基于模糊神经网络的无刷直流电机再生制动控制系统研究

发布时间：2020-05-07 21:21

【摘要】：随着经济的快速发展,环境污染问题引起了人们更多的关注,其中燃油汽车排放的尾气污染备受关注。并且近几年全球政治经济动荡,石油危机若隐若现。为应对能源危机和环境污染各国加大了对电动汽车的研发力度。但电动汽车续航里程依然达不到人们的要求,再生制动技术能够有效延长续航里程,受到了研究人员更多的关注。本文以BLDCM(Brushless Direct Current Motor)作为被控核心,首先对BLDCM结构原理进行分析。在此基础上,对纯电动汽车再生制动控制的影响因素和原理进行讨论。为给纯电动汽车再生制动控制系统提供稳定的初始转速,本文设计使用了双闭环调速控制系统。然后对电动汽车进行再生制动控制研究,设计一种基于T-S(Takagi-Sugeno)模糊神经网络控制策略的控制器。该控制器以反馈电流与给定电流的差值和转速为输入,以PWM脉宽调节量为输出,采用BP(Back Propagation)神经网络算法自适应调整输入隶属度函数和模糊规则。然后搭建了电动汽车再生制动控制系统模型,对设计的控制器进行仿真实验研究。最后通过软硬件设计了基于英飞凌TC1782芯片的控制器。并在dSPACE半实物仿真平台进行仿真测试。本文完成的工作如下:(1)针对纯电动汽车用BLDCM的原理和数学模型,分析再生制动控制系统的原理。在实现系统再生制动控制前,搭建双闭环调速控制系统,其转速环为模糊PID控制,电流环为PI控制。调速控制系统驱动电机达到再生制动所需的转速。(2)对BLDCM再生制动系统中PWM全桥调制方式和PWM半桥调制方式进行数学推导和原理分析,选择使用能量回收率更高的半桥调制方式。(3)对基于T-S模糊神经网络再生制动控制策略进行数学分析和推导,设计了基于T-S模糊神经网络再生制动控制系统,并在Matlab/Simulink平台搭建模型进行仿真验证,实验表明基于T-S模糊控制策略能量回收率和模糊控制相比明显提高,达到了设计目的。(4)为验证控制策略在实际控制器中的效果,硬件设计基于英飞凌TC1782的再生制动控制器,并设计对应的软件程序,然后在dSPACE平台搭建再生制动控制系统的硬件在环仿真系统,进行控制器的半实物仿真验证。论文特色之处:(1)分析再生制动控制技术原理,对传统的模糊再生制动控制策略进行改进,设计了基于T-S模糊神经网络再生制动控制系统,并和模糊再生制动控制系统对比,实验证明所设计的系统能有效提高能量回收率。(2)搭建模糊神经网络再生制动控制系统半实物仿真平台,硬件设计基于英飞凌TC1782芯片的再生制动控制器,并设计对应的程序,验证所设计系统的有效性。
【图文】：

图 1.1 文章结构图如图 1.1 为文章结构图。第一章：绪论。本章主要介绍了 BLDCM 再生制动控制系统的研究背景和研究意义。然后对再生制动研究的国内外现状进行了介绍。然后给出本文的研究内容和结构安排。第二章：BLDCM 工作原理研究。本章首先介绍了 BLDCM 结构，然后对其工作原理进行分析，推导 BLDCM 的数学模型。第三章：BLDCM 再生制动控制系统方法研究。本章先对 BLDCM 再生制动基本原理进行分析，然后对 PWM 调制方式进行研究，选择合适的调制方式。并对再生制动的数学模型进行推导。最后讨论影响 BLDCM 再生制动能量回收的因素。第四章：BLDCM 再生制动控制模糊神经网络控制策略研究。本章对再生制动控制系统中的驱动控制部分和制动控制部分分别进行分析研究，并对所设计的策略进行仿真分析。第五章：BLDCM 再生制动控制系统半实物仿真设计。本章首先对基于英飞凌TC1782 控制芯片的控制器进行介绍，，然后对再生制动系统的软件进行设计，最后在

图 2.1 BLDCM 基本结构 本体由定子和转子组成。定子按定子绕组相数分类BL。它的连接方式有三角形连接和 Y 形连接。在电动式。它一般是由线圈沿着定子呈圆周缠绕而成。转子 作为电动机使用时转子为电动机转子，当 BLDCM转子[45]。下图为转子三种结构。
【学位授予单位】：桂林电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP273;TM33;TP183

【参考文献】

相关期刊论文 前10条

1 董早鹏;刘涛;万磊;李岳明;廖煜雷;梁兴威;;基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制[J];仪器仪表学报;2015年04期

2 熊永华;杨艳;李浩;何勇;吴敏;;基于SOC的锂动力电池多层双向自均衡方法[J];电子学报;2014年04期

3 崔方;刘芳华;邱忠华;魏玉平;;基于DSP的电动车用无刷直流电机控制器的设计[J];电机与控制应用;2014年04期

4 杨泽斌;汪明涛;孙晓东;;基于自适应模糊神经网络的无轴承异步电机控制[J];农业工程学报;2014年02期

5 舒红;郑军;胡明辉;梁元波;;基于模型预测控制的混合动力汽车下坡再生制动策略[J];汽车工程;2013年09期

6 龙波;陈勇强;郝小红;曹秉刚;;电动汽车用感应电机变结构鲁棒控制器设计[J];电力电子技术;2013年09期

7 郑宏宇;许文凯;刘宗宇;邓文哲;刘风;韩飞;;四轮独立驱动电动汽车再生制动控制策略[J];吉林大学学报(工学版);2013年03期

8 查鸿山;宗志坚;刘忠途;;电动汽车能量回馈制动仿真研究[J];机械科学与技术;2012年04期

9 夏长亮;方红伟;;永磁无刷直流电机及其控制[J];电工技术学报;2012年03期

10 李世超;石秀华;孙希通;魏照宇;;改进模糊神经网络无刷直流电机控制系统设计[J];计算机仿真;2009年10期

相关博士学位论文 前4条

1 杨源;基于居民出行规律实证研究的城市低碳交通政策模拟[D];清华大学;2016年

2 林辉;轮毂电机驱动电动汽车联合制动的模糊自整定PID控制方法研究[D];吉林大学;2013年

3 赵国柱;电动汽车再生制动若干关键问题研究[D];南京航空航天大学;2012年

4 王鹏宇;混合动力轿车再生制动系统研究[D];吉林大学;2008年

相关硕士学位论文 前7条

1 孟佳;新能源电动汽车电源能量控制策略[D];长春工业大学;2018年

2 赵江托;电动车辆回馈制动控制器的研究与设计[D];长春工业大学;2017年

3 高健;提高电动汽车回馈效率的再生制动控制策略研究[D];沈阳工业大学;2017年

4 张迪;电动汽车无刷直流电机能量回馈制动系统的研究[D];青岛理工大学;2016年

5 刘硕洋;永磁无刷直流电机回馈制动控制技术[D];湖南大学;2013年

6 董少波;基于模糊神经网络的永磁无刷直流电动机调速系统研究[D];华南理工大学;2011年

7 邹月海;基于模糊控制的永磁无刷直流电机调速系统研究[D];哈尔滨工程大学;2009年

本文编号：2653564