CN114061880A - 直驱式轮毂电机高速旋转时电磁耦合振动测试***和控制策略 - Google Patents

Abstract

本发明是直驱式轮毂电机高速旋转时电磁耦合振动测试***和控制策略，属于磁场检测领域，解决轮毂电机复杂工作环境下气隙磁场不易检测的问题。检测***包括上位机，整车实验台架。整车实验台架的轮毂内部在定子机架上嵌入6个无线振动传感器，在定子线圈上嵌入6个定子电枢电流传感器，在转子上嵌入6个无线位置传感器；在四个驱动轮与悬架连接部分分别嵌入6个振动传感器。上位机通过无线蓝牙与整车轮毂驱动实验台架传感器之间建立通信联系，内部由轮毂电机预测鲁棒控制器，图形化界面，改进的QSPO‑LSTM的转矩优化算法，振动的特征分析，梯度提升决策树等一系列软件设计组成，通过上位机对数据的处理完成轮毂电机高速旋转时因电磁耦合振动造成的转速控制问题。

Description

直驱式轮毂电机高速旋转时电磁耦合振动测试***和控制 策略

技术领域

本申请涉及直驱式轮毂电机控制器测试***和控制策略领域，更具体涉及到直驱式轮毂电机高速旋转时电磁耦合振动测试***和控制策略。

背景技术

轮毂电机因其特殊的结构，复杂的工作环境，冲击振动复杂多变，导致转子转动过程中，通电后转子绕组定子绕组与永磁体之间形成的气隙磁场分布不均匀，内部电流谐波多变，导致其内部存在复杂的耦合运动，对于耦合运动对整车产生的振动分析与检测问题是当前重要的研究方向。目前，虚拟仪器因其具有降低实测成本、实时检测、图形化界面等优点，以成为领域内主要的应用平台，轮毂电机内部因不均匀气隙磁场的电磁力对转子和定子产生变形造成的振动和电场变化造成磁场改变引起的振动之间形成电磁耦合振动，因路面激励发生轮毂改变产生的振动与路面激励改变引起轮毂内部绕组电流变化造成的磁振动形成机电耦合问题，利用虚拟仪器采集的目标主要集中在轮毂电机正常工作范围内，但当因轮毂电机高速运转时，轮毂外部路面激励，轮毂电机内部电流电压与轮毂电机内部气隙磁场之间产生的机电磁耦合瞬息万变，从而使汽车的平顺性大大降低，汽车平顺性直接影响乘员的舒适度，因此对于如何降低轮毂电机因电磁耦合造成的振动问题具有重要的意义。

发明内容

本发明设计的检测方法创新之处在于：为解决直驱式轮毂电机高速旋转时电磁耦合振动对汽车平顺性的影响，采用无线超薄T形嵌入式传感器，提出一种轮毂电机高速旋转时机电磁耦合振动测试***和在线分析监测方法。

本发明的目的是通过改变传感器结构和布置形式，接收来自多方位多信号融合的轮毂电机内外两部分信号，综合考虑轮毂电机与整车状态，完成振动检测与转速调节。

本发明***采用以下方案实现：轮毂电机高速旋转时电磁耦合振动测试与GBDT(梯度提升决策树)分类算法的反馈控制***，包括上位机，整车试验台架，轮毂电机控制器，无线传感器。所述上位机通过所述上位机通过无线蓝牙完成与传感器的通讯；所述上位机包括LabVIEW数据采集***，数据读取，数据监测和数据分析分类控制***和轮毂电机控制单元；所述整车试验台架包括：4个单独驱动轮毂，各无线传感器(定子电枢电流传感器，转速传感器，转矩传感器，温度传感器，振动传感器)，电池，轮毂电机控制器，滚筒；滚筒为车轮提供负载动力，利用无线蓝牙将各传感器信号与上位机建立联系，从而实现控制轮毂电机转速转矩的目的；所述数据采集***利用数据采集卡采集整车轮毂电机内部温度，感知温度对轮毂电机结构原件以及磁通量的影响，采集定子电枢电流的大小，感知轮毂电机内部磁场变化，采集悬架振动信息，感知轮毂电机内部振动对整车振动性能的影响；所述数据读取，利用虚拟仪器中的程序读取传感器信息输出至决策控制器中进行工况控制；所述数据监测，通过电波形流曲线观察能耗数据曲线，检测整车轮毂电机工作状态；所述数据分析控制***，分析处理传感器的融合信号，通过计算母线电流与电磁力之间耦合以及母线电流与轮毂电机转速之间的耦合以及轮毂运动与电磁力之间的耦合，完成轮毂电机的转矩分配；所述决策控制器根据数据分析层得到的信息，通过决策树分类算法完成轮毂电机高速旋转时电磁耦合振动的分类；所述轮毂电机运动控制采用预测鲁棒控制，通过转速反馈消除因转子定子磨损造成的不确定因素对***的影响。

在上述方案的基础上，本发明还做出了如下改进。

作为一种可能的实施方案，所述上位机控制单元的接口类型为无线蓝牙，并承担通信功能：接收上位机传来的控制信号发送给轮毂电机控制器和将采集传感器的信号传输到上位机。

作为一种可能的实施方案，所述传感器模块，定子机架以及转子的传感器采用超薄T形无线设计，以减少动平衡引起的不确定因素误差对实验的影响。因转子转动而产生的磁场是不均匀磁场，故在定子机架上嵌入6个无线振动传感器，在转子上嵌入6个无线位置传感器，在定子绕组内安装6个定子电枢电流传感器。因为考虑汽车行驶过程中轮毂电机的机电耦合振动，故在四个驱动轮与悬架连接部分分别嵌入6个振动传感器。

作为一种可能的实施方案，所述上位机中的虚拟控制仪器可通过整车轮毂转子的转速传感器，定子机架以及转子外壳和悬架上的振动传感器实时监测轮毂电机工况和振动情况，并通过界面显示各加速度波形图。

作为一种可能的实施方案，所述整车轮毂电机驱动轮，通过滚筒提供整车复杂的路面环境阻力，中间装有转速传感器和转矩传感器，当路面激励发生改变时，通过无线传感器实时检测轮毂电机定子电枢电流，转子位置和定子机架振动状态。

作为一种可能的实施方案，所述上位机的虚拟控制单元，用于根据各传感器数据得到整车驱动轮毂的转速，转矩，振动和温度环境等状态信息，根据轮毂电机能量模型解算出的被测轮毂电机运动状态信息，输出被控轮毂电机的控制信号，包括：根据各传感器数据输出的被测轮毂电机的三维运动状态信息，以及整车驱动轮毂能量模型解算出的被测轮毂电机运动状态信息；基于轮毂电机控制器的鲁棒控制算法，输出被测轮毂电机的控制信号，所述被测轮毂电机的控制信号包括两个轮毂电机的加速度，用于达到控制目的。

作为一种可能的实施方案，所述上位机虚拟控制单元，包括轮毂电机运动控制层，数据分析模块，所述数据分析模块包括特征指数确定的振动稳定层、转矩优化层以及多信号融合层。所述振动稳定层包括李雅普诺夫稳定的判定和排列熵***时间序列稳定的判定，通过采集转子加速度和定子加速度以及悬架振动信息，判断不均匀气隙磁场产生的电磁力对轮毂的影响，通过计算母线电流电压与整车轮毂运动的耦合以及与轮毂所受电磁力之间的耦合方程，得到振动特征值的输入矩阵，传递矩阵和输出矩阵，从而实时分析***的振动稳定情况；所述多信号融合包括转速传感器，转矩传感器和温度传感器，振动传感器等信号的融合处理，从而得到整车轮毂工作状态；所述控制单元的转矩优化基于能耗最低建立能量模型，并考虑轮毂电机高速旋转时对车辆平顺性的影响，建立实时检测调整的轮毂电机低能耗，低振动和低噪音的多目标优化问题模型，以轮毂电机的最低能耗和最高转速，最小转矩为约束，采用改进的QSPO-LSTM优化算法实现转矩优化分配。

附图说明：

附图1是整车轮毂驱动测试***

附图2是轮毂电机三维结构简图

附图3是数据分析逻辑框图

附图4是轮毂电机运动控制器的学习过程

附图5是轮毂电机状态分类控制过程，状态分类逻辑框图

具体实施例

下面结合附图和实施方案，对本发明的具体实施方式作进一步详细描述，以下实施方案用于说明本发明，但不用来限制本发明的范围。

本实施方案中，提出一种轮毂电机高速旋转时对电磁耦合振动的梯度决策树的控制方法和实时监测装置，如附图2所示，轮毂电机包括转子磁轭，转子机座，定子绕组，定子铁芯，定子机架，永磁体，转子外壳，轮毂电机驱动控制器和加速度传感器等。所述上位机通过虚拟仪器中的无线蓝牙实现与整车轮毂驱动实验台架的通信联系，所述整车轮毂控制器中内置转矩分配优化算法，在轮毂电机高速作业时通过目标约束完成转矩分配，向轮毂电机输出控制指令，从而实现控制能耗的目的；所述上位机包括整车轮毂驱动车辆信息模块，数据读取模块以及数据监视模块；所述整车轮毂驱动车辆信息模块提供车辆转速，转矩，环境等基本信息，得到整车的需求转矩；所述数据读取模块包括采集卡和通信端口对传感器信息的读取与存储；所述传感器的物理信号通过多信号融合模块处理后得到轮毂电机的工作状态；所述数据监视模块是通过虚拟仪器的显示界面实时观察轮毂电机的状态，通过转矩传感器检测轮毂电机的转矩分配情况，通过加速度传感器检测轮毂电机的机电磁耦合振动情况，通过电流传感器检测轮毂电机的能耗情况；所述轮毂电机控制器通过处理接收的信号向轮毂电机输出控制指令，控制轮毂电机的转动。

本实施方案中，所述振动稳定层通过计算轮毂电机***的最大李雅普诺夫指数，排列熵和相位特征得到轮毂电机的振动情况。最终得到3个非线性特征：最大李雅普诺夫指数特征、相位特征、排列熵特征。所述***的最大李雅普诺夫指数大于零，则***进入混沌状态，小于零，***趋于稳定但是对初始值不敏感，当最大李雅普诺夫指数等于零时，***处于稳定状态；所述***的排列熵用于检测轮毂电机工作过程中的动力学突变，通过对信号的微小变化的放大，准确定位***发生突变的时刻。排列熵值越小，则时间序列越规则，***逐渐进入稳定状态，排列熵值越大，则说明时间序列越随机，***越不稳定。所述相位特征通过相位信息的变化用于判定轮毂电机振动方向以及故障规避。

本实施方案中，轮毂电机的梯度提升决策树分类算法控制器接收到3个特征值的数据后，对轮毂电机高速旋转时的工作状态进行分类识别，同时贝叶斯算法在分类算法控制器学***上进行检验，得到轮毂电机每一工作状态下的置信区间。随着负载的变化，每一负载对应一个置信区间，通过对置信区间之间振动的检测，得到轮毂电机高速振动时，在低能耗，低电磁耦合振动和低噪音的约束下的工作极限区间。所述数据检测模块，通过观察随着负载和加速度的增大以及转速的不断升高，转矩分配完成后电池的能耗数据，实时调整置信区间的大小，通过多次实验，最终确定轮毂电机高速作业时的工作区间。

所述轮毂电机的4种工作状态规定，传统工作域状态：3个特征参数概率检验均在0.95置信区间内；高速经典域状态：李雅普诺夫指数特征和排列熵特征概率检验在0.95置信区间内，相位特征参数在概率检验的0.05置信区间内；高速稳定域状态，李雅普诺夫指数特征0.95置信区间内，排列熵特征和相位特征参数在概率检验0.05置信区间内；高速失控域状态：3个特征参数均在概率检验0.05置信区间内。

本实施方案中，所述轮毂电机，每个轮毂电机都安装在车轮内部，将整车放置在滚筒上并且中间均安装有转矩传感器，转速传感器同时装有电能计算模块，所述电能计算是通过电池的剩余电量值进行计算得到总的***能耗；车辆控制器信号线与轮毂电机控制器、上位机通过无线蓝牙相连，滚筒提供车辆的行驶阻力，从而得到整车轮毂驱动所需的总驱动力和总需求转矩。

本实施方案中，所述多信息融合模块，接收整车轮毂驱动的各无线传感器信号进行统一处理，，各传感器采用超薄形以减少不确定因素的误差，多传感器信号融合***所实现的功能要优于单个传感器独立处理能够实现的功能总和，使用不同的传感器种类可以在某一种传感器全都出现故障的环境条件下，额外提供一定冗余度，仍然可以测量得到整车轮毂的状态信息，通过所述多信号融合模块得到准确可靠的当前整车驱动轮毂状态信息及振动信息以获取所述整车的运动状态。

本实施方案中，所述多信号融合过程采用递进式方法，其步骤如下：

(1)通过转速传感器、转矩传感器、加速度传感器采集观测被测整车轮毂驱动的数据信息，将采集到的数据全部发送到多信号融合模块中；

(2)多信号融合模块对传感器的输出数据(离散的时间函数数据)，采用线性判别分析的方法进行特征提取的变换，提取代表观测数据的特征向量，在特征提取时要满足两个要求：一，投影之后相同类别的样本之间要尽可能近；二，投影之后各个类别之间要尽可能远。故特征提取的流程为：

1)对原始D维数据集做投影处理；

2)构造样本的类内散度矩阵；

3)计算类内散度矩阵的特征值和相应的特征向量；

4)选择前k个最大特征值对应的特征向量，其中k≤D；

5)通过前k个特征向量构建映射矩阵Y；

6)通过映射矩阵Y将D维的原始数据转换为k维的特征子空间；

(3)将各传感器关于目标的特征数据按同一目标进行分组，即关联；

(4)基于贝叶斯算法对特征向量进行处理，将每一目标各传感器数据进行融合，具体步骤如下：

1)将每一个传感器的特征向量作为一个贝叶斯估计，求得各个传感器数据的关联概率分布；

2)通过关联概率分布，合成一个联合的融合数据的后验的概率分布函数；

3)求出使得联合分布函数的似然函数最小的融合信号，就是多传感器信息的最终融合值，即准确的当前轮毂电机状态信息。

本实施方案，具体实施过程包括以下步骤：

步骤S1：设定滚筒的参数信息，得到需求力矩，输入转速和转矩，经过整车控制器发出控制指令，完成启动整车转动过程。

步骤S2：传感器模块实时检测整车轮毂驱动的工作状态，一方面将信息通过无线蓝牙传递到采集***，再传递到数据分析***；另一方面将整车轮毂电机信息反馈给轮毂电机控制器，控制轮毂电机转动。

步骤S3：数据分析***中的振动稳定层对融合信号进行处理、计算。对数据进行随机抽样，通过时间序列图得到相位特征，对李雅普诺夫指数和排列熵进行计算。

李雅普诺夫指数计算公式为：

式中，λ为李雅普诺夫指数，n,k为迭代次数，x_k为第k次迭代值，α为第k次迭代所发生的时刻。

排列熵的计算公式为：

式中，Hp为排列熵值，m为嵌入维数，k为重构分量，j为重构次数，P_j(j＝1,2...)为重构过程中每列对应位置出现的概率。数据分析***的多信号融合层将来自各个传感器的信号进行线性判别分析，利用投影的形式对信号进行解析，得到轮毂电机的工作状态。

步骤S4：数据分析***将得到的轮毂电机状态信息数据进入转矩分配优化层，以达到当前转速下低能耗低电磁耦合振动和低噪音的目的，优化后的数据信息输出给轮毂电机控制单元，进入梯度提升决策树分类算法的学习过程如图3所示，学习完毕后得到训练好的梯度提升决策树控制器，进行振动状态的分类，得到当前状态下的转速区间。当前转速与极限转速相比较，若未达到极限转速，则继续加速，当达到极限转速，则根据转速传感器和转矩传感器传递的信息，实时调整转速和负载，改变轮毂电机工作状态，使电磁耦合振动能够保证低能耗，低电磁耦合振动和低噪音，最后通过数据监视界面，在上位机8主界面进行显示。

若当前转速处于传统工作域内，则轮毂电机可继续加速；若当前转速处于高速经典域内，则轮毂电机不易以当前转速工作较长时间，长时间处于此状态域内轮毂电机控制器控制轮毂电机转速下降至正常工作状态，进而保护轮毂电机内部结构；若当前转速使轮毂电机处于高速稳定域内，能耗将增加，电磁耦合振动明显且噪音分贝过大，此时轮毂电机控制器控制轮毂电机转速下降直至当前转速能够使轮毂电机正常工作为止，以保证低能耗，低电磁耦合振动和低噪音；若当前转速使轮毂电机处于高速失控域内，轮毂电机控制器控制轮毂电机立即停止运转。

与现有技术相比，本发明有以下有益效果：本发明采用超薄形传感器，可以降低传感器对轮毂动载荷的影响，采用6个环绕式分布，充不采集不均匀电磁力对轮毂振动的影响，采用信号融合的方法处整车复杂多变的信息，可以提高整车控制器对轮毂电机的控制精度。软件控制方面采用决策树分类振动和控制预测鲁棒运动控制，充分考虑信息的反馈以及不确定因素对整车***的影响。

Claims (6)

1.直驱式轮毂电机高速旋转时电磁耦合振动测试***和控制策略。包括上位机，整车试验台架，轮毂电机控制器，无线传感器。其特征在于上位机通过无线蓝牙完成对整车传感器信号采集与通讯；整车试验台架包括：四个单独驱动轮毂，各无线传感器(定子电枢电流传感器，各振动传感器，转速传感器，转矩传感器，温度传感器等)，电池，轮毂电机控制器，滚筒；数据采集***采集整车轮毂电机内部温度，磁通计，振动加速度、转矩、电流和转速等信息，因永磁体存在，转子转动时转子绕组和定子绕组因交流电产生交变磁场，钢性转子和定子机架受洛伦兹力和磁化后产生的电磁力共同作用下变形产生振动声波，通过定子电枢电流传感器得到交变磁通量，转子振动传感器和定子振动传感器测得振动声波信号；数据分析控制***，分析处理传感器的融合信号，通过计算定子电枢电流与电磁力之间耦合以及定子电枢电流与轮毂电机转速之间的耦合，完成轮毂电机的振动检测；决策控制器根据数据分析层得到的信息，通过决策树分类算法完成轮毂电机高速旋转时电磁耦合振动的转速控制。本发明的创新之处在于考虑轮毂电机高速作业时因机电磁耦合问题造成的的能耗问题以及振动控制问题，通过联系母线电流与转子绕组和定子绕组磁场的关系，路面激励与转子运动的联系，完成低能耗低噪音的轮毂电机电磁耦合振动控制问题。

2.根据权利1的要求，所述数据监测模块，通过无线通讯端口将轮毂电机的电流信息，转子和定子机架因交变磁场引起的振动信息，轮毂转动与磁通量信息通过显示界面以图形化的形式展示，转速传感器，温度传感器，转矩传感器等传感器的融合信号图实时在界面显示整车驱动轮毂的振动信息，并在虚拟仪器的前端口进行数据显示，从而达到监视轮毂电机能耗和轮轨电机振动状态的目的。

3.根据权利1的要求，所述传感器模块，定子机架以及转子的传感器采用超薄T形无线设计，以减少动平衡引起的不确定因素误差对实验的影响。因转子转动和交流电的介入在绕组内产生不均匀磁场，6个定子电枢电流间接检测磁通量，在定子机架上嵌入6个无线振动传感器，在转子上嵌入6个无线位置传感器，感知电磁力对轮毂造成的振动程度。在四个驱动轮与悬架连接部分分别嵌入6个振动传感器，因轮毂电机高速旋转时，对车身造成很大的影响，悬架作为连接车身与车轮的中间体，通过安装振动传感器，感知轮毂电机高速旋转时轮毂电机电磁耦合振动对乘员疲劳程度以及车身操纵稳定性的影响。

4.根据权利1的要求，所述数据分析模块，包括多信号融合，特征分析和转矩分配三部分，所述多信号融合部分是对整车外部环境以及轮毂电机内部温度，转子转速和转矩、振动等信号的融合处理，通过多信号综合考虑轮毂电机的机电磁耦合振动问题。在得到整车较全面信息的基础上再进行振动处理和转矩分配。通过综合分析轮毂电机内部磁电耦合振动和外部机电耦合振动情况，根据李雅普诺夫指数特征、排列熵特征和相位特征完成对轮毂电机***进行振动稳定分析和稳定性控制。建立基于能耗，低振动和低噪音的多目标函数，最低能耗、最小转矩和最高转速为约束，采用基于量子分析的粒子群算法和长短期记忆神经网络结合的优化算法，通过对微小粒子进行量子处理和长短期神经网络运算，使整车行驶过程中的转矩分配更精准快捷。

5.根据权利1的要求，所述轮毂电机的控制策略采用预测鲁棒控制，因汽车本身外界环境的复杂性，行驶过程存在如温度，路面附着系数突变等诸多不确定因素，通过设计反馈模块的镇定控制器可以有效降低不确定因素对车辆的影响。

6.根据权利1的要求，所述轮毂电机梯度决策树的控制，根据传感器传递的轮毂电机高速作业时信息，进行梯度决策树的学习，最终得到训练好的梯度决策树，对高速作业的轮毂电机电磁耦合振动进行判断识别，并根据能耗和转矩优化后的轮毂电机转速加以控制。

Images