本申请是申请号cn2015108591752,申请日2015年11月30日,名称为“永磁电机驱动方法”的分案申请。
本发明属于电机领域,特别涉及一种永磁电机驱动方法。
背景技术:
电机是电动车的主要动力来源,目前电动车驱动电机普遍采用永磁电机(pmsm),与电励磁电机相比,永磁电机,特别是稀土永磁电机具有结构简单,运行可靠;体积小,质量轻;损耗小,效率高;电机的形状和尺寸可以灵活多样等显著优点。目前在电机的驱动方式上,均采用单一的驱动方式,其不能根据路况、车辆自身状况等改变驱动方式,例如对于平直的路面驾驶者希望获得更高的车速,而对于坑洼的路面,驾驶者希望获得更大的转矩,当电池电量过低时,驾驶者又希望能采用更节能的驱动方式,以获得最大的行驶里程,这些要求在单一驱动方式下是不能实现的。
技术实现要素:
针对现有技术的缺陷,本发明提供了一种永磁电机驱动方法。
一种永磁电机驱动方法,包括以下步骤:s100:获取车速v、电机转子位置θr、转矩指令值
可选的,预存储多条道路的道路信息,根据车辆所处位置判断车辆所在道路,读取该道路的弯道信息。
可选的,所述弯道信息包括弯道长度、弯道曲度、和预定距离内弯道的数量;根据获取到的弯道信息和车辆当前所处的位置确定车辆是否位于弯道上或在进入弯道的预定的距离内或预定时间内。
可选的,根据下式计算转子位置θr:
θr(k+1)=3θr(k)-3θr(k-l)+θr(k-2)
式中,k代表第k个状态值。
可选的,所述动力电池的数学模型为:
式中,xk表示电池组的状态矢量,yk表示电池端电压,η为库伦效率因子,c为总容量,e0为充满电状态下的开路电压,r为电池内阻,k0、k1、k2、k3为电池极化内阻,△t为采样周期,imk为电流测量值,isk为电流传感器电流漂移估计值,w1和w2、vk为相互独立的白噪声,soc为电池电量,k代表第k个状态值,k=0、1、2、3、4、5……。
可选的,所述步骤s200中,分别采用安时积分法、状态观测器法和自适应扩展卡尔曼滤波法分别估计电池soc值,得到soc状态估计值s1、s2、s3,然后对s1、s2、s3进行加权计算,得到最终的soc估计值s;
s=ω1s1+ω2s2+ω3s3(3)
其中ω1、ω2、ω3为加权系数,ω1+ω2+ω3=1。
可选的,所述步骤s300中,当判定估计值s小于或等于设定的阈值时,开始计时,当计时时长t大于设定的时长t0后,选定效率最佳驱动方式驱动电机。
可选的,所述步骤s400中通过弱磁驱动模块计算d轴电流第一指令值
可选的,所述步骤s400中按下式计算d轴电流第一指令值
式中,pe表示电机每相产生的电磁功率,ωr为电机转速,ψf表示铁芯磁链,ls表示定子电感。
可选的,所述步骤s500中,按下式计算d轴电流第二指令值
式中ksd、ksd、ksq、ksq、为比例系数,l表示弯道长度,s表示弯道曲度,即弯道偏离直道的角度。
本发明的有益效果是:通过精确的数学模型,采用多种方法估计soc值,获得了更加精准的soc值,为电动车的操控提供了准确的依据;采用无传感器技术检测转子位置,降低了成本;综合考虑了路面状况和电池信息,根据不同的路面状况实时调整车辆的驱动方式,使得车辆操控性得以提高;考虑了弯道对电机驱动所带来的影响,在遇到弯道后调整电机励磁电流和转矩电流,从而保证了转弯过程中车辆的稳定性。
附图说明
图1是本发明驱动方法的流程图;
图2是本发明驱动系统的结构图;
图3是弱磁驱动框图;
图4是pmsm等效电路图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明,使本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按比例绘制附图,重点在于示出本发明的主旨。
请参阅图1、2,为了使得电机能更好的驱动车辆,使得车辆在不同路况下都能给驾驶者提供更好的操控/乘坐感受,本发明首先根据动力电池的电量(soc)决定车辆的驱动模式,当选定路况为平直路况时,选定弱磁驱动方式驱动电机;当选定路况为坑洼路况时,选定直接转矩驱动方式驱动电机;当判定估计值s小于或等于设定的阈值时,选定效率最佳驱动方式驱动电机,根据弯道信息调整车辆pmsm电机的驱动方式,从而提高了车辆的操控性、乘坐的舒适性。
s100:获取车速v、电机转子位置θr、转矩指令值
具体而言,获取模块,可以采用电流传感器分别测量逆变器输出的三相电流ia、ib、ic,车速v的检测有多种方式,可以根据油门踏板的踩下量来计算转矩指令值
对于一些路况如湿滑路况、平直路况、坑洼路况等,驾驶员通过观察即可容易的了解到,通过选择按键便可以将相应的路况信息发送至车辆控制系统,这些按键可以包括湿滑、坑洼、平直、积雪等等,本发明中平直路况指的是在一定距离内没有弯道,且路面无起伏,路面平整,例如2km内,这种路况适于车辆高速行驶。坑洼路况指的是,路面存在多处凸起与凹陷,路面不平整,这种路况不宜高速行驶,其要求车辆输出较大转矩以克服路面的凸起与凹陷。对于弯道信息驾驶员无法通过观察获得,弯道信息可以包括弯道长度、弯道曲度、和预定距离内弯道的数量,例如在2千米之内弯道的数量。弯道长度、曲度、和数量与电机驱动方式息息相关,其影响着车辆的操控性和乘坐的舒适感。例如较大的曲度则需要低车速和高扭矩。
为此,本发明设置有存储模块,其预存储多条道路的路况信息,获取模块根据车辆所处位置判断车辆所在道路,从预存储的路况信息中读取该道路的信息。车辆所处的位置可以由例如全球定位系统(gps)提供。预存储的路况信息中包含了该条道路上弯道所处的位置、长度、曲度、和数量。
电机转子位置θr可以由检测元件例如编码器等检测,但是检测元件价格较高,且对于电动车而言,将检测元件安装于驱动系统中需要占用较大空间,安装不便。为此本发明采用无传感器检测方法来检测电机转子位置θr。pmsm的机械方程为:
由于θr=∫ωrdt,因此式(1)可改写为:
式中,te为电磁转矩,pn为极对数,rω为阻尼系数,j为转动惯量,t1为负载转矩。式(2)表明转子位置θr是按照二次多项式规律变化的,即:
θr(t)=at2+bt+c(3)
式中a、b、c为二次多项式的系数,设采样周期为t,k代表第k个状态值,由式(3)可知,可从前三次转子位置估计值中获得下一次转子位置值,假设第k-2次估计的初始时刻t=0,则:
θr(k-2)=c(4)
在第k-1次估计的初始时刻,转子位置为:
θr(k-1)=at2+bt+c(5)
同理,k次:θr(k)=a(2t)2+b(2t)2+c(6)
于是,在k+1次估计的初始时刻,θrp(k+1)=a(3t)2+b(3t)2+c(7);
由式4~6可以求出a、b、c的值,代入式7后,可得:
θr(k+1)=3θr(k)-3θr(k-1)+θr(k-2)(8)
由此便可以获得电机转子位置θr。
s200:获取动力电池端的电压us和电流is信号,根据所建立的动力电池的数学模型,采用安时积分、状态观测器和自适应扩展卡尔曼滤波法分别估计电池soc,对估计值进行加权计算,得到动力电池当前的soc估计值s。
soc估计模块,可以采用电流传感器,电压传感器分别测量动力电池组的端电压us和输出电流is。动力电池的数学模型目前有多种,例如理想等效模型,理想等效模型把电池的内阻看成固定值,没有考虑到电池充电、放电时电池内阻的差别,因此也就体现不出充电、放电时soc的区别,这一模型与实际值差距较大;thevenin模型,thevenin模型的缺陷是电路中参数都是定值,其实他们都是soc的函数;rc模型,rc模型比thevenin模型能更好的模拟电池的动态特性,但忽略了电池的温度效应,对极化效应考虑得不够充分;emf模型与rc模型和thevenin模型相比,除了更多考虑电池的动态特性外,还较好地考虑了化学极化浓差极化等因素的影响,但也忽略了温度效应。为此本发明采用组合模型,其离散的状态空间方程为:
式中,xk表示电池组的状态矢量,yk表示电池端电压,η为库伦效率因子,c为总容量,e0为充满电状态下的开路电压,r为电池内阻,k0、k1、k2、k3为电池极化内阻,△t为采样周期,imk为电流测量值,isk为电流传感器电流漂移估计值,w1和w2、vk为相互独立的白噪声,soc为电池电量,k代表第k个状态值,k=0、1、2、3、4、5……。
接着根据电池组的数学模型,分别采用安时积分法、状态观测器法和自适应扩展卡尔曼滤波法分别估计电池soc值,得到soc状态估计值s1、s2、s3,然后对s1、s2、s3进行加权计算,得到最终的soc估计值s。
s=ω1s1+ω2s2+ω3s3(11)
其中ω1、ω2、ω3为加权系数,ω1+ω2+ω3=1。采用多种方法分别对动力电池的荷电状态soc进行估计,井对估计结果迸行加权计算得出最终的估计值,提高了动力电池的soc的估计精度。
s300:当估计值s大于设定的阈值时,若选定路况为平直路况时,选定弱磁驱动方式驱动电机;若选定路况为坑洼路况,选定直接转矩驱动方式驱动电机;当判定估计值s小于或等于设定的阈值时,选定效率最佳驱动方式驱动电机。
对于电动车而言,其车辆的操控性与乘坐的舒适性主要取决于电机的驱动。为了能达到更好的操控性与舒适性,需要根据路况实时调整电机的驱动方式,电机的驱动方式可以包括弱磁驱动、直接转矩驱动等,这些驱动方式能够适应不同的路况要求,大大提高了操控性,这种根据路况实时调整电机的驱动方式的驱动模式可以被称为智能驱动模式。但在智能驱动模式下,电机的运行效率并不是最佳的,在电池电量soc过低时,若仍采用智能驱动模式,则车辆的行驶距离将大大缩短,为了能在电池电量soc过低时,使得动力电池满足正常行驶的需要,本发明中只有当判定估计值s大于设定的阈值时,才进入智能驱动模式,这一阈值可以是电力电池总电量的30%,即当估计值s大于电池总电量的30%时,则允许车辆进入智能驱动模式,当估计值s小于或等于30%时则,进入效率最佳驱动模式。例如当电池电量剩余50%时,车辆进入智能驾驶模式,其从输入模块获取驾驶员选定的路况,若选定的路况为平直路况,则选择模块选择弱磁驱动方式,当驾驶员选定的路况为坑洼路况时,选择模块选择直接转矩驱动模式驱动电机运行,随着电机的不断运行,电池电量下降,当电池电量下降到30%时,选择模块选择效率最佳驱动方式驱动电机。
更进一步的,由于动力电池存在“掉电”的现象,即当瞬间从动力电池获取较大电力时,此时估计值s会小于其实际电量,例如当车辆实际电量剩余35%时,此时瞬间提高车辆的驱动力,则估计值s会在25%左右,而当重新恢复正常驱动时,估计值s会上升至35%,这就造成了智能驾驶模式的不正常退出。对此,为了能更好的判定此时车辆是否应进入/退出智能驾驶模式,本发明设置一计时模块,当判定估计值s小于或等于设定的阈值时,计时模块开始计时,当计时时长t大于设定的时长t0后,若此时估计值s依然小于或等于设定的阈值,则退出智能驾驶模式。时长t0的设定,表明在此时间段内电池的电量在持续减少,而这一减少并非是由于“掉电”所引起的,这样便使得判定更为准确。
s400:分别采用效率最佳驱动方式、弱磁驱动方式和直接转矩驱动方式计算电机d轴电流第一指令值
弱磁控制是目前pmsm的一个研究热点,电动机减弱磁场就可以实现高速运行(转矩也随之减小),使得调速范围变宽,有助于电动汽车获得更高的车速,这在平直路面行驶时是十分有利的。弱磁驱动模块如图3所示,实际电流id和iq是根据检测到的三相定子电流和转子位置θr经过矢量变换得到的,第一指令值
直接转矩控制是把转矩直接作为被控量控制,其实质是用空间矢量的分析方法,以定子磁场定向方式,对定子磁链和电磁转矩进行直接控制的。这种方法不需要复杂的坐标变换,而是直接在电机定子坐标上计算磁链的模和转矩的大小,并通过磁链和转矩的直接跟踪实现pwm脉宽调制和系统的高动态性能。直接转矩控制具有鲁棒性强、转矩动态响应速度快,适用于对于转矩控制要求较高的坑洼路面。当前已有多种直接转矩控制技术,在此不再赘述。
当估计值s小于或等于设定的阈值时,采用效率最佳驱动方式。永磁电机的损耗主要来源于定子铜损和铁芯损耗,图4为考虑铁芯损耗的pmsm的等效电路,图中rf表示铁芯等效电阻,rs代表定子电阻,e0表示反电动势,ux是与定子磁链对应的电压,该磁链在铁芯内产生涡流和磁滞损耗。pmsm电机每相损耗可以表示为:
取q轴为实轴,d轴反方向为虚轴,则有:
ux=uxq-juxd
ie=iq-jid(13)
且
式中pe表示电机每相产生的电磁功率,ωr为电机转速,ψf表示铁芯磁链。
图4中ux可以表示为:ux=(e0+idωrls)+j(iqωrls)(15),
利用式13-15,对式12求极小值,可得:
此点即为电机运行效率最高的点,通过控制频率和去磁电流可以调节铁损和铜损的比例关系,使得电动机铁损和铜损相等,从而达到了最佳的运行效率。这对于电池电量soc过低时,增加车辆行驶里程是有利的。
s500:根据所述弯道信息计算d轴电流补偿值
弯道信息可以包括弯道长度、弯道曲度、和预定距离内弯道的数量,例如在2千米之内弯道的数量。弯道长度、曲度、和数量与车辆的驱动息息相关,其影响着车辆的操控性和安全性。例如较大的曲度则需要更大的转矩和较低的车速。为此本发明根据弯道长度l和弯道曲度s按比例来计算电流补偿值
式中ksd、ksd、ksq、ksq、为比例系数,可根据实验确定,确定的最低原则是保证车辆在过弯过程中不发生倾覆。
进一步的,当预定距离内弯道的数量大于设定值时,此时若车速过高则易发生危险,对此本发明当预定距离内弯道的数量大于设定值时,获取车辆的车速,当车速大于设定阈值时,例如80km/h,此时向驾驶员发出报警提示,提醒驾驶员减速慢行。
s600:根据所述第二指令值
在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已,本发明能够以很多不同于在此描述的其它方式来实施,因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。