劉海波,等.基于滑模觀測(cè)器的電動(dòng)汽車用感應(yīng)電機(jī)驅(qū)動(dòng)控制[J].微特電機(jī),2017,45(7):68-73

Parameter Adjustment for Induction Drive System Controller of an Electric Vehicle on WOA

ZHANG Hua-lei, LV Jiang-yi, CHENG Lin

100176,

In order to improve the PID control precision of electric vehicle induction electric drive system, WOA-PID was presented to adjust parameters of an induction drive system controller on an electric vehicle. In order to obtain satisfactory excessive process dynamics, the error absolute time integral performance index was taken as the minimum objective function of the parameter selection. The results showed that the WOA-PID controller had smaller overshoot and faster response time and higher control quality than PSO-PID, GA-PID and PID in the optimization of electric vehicle motor PID parameters. It could get into a faster stable state.

WOA; electric vehicle; sensor; parameter

U469.72

A

1000-2324(2019)01-0163-04

10.3969/j.issn.1000-2324.2019.01.037

2018-02-06

2018-03-27

張華磊(1975-),男,碩士,講師,主要從事汽車技術(shù)服務(wù). E-mail:13520092245@139.com