文|芝士派讲解员
编辑|芝士派讲解员
随着全球气候变化导致的各种负面情况越来越严重，人们开始关注新能源领域的发展，电动汽车开始慢慢进入人们的视野。
发展电动汽车最核心的技术就是电池、电机以及电控系统，而对于电池来说，直流通用电机的预测速度控制的控制也是一大难题。
通过使用直流电机的动力学，但在数学上简化它们，以得出一个适合我们目的的简单模型，不仅可以满足控制目标，还可以生成可靠的数据以供进一步分析。
实验结果证明了该控制方法和健康监测系统的优异性能，实现主要目标的主要困难是实现离散控制，这必须尽可能简单，同时保持控制目标，也能够为健康监测阶段生成可靠的数据。
这项工作的主要贡献是开发了通用电机速度的预测控制，随后修改了实验设计以模拟电动汽车电池，并引入了一种新的故障检测统计方法。
主要目标有四个方面：通过使用简单的预测控制设计一个用于直流电机速度控制的实验平台，并仅使用经典的统计工具模拟道路上的电动汽车电池进行健康监测。
修改了DC-DC转换器，以模拟有故障的汽车电池系统，设置了两个阶段，这样是否能够来实现既定的目标呢？
①
●○双向DC-DC转换器配置○●
方法可以总结如下：
1.设计一个预测控制器来调节双向 DC-DC 转换器的角速度。这种控制策略必须对系统故障具有鲁棒性。
2.通过添加外部电容器来修改DC-DC实验平台，从而为电动汽车电池仿真器设计故障仿真器。这种修改捕获了对电池充电容量的损坏。
3.提出统计故障检测算法，捕捉电池的故障行为。
4.从电子学的角度来看，设计一个实验平台能够模拟电池和超级电容器之间的能量管理。
从统计数据分析的角度来看，这种方法可以在实验平台上区分超级电容器模型的健康情况和故障情况。
这项工作的新颖之处在于能够捕获汽车电池行为的新实验实现的概念。这项提案提出了一个易于实现的电池汽车模拟器，领先于通常昂贵的汽车电池实验。
双向DC-DC转换器图如图1所示。该电路有两种标准工作模式：
图1.带直流电机的双向DC-DC转换器示意图。
模式1：晶体管2已打开并1已关闭。当前几乎呈线性增长。然后，电容器通过电负载R放电。
模式2：晶体管2已关闭并1已打开。当前几乎呈线性下降。在这种模式下，电容器被充电。电负载R也接收电能。
另一种模式可能是两个晶体管都关闭。
在此选项中，电路可以处于升压或降压模式，在预测控制策略中将其称为从模式 1 到模式 2 的过渡模式，反之亦然。
为了强调，可以用短路或其他电气元件代替，通常在其他应用中，直流电机位于负载R的电气侧。因此，为了实现控制目标，预测控制必须向上述晶体管生成触发信号。图 2 显示了控制块。
图2.预测控制块概述，其中是设定值和1和2是从控制器到晶体管的输出信号。
为了实现控制在串联励磁连接中使用直流电机：
（1）
B是粘性摩擦常数，J是电机的轴惯量，直流电机产生的电磁转矩为：
（2）
以上转矩取决于电机常数一个和通过电机的电流，由下式给出：
（3）
L是直流电机的电感，主要取决于电机电磁元件的电流、饱和度和滞后效应。对于控制设计，可以通过假设直流电机的简单模型和零粘性摩擦：
（4）
预测控制设计的一个选项是进一步简化上述模型，系统在以下情况下，使用坐标更改能够得到：
（5）
为简单起见将其重命名，这提供了一个简化的控制设计模型：
（6）
最后需要在离散时域中分析上述方程：
（7）
其中 h 是欧拉参数，上式预测t ( 1) 可以视为所需的控制信号，优化阶段不是必需的。从上一公式中，我们得到：
（8）
h 参数必须设置为可能的小数字，得出了描述的预测控制方案，该算法将增加或减少提供给电机的电流，使其以所需的速度运行以围绕此值的锯齿形方式。
图3.所提出的预测控制算法的流程图，其中k是迭代标签。
②
●○短路电池设置○●
配置为电池外壳的实验平台的结果，称为短路电池阶段，这项实验的主要目的是测试电子设备主要部件的性能，包括电机速度传感器电路。
图4.实验平台概述。引用命令由微处理器内部的软件给出microprocessor −−program程序。
直流电机的标称功率为 220/240 V，50/60 Hz，标称角速度为 1000 rpm，该电机是通用的，电池是一个充电电容器，是道路上电动汽车电池的标准模拟器。
图5.电机速度传感器。这里=14004, = = 10 K, =10μF, and =1μF。
平台中实现的电机速度传感器，使用了制造商安装在电机上的 12 及模拟感应转速表。
实验中，输出传感器给出的读数0.82V 约 2200 rpm 电机转速，大约0.61V 在 1600 转/分时。
图6.微控制器图连接。LED 输入4的微控制器用于可视化系统操作。此外，5 V 电源包括一个 10μF滤波电容接地。
图7.用于短路电池设置的实验平台的照片。从上到下：电源、电子电路和直流电机（通用电机）。
另一方面显示了通过增加100 μF电容的故障情况， 与双向转换器的电容C并联，并用数据，这是为了了解实验平台对其电容变化的敏感性。
在图中，黑色箭头表示控制激活的时间时刻。红色箭头表示通过停止电机轴然后手动实现外部扰动添加到电机轴上的时刻。
图8.电机速度传感器的实验结果，用于不同的参考。
图8从左到右黑色箭头：控制激活；红色箭头：外部扰动（停止它）。
图9从左到右黑色箭头表示控制激活，红色箭头表示存在外部扰动，就像在标准实验中一样。
图9.通过添加电容器对故障场景的实验结果，参考与图8相同。
③
●○短路状态实验○●
使用没有负载的电机，并添加上一节中的外部扭矩扰动来研究建议的控制性能。从图中可以看到受控系统在先前指定的每种扰动情况下的瞬态响应。
这些数字没有一致的轴刻度，因为它们的目标不是定量比较，也不是显示受控系统的瞬态响应，由于整个系统的非线性行为，包括摩擦和电机引起的迟滞等，系统的瞬态响应是不同的。
从预测控制的角度来看，我们的控制器会按预期响应并稳定闭环系统。由于简单预测控制的非线性未补偿，观察到稳态误差。
图 10.实验结果=0x26（蓝色：标称情况;橙色：故障情况）。
④
●○实验结果○●
在研究了短路电池案例以分析我们的实验平台的性能后，我们成功添加了电池仿真器。根据实验，找到了电池仿真器的最佳位置。
除了使用 10000μF超级电容器，增加了其他电子设备以模拟失效的汽车电池。
图 11.最近的电容式电池监控实验平台
负载电阻还会影响电容器的放电充电时间常数，如果比变化更小可以模拟电池故障，按以下方式进行，设置电阻器的值到 100Ω.然后将为系统的正常和故障状态采用以下值：
图 12.一个简单的电池电模型如图11所示，作为电池示意性。是额定值为 10，000 μF的电解电容器。
在实验过程中，对于每种情况，从电池模型的点 处获取电压信号，并读取来自电机速度传感器的信息。这些数据也用于我们的故障诊断方法。
图 13.无干扰的健康病例的实验结果。控制在大约 2.8 秒时从关闭位置变为打开位置。
图中显示了故障案例 A 的实验结果，对于故障案例 B 也获得了类似的结果。
图 14.有干扰的健康病例的实验结果。
比较这些对应于健康案例的数字和对应于故障案例 A 的数字，确实可以观察到差异，分析相应的数据，以揭示正常案例和缺陷案例之间的差异。
图 15.无干扰故障案例A的实验结果。控制在大约 3.6 秒时从关闭位置变为打开位置。
以下项目可用于提高实验平台的技术质量：
1.电机速度传感器可以通过使用编码器或电位计来改进。这些传感器在测量电机速度方面更准确。
2.NPN 功率晶体管可以用其等效的 MOSFET 部件代替。从电力电子的角度来看，这些更适用。
3.将电路更改为印刷电路。
图 16.有扰动的故障案例A的实验结果。
⑥
●○电池诊断系统设计○●
电动汽车电池系统中的故障检测对于安全驾驶和延长电池寿命至关重要。电池故障历来是电动汽车的一个重大安全问题，早期故障诊断可以从不同的方法进行。
为了实现电池系统故障的早期准确检测，实现快速预警，本文仅基于对归一化数据的经典分析，提出了一种非常简单的方法。为了比较以前的实验数据，有必要使用归一化的实验数据。然后计算电池电压相对于传感器信息的“相对值”：
(9)
通过将变量的数量从两个减少到一个来简化分析，这个新变量也更直观，因为它是根据传感器电压信号计算的，原则上与电池故障无关。
初步结果显示了一些非典型值，使得难以解释图表和获得的统计指标概述，在去除这些异常值之前，对它们进行了分析，看看它们的存在是否可以帮助我们了解电池的动态行为。
由于这些异常值的量级相对较高，需要首先调查了这些数据是否可以被视为拟合帕累托分布的极端数据，结果没有区分健康和错误病例。
图 17.没有干扰的健康案例：（a） 变化的点图关于时间。（b） 直方图变量。
这些异常值的比例不允许我们区分健康和错误的情况，因此删以便于解释结果，异常值的去除可以被视为预处理阶段。
图中显示了用不同方法对任务进行预处理后的实验结果， 散点图和直方图允许我们讨论所有情况下的行为。
图 18.有外部干扰的健康病例：（a）变化的点图关于时间。（b） 直方图变量。
在图中，对应于没有干扰的健康案例，可以观察到分布在大约 0.5 到 4 之间，具有显著的变异性，在没有干扰的故障情况A中，显示了集中在两个波段。
一个波段以 6为中心，另一个波段以 40为中心。在这两个区域中，这些点都明显聚类，并且显示的变化比健康情况下少得多，对于没有干扰的故障情况B，也获得了类似的结果。
图 19.有缺陷 没有干扰的案例：（a） 变化的点图关于时间。（b） 直方图变量。
在有干扰的健康情况下，值大约分布在值 0 和 6 之间，这再次显示出很大的可变性。在有扰动的时间间隔内，这种变异性很小，其中变化显著减小。
值再次高度集中在以 6 为中心的下轨线和以 40 为中心的上轨线，在这种情况下，在有干扰的时间间隔内，值显示更显著的变异性，当干扰停止时返回上限。
图 20.有缺陷的 外部插管的病例：（a） 变化的点图关于时间。（b） 直方图变量。
在故障情况 A 和 B 中，无论是在受干扰的情况还是未受干扰的情况下，在健康的情况下，值通常高于相应的值，它们也显示出较小的可变性，通常正常和故障案例中的数据分布显示不同的行为。
这一事实使我们能够考虑变量作为诊断电池状态的良好指示器，从到目前为止所介绍的内容来看，从这里开始，使用其他统计方法的比较研究留给未来的工作。
图 21.没有干扰的错误B案例：（a）变化的点图关于时间。（b） 直方图变量。
基于实验结果，控制策略能够为健康监测阶段生成可靠的数据，换句话说由于控制器和电子设计的效率，生成的数据足够可靠，能够使用标准统计数据进行故障诊断。
用于此的技术既简单又便宜，实验平台的所有电子元件几乎可以在世界任何地方访问，从学术角度来看，这项设计可以提高未来工程师对文章主题的技能。
图 22.有干扰的错误B案例：（a）变化的点图关于时间。（b） 直方图变量。
正如大量文献所显示的那样，处理电动汽车电池的故障检测并不是一个容易的问题。
这项实验为电动汽车电池设计了一个仿真器，并构思了一个预测控制器来调节电机的速度，该速度对外部扰动和系统故障具有鲁棒性。
创建平台后，引入了修改以检测电池充电容量的损坏。然后，在研究电压测量归一化误差的基础上，提出了一种统计故障诊断方法，可以判别超电容的故障行为。实验结果证明了该方法的适用性。
这项实验的主要贡献是设计了一个离散预测控制器来调节通用电机的速度，以及随后对实验设置的修改，以模拟电动汽车电池来测试故障场景并提出一种创新的统计故障检测方法。
参考文献：
伊姆兰·阿贝德：通用电机的速度控制。 2019
斋月，埃尔-巴尔迪尼：设计和FPGA实现用于直流电机速度控制的改进型自适应模糊逻辑控制器。 2014
亚历山大·康斯坦托普洛斯：用于由DC/DC升压转换器供电的串联励磁直流电 。2014
泽古迪·切尔米蒂：通用电机模糊控制器和PID控制器之间的比较。2014
马赫斯瓦拉劳·巴布·阿马雷什：通信系统和网络技术国际会议会议记录。2011
如果你喜欢我的写的文章，麻烦请点个“关注”，欢迎在评论区与我一同探讨，愿世界和平。
END
