买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明公开了一种电动汽车永磁同步电机能量优化策略，属于纯电动汽车驱动电机能量优化领域。该优化策略包括以下步骤：建立等效电路模型，确定能量损耗来源并得到能量损耗函数；结合永磁同步电机的物理约束及动态特性，建立永磁同步电机能量优化模型；给定能量优化函数E及Hopfield‑Lagrange网络输入迭代机制；使用粒子群优化算法寻找满足精度要求的永磁同步电机定子电流；利用Hopfield‑Lagrange网络得到能量优化策略最优解。本发明方法有着较好的降低能量损耗效果，提高了电机的能量经济性，可用于提高电动汽车驱动效率、提升电池使用时间。

主权项：1.一种电动汽车永磁同步电机的能量优化策略，所述能量优化指的是对工况下永磁同步电机的能量损耗进行优化，其特征在于，步骤如下：步骤1，建立等效电路模型，确定能量损耗来源并得到能量损耗函数，其过程如下：步骤1.1，首先在d-q系统中，建立考虑铁芯损耗而不含瞬态分量的永磁同步电机稳态等效电路模型，并记为等效电路模型，其次，根据等效电路模型定义d轴磁化电流Iod、q轴磁化电流Ioq、d轴端电压Usd、q轴端电压Usq和永磁同步电机的电磁转矩T；所述d轴磁化电流Iod和所述q轴磁化电流Ioq的表达式分别为： 其中，R′Fe是等效铁损耗电阻值，Isd是d轴总电流，Isq是q轴总电流，IFed是永磁同步电机铁损耗电流的d轴分量，IFeq是永磁同步电机铁损耗电流的q轴分量，ω为永磁同步电机电角速度，Lq是q轴电感值，Ld是d轴电感值，Ψf是每极磁链；所述永磁同步电机的电磁转矩T、所述d轴端电压Usd和所述q轴端电压Usq的表述式分别为： T＝1.5npΨfIog+1.5npLd-LqIodIoq其中，R′s是电枢绕组电阻值，np是极对数，np＝2；步骤1.2，计算永磁同步电机的电能损耗，所述电能损耗包括铜损耗PCu和铁损耗PFe，其计算式分别为： 步骤1.3，忽略永磁同步电机的机械损耗，由铜损耗和铁损耗组成永磁同步电机能量损耗，并给出能量损耗函数fX，其中，X为能量损耗函数fX的自变向量组，记为损耗自变向量组X，X＝IodIsdIoqIsqT；步骤2，结合永磁同步电机的物理约束及动态特性，建立永磁同步电机能量优化模型，其表达式为： 其中，a是不等式约束的序号，a＝1，2，即共有2个能量损耗函数fX的不等式约束，naX是其中的任意一个，记为损耗不等式约束naX；b是等式约束的序号，b＝1，2，3，即共有3个能量损耗函数fX的等式约束，mbX是其中的任何一个，记为损耗等式约束mbX；所述损耗不等式约束naX和损耗等式约束mbX的具体表达式分别为： 式中，Imax为永磁同步电机的最大电流，且Umax为永磁同步电机的最大电压，且Tref是电机参考转矩；步骤3，将Hopfield-Lagrange网络记为HL网络，给定能量优化函数E及HL网络输入迭代机制，其过程如下：步骤3.1，设在整个HL网络优化过程中共进行了Y次迭代，将Y次迭代中的任意一次迭代记为第c次迭代，c＝1，2，...，Y；将第c次迭代时HL网络的输入记为输入向量组Uc，并将该输入向量组Uc中的任意一个输入向量记为输入向量Uce，将第c次迭代时HL网络的输出记为输出向量组Vc，并将该输出向量组Vc中的任意一个输出向量记为输出向量Vce，e＝1，2，3，4；步骤3.2，定义输出向量组其中，为HL网络第c次迭代时输出的d轴磁化电流，为HL网络第c次迭代时输出的d轴总电流，为HL网络第c次迭代时输出的q轴磁化电流，为HL网络第c次迭代时时输出的q轴总电流；将与输出向量组Vc对应的q轴端电压记为与输出向量组Vc对应的d轴端电压记为用输出向量组Vc取代能量损耗函数fX中的损耗自变向量组X后得到间函数fVc，用输出向量组Vc取代损耗不等式约束naX、损耗等式约束mbX中的损耗自变向量组X，分别得到优化不等式约束naVc和优化等式约束mbVc，其表达式分别为： 将电动汽车永磁同步电机的能量优化策略能量函数记为能量优化函数E，其表达式为： 其中，λa为不等式约束违反度绝对值权重，μb为等式约束违反度绝对值权重，连续可微函数sign′.为本身不可导的符号函数，用于判断当前工况是否符合不等式约束并得出相对应的违反度，步骤3.3，给定HL网络的输入迭代机制，其表达式为： 其中，Uc+i为第c+1次迭代时的输入向量组，δ是HL网络的神经节点学习率，ΔT是HL网络的采样间隔；设定输出向量组Vc由输入向量组Uc及激活函数SUc计算得到，其计算式为： 步骤4，利用改进的HL网络，得到能量优化策略最优解，具体过程如下：步骤4.1，使用粒子群优化算法寻找满足精度要求的d轴磁化电流Iod、d轴总电流Isd、q轴磁化电流Ioq和q轴总电流Isq，具体的，建立粒子群优化算法适应度函数E*；通过随机采样方式得到d轴磁化电流采样值q轴磁化电流采样值d轴总电流采样值和q轴总电流采样值并作为粒子群优化算法的输入；通过J次迭代，得到粒子群群体最佳位置Pg，gbest，Pg，gbest＝[Pg，gbest1，Pg，gbest2，Pg，gbest3，Pg，gbest4]T，其中，Pg，gbest1是粒子群群体最佳位置第一行，Pg，gbest2是粒子群群体最佳位置第二行，Pg，gbest3是粒子群群体最佳位置第三行，Pg，gbest4是粒子群群体最佳位置第四行；定义粒子群群体最佳位置Pg，gbest为HL网络第一次迭代时的输入向量组U1，其表达式为：U1＝[U11U12U13U14]T＝[Pg，gbest1Pg，gbest2Pg，gbest3Pg，gbest4]T步骤4.2，当第一次迭代时，输入向量组U1和输出向量组V1如下：U1＝[U11U12U13U14]T＝[Pg，gbest1Pg，gbest2Pg，gbest3Pg，gbest4]T 其中，第一次迭代的输出向量组V1由第一次迭代的输入向量组U1及激活函数SU1得到，即步骤4.3，当第c次迭代时，第c次迭代的输入向量组Uc根据HL网络的输入迭代机制、第c-1次迭代的输入向量组Uc-1和第c-1次迭代的输出向量组Vc-1得到，输出向量组Vc根据第c次迭代的输入向量组Uc及激活函数SUc得到，具体表达式为： 步骤4.4，按照步骤4.3的方式进行迭代，当c＝Y时，结束迭代；将得到的Y个输出向量组分别代入能量优化函数E，得到一个由Y个能量损耗值组成的能量损耗值矩阵E1，其中，为第c次迭代时HL网络的能量损耗值；取能量损耗值矩阵E1中能量损耗值最小的记为最小能量损耗值最小能量损耗值对应的输出向量组记为最优输出向量组Vcf，最优输出向量组Vcf输出的四个输出向量分别为最优d轴磁化电流最优d轴总电流最优q轴磁化电流和最优q轴总电流通过该4个最优电流对永磁同步电机定子电流值进行控制。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种电动汽车永磁同步电机的能量优化策略