電動汽車永磁同步電機控制策略

宋毓聰 郭淑清

摘要： 永磁同步電機（PMSM）由于尺寸小、質量輕、功率密度高等特點，符合電動汽車驅動電機輕量化小型化的發展趨勢，逐漸成為主流。但是由于其非線性、強耦合的特點，電機驅動控制系統需要更為先進智能的控制算法進行控制。以永磁同步電機為研究對象，對比分析現階段永磁同步電機的控制策略。傳統控制策略相對成熟且成本低，但魯棒性和動態響應速度較差，智能控制策略自適應性良好，但缺乏針對電機參數的調節。最佳的PMSM控制策略是結合多種控制策略的復合控制。

Abstract： Permanent Magnet Synchronous Motor （PMSM） has become the mainstream due to its small size， light weight and high power density， which is in line with the development trend of lightweight and miniaturization of electric vehicle drive motors. However， due to its nonlinear and strong coupling characteristics， the motor drive control system needs more advanced and intelligent control algorithms. Permanent magnet synchronous motor as the research object， comparative analysis of the current control strategy of permanent magnet synchronous motor. The traditional control strategy has relatively mature technology and low cost， but its robustness and dynamic response speed are poor. The intelligent control strategy has good self-adaptability， but it lacks the adjustment of motor parameters. The optimal PMSM control strategy is a compound control combining multiple control strategies.

關鍵詞： 電動汽車;永磁同步電機;控制策略

Key words： electric vehicle;permanent magnet synchronous motor;control strategy

中圖分類號：U472.43 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ?; ? ? ? ? ? ? ? ? ? ?文章編號：1674-957X（2022）01-0062-03

0 ?引言

驅動電機是電動汽車驅動控制系統的重要組成之一，會對整車的動力性、經濟性造成極大影響。PMSM具有體積小、重量輕、可靠性高、調速范圍寬、動態響應快等一系列特點，非常適合我國大城市交通擁堵的國情。但PMSM也有弊端，需要更先進智能的控制算法來解決非線性強耦合的難題。

國內外的研究團隊為了解決PMSM能在復雜環境運行時依舊保持良好的魯棒性和抗干擾能力，對其控制策略進行了大量的研究試驗。在二十世紀70年代，西門子工程師提出了矢量控制技術（Field Orientation Control，FOC），利用坐標變換和矢量解耦，將交流電機控制變得像直流電機控制一樣簡單，但是矢量控制算法復雜，控制器也容易受到影響[1]。80年代，德國的Depenbrock學者提出了直接轉矩控制（Direct Torque Control，DTC），采用空間矢量分析在定子坐標系內計算并直接控制電機的磁鏈和轉矩[2]。但是在低速時轉矩和磁鏈脈動比較大，控制精度低。2014年，李政等人提出了一種積分型滑模變結構控制的PMSM調速系統，采用的積分型滑模面，在常規滑模面中加入狀態量的積分量，消除穩態誤差，提高全局魯棒性[3]。2016年，張文霞提出了一種基于模糊PID控制的PMSM控制策略，利用模糊PID控制溫度變化，提高系統的可靠性、穩定性[4]。劉旭東提出了基于廣義預測控制和擾動補償的PMSM控制策略，優化速度跟蹤控制器，降低外部擾動引起的控制性能下降，提高了魯棒性[5]。

以上提出的多種控制策略，其根本目的在于提升電機的魯棒性和動態響應速度，下面從電機控制策略的工作原理、基本結構框圖、優缺點等對多種控制策略進行分析。

1 ?永磁同步電機工作原理

電動機的工作原理是基于定子繞組中的電流和轉子磁場之間的相互作用。

如圖1所示，當電機轉子產生的永磁體直流磁場為d軸靜磁場時，空間中沒有旋轉磁場。當三相定子繞組通直流電時，會產生相應的直流磁場。在合理控制各相繞組電流強度的前提下，兩個直流磁場就像磁鐵一樣，產生相互作用力。由于定子繞組不能移動，轉子磁場受到旋轉力的影響。

磁場相對位置的變化會導致兩者間的作用力變化并且不會保持恒定，通常在定子繞組中放置正弦點，形成等效的旋轉磁鐵。

2 ?PMSM控制策略

電機性能的表現與電機的控制調速策略的選擇和優化有很大的關系。目前應用廣泛的控制策略有：矢量控制，直接轉矩控制，滑模變結構控制（Sliding Mode Control，SMC）[6-7]，模型預測控制（Model Predictive Control，MPC）[5]，智能控制等等。

2.1 矢量控制

矢量控制技術通過借鑒直流電機的模型和控制方式來獨立控制各個參數，利用坐標變換，對電機定子電流中的勵磁電流和轉矩電流分別控制，實現磁場和轉矩的解耦控制，達到直流電機一般的控制性能。

FOC屬于閉環控制策略，在確定三相靜止坐標系后，采集計算各項參數，通過Clarke變換轉換為兩相靜止坐標系解決耦合問題，再通過Park變換實現快速實時的控制?？刂七^程一般由兩或三個閉環環節構成，工作時首先經過外環參數調節，然后再依次輸入到內環調節，通過PI調節器計算實際參數與目標參數的誤差后，最終完成閉環數據的采集和調整。圖2所示為PMSM矢量控制技術原理框圖。

FOC在調速過程中PMSM的數學模型比較復雜，控制效果容易受到電機參數和外界因素的影響，造成電動汽車的行駛性能下降。

2.2 直接轉矩控制

直接轉矩控制技術對PMSM的控制原理是基于電壓型逆變器輸出的電壓空間矢量對電機定子磁場和轉矩的控制作用上。

該變頻調速系統直接采用電機電磁轉矩的閉環控制。通過在定子靜止坐標系中獨立控制電機定子磁鏈和電磁扭矩，在恰當的時間點選擇最佳的電壓空間矢量，使兩者達到近似的解耦效果。圖3所示為直接轉矩控制系統結構框圖。

DTC由于去除了復雜的坐標變換，控制相比于FOC更簡單。同時沒有電流調節單元，就不需要對定子電流的磁場分量與轉矩分量進行閉環控制。但是這種控制會對電機造成不小的抖動，而且無法同時滿足電機低速與高速運行。

2.3 滑模變結構控制

滑模變結構控制作為一種特殊的非線性控制方法，它的最大優勢為控制的不連續性。通過在不同控制作用之間的切換，產生一種與原系統無關，按照預定“滑動模態”的狀態軌跡的運動。

整個控制過程首先根據系統期望的動態特性設計滑模面。然后利用滑?？刂破魇瓜到y從滑模面之外的初始狀態開始向滑模面運動。當系統到達滑模面時，滑?？刂破骺刂葡到y沿滑模面到達系統原點。圖4所示為滑膜變結構控制系統結構框圖。

SMC的滑動模態可以設計且與對象參數和擾動無關，具有快速響應、對參數變化和擾動不靈敏的優勢。然而，SMC在本質上的不連續開關特性將會引起系統的抖振。這會破壞系統滑動模態的運行條件，國內外主要通過改進滑模趨近律以此降低抖振。

2.4 模型預測控制

2004 年Rodriguez率先將模型預測控制應用于PMSM驅動系統中。MPC由于能有效地處理多目標、多變量和多約束的問題，在電機控制領域得到廣泛應用。

預測控制系統的結構框圖如圖5所示。簡單將算法控制概括為三步：第一步預測系統未來動態;第二步采用預設的價值函數求解開環優化問題;第三步將優化解的第一個元素作用于系統。以上三步在每一次的采樣時刻都會重復進行，每個時刻采樣的測量值也都會作為當前時刻預測系統未來動態的初始條件。

由于MPC對模型的精度要求不高，建模方便，可利用收集實時信息校正控制過程中的各種復雜情況，所以具備良好的魯棒性和動態性能。但MPC缺點在于抗干擾能力和對模型的適應性方面不強。

2.5 智能控制

人工智能的發展及其應用推廣促進了自動控制向智能控制階段的發展。由于智能控制效果具有很強的自適應能力，所以特別適合非線性、時變、復雜不確定的控制對象。常見的有模糊控制（Fuzzy Control，FC）、徑向基函數神經網絡控制（Redial Basis Function-Neural Network Control，RBF-NNC）[8]等都屬于智能控制的范疇。

2.5.1 模糊控制

模糊控制是利用模糊數學的基本思想和理論，從行為上模仿人的模糊推理和決策過程的一種智能控制方法。該方法首先將人類專家對特定的被控對象或過程的控制策略編成模糊規則，通過將傳感器的實時信號模糊化并作為模糊規則的輸入，完成模糊推理，將推理后得到的輸出量加到執行器上。模糊控制系統的結構框圖如圖6所示。

模糊控制系統設計簡單，自適應性和魯棒性良好，干擾和參數變化對控制效果的影響被大大減弱，是一種非常簡單有效的智能控制方法。但是過于簡單的信息模糊處理會對系統的控制精度和動態品質造成影響。

2.5.2 RBF神經網絡控制

模糊控制和RBF神經網絡控制都屬于智能控制，但最大的不同在于前者以人的經驗為出發點，以便解決人類的控制語言描述和推理等相關問題;后者從人腦的生理心理學出發，人工模擬大腦的工作機制實現智能操作。

1988年，C.Darken和J.Moody提出了擁有單隱層的三層前饋網絡，稱為徑向基函數（RBF）神經網絡。它主要是通過模擬人腦中接收區域和局部調整的神經網絡結構，可以以任意精度來逼近任何連續函數。第一層是由信號源節點組成的輸入層，即圖中X所代表的部分，用來傳輸信號。第二層是隱含層H，隱單元數視所描述問題的需要而定。第三層為輸出層Y，是對輸入模式做出的響應。輸出層和隱含層的優化策略不同，前者是對線性權調整，后者是對高斯函數參數調整。RBF神經網絡的拓撲結構如圖7所示。

RBF神經網絡的優點在于它的逼近能力，由于其獨特的結構，使得分類能力和學習速度異常優秀，避免了局部極小值問題。但是目前RBF神經網絡對PMSM的參數調節還不能做到全部，如何能以更優化的方法控制電機需要進一步的研究試驗。

3 ?結論

本文介紹了電動汽車永磁同步電機以及相應的控制策略，分析了目前永磁同步電機相較于其他電機的優勢所在，詳細闡述了永磁同步電機的工作原理及相關控制策略。FOC和DTC作為目前PMSM最為經典的控制技術，技術成熟，應用廣泛，但是，FOC對電機參數依賴過大，DTC的穩態轉矩脈動過大，都無法滿足PMSM高精度的控制要求。SMC的動態性能良好，但是抖振問題無法有效解決，會造成PMSM的機械損失。預測控制和智能控制的未來前景非常廣闊，針對目前競爭激烈的市場環境，永磁同步電機的優勢還遠遠無法將其它電機取代，如何能更有效地運用電驅控制策略，將智能控制策略與傳統控制策略融合，解決PMSM在復雜環境下仍然保持良好的魯棒性和抗干擾能力，進一步提升性能優勢。

參考文獻：

[1]秦福峰.純電動汽車新型內置式永磁同步電機設計與控制研究[D].江蘇大學，2016.

[2]吳霏.電動汽車驅動永磁同步電機控制策略研究[D].重慶理工大學，2019.

[3]李政，胡廣大，崔家瑞，劉廣一.永磁同步電機調速系統的積分型滑模變結構控制[J].中國電機工程學報，2014，34（03）：431-437.

[4]張文霞.基于模糊PID的永磁同步電機控制系統研究[D].溫州大學，2016.

[5]劉旭東.基于預測控制的電動汽車用永磁同步電機控制策略與關鍵技術研究[D].山東大學，2016.

[6]汪海波，周波，方斯琛.永磁同步電機調速系統的滑?？刂芠J].電工技術學報，2009，24（09）：71-77.

[7]齊亮.基于滑模變結構方法的永磁同步電機控制問題研究及應用[D].華東理工大學，2013.

[8]吳非非.基于模糊RBF神經網絡的永磁同步電機控制系統研究[D].大連交通大學，2020.