龔俊杰，谷金良，龔莎，蔡志華

（411201 湖南省 湘潭市 湖南科技大學(xué) 機(jī)電工程學(xué)院）

0 引言

電動(dòng)汽車可以解決能源短缺[1]和環(huán)境污染問題，因此，減小電動(dòng)汽車換擋時(shí)的沖擊度[2]一直是電動(dòng)車的研究重點(diǎn)。近年來，研究人員對(duì)減小汽車換擋時(shí)的沖擊度做了大量研究[3]。文獻(xiàn)[4]以AMT 變速箱系統(tǒng)為研究目標(biāo)，將整個(gè)換擋過程進(jìn)行劃分，并對(duì)換擋執(zhí)行機(jī)構(gòu)進(jìn)行了拉格朗日建模，對(duì)換擋沖擊的原因進(jìn)行了研究；文獻(xiàn)[5]自主研發(fā)的無離合器無同步器以提升電機(jī)工作效率為研究目標(biāo)，開展了基于驅(qū)動(dòng)電機(jī)的換擋控制方法和整車綜合換擋規(guī)律等關(guān)鍵技術(shù)的研究，很好地提升了電動(dòng)汽車的換擋品質(zhì)；文獻(xiàn)[6]采用永磁同步電機(jī)控制技術(shù)和綜合換擋決策，進(jìn)行了深入的理論研究和實(shí)驗(yàn)驗(yàn)證，針對(duì)換擋過程中PMSM多狀態(tài)控制模式的動(dòng)態(tài)控制和模式平穩(wěn)切換的要求，設(shè)計(jì)了基于模糊滑模的SVPWM-DTC 的PMSM 控制策略，提升了換擋品質(zhì)；文獻(xiàn)[7]給出了電機(jī)和變速箱一體化設(shè)計(jì)方案和可靠實(shí)用的實(shí)驗(yàn)測試方法；文獻(xiàn)[8]利用ADAMS 和dSPACE等采集數(shù)據(jù)并分析問題產(chǎn)生機(jī)理，通過Meca 標(biāo)定軟件標(biāo)定控制參數(shù)，確定了最優(yōu)PWM 指令,減小了換擋末期的沖擊。提出并驗(yàn)證基于機(jī)電耦合控制的變模沖擊抑制方法；文獻(xiàn)[9]針對(duì)雙模耦合驅(qū)動(dòng)系統(tǒng)的獨(dú)特構(gòu)型,建立其傳動(dòng)總成模型,揭示出加裝扭轉(zhuǎn)減振器以減小變模沖擊的動(dòng)力學(xué)機(jī)理；文獻(xiàn)[10]重新對(duì)換擋過程進(jìn)行了梳理，提出了全扭矩?fù)Q擋控制方法，將換擋過程分為卸載、摘擋、電子同步、機(jī)械同步、掛擋和加載6 個(gè)過程，其中，對(duì)車輛沖擊度較大的是卸載、電子同步、加載3 個(gè)過程，且這3 個(gè)過程的控制對(duì)象都是驅(qū)動(dòng)電機(jī)。本文正是基于此提出用控制驅(qū)動(dòng)電機(jī)的方法，從而達(dá)到減小車輛換擋時(shí)沖擊度的目的。對(duì)永磁同步電機(jī)的控制，矢量控制依然是車用永磁同步電機(jī)最主要的控制方式[11]，所用控制算法多采用多閉環(huán)控制結(jié)構(gòu)，一般包含轉(zhuǎn)速環(huán)、位置環(huán)、轉(zhuǎn)矩環(huán)。控制的重點(diǎn)在于直軸、交軸電流的控制和對(duì)無傳感器轉(zhuǎn)子磁場方向的估計(jì)。根據(jù)控制目標(biāo)的直、交軸分量之間不同的關(guān)系，可以獲得常用的4 種矢量控制的方法：直軸電流為0、最大轉(zhuǎn)矩電流比控制、功率因素等于1、恒磁鏈控制[12]?，F(xiàn)有的永磁同步電機(jī)控制方法在面對(duì)不確定工況有著各自的優(yōu)缺點(diǎn)。隨著智能技術(shù)的進(jìn)步，研究人員將生物啟發(fā)式的智能算法應(yīng)用于PMSM 控制[13]，為電機(jī)控制研究開辟了新思路。如文獻(xiàn)[14]利用粒子群算法的群體合作智能搜索與快速迭代優(yōu)勢(shì)，提出了基于粒子群算法的永磁同步電機(jī)控制，該方法具有收斂快、操作容易和意義明確等優(yōu)點(diǎn)，但也存在一些缺點(diǎn)：參數(shù)選擇耗時(shí)，難以找到具有一般特點(diǎn)的優(yōu)化參數(shù)；優(yōu)化易陷入局部最優(yōu)區(qū)。針對(duì)粒子群算法存在的缺陷，學(xué)者們進(jìn)行了研究，并提出了許多改進(jìn)措施。新加坡南洋理工大學(xué)的suganthan 團(tuán)隊(duì)提出一種基于完全學(xué)習(xí)型的粒子群算法[15]，其核心思想是借助其它粒子的歷史最優(yōu)信息來更新粒子當(dāng)前自身的速度和位置值，從而保證了粒子群體多樣性，該算法在優(yōu)化問題上具有獨(dú)特的優(yōu)勢(shì)。

本文以改善永磁同步電機(jī)輸出性能進(jìn)而改善汽車換擋時(shí)的沖擊度為目標(biāo)。圍繞永磁同步電機(jī)矢量控制轉(zhuǎn)速環(huán)調(diào)節(jié)器設(shè)計(jì)的問題，將完全學(xué)習(xí)型粒子群算法應(yīng)用于轉(zhuǎn)速環(huán)調(diào)節(jié)器的設(shè)計(jì)中，并與傳統(tǒng)粒子群算法進(jìn)行對(duì)比研究.通過實(shí)驗(yàn)對(duì)比，完全學(xué)習(xí)型粒子群算法具有較強(qiáng)的收斂性和多樣性，驗(yàn)證了完全學(xué)習(xí)型粒子群算法對(duì)速度環(huán)調(diào)節(jié)的優(yōu)越性，改善了電機(jī)的輸出特性，減小了換擋時(shí)驅(qū)動(dòng)電機(jī)對(duì)車輛的沖擊度。

1 數(shù)學(xué)模型

1.1 PMSM 數(shù)學(xué)模型

考慮到永磁同步電機(jī)具有理想的對(duì)稱結(jié)構(gòu)；為簡化分析，假設(shè)PMSM 為滿足以下條件的理想電機(jī)：

（1）忽視轉(zhuǎn)子鐵芯的磁路飽和效應(yīng)；（2）忽略轉(zhuǎn)子鐵芯的渦流和磁滯損耗；（3）氣隙和磁密在空間呈正弦分布。其旋轉(zhuǎn)坐標(biāo)系下的方程為

式中：ud，uq——定子電壓的直軸和交軸分量；Ld，Lq——直軸和交軸的同步分別電感；id，iq——定子電流的直軸和交軸分量；we——電機(jī)的電角速度；ψf——永磁體磁鏈。

1.2 速度環(huán)控制器模型

電機(jī)調(diào)速系統(tǒng)一般由電流環(huán)、位置環(huán)和速度環(huán)組成，而速度環(huán)控制對(duì)于調(diào)速系統(tǒng)來說是保證系統(tǒng)速度響應(yīng)的重要環(huán)節(jié)。對(duì)于一般的調(diào)速系統(tǒng)而言，運(yùn)動(dòng)方程如下所示：

式中：ω——轉(zhuǎn)子速度；iq——電流指令信號(hào)；TL——負(fù)載轉(zhuǎn)矩；J——轉(zhuǎn)動(dòng)慣量；B——電機(jī)的摩擦系數(shù)；KT——電機(jī)的轉(zhuǎn)矩系數(shù)。速度環(huán)調(diào)節(jié)器采用PID 控制法，其表達(dá)式如下所示：

式中：KP，Ki，Kd——控制器的比例、積分、微分項(xiàng)系數(shù)；e——速度差值。edτ電機(jī)的控制系統(tǒng)和速度環(huán)所用參數(shù)如表1 所示。

表1 永磁同步電機(jī)部分參數(shù)Tab.1 Partial parameters of permanent magnet synchronous motor

由于永磁體的磁通保持不變，所以，本文采用 id=0 的控制策略。永磁同步電機(jī)轉(zhuǎn)子磁場定向矢量控制系統(tǒng)由轉(zhuǎn)速環(huán)和2 個(gè)電流環(huán)組成。速度環(huán)通過速度自動(dòng)調(diào)節(jié)器提供iq的指令值，2 個(gè)電流環(huán)的2 個(gè)電流指令值分別通過經(jīng)典PI 調(diào)節(jié)器獲得dq軸控制電壓ud與uq，然后將電壓變換到αβ靜止坐標(biāo)系后，采用SVPWM 技術(shù)控制電壓型逆變器實(shí)現(xiàn)對(duì)永磁同步電機(jī)的控制。如圖1 所示。

圖1 電機(jī)矢量控制系統(tǒng)圖Fig.1 Motor vector control system diagram

2 粒子群算法

2.1 標(biāo)準(zhǔn)粒子群算法

粒子群算法是一種新興計(jì)算方法，其基本思想源于魚群和鳥群等社會(huì)群體生物的覓食現(xiàn)象。假設(shè)粒子群體規(guī)模大小為M，每個(gè)粒子在D 維空間中搜索，設(shè)粒子（i=1，2，…，N）當(dāng)前位置為Xi={xi1，xi2，…，xid}，飛行速度 為vi={vi1，vi2，…，vid}，粒子通過調(diào)整自己當(dāng)前位置搜索新解，每個(gè)粒子都記住自己的最優(yōu)解，記作Pbestid。種群經(jīng)歷過的最優(yōu)位置，即目前搜索到的最優(yōu)解，記作Gbestid。每個(gè)粒子都有一個(gè)速度，記作V，定義如下：

式中：ω——慣性權(quán)重；c1，c2——調(diào)節(jié)Pbestid和 Gbestid相對(duì)重要性的參數(shù)；rand（）——生成介于0 和1 之間的隨機(jī)數(shù)。得到粒子的下一個(gè)位置：

2.2 完全學(xué)習(xí)型粒子群算法

完全學(xué)習(xí)型粒子群是新加坡南洋理工大學(xué)的Suganthan 教授團(tuán)隊(duì)專為解決傳統(tǒng)粒子群算法易于陷入局部最優(yōu)而提出的新模式粒子群算法。該算法采用獨(dú)特的搜索方法，任何一個(gè)粒子速度可以由粒子群體中的任一個(gè)體極值Pbest 來更新。該學(xué)習(xí)方法通過保證群體的差異性，有效阻礙了早熟收斂情況出現(xiàn)，從而能更好地確保群體的多樣性。完全粒子群算法速度信息及位置信息更新如下：

以上教學(xué)中，教師發(fā)現(xiàn)學(xué)生在評(píng)價(jià)人物時(shí)拘泥于武松這個(gè)角度的信息，遺漏了老虎的關(guān)鍵信息。教學(xué)時(shí)以“難道表現(xiàn)武松只有從武松身上下手”為引導(dǎo)的關(guān)鍵點(diǎn)， 讓學(xué)生繼續(xù)思考，促使學(xué)生要全面地思考問題。

式中，Pbestfi(d)表明可能是其中一個(gè)粒子個(gè)體極值對(duì)應(yīng)的維，也可能是第i 個(gè)粒子自身個(gè)體極值對(duì)應(yīng)的維，這個(gè)取決于學(xué)習(xí)概率pc，不同的粒子具有不一樣的隨機(jī)學(xué)習(xí)概率pc。基本思想為：對(duì)于粒子i 的每一維，產(chǎn)生一個(gè)隨機(jī)數(shù)，如果該隨機(jī)數(shù)大于pci，則這一維就向該粒子自身的Pbest 學(xué)習(xí)，否則這一維就向群體中其它粒子Pbest 學(xué)習(xí)，其學(xué)習(xí)流程如圖2 所示。

將目標(biāo)轉(zhuǎn)速和實(shí)際轉(zhuǎn)速當(dāng)做永磁同步電機(jī)理想輸入模型和實(shí)際輸入模型，通過實(shí)際模型轉(zhuǎn)速輸出與理想模型目標(biāo)轉(zhuǎn)速的差值構(gòu)造適應(yīng)度函數(shù)，如圖3 所示，對(duì)應(yīng)于圖1 中“a”部分。利用完全學(xué)習(xí)型粒子群算法對(duì)全局收力強(qiáng)和收斂速度較快的特點(diǎn)對(duì)參數(shù)進(jìn)行尋優(yōu)，進(jìn)而達(dá)到改善電機(jī)輸出性能的目的。為驗(yàn)證本文中提到的完全學(xué)習(xí)型粒子群算法的有效性，于優(yōu)化前和傳統(tǒng)粒子群算法進(jìn)行了對(duì)比。傳統(tǒng)粒子群算法仿真參數(shù)設(shè)置：轉(zhuǎn)速n 即為粒子的解，空間維數(shù)設(shè)為1，最大迭代次數(shù)為300 代，所用粒子群算法粒子規(guī)模為60。ω∈[0.9 0.4]，c1=c2=1.494 45。完全學(xué)習(xí)型粒子群算法設(shè)置基本與傳統(tǒng)粒子群相同：ω∈[0.9 0.4]，c1=c2=2。

圖2 完全學(xué)習(xí)型粒子群算法流程圖Fig.2 Flowchart of comprehensive learning particle swarm algorithm

圖3 速度環(huán)控制器Fig.3 Speed loop controller

3 實(shí)驗(yàn)結(jié)果與分析

一套硬件在環(huán)系統(tǒng)被用來驗(yàn)證本文所提到的方法。如圖4 所示，該系統(tǒng)主要由dSPACE模塊、整車控制器、負(fù)載箱、CAN 卡和工控機(jī)LabVIEW 界面等5 臺(tái)設(shè)備及其內(nèi)部軟件組成。

圖4 硬件在環(huán)實(shí)驗(yàn)系統(tǒng)組成框圖Fig.4 Block diagram of hardware-in-the-loop experimental system

基本思路如下：首先將電機(jī)、電池、變速器和整車動(dòng)力學(xué)系統(tǒng)虛擬模型下載到dsPACE 模塊中，組成被控對(duì)象的虛擬仿真模型，所用參數(shù)如表2 所示。此時(shí)，dsPACE 模塊和整車控制器之間通過CAN 總線發(fā)送數(shù)據(jù)給dsPACE 模塊，控制其中各個(gè)虛擬模型的運(yùn)轉(zhuǎn)，在仿真過程中虛擬模型計(jì)算出的各種數(shù)據(jù)也通過CAN 總線發(fā)送給整車控制器。

表2 2 擋AMT 純電動(dòng)汽車整車部分參數(shù)Tab.2 Partial parameters of 2-speed AMT pure electric vehicle

與此同時(shí)，整車控制器通過CAN 卡將實(shí)驗(yàn)采集所需數(shù)據(jù)發(fā)送給LabVIEW 工控機(jī)，工控機(jī)通過LabVIEW界面負(fù)責(zé)對(duì)數(shù)據(jù)實(shí)時(shí)顯示和保存，且通過CAN總線控制整車控制器實(shí)行命令操作。上位機(jī)通過CAN 總線向電機(jī)控制器發(fā)送控制指令，控制換擋試驗(yàn)臺(tái)的工作。如圖5 所示，電機(jī)控制器向上位機(jī)實(shí)時(shí)發(fā)送電機(jī)狀態(tài)參數(shù)，上位機(jī)將收到的信息進(jìn)行解析后實(shí)時(shí)顯示在界面上。通過上位機(jī)即可知道換擋的結(jié)果和電機(jī)的工作狀態(tài)，如電機(jī)的轉(zhuǎn)矩、轉(zhuǎn)速和換擋時(shí)汽車的速度、加速度和沖擊度，而且實(shí)時(shí)顯示電機(jī)的各種故障狀態(tài)。

3.1 空載急加速急減速工況實(shí)驗(yàn)結(jié)果

在車輛空載時(shí)，從靜止開始急加速急減速換擋，其實(shí)驗(yàn)結(jié)果如圖6 和圖7 所示。為了進(jìn)行比較，也給出了優(yōu)化前、傳統(tǒng)粒子群算法優(yōu)化后和完全學(xué)習(xí)型粒子算法優(yōu)化后的實(shí)驗(yàn)結(jié)果。

圖5 換擋試驗(yàn)臺(tái)Fig.5 Shift test bench

圖6 空載時(shí)電機(jī)實(shí)驗(yàn)結(jié)果Fig.6 Motor experiment results at no load

在未用算法優(yōu)化時(shí)，對(duì)于電機(jī)而言，在電機(jī)轉(zhuǎn)矩突升和突降階段，由于電機(jī)轉(zhuǎn)速的突變（如圖6 中的（a）圖和（b）圖所示），電機(jī)的轉(zhuǎn)矩和轉(zhuǎn)速存在較大的超調(diào)，并逐漸衰減震蕩至目標(biāo)值，衰減震蕩持續(xù)時(shí)間大約為0.6 s；當(dāng)使用傳統(tǒng)粒子群算法優(yōu)化的速度環(huán)調(diào)節(jié)器時(shí)，對(duì)于電機(jī)而言，無論是轉(zhuǎn)速還是轉(zhuǎn)矩，盡管和優(yōu)化前一樣出現(xiàn)了一定程度的震蕩，但超調(diào)明顯得到改善。但在6～8 s 階段，電機(jī)的輸出轉(zhuǎn)矩高于其他2 種情況，這是由于粒子群算法誤收斂導(dǎo)致的。在使用完全粒子群算法優(yōu)化的速度環(huán)調(diào)節(jié)器時(shí)，利用完全學(xué)習(xí)型粒子群算法收斂快的優(yōu)勢(shì)，使得電機(jī)的實(shí)際轉(zhuǎn)速可以很快地接近目標(biāo)轉(zhuǎn)速。對(duì)于電機(jī)而言：電機(jī)的轉(zhuǎn)矩?zé)o論是超調(diào)和震蕩都得到了明顯改善，轉(zhuǎn)速既實(shí)現(xiàn)了快速響應(yīng)的目標(biāo)，也沒有像傳統(tǒng)粒子群算法那樣出現(xiàn)誤收斂。

圖7 空載時(shí)車輛實(shí)驗(yàn)結(jié)果Fig.7 Vehicle test results with no load

3.2 滿載時(shí)急加速急減速工況實(shí)驗(yàn)結(jié)果

在車輛滿載時(shí)，從靜止開始急加速急減速換擋，其實(shí)驗(yàn)結(jié)果如圖8 和圖9 所示。為了進(jìn)行比較，與空載時(shí)相同，也給出了優(yōu)化前、傳統(tǒng)粒子群算法優(yōu)化后和完全學(xué)習(xí)型粒子算法優(yōu)化后的實(shí)驗(yàn)結(jié)果。

與車輛空載時(shí)的實(shí)驗(yàn)結(jié)果相似，優(yōu)化前，當(dāng)電機(jī)出現(xiàn)突升和突降時(shí)，不管是電機(jī)轉(zhuǎn)矩和轉(zhuǎn)速都出現(xiàn)較大的振動(dòng)和超調(diào)且振蕩時(shí)間較長，這會(huì)對(duì)電機(jī)輸出軸造成較大沖擊。使用傳統(tǒng)粒子群算法優(yōu)化后的速度環(huán)調(diào)節(jié)器后，不管是對(duì)于電機(jī)的轉(zhuǎn)速還是轉(zhuǎn)矩都有一定的改善作用。與空載相同的是，如圖9（b）所示，由于粒子群算法在全局尋優(yōu)方面的不足，使得轉(zhuǎn)矩出現(xiàn)了誤收斂現(xiàn)象。

圖8 空載時(shí)電機(jī)實(shí)驗(yàn)結(jié)果Fig.8 Motor experiment results at no load

圖9 負(fù)載時(shí)車輛實(shí)驗(yàn)結(jié)果Fig.9 Vehicle test results under load

在引入完全學(xué)習(xí)型粒子群算法優(yōu)化以后，對(duì)電機(jī)和車輛都有較大的改善，也未像傳統(tǒng)粒子群那樣出現(xiàn)誤收斂現(xiàn)象，能夠快速地收斂到穩(wěn)定狀態(tài)，只是出現(xiàn)了輕微的振蕩和小幅度的超調(diào)。超調(diào)和振蕩都得到了較好的抑制，對(duì)電機(jī)的輸出軸的影響也比較小。

優(yōu)化前，當(dāng)電機(jī)出現(xiàn)突升和突降時(shí)，車輛的速度和沖擊度波動(dòng)也較大，沖擊度超過了10 m/s3的允許范圍，極大影響了換擋時(shí)的舒適性，在使用傳統(tǒng)粒子群算法優(yōu)化后，車輛的沖擊度都有一定的改善作用。與空載相同的是，如圖9（b）所示，由于粒子群算法在全局尋優(yōu)方面的不足，盡管最大超調(diào)得到明顯改善，但在換擋時(shí)，振蕩還是較明顯。在引入完全學(xué)習(xí)型粒子群算法優(yōu)化后，不管是車速還是沖擊度都得到明顯改善，大大提高了乘車的舒適性。

4 結(jié)論

本文針對(duì)電動(dòng)汽車換擋時(shí)由電機(jī)引起的沖擊，基于2 擋AMT 傳動(dòng)系統(tǒng)設(shè)計(jì)出一種完全學(xué)習(xí)型粒子群算法優(yōu)化的電機(jī)轉(zhuǎn)速環(huán)控制器，利用一套硬件在環(huán)系統(tǒng)，實(shí)現(xiàn)了電機(jī)對(duì)傳動(dòng)系統(tǒng)沖擊的仿真研究。仿真結(jié)果表明，采用完全學(xué)習(xí)型粒子群算法優(yōu)化后的速度環(huán)控制器，不管是對(duì)電機(jī)的輸出特性的改善還是車輛沖擊度的抑制都有較大的作用。由于影響電動(dòng)汽車換擋時(shí)的沖擊度的因素不只有驅(qū)動(dòng)電機(jī)，還有同步器、整車傳動(dòng)系統(tǒng)的間隙等其它原因，今后工作將逐個(gè)考慮，并通過實(shí)車進(jìn)行試驗(yàn)。