国产精品久久久久久久久人妻,国产精品久久久久精品香蕉,成人自慰女黄网站免费大全,成年av免费网址大全超清,国产 精品 丝袜

  • 頭條電動汽車異步電機參數(shù)標(biāo)定的新方法,所有工作自動完成,無需人工
    2021-10-29 作者:漆星 鄭常寶 等  |  來源:《電工技術(shù)學(xué)報》  |  點擊率:
    分享到:
    導(dǎo)語針對傳統(tǒng)電動汽車異步電機參數(shù)標(biāo)定任務(wù)中存在參數(shù)標(biāo)定精度低、人工工作量大的問題,安徽大學(xué)電氣工程學(xué)院的研究人員漆星、鄭常寶、張倩,在2020年第20期《電工技術(shù)學(xué)報》上撰文,提出了一種深度確信策略梯度的電動汽車異步電機參數(shù)標(biāo)定方法,給出了基于深度確信策略梯度的電動汽車異步電機標(biāo)定算法框架,并通過實驗對該方法的有效性和可行性進行了驗證,為減少電動汽車異步電機參數(shù)標(biāo)定工作量提供了參考價值。

    異步電機的矢量控制因其穩(wěn)定可靠、響應(yīng)速度快等優(yōu)點,在工業(yè)場合中得以大量應(yīng)用。特別是近年來,異步電機的間接矢量控制(Indirect Field Oriented Control,IFOC)在電動汽車領(lǐng)域的使用上越來越廣泛。在IFOC中,異步電機的輸出性能與電機參數(shù)密切相關(guān),因此有必要對異步電機的參數(shù)進行辨識和標(biāo)定。

    在電動汽車電機控制領(lǐng)域,參數(shù)標(biāo)定任務(wù)并不完全等同于傳統(tǒng)的電機參數(shù)辨識任務(wù)。傳統(tǒng)的參數(shù)辨識方法是在電機控制系統(tǒng)建模的基礎(chǔ)上,使用現(xiàn)代控制理論對系統(tǒng)模型參數(shù)進行辨識,所辨識出的數(shù)值即為電機的模型參數(shù)值。

    然而,在電動汽車電機控制領(lǐng)域中,目標(biāo)有所不同:為了提高整車的動力特性以及延長整車的續(xù)航里程,一般希望辨識出的參數(shù)能使電動汽車電機在任意給定轉(zhuǎn)速和給定電流下盡可能地輸出最大轉(zhuǎn)矩和最高效率。

    以往的研究表明,在電機運行過程中,能使電機運行在最優(yōu)轉(zhuǎn)矩狀態(tài)的參數(shù)往往并非固定的電機模型參數(shù),而是隨著電機運行工況的不同而發(fā)生變化的值。因此,電動汽車電機在安裝之前,一般會在電機測試臺架上對電機進行測試,根據(jù)電機不同的轉(zhuǎn)速以及不同的電流對電機的參數(shù)進行更精細的調(diào)整,以確定不同工況下的電機參數(shù)最優(yōu)值,再將這些參數(shù)以表格的形式存儲至電機控制器中,以供在電機運行的過程中進行查詢,上述的過程稱之為電動汽車電機的參數(shù)標(biāo)定過程。

    以往的電動汽車電機參數(shù)標(biāo)定多采用人工標(biāo)定法,對工程師的技術(shù)要求高、工作強度大、標(biāo)定周期長、標(biāo)定精度也不夠理想。因此,如何減少電機參數(shù)標(biāo)定的工作量是近年來電動汽車電機控制領(lǐng)域急需解決的問題。

    為解決上述問題,安徽大學(xué)電氣工程學(xué)院的研究人員介紹了一種研究基于深度確信策略梯度(Deep Deterministic Policy Gradient,DDPG)的電動汽車異步電機參數(shù)標(biāo)定方法。DDPG是近年來提出的一種適用于連續(xù)狀態(tài)和連續(xù)動作空間的深度強化學(xué)習(xí)算法,采集合適的電機信號作為算法的觀測值和獎勵值送入DDPG,并設(shè)計合適的動作策略,便可以對電機的任意狀態(tài)進行電機參數(shù)的自動標(biāo)定。

    DDPG方法是一種數(shù)據(jù)驅(qū)動型參數(shù)標(biāo)定方法,相比于其他方法,基于DDPG的電動汽車電機參數(shù)標(biāo)定方法的優(yōu)勢在于:

    (1)與傳統(tǒng)電機參數(shù)辨識方法獲取的電機模型參數(shù)不同,DDPG標(biāo)定的電機參數(shù)是使電機在任意給定轉(zhuǎn)速和給定電流下都能輸出最優(yōu)轉(zhuǎn)矩的參數(shù),同時標(biāo)定參數(shù)的精度不會受到模型誤差和外部干擾的影響,因此更加適合于電動汽車電機控制領(lǐng)域的要求。

    (2)與人工標(biāo)定方法相比,DDPG的參數(shù)標(biāo)定方法是一種端到端的方法,即所有電動汽車工況下的電機參數(shù)標(biāo)定工作均由算法自動完成,無需人類工程師進行輔助操作,因此大大減少了標(biāo)定工程師的工作量。

    研究人員使用了這種連續(xù)動作域的深度強化學(xué)習(xí)方法即深度確信策略梯度(DDPG)的方法,去實現(xiàn)電動汽車異步電機的參數(shù)標(biāo)定任務(wù),并總結(jié)如下:

    1)該研究成果雖然只局限于電動汽車的離線參數(shù)標(biāo)定,但是標(biāo)定的結(jié)果仍可用于基于轉(zhuǎn)矩最優(yōu)的電機參數(shù)在線辨識方法。

    2)該研究成果雖然只適用于電動汽車異步電機的參數(shù)標(biāo)定,但是只要采用合適的觀測和獎勵值,該方法也適用于其他類型的參數(shù)標(biāo)定,如永磁同步電機、開關(guān)磁阻電機等。

    3)該研究方法只討論采用輸出轉(zhuǎn)矩作為獎勵,后續(xù)的工作中將會闡述采用其他的信號作為獎勵時,電機所呈現(xiàn)出的獨特性能。

    以上研究成果發(fā)表在2020年第20期《電工技術(shù)學(xué)報》,論文標(biāo)題為“基于深度確信策略梯度的電動汽車異步電機參數(shù)標(biāo)定方法”,作者為漆星、鄭常寶、張倩。