智能汽车eps用交流电机抗干扰智能控制器的构造方法
【专利摘要】本发明公开一种智能汽车EPS用交流电机抗干扰智能控制器的构造方法，将d?q轴电流解耦控制模块、矢量控制模块、电压坐标变换模块、PWM调节模块以及交流电机依次串联，与电流坐标变换模块、扰动检测模块作为一个整体组成EPS电机系统，将神经网络控制器、优化控制器、鲁棒控制器和鲁棒控制器参数优化模块并联之后与角度给定模块和滤波跟踪误差模型共同构成EPS电机系统的抗干扰智能控制器，提高了EPS电机系统的静态控制性能、抗干扰控制和保证了神经网络控制器的控制精度。
【专利说明】
智能汽车EPS用交流电机抗干扰智能控制器的构造方法
技术领域
[0001] 本发明属于智能汽车驱动以及电力传动控制设备技术领域，具体是一种智能汽车 EPS(电动助力转向系统）用交流电机的控制领域，适用于智能汽车EPS用交流电机的高性能 抗干扰控制。
【背景技术】
[0002] 智能汽车是智能交通系统最重要的组成部分，可以有效地改善交通安全，提高运 输效率，降低环境污染。智能汽车相关的研究主要可以分成侧向控制、纵向控制和联合控制 三个方向。其中侧向控制通常是指智能汽车的转向控制，直接影响智能汽车在转弯时的操 作以及换车道操作时的性能，因此转向系统的好坏对智能汽车是十分必要的。目前智能汽 车的转向系统大多采用电动助力转向系统（简称为EPS) APS系统由助力电机直接助力，其 系统性能很大程度上受助力电机性能的影响。目前产品化的EPS系统采用的电机多数为直 流电机，由于车载电源为直流电源，所以直流电机可以被直接驱动，且具备良好的起动和调 速性能。但是直流电机换向时的火花会造成无线电干扰，无法满足电磁兼容性能要求，而且 电机功率较小、工作噪声较大、可靠性较低、扭矩波动也较大。近年来，随着电力电子和电机 控制技术的不断发展，交流电机的各种控制算法如恒压频比控制、矢量控制和直接转矩控 制相继推出，交流电机的控制性能不断得到提高，而且具有运行可靠、结构简单、维护方便 等诸多优点，是取代目前普遍应用于EPS系统直流电机的理想选择。
[0003] EPS系统作为力矩伺服系统，要求电机助力矩的快速准确响应，且对力矩脉动极为 敏感，目前采用工业上采用的恒压频比控制、矢量控制和直接转矩控制等方法很难适用于 智能汽车EPS交流电机，特别是智能汽车行驶工况的复杂性，势必带来EPS电机系统的参数 时变、负载突变、以及各种随机扰动的干扰。因此，为了从本质上解决智能汽车EPS用电机驱 动系统常规控制方法控制效果欠佳的难题，同时又要保证智能汽车EPS用电机驱动系统各 项控制性能指标，如动态响应速度、稳态跟踪精度和较强的抗干扰能力，需采用新的控制算 法。
[0004] 中国专利申请号为201210592022.2、名称是"汽车EPS用无刷直流电机控制器及其 实现方法"的文献中针对用于传统汽车EPS系统的无刷直流电机非线性关系设计的一种逆 解耦控制器，该逆解耦控制器研究对象是无刷直流电机，需要采用神经网络逼近无刷直流 电机的动力学逆模型，众所周知，逆模型的构造是一个及其复杂的过程，而且效果不佳;其 次，该逆解耦控制器仅仅解决了 EPS用无刷直流电机的非线性控制问题，并没有针对该电机 外部不确定扰动设计专门的鲁棒控制器。
【发明内容】
[0005] 本发明的目的是针对现有智能汽车EPS用交流电机现有控制方法的缺陷，提供一 种能有效提高智能汽车EPS用交流电机各项控制性能指标，特别是抗干扰性能的智能汽车 EPS用交流电机抗干扰智能控制器的构造方法。
[0006] 本发明采用的技术方案是包括以下步骤：
[0007] 1)将d_q轴电流解耦控制模块、矢量控制模块、电压坐标变换模块、PWM调节模块以 及交流电机依次串联，与电流坐标变换模块、扰动检测模块作为一个整体组成EPS电机系 统，EPS电机系统以q轴控制电流i q和d轴控制电流id为输入，id = 0,以转子位置角为输出Θ; 建立EPS电机系统动力学模型为6= + Γ，A和B分别是位置角系数和电流系数，Γ为 扰动；
[0008] 2)将转子位置角Θ与角度给定模块输出的角度位置信号参考值04目比较得到角度 位置误差值作为滤波跟踪误差模型的输入，获得滤波跟踪误差模型的输出电流 r = 4+.?.? +鳥.je0 (r)i/r，ki和k2分别为滤波跟踪误差模型系数；
[0009] 3)米用神经网络来逼近式:(? = _ (堯+?.? τ )-/4(这 + 々八,+A'2 j"iV'r)i/r) -Γ 构成神经网络控制器，将输出电流r作为神经网络控制器的输入，并利用创对神经网络控制 器实时训练，神经网络控制器的输出为电流采用表达式尽构建优化控制 器，将滤波跟踪误差模型的输出电流r作为优化控制器的输入，优化控制器的输出为电流 f ;采用表达式G3 = Ssign(r)构建鲁棒控制器，δ为鲁棒控制器系数变量，将输出电流r作为 鲁棒控制器的第一个输入，米用表达式d=% lrl构建输入为鲁棒控制器参数学习率叩，输出 为S的一阶导数s的鲁棒控制器参数优化模块，将一阶导数乍为鲁棒控制器的第二个输 入，鲁棒控制器的输出为电流f;
[0010] 4)将神经网络控制器、优化控制器、鲁棒控制器和鲁棒控制器参数优化模块并联 之后与角度给定模块和滤波跟踪误差模型共同构成EPS电机系统的抗干扰智能控制器，将 输出电流f和f相结合构成d轴控制电流i q。
[0011] 进一步地，步骤3)中，将角度位置误差值ee作为积分型ro控制模块的输入，积分型 ro控制模块的输出为q轴控制电流iq，对角度位置误差值创分别求积分和求导得到Jee(T)dT 和％，对角度位置信号参考值I求一阶和二阶导数得到堯和总，组成神经网络的训练样本集 丨J^(r)c/r，?,，含，(,!.，用BP算法离线训练神经网络得到神经网络控制器，神经网 络的实际输出i \中包含扰动Γ的实际数值。
[0012] 本发明的有益效果是：
[0013] 1、本发明通过构建优化控制器这一子控制器，提高EPS电机系统的静态控制性能， 通过构建神经网络控制器这一子控制器实现EPS电机系统的抗干扰控制，通过构建鲁棒控 制器这一子控制器保证神经网络控制器的控制精度，将上述三个子控制器构成抗干扰智能 控制器，有效地解决了智能汽车EPS用交流电机现有控制方法的缺陷，设计简单、控制效果 优良，具有很强的抗干扰能力。
[0014] 2、本发明将智能汽车EPS用交流电机系统的参数时变和负载突变特性有效等效为 扰动变量，建立抗干扰智能控制器，并利用神经网络逼近该控制器，提高了该控制器的控制 精度。并且，该控制器只需利用EPS电机系统的输入和输出信号即可构造，这些变量在工程 实际中均是易测变量。该控制器的实现只需通过软件编程实现，不需要增加额外的硬件设 备，具有成本低、易于工程实现的优点。
[0015] 3、上述中国专利申请号为201210592022.2的文献公开的技术方案，是采用神经网 络算法学习汽车EPS用无刷直流电机的逆模型，由于逆模型的求取是一个十分复杂的过程， 而且在汽车EPS用无刷直流电机不可逆部分还必须进行近似等效，因此逆模型的求取精度 较差，再者，学习无刷直流电机逆模型的时候需要大量的样本数据，这又将会神经网络的过 学习，从而导致汽车EPS用无刷直流电机逆模型精度不能满足要求;而本发明只需要采用神 经网络来学习汽车EPS用交流电机的模型，相比于逆模型的学习，此学习过程十分简单，所 需样本数量也较少，因此不但不会导致神经网络的过学习问题，反而会更好地发挥神经网 络非线性辨识的优势。
【附图说明】
[0016] 图1是EPS电机系统17的等效组成组；
[0017] 图2是利用角度给定模块21、滤波跟踪误差模型51、神经网络控制器61、优化控制 器71、鲁棒控制器81和鲁棒控制器参数优化模块8 2构成的抗干扰智能控制器91对EPS电机 系统17进行控制的结构框图；
[0018] 图3是图2中神经网络控制器61的神经网络权值训练原理框图；
[0019] 图中：11. d-q轴电流解耦控制模块；12 .矢量控制模块；13 .电压坐标变换模块； 14. P丽调节模块；15 .交流电机；16 .电流坐标变换模块；17 . EPS电机系统；18 .扰动检测模 块;21.角度给定模块;31.积分型控制模块;41.角位置检测模块;51.滤波跟踪误差模型； 61.神经网络控制器;71.优化控制器;81.鲁棒控制器;82.鲁棒控制器参数优化模块;91.抗 干扰智能控制器。
【具体实施方式】
[0020] 如图1所示，发明将d-q轴电流解耦控制模块11、矢量控制模块12、电压坐标变换模 块13、PWM调节模块14以及交流电机15依次串联，与电流坐标变换模块16、扰动检测模块18 一起作为一个整体组成EPS电机系统17。该EPS电机系统17以q轴控制电流iq和d轴控制id为 输入，以转子位置角为输出Θ。其中，将id值设为0,即= 轴电流解耦控制模块11的两 个参考输入分别是电流iq和id，id = 0,这两个参考输入iq和id分别与电流坐标变换模块16输 出的两个电流<和€相比较，从而得到d-q轴电流解耦控制模块11的两个输出为两相坐标系 下的两个电流值iqs和i ds，该两个电流值iqs和ids作为矢量控制模块12的两个输入，矢量控制 模块12的输出为两相坐标系下的电压值V q和Vd，该电压值Vq和Vd经过电压坐标变换模块13 之后得到三相坐标系下电压值V a、Vb和V。，将该三电压值Va、Vb和V。作为P丽调节模块14的输 入，P丽调节模块14的输出为三相电流i a、ib和ic，以三相电流ia、ib和i c驱动交流电机15。其 中，扰动检测模块18用于检测交流电机15的总的扰动Γ，包括参数的时变、负载的突变以及 不确定性扰动等，最后得到输出为交流电机15的位置角Θ。其中，将三相电流"、"和1。也输 入电流坐标变换模块16，电流坐标变换模块16将PWM调节模块14输出的三相电流i a、ib和i。 变换为两相电流<和< 后输入d-q轴电流解耦控制模块11。
[0021] 针对EPS电机系统17,建立其动力学模型，通过分析、等效与推导建立EPS电机系统 17的机械动力学方程为：
[0022] 旮=,4涹 + 执:,+「 （1-1)
[0023] 式中，Θ和iq分别EPS电机系统17的位置角和q轴控制电流;沒、^分别是位置角Θ的 一阶和二阶导数;A和B分别EPS电机系统17的位置角系数和电流系数，根据EPS电机系统17 的实际工作情况，确定A= 110.5，B = 25.2; Γ为不确定性的扰动，其值与EPS电机系统17的 参数、负载以及扰动有关，将在下面的神经网络学习得到。
[0024]如图2所示，通过角位置检测模块41检测得到EPS电机系统17的实际转子位置角Θ， 将转子位置角Θ与角度给定模块21输出的角度位置信号参考值0r相比较，得到角度位置误 差值ee，将角度位置误差值创作为滤波跟踪误差模型51的输入，滤波跟踪误差模型51将输入 的角度位置误差值ee中的明显干扰值滤除，并获得电流输出信号，即输出电流r，通过分析、 等效与推导可得出输出电流r的表达式为：
[0025] :r = ?ρ +.十 (1-2)
[0026] 其中，kdPks*别为滤波跟踪误差模型系数，根据EPS电机系统17的实际工作情况， 确定 ki = 98 · 5，k2 = 23 · 2。
[0027] 将方程（1-1)和（1-2)相结合，并考虑EPS电机系统17参数时变、负载突变等不确定 性扰动特性，可以得到EPS电机系统17的抗干扰智能控制器的解析表达式G为：
[0032] G3 = 5sign(r) (1-6)
[0033] 其中，sign( ·)为符号函数，δ为鲁棒控制器系数变量。
[0034] 采用神经网络来逼近解析表达式=万-ι[^,.+ΑΑ4Λ4-』Μ. + Μ + λ-2ι^0-μΓ)-Γ， 构成神经网络控制器61。具体如图3所示，将角度给定模块21输出的角度位置信号参考值0r 与角位置检测模块41检测到的实际转子位置角Θ相比较得到的角度位置误差值ee作为积分 型PD控制模块31的输入，积分型控制模块31的输出为q轴控制电流i q，并将该q轴控制电 流iq加到EPS电机系统17的输入端。同时对角度位置误差值ee分别求积分和求导，得到Jee (1)心和~，并对角度给定模块21输出的角度位置信号参考值I求一阶和二阶导数，得到成 和4,对信号做规范化处理，组成神经网络的训练样本集(丨％和)办，4, 4,戽，U·，最 后常规的利用变步长加动量项的BP算法离线训练神经网络，从而确定神经网络的各个权值 系数，得到神经网络的实际输出i'q，该输出中包含不确定性扰动Γ的实际数值，离线训练 得到神经网络控制器61。本发明采用神经网络来逼近G 2解析表达式，有效地解决了不确定 性扰动Γ无法精确建模的难题。
[0035] 如图2,将滤波跟踪误差模型51的输出电流r作为神经网络控制器61的输入，并利 用角度位置误差值ee对神经网络控制器61进行实时训练，得到神经网络控制器61的输出为 电流if。：
[0036] 利用式G 构建优化控制器71，将滤波跟踪误差模型51的输出电流r作 为优化控制器71的输入，得到优化控制器71的输出为电流f。
[0037]利用公式G3 = Ssign(r)构建鲁棒控制器81，将滤波跟踪误差模型51的输出电流r 作为鲁棒控制器81的第一个输入。
[0038] 利用下式（1-7)，J = %|r|构建鲁棒控制器参数优化模块82,鲁棒控制器参数优化 模块82的输入为鲁棒控制器参数学习率叩，输出为鲁棒控制器系数变量S的一阶导数及，将 一阶导数i作为鲁棒控制器81的第二个输入，得到鲁棒控制器81的输出为电流i_f。
[0039] $ = ns\r\ (:1-7)
[0040] 根据EPS电机系统17的实际工作情况，确定ns=l. 16。
[0041 ]将神经网络控制器61、优化控制器71、鲁棒控制器81和鲁棒控制器参数优化模块 82并联之后，并与角度给定模块21和滤波跟踪误差模型51相串联构成EPS电机系统17的抗 干扰智能控制器91。将优化控制器71的输出电流<\神经网络控制器61的输出电流f2以及 鲁棒控制器81的输出电流if相结合，构成EPS电机系统17的输入，即d轴控制电流iq，从而实 现对智能汽车EPS用交流电机的高性能鲁棒控制，EPS电机系统17的输出为转子位置角Θ。 [0042]根据以上所述，便可以实现本发明。对本领域的技术人员在不背离本发明的精神 和保护范围的情况下做出的其它的变化和修改，仍包括在本发明保护范围之内。
【主权项】
1. 一种智能汽车EPS用交流电机抗干扰智能控制器的构造方法，其特征是包括以下步 骤： 1) 将d-q轴电流解耦控制模块（11 )、矢量控制模块（12 )、电压坐标变换模块（13 )、PffM调 节模块（14)以及交流电机（15)依次串联，与电流坐标变换模块（16 )、扰动检测模块（18)作 为一个整体组成EPS电机系统（17)，EPS电机系统（17)以q轴控制电流iq和d轴控制电流id为 输入，id = 〇,以转子位置角为输出Θ;建立EPS电机系统（17)动力学模型为# = +「，A 和B分别是位置角系数和电流系数，Γ为扰动； 2) 将转子位置角Θ与角度给定模块(21)输出的角度位置信号参考值0#目比较得到角度 位置误差值ee，将创作为滤波跟踪误差模型(51)的输入，获得滤波跟踪误差模型(51)的输出 电流r =4 + ，kjPk2分别为滤波跟踪误差模型系数； 3) 采用神经网络来逼近表达式 G2 = 5 1 (卢.+ +/??)-』(堯+左而+fc2J*e5(r)c/r) -Γ来构成神经网络控制器（61)， 将输出电流r作为神经网络控制器(61)的输入，利用ee对神经网络控制器(61)实时训练，神 经网络控制器(61)的输出为电流if r采用表达式G1 = Z? 1 ~/Zr)构建优化控制器(71)，将 滤波跟踪误差模型（51)的输出电流r作为优化控制器(71)的输入，优化控制器(71)的输出 为电流f ;采用表达式G3 = Ssign(r)构建鲁棒控制器(81)，δ为鲁棒控制器系数变量，将输 出电流r作为鲁棒控制器(81)的第一个输入，米用表达式# = % |r|构建输入为鲁棒控制器参 数学习率ns，输出为δ的一阶导数及的鲁棒控制器参数优化模块(82)，将一阶导数#作为鲁 棒控制器(81)的第二个输入，鲁棒控制器(81)的输出为电流; 4) 将神经网络控制器(61 )、优化控制器(71 )、鲁棒控制器(81)和鲁棒控制器参数优化 模块(82)并联之后与角度给定模块(21)和滤波跟踪误差模型（51)共同构成EPS电机系统 (17)的抗干扰智能控制器，将输出电流ff2和ξ3相结合构成(1轴控制电流'2. 根据权利权利要求1所述智能汽车EPS用交流电机抗干扰智能控制器的构造方法，其 特征是:步骤3)中，将角度位置误差值ee作为积分型控制模块(31)的输入，积分型控制 模块(31)的输出为q轴控制电流i q，对角度位置误差值创分别求积分和求导得到Jee(T)ClT和 ^，对角度位置信号参考值0r求一阶和二阶导数得到碟和堯，组成神经网络的训练样本集 匕，?，堯，〇用BP算法离线训练神经网络得到神经网络控制器(61)，神 经网络的实际输出i 'q中包含扰动Γ的实际数值。3. 根据权利权利要求1所述智能汽车EPS用交流电机抗干扰智能控制器的构造方法，其 特征是:步骤1)中，d_q轴电流解親控制模块(11)的两个参考输入分别是电流i q和id，iq和id 分别与电流坐标变换模块（16)输出的两个电流<和^相比较得到d-q轴电流解耦控制模块 (11)的两个输出为两相坐标系下的两个电流值iqs和ids，两个电流值iqs和i ds作为矢量控制 模块(12)的两个输入，矢量控制模块(12)的输出为两相坐标系下的电压值Vq和Vd，该电压值 Vq和Vd经过电压坐标变换模块（13)之后得到三相坐标系下电压值V a、Vb和V。，将三电压值Va、 Vb和V c作为PffM调节模块（14)的输入，PffM调节模块（14)的输出为三相电流ia、ib和i c，以三相 电流ia、ib和i。驱动交流电机（15);扰动检测模块（I8)检测交流电机（I5)的总的扰动Γ，将 三相电流ia、ib和i。也输入电流坐标变换模块（16)，电流坐标变换模块（16)将PffM调节模块 (14)输出的三相电流乜上和乜变换为两相电流<和:/1。4. 根据权利权利要求1所述智能汽车EPS用交流电机抗干扰智能控制器的构造方法，其 特征是:步骤2)中，通过角位置检测模块(41)检测得到EPS电机系统（17)的转子位置角Θ。5. 根据权利权利要求1所述智能汽车EPS用交流电机抗干扰智能控制器的构造方法，其 特征是:A=110.5，B = 25.2，ki = 98.5，k2 = 23.2，rUi = 1.16。
【文档编号】H02P21/18GK106026819SQ201610553933
【公开日】2016年10月12日
【申请日】2016年7月14日
【发明人】孙晓东, 沈易晨, 陈龙, 江浩斌, 汪若尘, 徐兴, 陈建锋
【申请人】江苏大学