CN111061153B - 一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器 - Google Patents
一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器 Download PDFInfo
- Publication number
- CN111061153B CN111061153B CN201911346566.9A CN201911346566A CN111061153B CN 111061153 B CN111061153 B CN 111061153B CN 201911346566 A CN201911346566 A CN 201911346566A CN 111061153 B CN111061153 B CN 111061153B
- Authority
- CN
- China
- Prior art keywords
- module
- current
- displacement
- controller
- magnetic bearing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Magnetic Bearings And Hydrostatic Bearings (AREA)
Abstract
本发明公开电动汽车领域中的一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器,由内部电流输出模块、电流系数计算模块、控制器电流叠加模块、位置检测模块以及R个相并联的占比电流计算模块组成;内部电流输出模块由位置参考模块和R个相并联的位移鲁棒控制器组成,一个位移鲁棒控制器串接在一个占比电流计算模块之前,电流系数计算模块输出R个电流系数,R个占比电流计算模块输出端共同连接控制器电流叠加模块输入端,占比电流计算模块输出R个占比电流,R个占比电流作为控制器电流叠加模块的输入值,控制器电流叠加模块输出参考电流;通过多模型位移鲁棒控制器用一组简单的线性***替代磁轴承的非线性***,提高磁轴承***的控制性能。
Description
技术领域
本发明属于电动汽车技术领域,特别涉及一种电动汽车用飞轮电池中的磁轴承***的鲁棒控制器,适用于电动汽车飞轮电池领域中轴向磁轴承的高性能控制。
背景技术
电池技术是电动汽车发展中的关键技术,目前用于电动汽车中的电池多为化学蓄电池。汽车在启动、加速时,需要为其提供很大的功率,蓄电池进行大电流放电;汽车下坡、制动时,为了最大限度地回收制动能量,蓄电池进行大电流充电。频繁的大电流充放电势必对蓄电池造成损害,影响蓄电池的使用性能,缩短其使用寿命。飞轮电池是一种新型的机械储能装置,主要利用了飞轮储能的原理,通过飞轮与内部电机之间的驱动关系,实现电能与机械能相互转换。与化学电池相比,飞轮电池具有使用寿命长、储能密度高、放电快、质量小、结构紧凑、维护方便、能够工作于极端环境中、对环境无污染等优点,具有非常高的研究价值。因此,将飞轮电池应用于电动汽车中,使飞轮电池和蓄电池共同提供或吸收汽车运行中的峰值功率。
飞轮电池中的轴向磁轴承主要用来对飞轮转子轴向精度进行定位控制,其控制效果的品质能够直接影响整个飞轮电池的控制性能。目前传统的磁轴承控制采用PI控制器来调节输入力的大小。然而考虑电动汽车行驶工况的复杂性造成的飞轮电池用轴向磁轴承***参数时变以及各种扰动,***的控制性能会变差。因此,为了解决飞轮电池用轴向磁轴承***传统控制策略效果欠佳的问题,同时满足磁轴承***各种控制性能从而降低能量损耗,需要采用新的控制方法。
发明内容
本发明的目的是针对飞轮电池用轴向磁轴承***非线性多耦合的电气特性造成常规控制策略控制效率低的缺陷,提供了一种能提高飞轮电池用轴向磁轴承***控制精度以及抗干扰性能的多模型控制器,从而降低飞轮电池用轴向磁轴承***能耗。
本发明采用的技术方案是采用如下步骤:其连接于磁轴承***的输入端和输出端之间,磁轴承***以参考电流为输入,以位移z为输出,其由内部电流输出模块、电流系数计算模块、控制器电流叠加模块、位置检测模块以及R个相并联的占比电流计算模块组成;所述的内部电流输出模块由位置参考模块和R个相并联的位移鲁棒控制器组成,一个位移鲁棒控制器串接在对应的一个占比电流计算模块之前;位置参考模块输出参考位移z*,位置检测模块检测磁轴承***的位移z,位移z与参考位移z*作比较的位移差值ez是R个位移鲁棒控制器的共同输入,每个位移鲁棒控制器输出的是对应的一个内部电流izK,K=1,2,…R,R个内部电流izK一一对应地输入R个占比电流计算模块中;电流系数计算模块的输出端分别连接R个占比电流计算模块的输入端,电流系数计算模块的输入值是参考电流和位移z、输出值为R个电流系数xK,一个电流系数xK一一对应地输至一个占比电流计算模块中;R个占比电流计算模块的输出端共同连接一个控制器电流叠加模块的输入端,R个占比电流计算模块将内部电流izK和电流系数xK相乘得到相应的R个占比电流i'zK,R个占比电流i'zK作为控制器电流叠加模块的输入值,控制器电流叠加模块对R个占比电流求和得到参考电流
所述的每个位移鲁棒控制器都由位移鲁棒控制器离线构造模块得到,该位移鲁棒控制器离线构造模块由依次串接的位移比例积分控制器、功率放大器、参数识别模块、相似度计算模块、***聚类算法模块、内部模型抽取模块以及位移闭环***设计模块组成;所述的位移误差ez作为位移比例积分控制器的输入,位移比例积分控制器输出电流i'z;该电流i'z作为功率放大器的输入,功率放大器输出参考电流至参数识别模块中,参数识别模块输出内部线性模型Pi至相似度计算模块中,相似度计算模块输出间隙度量矩阵到***聚类算法模块中,***聚类算法模块以线性模型集聚类结果为输出,内部模型抽取模块选择出所述的线性模型集聚类结果中的内部线性模型,由位移闭环***构造模块通过二阶闭环***设计出相应的位移鲁棒控制器。
本发明的有益效果是:
1、本发明通过对磁轴承***输的输入和输出的数据进行模糊C均值聚类和极大似然参数估计以及***聚类算法获取内部线性***,从而替代磁轴承***的非线性***,多个位移鲁棒控制器分别输出内部电流,实现对线性***控制,通过多模型位移鲁棒控制器用一组简单的线性***替代磁轴承的非线性***,从而构造成磁轴承***多模型位移鲁棒控制器,能够针对磁轴承***参数的非线性变化和负载的干扰,提高磁轴承***的控制性能和抗干扰控制性能。
2、对磁轴承***多模型位移鲁棒控制器输出的内部电流采用控制器电流叠加模块,能够更加精确的控制输入参考电流的大小,从而提高磁轴承***控制的动态性能和稳定性。
3、采用对磁轴承***各内部线性模型进行***聚类的分析方法,有效减少需要的位移鲁棒控制器的数量,不仅降低控制器的成本,而且大幅降低磁轴承***多模型位移控制器的复杂程度。
附图说明
图1是本发明一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器与磁轴承***相连接的结构框图;
图2是图1中磁轴承***的等效构成图;
图3是图1中单个位移鲁棒控制器的离线构成框图;
图4是图3中按照间隙度量对磁轴承***各内部线性模型进行***聚类分析的冰柱图。
图中:1.第一位移鲁棒控制器;2.第二位移鲁棒控制器;3.第三位移鲁棒控制器;4.第R位移鲁棒控制器;5.第一占比电流计算模块;6.第二占比电流计算模块;7.第三占比电流计算模块;8.第R占比电流计算模块;11.差动输出模块;12.占空比计算模块;13.PWM调制模块;14.光电隔离模块;15.全桥换能电路模块;16.磁轴承;21.位置参考模块;31.状态变量离散模块;32.状态变量距离计算模块;33.控制器电流系数计算模块;34.控制器电流叠加模块;41.位置检测模块;51.位移比例积分控制器;52.功率放大器;53.参数识别模块;55.相似度计算模块;56.***聚类算法模块;57.内部模型抽取模块;59.位移闭环***设计模块;61.状态变量记录模块;62.模糊C均值聚类;63.极大似然参数识别模块;70.磁轴承***;81.内部电流输出模块;82.电流系数计算模块。
具体实施方式
如图1所示,本发明一种电动汽车飞轮电池用轴向磁轴承***多模型位移控制器整体连接于磁轴承***70的输入端和输出端之间,由内部电流输出模块81、电流系数计算模块82、控制器电流叠加模块34、位置检测模块41以及多个占比电流计算模块组成,其中,占比电流计算模块的数量是R个,分别是第一占比电流计算模块5、第二占比电流计算模块6、第三占比电流计算模块7……直至第R占比电流计算模块8,多个占比电流计算模块相并联。
内部电流输出模块81由位置参考模块21和多个位移鲁棒控制器组成,位置参考模块21输出参考位移z*。位移鲁棒控制器的数量和占比电流计算模块的数量相同,也是R个,R个位移鲁棒控制器分别是第一位移鲁棒控制器1、第二位移鲁棒控制器2、第三位移鲁棒控制器3……直至第R位移鲁棒控制器,R个位移鲁棒控制器相并联,并且串接在多个占比电流计算模块之前,串接时,一个位移鲁棒控制器串接在对应的一个占比电流计算模块之前。
磁轴承***70以参考电流作为输入信号,以位移z作为输出信号。采用位置检测模块41检测位移z,位移z与位置参考模块21输出的参考位移z*作比较得到位移差值ez,位移差值ez作为多个位移鲁棒控制器的共同输入,经对应的位移鲁棒控制器处理,每个位移鲁棒控制器输出的是对应的一个内部电流izK,K=1,2,…R,K和R分别为位移鲁棒控制器的编号和数量,R个内部电流izK一一对应地输入R个占比电流计算模块中,作为占比电流计算模块的第一个输入值。
电流系数计算模块82由依次串接的状态变量离散模块31、状态变量距离计算模块32、控制器电流系数计算模块33组成。电流系数计算模块82的输入值是输入磁轴承***70的参考电流和磁轴承***70输出的位移z,电流系数计算模块82的输出值为R个电流系数xK。电流系数计算模块82的输出端分别连接R个占比电流计算模块的输入端,一个电流系数xK一一对应地输出至一个占比电流计算模块中,作为占比电流计算模块的第二个输入值。
R个占比电流计算模块中每个占比电流计算模块都对输入其中的一个内部电流izK和一个电流系数xK作处理,将内部电流izK和电流系数xK相乘,得到相应的占比电流,共R个占比电流,分别是占比电流i'z1、i'z2、i'z3……i'zR。
参见图2,磁轴承***70由依次串接的差动输出模块11、占空比计算模块12、PWM调制模块13、光电隔离模块14、全桥换能电路模块15以及磁轴承16构成。差动输出模块11的输入为参考电流输出为电流±I。占空比计算模块12输入为差动输出模块11输出的电流±I,输出为占空比信号Ta。PWM调制模块13以占空比计算模块12的输出Ta作为输入,其输出为开关脉冲信号。开关脉冲信号经光电隔离模块14后输入全桥换能电路模块15,全桥换能电路模块15产生驱动电流io,驱动电流io作为磁轴承16的输入,磁轴承16输出位移z。
位移鲁棒控制器由位移鲁棒控制器离线构造模块得到。该离线构造模块由依次串接位移比例积分控制器51、功率放大器52、参数识别模块53、相似度计算模块55、***聚类算法模块56、内部模型抽取模块57以及位移闭环***设计模块59组成。
对磁轴承***70采用位移比例积分控制,采用位置参考模块21输出参考位移z*,参考位移z*与磁轴承***70输出的位移z作差得到位移误差ez,该位移误差ez作为位移比例积分控制器51的输入,位移比例积分控制器51输出电流i'z;该电流i'z作为功率放大器52的输入,功率放大器52输出参考电流该参考电流作为磁轴承***70的输入,磁轴承***70的输出为位移z。其中位移比例积分控制器51的参数根据磁轴承***70的工况进行优化,位移比例积分控制器51的输入输出关系为:
式中,KP为比例系数,KI为积分系数。
参数识别模块53由依次串接的状态变量记录模块61、模糊C均值聚类62、极大似然参数识别模块63组成。状态变量记录模块61通过传感器对磁轴承***70的输入参考电流和输出位移z进行信号记录,得到n组状态变量组成的数据库k=2,3…n+1,k为离散样本时间指数。将n组参考电流和位移输入到模糊C均值聚类模块62中,模糊C均值聚类模块62对参考电流和位移进行聚类分析,确定出y个集合Yi以及各集合的中心点(i=1,2,...,y),i=1,2,…,y,i是集合编号,使成本函数达到最小,即:
1):选择集合数量y值,并任意选取数据库中y组参考电流和转速分别作为y个集合的中心点,确定截止系数μ。
2):按照下式更新n个数据点对y个集合的隶属度以及新的y个集合中心点
通过模糊C均值聚类得到关于参考电流和位移的y个集合Yi(i=1,2,…,y)。将y个集合Yi输入到极大似然参数识别模块63中,极大似然参数识别模块63对y个集合Yi中的参考电流和位移采用极大似然估计算法识别出磁轴承***的y个内部线性模型的参数。在磁轴承***内部线性模型中,输出位移z与输入参考电流之间的关系简化为惯性环节:
将式(3)离散化并取差分方程的形式:
z(k)=a[-z(k-1)]+biz(k-1)+φ(k) (4)
式中a、b为待求解的模型参数,φ(k)为零均值方差为1的高斯白噪声。k为离散样本时间指数。T为采样周期,取T=0.005s。
将差分方程表示为如下矩阵形式:
z(k)=ψT(k)η+ξ(k) (6)
输出误差为:
由极大似然函数得到:
其中ZN=[z(n+1)z(n+2)L z(n+N)]T,σ2是z(k)方差。
将lnL(ZN|η,σ)对σ2求偏导,并令其为0,得到:
σ2越小,残差越小,因此选取准则函数:
按照牛顿-拉卜森法迭代计算模型参数,即:
迭代直至满足误差要求,得到辨识结果η的值,即得模型参数a、b的值。模型参数由磁轴承***70参数和运行工况决定。在此,本发明以y值取8为例,根据计算可得8个内部线性模型参数矩阵如下:
通过式(5)计算得到内部线性模型参数A、B的参数矩阵如下:
将各内部线性模型输入到相似度计算模块55中,相似度计算模块5以各内部线性模型Pi为输入,以间隙度量矩阵Q为输出。相似度计算模块5通过间隙度量理论计算磁轴承***70的各内部线性模型之间Pi的间隙度量δij,得到y阶间隙度量矩阵Q。间隙度量值δij∈(0,1),且δij值越接近0,表明磁轴承***70的第i个内部线性模型与第j个内部线性模型的相似度越高,可以彼此相互表示。以y值取8为例,计算所得8阶间隙度量矩阵Q为:
间隙度量矩阵Q输入到***聚类算法模块56中,***聚类算法模块56以间隙度量矩阵Q为输入,以各内部线性模型间隙度量的线性模型集聚类结果ΦR(K=1,2…R,K和R分别为内部线性模型集编号和数量)为输出。设置间隙度量门限值γ,确定磁轴承***70内部线性模型的分类,得到内部线性模型集分别为Φ1,Φ2,Φ3…ΦR。如图4所示,以y值取8为例子,γ=0.05,得到内部线性模型集的数量R=4,则各内部线性模型集包含的磁轴承***内部线性模型为Φ1={P1,P7},Φ2={P2,P3,P4,P5},Φ3={P6},Φ4={P8}。
内部模型抽取模块57以内部线性模型集Φ1,Φ2,Φ3…ΦR为输入,输出为内部线性模型M1,M2,M3…MR。抽取出磁轴承***70的R个内部线性模型集Φ1,Φ2,Φ3…ΦR中的第一个内部线性模型分别为M1,M2,M3…MR,并选择M1,M2,M3…MR分别近似内部线性模型集Φ1,Φ2,Φ3…ΦR。抽取的内部线性模型M1,M2,M3…MR对应的中心点为例如,选择内部线性模型M1=P1近似内部线性模型集Φ1,选择内部线性模型M2=P2近似内部线性模型集Φ2,选择内部线性模型M3=P6近似内部线性模型集Φ3,选择内部线性模型M4=P8近似内部线性模型集Φ4。则抽取的内部线性模型M1,M2,M3,M4对应的中心点满足
将抽取的内部线性模型M1,M2,M3…MR输入到位移闭环***构造模块59中,位移闭环***构造模块59通过二阶闭环***设计位移鲁棒控制器。以选取的内部线性模型M1为例,位移闭环***构造模块59对内部线性模型M1设计第一位移鲁棒控制器1。对选取的内部线性模型M1,利用二阶闭环***设计出第一位移鲁棒控制器1,第一位移鲁棒控制器1输入为参考位移z*与磁轴承***输出的位移z之间的位移误差ez,输出为内部电流iz1。
二阶闭环***的模型为:
式中s为复变量,ωn为自然角频率,ξ为阻尼比。
则第一位移鲁棒控制器1的表达式H1满足即可得第一位移鲁棒控制器1的表达式同理,位移闭环***构造模块59通过二阶闭环***设计出的第二位移鲁棒控制器2的表达式H2满足第三位移鲁棒控制器3的表达式H3满足以及第R位移鲁棒控制器4的表达式HR满足即得各个位移鲁棒控制器的表达式分别为式中,MR表示从第R个局部线性模型集ΦM中选择的局部线性模型,且满足1≤x≤y。Ax、Bx表示第x个内部线性模型的参数。
第一位移鲁棒控制器1、第二位移鲁棒控制器2、第三位移鲁棒控制器3以及第R位移鲁棒控制器4的输入输出关系为:
电流系数计算模块82的输入端为控制器电流叠加模块34输出的参考电流和磁轴承***70输出的位移z,输出端为电流系数xK。电流系数计算模块82通过计算当前磁轴承***70输入输出的状态变量与位移鲁棒控制器对应的内部线性***状态变量中心点的距离,计算得到当前状态时的位移鲁棒控制器的电流系数。距离越大,对应的电流系数越小,对应的位移鲁棒控制器的控制作用越小。
状态变量离散模块31以参考电流和位移z为输入,输出为离散化的参考电流和位移z(k)。状态变量距离计算模块32以离散化的参考电流和位移z(k)为输出,输出为参考电流和位移z(k)数据点与抽取的内部线性模型M1,M2,M3…MR的欧几里得距离dK,欧几里得距离dK表达式为:
控制器电流系数计算模块33以欧几里得距离dK为输入,以电流系数xK为输出。控制器电流系数计算模块33的输入输出关系为:
第一占比电流计算模块5的输入为内部电流输出模块81输出的内部电流iz1和电流系数计算模块82输出的电流系数x1,输出为占比电流i'z1。第一占比电流计算模块5的输入输出关系为:
i′z1=x1·iz1 (18)
同理,第二占比电流计算模块6、第三占比电流计算模块7以及第R占比电流计算模块8的输入输出关系为:
i′z2=x2·iz2 (19)
i′z3=x3·iz3 (20)
i′zR=xR·izR (21)
Claims (7)
1.一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器,其连接于磁轴承***(70)的输入端和输出端之间,磁轴承***(70)以参考电流为输入,以位移z为输出,其特征是:其由内部电流输出模块(81)、电流系数计算模块(82)、控制器电流叠加模块(34)、位置检测模块(41)以及R个相并联的占比电流计算模块组成;所述的内部电流输出模块(81)由位置参考模块(21)和R个相并联的位移鲁棒控制器组成,一个位移鲁棒控制器串接在对应的一个占比电流计算模块之前;位置参考模块(21)输出参考位移z*,位置检测模块(41)检测磁轴承***(70)的位移z,位移z与参考位移z*作比较的位移差值ez是R个位移鲁棒控制器的共同输入,每个位移鲁棒控制器输出的是对应的一个内部电流izK,K=1,2,…R,R个内部电流izK一一对应地输入R个占比电流计算模块中;电流系数计算模块(82)的输出端分别连接R个占比电流计算模块的输入端,电流系数计算模块(82)的输入值是参考电流和位移z,输出值为R个电流系数xK,一个电流系数xK一一对应地输至一个占比电流计算模块中;R个占比电流计算模块的输出端共同连接一个控制器电流叠加模块(34)的输入端,R个占比电流计算模块将内部电流izK和电流系数xK相乘得到相应的R个占比电流i'zK,R个占比电流i'zK作为控制器电流叠加模块(34)的输入值,控制器电流叠加模块(34)对R个占比电流求和得到参考电流
2.根据权利要求1所述的一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器,其特征是:所述的每个位移鲁棒控制器都由位移鲁棒控制器离线构造模块得到,该位移鲁棒控制器离线构造模块由依次串接的位移比例积分控制器(51)、功率放大器(52)、参数识别模块(53)、相似度计算模块(55)、***聚类算法模块(56)、内部模型抽取模块(57)以及位移闭环***设计模块(59)组成;所述的位移差值ez作为位移比例积分控制器(51)的输入,位移比例积分控制器(51)输出电流i'z;该电流i'z作为功率放大器(52)的输入,功率放大器(52)输出参考电流至参数识别模块(53)中,参数识别模块(53)输出内部线性模型Pi至相似度计算模块(55)中,相似度计算模块(55)输出间隙度量矩阵到***聚类算法模块(56)中,***聚类算法模块(56)以线性模型集聚类结果为输出,内部模型抽取模块(57)选择出所述的线性模型集聚类结果中的内部线性模型,由位移闭环***设计模块(59)通过二阶闭环***设计出相应的位移鲁棒控制器。
3.根据权利要求2所述的一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器,其特征是:所述的位移比例积分控制器(51)经式i'z=KP·ez+KI·∫ezdt得到输出电流i'z;KP为比例系数,KI为积分系数;所述的参数识别模块(53)由依次串接的状态变量记录模块(61)、模糊C均值聚类模块(62)、极大似然参数识别模块(63)组成,状态变量记录模块(61)记录磁轴承***(70)的参考电流和位移z,得到n组状态变量组成的数据库k为离散样本时间指数,模糊C均值聚类模块(62)对参考电流和位移聚类分析,确定出y个集合Yi以及各集合的中心点i=1,2,…,y,i是集合编号;极大似然参数识别模块(63)对y个集合Yi中的参考电流和位移采用极大似然估计算法识别出y个内部线性模型的参数A、B,计算出磁轴承***(70)的各内部线性模型Pi。
7.根据权利要求1所述的一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器,其特征是:磁轴承***(70)由依次串接的差动输出模块(11)、占空比计算模块(12)、PWM调制模块(13)、光电隔离模块(14)、全桥换能电路模块(15)以及磁轴承(16)构成,差动输出模块(11)的输入为参考电流输出为电流±I,占空比计算模块(12)输入为电流±I,输出为占空比Ta,PWM调制模块(13)以占空比Ta作为输入,其输出为开关脉冲信号,开关脉冲信号经光电隔离模块(14)后输入全桥换能电路模块(15),全桥换能电路模块(15)产生驱动电流io,驱动电流io作为磁轴承(16)的输入,磁轴承(16)输出位移z。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911346566.9A CN111061153B (zh) | 2019-12-24 | 2019-12-24 | 一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911346566.9A CN111061153B (zh) | 2019-12-24 | 2019-12-24 | 一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111061153A CN111061153A (zh) | 2020-04-24 |
CN111061153B true CN111061153B (zh) | 2022-09-16 |
Family
ID=70303020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911346566.9A Active CN111061153B (zh) | 2019-12-24 | 2019-12-24 | 一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111061153B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115199645B (zh) * | 2022-07-11 | 2024-02-13 | 江苏大学 | 基于车辆工况因素的高稳定低功耗飞轮电池磁悬浮支承控制*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001165163A (ja) * | 1999-12-03 | 2001-06-19 | Ebara Densan Ltd | 磁気軸受制御装置 |
CN103034127A (zh) * | 2012-12-24 | 2013-04-10 | 江苏大学 | 一种轴向磁轴承控制*** |
CN104113252A (zh) * | 2013-10-21 | 2014-10-22 | 江苏大学 | 一种飞轮储能用轴向磁轴承自抗扰控制器的构造方法 |
EP3023655A1 (en) * | 2014-11-24 | 2016-05-25 | ABB Technology AG | Active magnetic bearing arrangement and method |
CN106019945A (zh) * | 2016-07-14 | 2016-10-12 | 江苏大学 | 一种飞轮电池用轴向磁轴承抗干扰控制器的构造方法 |
CN109672380A (zh) * | 2018-11-19 | 2019-04-23 | 江苏大学 | 五自由度无轴承永磁同步电机悬浮力子***解耦控制器 |
CN109828451A (zh) * | 2019-01-11 | 2019-05-31 | 江苏大学 | 电动汽车用飞轮电池四自由度磁轴承控制器的构造方法 |
CN110425220A (zh) * | 2019-07-26 | 2019-11-08 | 江苏大学 | 一种径向磁轴承改进抗扰动控制器的构造方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9739307B2 (en) * | 2014-11-28 | 2017-08-22 | Lawrence Livermore National Security, Llc | Non-contacting “snubber bearing” for passive magnetic bearing systems |
-
2019
- 2019-12-24 CN CN201911346566.9A patent/CN111061153B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001165163A (ja) * | 1999-12-03 | 2001-06-19 | Ebara Densan Ltd | 磁気軸受制御装置 |
CN103034127A (zh) * | 2012-12-24 | 2013-04-10 | 江苏大学 | 一种轴向磁轴承控制*** |
CN104113252A (zh) * | 2013-10-21 | 2014-10-22 | 江苏大学 | 一种飞轮储能用轴向磁轴承自抗扰控制器的构造方法 |
EP3023655A1 (en) * | 2014-11-24 | 2016-05-25 | ABB Technology AG | Active magnetic bearing arrangement and method |
CN106019945A (zh) * | 2016-07-14 | 2016-10-12 | 江苏大学 | 一种飞轮电池用轴向磁轴承抗干扰控制器的构造方法 |
CN109672380A (zh) * | 2018-11-19 | 2019-04-23 | 江苏大学 | 五自由度无轴承永磁同步电机悬浮力子***解耦控制器 |
CN109828451A (zh) * | 2019-01-11 | 2019-05-31 | 江苏大学 | 电动汽车用飞轮电池四自由度磁轴承控制器的构造方法 |
CN110425220A (zh) * | 2019-07-26 | 2019-11-08 | 江苏大学 | 一种径向磁轴承改进抗扰动控制器的构造方法 |
Non-Patent Citations (1)
Title |
---|
车载飞轮电池用无轴承永磁同步电动机神经网络控制;高海宇等;《轴承》;20150228(第2期);第12-15页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111061153A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110190306B (zh) | 一种用于燃料电池***的在线故障诊断方法 | |
CN108445406B (zh) | 一种动力电池健康状态估计方法 | |
CN110516788B (zh) | 一种基于Bi-LSTM算法的非侵入式负荷检测方法及*** | |
CN107741568B (zh) | 一种基于状态转移优化rbf神经网络的锂电池soc估算方法 | |
CN111626345A (zh) | 不同轴承设备之间的多阶段深度卷积迁移学习故障诊断方法 | |
CN108896914A (zh) | 一种锂电池健康状况的梯度提升树建模与预测方法 | |
CN110703114B (zh) | 一种基于电-热-神经网络耦合模型的动力电池soc和sot联合状态估计方法 | |
CN111999649A (zh) | 一种基于XGBoost算法的锂电池剩余寿命预测方法 | |
CN112906744A (zh) | 一种基于孤立森林算法的故障单体电池识别方法 | |
CN113534000B (zh) | 新能源汽车驱动***逆变器及电流传感器故障的诊断方法 | |
CN113640674B (zh) | 基于优化高斯过程回归的锂离子电池可用容量估计方法 | |
CN111061153B (zh) | 一种电动汽车飞轮电池磁轴承***多模型位移鲁棒控制器 | |
De Sousa et al. | Comparison of different approaches for lead acid battery state of health estimation based on artificial neural networks algorithms | |
CN113255458A (zh) | 基于多视图关联特征学习的轴承故障诊断方法 | |
Hasan et al. | Performance comparison of machine learning methods with distinct features to estimate battery SOC | |
CN114545279A (zh) | 一种基于神经网络常微分方程的锂电池健康状态估计方法 | |
Chen et al. | Meta rule-based energy management strategy for battery/supercapacitor hybrid electric vehicles | |
CN113255215B (zh) | 一种基于电压片段的锂电池健康状态估计方法 | |
CN112946480B (zh) | 一种提高soc估计实时性的锂电池电路模型简化方法 | |
CN114355218A (zh) | 一种基于多特征量筛选的锂离子电池荷电状态预测方法 | |
CN113740735A (zh) | 一种锂离子电池soc估计的方法 | |
Hao et al. | A hybrid Kalman filter for SOC estimation of lithium-ion batteries | |
Kupper et al. | Current and state of charge estimation of lithium-ion battery packs using distributed fractional extended Kalman filters | |
CN111190110A (zh) | 综合考虑内外影响因素的锂离子电池soc在线估算方法 | |
Nie et al. | CyFormer: Accurate State-of-Health Prediction of Lithium-Ion Batteries via Cyclic Attention |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |