电动车驱动电机工况匹配控制功效性的网络化测控方法
【专利摘要】本发明公开了一种电动车驱动电机工况匹配控制功效性的网络化测控方法，模拟行驶路径以及设置运行工况，采用交?直?交的电力变换电路和SVPWM工况匹配控制方法，构建一个可变工况下恒功率以及恒转矩输出的驱动电机闭环系统，用于模拟电动车实际运行过程中的整体动态性能，采用多传感器融合和网络化技术，对驱动系统、负载模拟系统、电源系统等运行的电类、机械类以及干扰类等关键信息进行采集处理，并建立功率、效率、转速以及机械特性等曲线模型，综合分析在不同工况下的驱动系统动态性能，并基于CAN总线的网络化形式，在上位机进行系统性能的综合评价，为完善电机性能、驱动系统性能以及改进控制策略等起到积极的作用。
【专利说明】
电动车驱动电机工况匹配控制功效性的网络化测控方法
技术领域
[0001] 本发明属于电动车技术领域，尤其涉及一种电动车驱动电机工况匹配控制功效性 的网络化测控方法。
【背景技术】
[0002] 电动车，即电力驱动车辆，又名电驱车。电动车分为交流电动车和直流电动车。通 常说的电动车是以电池作为能量来源，通过控制器、电机等部件，将电能转化为机械能运 动，以控制电流大小改变速度的车辆。
【发明内容】
[0003] 本发明的目的在于提供一种电动车驱动电机工况匹配控制功效性的网络化测控 方法，旨在解决现有技术中电动车通过简单的机械操作来控制速度的不稳定性和精确性不 够的问题。使设计方法变得通用性强，工作量小，方便快捷。
[0004] 本发明是这样实现的，电动车驱动电机工况匹配控制功效性的网络化测控方法， 所述电动车驱动电机工况匹配控制功效性的网络化测控方法模拟行驶路径以及设置运行 工况，采用交-直-交的电力变换电路和SVPWM工况匹配控制方法，构建一个可变工况下恒功 率以及恒转矩输出的驱动电机闭环系统，用于模拟电动车实际运行过程中的整体动态性 能，采用多传感器融合和网络化技术，对驱动系统、负载模拟系统、电源系统运行的电类、机 械类以及干扰类关键信息进行采集处理，并建立功率、效率、转速以及机械特性曲线模型， 综合分析在不同工况下的驱动系统动态性能，并基于CAN总线的网络化形式，在上位机进行 系统性能的综合评价；
[0005] 所述传感器采集参数包括:额定相电流、额定转子转速、极对数、转动惯量、定子相 电阻；
[0006] 所述驱动电机闭环系统，该系统包括两相静止坐标系到两相旋转坐标系的变换模 块、两相旋转坐标系到两相静止坐标系的变换模块、三相坐标系到两相静止坐标系的变换 模块、三项逆变器模块、SVPWM模块、磁链观测模块、相电流标么化增益、相电流标么化增益、 电机转子转速标么化增益、设定转速标么化增益、设定标么化增益、控制电压逆标么化增 益、控制电压逆标么化增益、PI控制器。
[0007] 进一步，所述功率曲线模型为：
[0009] P为有功功率，单位kW，v为电动车驱动电机转速。
[0010] 进一步，所述转速曲线模型为：
[0011] yp(k) = ω φ (x(k))+b；
[0012] x(k)为k时刻系统输入量，yP(k)为k时刻系统输出量，ω为权系数；φ ( ·)为非线 性函数。
[0013] 进一步，所述传感器的量测模型如下：
[0014] YA(tk-i)、YA(tk)、YA(tk+i)分别为传感器A对目标在tk-i，tk，tk+i时刻的本地笛卡尔坐 标系下的量测值，分别为：
[0015] YA{tk_l) = Y'A{tk_x)-CA{tk_^ A{t+ ；
[0016] YA(h) = cAih)+ητ?>?)；
[0017] KD = U々-fl)-Cj'j-以)+ 气""丨，，
[0018] 其中，Y'A(tk-1)、￥\仏)、￥\仏+1)分别为传感器厶在七1{-131^1{+1时刻的本地笛卡尔 坐标系下的真实位置;CA(t)为误差的变换矩阵;ξΑ(〇为传感器的系统误差'如5为系统噪 声，假设气?ω，气^>，气((；% +1；):为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别 为 RA(k-l)、RA(k)、RA(k+l)。
[0019] 进一步，所述传感器设置有配准模块，所述配准模块的配准方法包括：
[0020] 在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将传感器A 的观测数据分别向传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采 用常用的三点抛物线插值法的进行内插外推时间配准算法得传感器A在t Bk时刻在本地直角 坐标系下的量测值)为：
[0022]其中，tBk为配准时刻，，tk，tk+A传感器Α距离配准时刻最近的三个采样时刻， YA(tk-0，YA(tk)，YA(tk+1)分别为其对应的对目标的探测数据；
[0023] 完成时间配准后，根据传感器A的配准数据与传感器B的采样数据，采用基于地心 地固坐标系下的伪量测法实现传感器A和传感器B的系统误差的估计;基于ECEF的系统误差 估计算法具体为：
[0024] k时刻目标在本地直角坐标系下真实位置为X'1(k) = [x'1(k)，y'1(k)，z'1(k)]T^*# 系下对应的量测值为,分别为距离、方位角、俯仰角；转换至本地直角坐 标系下为乂1(1〇 =[幻(10,71(10,21(10]\传感器系统偏差为|(幻=^从)3外处么炉(幻1 7\， 分别为距离、方位角和俯仰角的系统误差;于是有
[0026] 其中η(Α'Η[?,⑷，?)，",,,(々)丫表示观测噪声，均值为零、方差为(σ,:，d;
[0027] 式（1)用一阶近似展开并写成矩阵形式为：
[0030] 两部传感器A和B，则对于同一个公共目标，设地心地固坐标系下为X'e=[x'e，y' e， Z，e]T，可得：
[0031] X' e = Xas+BaX ' ai (k) = Xbs+BbX ' bi (k) \*MERGEF0RMAT (4)
[0032] Ba，Bb分别为目标在传感器A与传感器B本地坐标下的位置转换到ECEF坐标系下的 位置时的转换矩阵；
[0033]定义伪量测为：
[0034] Z (k) = XAe (k) -XBe (k) \*MERGEF0RMAT (5)
[0035] 其中，XAe (k) = Xas+BaXai (k); XBe (k) = Xbs+BbXb1 (k)
[0036] 将式(2)、式(3)代入式(4)得到关于传感器偏差的伪测量方程
[0037] Z(k) =H(k)0(k)+ff(k)\*MERGEFORMAT (6)
[0038] 其中，H(k)[-BACA(k)BBC B(k)]，Z(k)为伪测量向量;H(k)为测量矩阵;β为传感器偏 差向量;W(k)为测量噪声向量；由于n A(k)，nB(k)为零均值、相互独立的高斯型随机变量，因 此W(k)同样是零均值高斯型随机变量，其协方差矩阵为R(k)。
[0039] 进一步，所述传感器设置有覆盖分布式模块，所述覆盖分布式模块的数学模型为：
[0044] 其中C为总的有效覆盖时间，1是每一轮的时间，bi是节点Si在每一轮中的工作时 间。
[0045] 本发明提供的电动车驱动电机工况匹配控制功效性的网络化测控方法，固化了电 动车驱动控制器的核心控制程序，对于不同的被控电机只需要修改控制器的参数则可以实 现对不同的电机的控制，对驱动控制器的稳定运行有极大的好处，可减少设计人员的重复 性劳动，提高电机控制器的设计效率。本发明采用内插外推时间配准算法实现了传感器采 样数据的同步，并根据内插外推时间配准的结果建立了与目标运动状态无关的伪量测方 程，采用基于ECEF的空间配准算法实现了异步传感器的空间配准。由于伪量测方程的建立 过程仅与目标位置相关而与目标运动速度等参数无关，因此本发明提出了异步传感器空间 配准算法可有效解决目标机动条件下的异步传感器空间配准问题。
【附图说明】
[0046]图1是本发明实施例提供的电动车驱动电机工况匹配控制功效性的网络化测控方 法矢量控制系统设计框图。
[0047] 1、Park变换模块;2、Park逆变换模块;3、Clark变换模块;4、三项逆变器模块;5、 SVPWM模块;6、磁链观测模块;7、相电流标么化增益;8、相电流标么化增益;9、电机转子转速 标幺化增益；10、设定转速标么化增益；11、设定标么化增益；12、控制电压逆标么化增益； 13、控制电压逆标幺化增益;14、PI控制器。
【具体实施方式】
[0048] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明 进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于 限定本发明。
[0049] 下面结合附图对本发明的应用原理作详细的描述。
[0050] 本发明以电动车驱动电机的工况匹配高效能控制以及在线测试和评价驱动性能 功效性等为研究的主要出发点，由涡流制动器，能量回馈负载电机等电子类负载模拟行驶 路径以及设置运行工况，采用交-直-交的电力变换电路和SVPWM工况匹配控制方法，构建一 个可变工况下恒功率以及恒转矩输出的驱动电机闭环系统，用于模拟电动车实际运行过程 中的整体动态性能，采用多传感器融合和网络化技术，对驱动系统、负载模拟系统、电源系 统等运行的电类、机械类以及干扰类等关键信息进行采集处理，并建立功率、效率、转速以 及机械特性等曲线模型，综合分析在不同工况下的驱动系统动态性能，并基于CAN总线的网 络化形式，在上位机进行系统性能的综合评价，并给出相应的指导性意见，为完善电机性 能、驱动系统性能以及改进控制策略等起到积极的作用。
[0051 ]所述传感器采集参数包括:额定相电流、额定转子转速、极对数、转动惯量、定子相 电阻。所述驱动电机闭环系统，该系统包括两相静止坐标系到两相旋转坐标系的变换模块、 两相旋转坐标系到两相静止坐标系的变换模块、三相坐标系到两相静止坐标系的变换模 块、三项逆变器模块、SVPWM模块、磁链观测模块、相电流标么化增益、相电流标么化增益、电 机转子转速标么化增益、设定转速标么化增益、设定标么化增益、控制电压逆标么化增益、 控制电压逆标么化增益、PI控制器。
[0052]进一步，所述功率曲线模型为：
[0054] P为有功功率，单位kW，v为电动车驱动电机转速。
[0055] 进一步，所述转速曲线模型为：
[0056] yP(k)= ω φ (x(k))+b；
[0057] x(k)为k时刻系统输入量，yP(k)为k时刻系统输出量，ω为权系数；φ ( ·)为非线 性函数。
[0058]进一步，所述传感器的量测模型如下：
[0059] YA(tk-i)、YA(tk)、YA(tk+i)分别为传感器A对目标在tk-i，tk，tk+i时刻的本地笛卡尔坐 标系下的量测值，分别为：
[0060] (Jk-i ) - ^ .4 ^k-? ) ~ ^A ^k-? 1 i^k-? ) η?Λ (?(_,) >
[0061 ] YA(h) = Y\(h)-Ca(hj(h) + lh,(ij,；
[0062] YA (h+l) = F '.4 (4+l ) - CA (h+l A (lt+L) + nYt (ti+l, 5
[0063] 其中，Y'A(tk-1)、￥\仏)、丫\仏+1)分别为传感器厶在七1 {-131^1{+1时刻的本地笛卡尔 坐标系下的真实位置;CA(t)为误差的变换矩阵；ξ Α(〇为传感器的系统误差为系统噪 声，假设气为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别 为 RA(k-l)、RA(k)、RA(k+l)。
[0064] 进一步，所述传感器设置有配准模块，所述配准模块的配准方法包括：
[0065] 在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将传感器A 的观测数据分别向传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采 用常用的三点抛物线插值法的进行内插外推时间配准算法得传感器A在t Bk时刻在本地直角 坐标系下的量测值免(&)为：
[0067]其中，tBk为配准时刻，，tk，tk+A传感器A距离配准时刻最近的三个采样时刻， YA(tk-0，YA(tk)，YA(tk+1)分别为其对应的对目标的探测数据；
[0068] 完成时间配准后，根据传感器A的配准数据与传感器B的采样数据，采用基于地心 地固坐标系下的伪量测法实现传感器A和传感器B的系统误差的估计;基于ECEF的系统误差 估计算法具体为：
[0069] k时刻目标在本地直角坐标系下真实位置为= 坐标系下对应的量测值为lr(A-)，外/〇,舛,分别为距离、方位角、俯仰角;转换至本地直角 坐标系下为乂1(1〇 = |^1(1〇,71(1〇,21(1〇]1';传感器系统偏差为4：(/:) = [^〃(幻.4|9(/(-)30(/(-)1， 分别为距离、方位角和俯仰角的系统误差;于是有
[0071] 其中n(λ-) = |}7,.(A0,%(幻，~汄)Y表示观测噪声，均值为零、方差为(σ,2,σ〗,σ$) ;
[0072] 式（1)用一阶近似展开并写成矩阵形式为：
[0073] X，i(k)=Xi(k)+C(k)[|(k)+n(k)]\*MERGEFORMAT (3)
[0075] 两部传感器A和B，则对于同一个公共目标，设地心地固坐标系下为X'eik'uy、， Z，e]T，可得：
[0076] X' e = Xas+BaX ' ai (k) = Xbs+BbX ' bi (k) \*MERGEF0RMAT (4)
[0077] Ba，Bb分别为目标在传感器A与传感器B本地坐标下的位置转换到ECEF坐标系下的 位置时的转换矩阵；
[0078]定义伪量测为：
[0079] Z (k) = XAe (k) -XBe (k) \*MERGEF0RMAT (5)
[0080] 其中，Xfc(k) = Xas+BaXai(k);XBe(k) = Xbs+BbXb1 (k)
[0081] 将式(2)、式(3)代入式(4)得到关于传感器偏差的伪测量方程
[0082] Z(k) =H(k)0(k)+ff(k)\*MERGEFORMAT (6)
[0083] 其中，H(k)[-BACA(k)BBC B(k)]，Z(k)为伪测量向量;H(k)为测量矩阵;β为传感器偏 差向量;W(k)为测量噪声向量；由于n A(k)，nB(k)为零均值、相互独立的高斯型随机变量，因 此W(k)同样是零均值高斯型随机变量，其协方差矩阵为R(k)。
[0084] 进一步，所述传感器设置有覆盖分布式模块，所述覆盖分布式模块的数学模型为：
[0089]其中C为总的有效覆盖时间，1是每一轮的时间，bi是节点Si在每一轮中的工作时 间。
[0090]以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种电动车驱动电机工况匹配控制功效性的网络化测控方法，其特征在于，所述电 动车驱动电机工况匹配控制功效性的网络化测控方法模拟行驶路径以及设置运行工况，采 用交-直-交的电力变换电路和SVPWM工况匹配控制方法，构建一个可变工况下恒功率以及 恒转矩输出的驱动电机闭环系统，用于模拟电动车实际运行过程中的整体动态性能，采用 多传感器融合和网络化技术，对驱动系统、负载模拟系统、电源系统运行的电类、机械类以 及干扰类关键信息进行采集处理，并建立功率、效率、转速以及机械特性曲线模型，综合分 析在不同工况下的驱动系统动态性能，并基于CAN总线的网络化形式，在上位机进行系统性 能的综合评价； 所述传感器采集参数包括:额定相电流、额定转子转速、极对数、转动惯量、定子相电 阻； 所述驱动电机闭环系统，该系统包括两相静止坐标系到两相旋转坐标系的变换模块、 两相旋转坐标系到两相静止坐标系的变换模块、三相坐标系到两相静止坐标系的变换模 块、三项逆变器模块、SVPffM模块、磁链观测模块、相电流标么化增益、相电流标么化增益、电 机转子转速标么化增益、设定转速标么化增益、设定标么化增益、控制电压逆标么化增益、 控制电压逆标么化增益、PI控制器。2. 如权利要求1所述的电动车驱动电机工况匹配控制功效性的网络化测控方法，其特 征在于，所述功率曲线模型为：P为有功功率，单位kW，v为电动车驱动电机转速。3. 如权利要求1所述的电动车驱动电机工况匹配控制功效性的网络化测控方法，其特 征在于，所述转速曲线模型为： yP(k)= ω φ (x(k))+b； x(k)为k时刻系统输入量，yP(k)为k时刻系统输出量，ω为权系数；φ ( ·)为非线性函 数。4. 如权利要求1所述的电动车驱动电机工况匹配控制功效性的网络化测控方法，其特 征在于，所述传感器的量测模型如下： YA(tk-l)、YA(tk)、YA(tk+l)分别为传感器A对目标在tk-l，tk，tk+l时刻的本地笛卡尔坐标系 下的量测借，分别为：其中，￥\仏-1)、￥\仏）、￥\仏+1)分别为传感器4在七15-131^1{+1时刻的本地笛卡尔坐标 系下的真实位置;CA(t)为误差的变换矩阵;ξΑ⑴为传感器的系统误差;气⑴为系统噪声，假 设气ulll，'(?)，'(w为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别为R A(k-l)、RA(k)、RA(k+l)05.如权利要求1所述的电动车驱动电机工况匹配控制功效性的网络化测控方法，其特 征在于，所述传感器设置有配准模块，所述配准模块的配准方法包括： 在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将传感器A的观 测数据分别向传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常 用的三点抛物线插值法的进行内插外推时间配准算法得传感器A在t Bk时刻在本地直角坐标 系下的量测值?,(&)为：其中，tBk为配准时刻，tk-i，tk，"+1为传感器A距离配准时刻最近的三个采样时刻，Ya (HYAUkhYAUk+O分别为其对应的对目标的探测数据； 完成时间配准后，根据传感器A的配准数据与传感器B的采样数据，采用基于地心地固 坐标系下的伪量测法实现传感器A和传感器B的系统误差的估计;基于ECEF的系统误差估计 算法具体为： k时刻目标在本地直角坐标系下真实位置为 系下对应的量测值为卜0),汛/、-)，#Λ)；]，分别为距离、方位角、俯仰角;转换至本地直角坐 标系下为Xi(k) = [xi(k)，yi(k)，zi(k)]T;传感器系统偏差为g(A)二[Δγ(Α·)，Δ<9(Α_),Δ炉, 分别为距离、方位角和俯仰角的系统误差;于是有其中n(々）= 表不观测噪声，均值为零、方差为; 式(1)用一阶近似展开并写成矩阵形式为： X'i(k)=Xi(k)+C(k)[|(k)+n(k)] \*MERGEFORMAT (3)两部传感器A和B，则对于同一个公共目标，设地心地固坐标系下为 ]τ，可得： X，e = XAs+BAX，Ai(k)=XBs+BBX，Bi(k) \*MERGEFORMAT (4) Ba,Bb分别为目标在传感器A与传感器B本地坐标下的位置转换到ECEF坐标系下的位置 时的转换矩阵； 定义伪量测为： Z(k)=XAe(k)-XBe(k) \*MERGEFORMAT (5) 其中，XAe (k) = Xas+BaXai (k); XBe (k) = Xbs+BbXb1 (k) 将式(2)、式(3)代入式(4)得到关于传感器偏差的伪测量方程 Z(k)=H(k)0(k)+ff(k) \*MERGEFORMAT (6) 其中，H(k)[-BACA(k) BBCB(k)]，Z(k)为伪测量向量;H(k)为测量矩阵;β为传感器偏差向 量;W(k)为测量噪声向量；由于nA(k)，nB(k)为零均值、相互独立的高斯型随机变量，因此W (k)同样是零均值高斯型随机变量，其协方差矩阵为R(k)。6.如权利要求1所述的电动车驱动电机工况匹配控制功效性的网络化测控方法，其特 征在于，所述传感器设置有覆盖分布式模块，所述覆盖分布式模块的数学模型为：其中C为总的有效覆盖时间，1是每一轮的时间，Id1是节点S1在每一轮中的工作时间。
【文档编号】H02P21/14GK106026826SQ201610625342
【公开日】2016年10月12日
【申请日】2016年8月3日
【发明人】王世荣, 卢秀和, 赵悦, 刘芳园
【申请人】长春工业大学