第10期 李勇等：纯电动汽车车载电源性能在环测试平台研究 ·1373· 控制的交流调速系统的仿真结果如图7(a)所示. 大，如图7(b)所示. 为便于观察，将图7(a)中虚线内的区域进行局部放 1400 参考转速 1200 1100F间 反馈转速 一参考转速 1000 1090 …反馈转速 800 1080 600 1070 400 1060 200 0 1050 0 50 100 150 200 250 32 333435363738 时间s 时间s 图7交流调速系统PD控制仿真结果.(a)完整循环工况：(b)部分循环工况 Fig.7 Simulation results of the speed control system with PID control:(a)whole drive cycle:(b)partial drive cycle 由图7看出，采用PD控制的异步电动机调速 (电动机转速)的实时变化趋势对增益调整因子 系统己取得了较好的控制效果，但是反馈转速仍在 进行调节，减小电动机参数变化对系统性能的影 速度变化较快的时刻与参考转速存在着细微的偏 响3-17 差，主要原因是PD控制动态特性差，且对被控对象 (1)模糊控制器的设计.模糊控制器的输入量 数学模型要求较高. 分别为转速偏差e以及偏差变化率△e,其计算公 4.3基于自适应模糊神经网络控制的交流调速系统 式为 为了克服上述PD控制存在的不足，入自适 e=k.(w-w), (12) 应模糊神经网络控制器. 4.3.1自适应模糊控制器 .=k出 (13) 自适应模糊控制器可根据调速系统的运行状 式中，e为参考转速与反馈转速的差值，即e=w- 态，给出合适的控制量，同时根据调速系统的运行效 果，对控制器的控制决策进一步改进，以获得更好的 e的论域为[-2,2]，定义五个语言变量值{负 控制效果1-切.采用自适应模糊控制的异步电动 大(NB),负小(NS),零(Z),正小(PS),正大 机速度调节器结构如图8所示 (PB).△e的论域为[-3,3]，定义七个语言变量 值{负大(NB),负中(NM),负小(NS),零(Z),正小 (PS),正中(PM),正大(PB)}.u的论域为[-2， 2],定义五个语言变量值{负大(NB),负小(NS),零 (Z),正小(PS),正大(PB)}.控制规则用e、△e.和 u描述，模糊推理采用Mamdani推理方法，解模糊采 自适应机构 用加权平均法.模糊控制器的模糊规则如表2 所示 被控对象 表2模糊控制器的模糊控制规则表 图8自适应模糊速度控制器结构 Table 2 Fuzzy rules of the fuzzy controller Fig.8 Adaptive fuzzy neural network controller ew 在图8中，自适应模糊控制器由模糊控制器和 NB NM NS Z PS PM PB 自适应机构组成，其输入信号为给定参考转速信号 NB NBNB NB NB NS NS Z ω与反馈转速信号w的差值.k是误差调整量化 NS NB NS NS NS NS 因子，k是误差变化率调整量化因子，”是模糊控制 △eu Z NS NS NSNS NS Z PS 输出，k是比例因子，y是控制器输出信号.模糊控 S NS NS NS Z PS 制器为二维模糊控制器，其输入是转速误差以及误 PB NSNS Z PS PS PBPB 差的变化率.自适应机构的作用是根据输入变量 (2)模糊自适应机构的设计.模糊自适应机构第 10 期 李 勇等: 纯电动汽车车载电源性能在环测试平台研究 控制的交流调速系统的仿真结果如图 7 ( a) 所示． 为便于观察，将图 7( a) 中虚线内的区域进行局部放 大，如图 7( b) 所示． 图 7 交流调速系统 PID 控制仿真结果． ( a) 完整循环工况; ( b) 部分循环工况 Fig． 7 Simulation results of the speed control system with PID control: ( a) whole drive cycle; ( b) partial drive cycle 由图 7 看出，采用 PID 控制的异步电动机调速 系统已取得了较好的控制效果，但是反馈转速仍在 速度变化较快的时刻与参考转速存在着细微的偏 差，主要原因是 PID 控制动态特性差，且对被控对象 数学模型要求较高． 4. 3 基于自适应模糊神经网络控制的交流调速系统 为了克服上述 PID 控制存在的不足，引入自适 应模糊神经网络控制器． 4. 3. 1 自适应模糊控制器 自适应模糊控制器可根据调速系统的运行状 态，给出合适的控制量，同时根据调速系统的运行效 果，对控制器的控制决策进一步改进，以获得更好的 控制效果［11 － 12］． 采用自适应模糊控制的异步电动 机速度调节器结构如图 8 所示． 图 8 自适应模糊速度控制器结构 Fig． 8 Adaptive fuzzy neural network controller 在图 8 中，自适应模糊控制器由模糊控制器和 自适应机构组成，其输入信号为给定参考转速信号 ω* 与反馈转速信号 ω 的差值． ke是误差调整量化 因子，kc是误差变化率调整量化因子，u 是模糊控制 输出，ku是比例因子，y 是控制器输出信号． 模糊控 制器为二维模糊控制器，其输入是转速误差以及误 差的变化率． 自适应机构的作用是根据输入变量 ( 电动机转速) 的实时变化趋势对增益调整因子 α 进行调节，减小电动机参数变化对系统性能的影 响［13 － 17］． ( 1) 模糊控制器的设计． 模糊控制器的输入量 分别为转速偏差 eω以及偏差变化率 Δeω，其计算公 式为 eω = ke ( ω* － ω) ， ( 12) Δeω = kc de dt ． ( 13) 式中，e 为参考转速与反馈转速的差值，即e = ω* － ω． eω的论域为［－ 2，2］，定义五个语言变量值{ 负 大( NB) ，负 小 ( NS ) ，零 ( Z) ，正 小 ( PS ) ，正 大 ( PB) } ． Δeω的论域为［－ 3，3］，定义七个语言变量 值{ 负大( NB) ，负中( NM) ，负小( NS) ，零( Z) ，正小 ( PS) ，正中( PM) ，正大( PB) } ． u 的论域为［－ 2， 2］，定义五个语言变量值{ 负大( NB) ，负小( NS) ，零 ( Z) ，正小( PS) ，正大( PB) } ． 控制规则用 eω、Δeω和 u 描述，模糊推理采用 Mamdani 推理方法，解模糊采 用加权 平 均 法． 模糊控制器的模糊规则如表 2 所示． 表 2 模糊控制器的模糊控制规则表 Table 2 Fuzzy rules of the fuzzy controller u eω NB NM NS Z PS PM PB NB NB NB NB NB NS NS Z NS NB NS NS NS NS Z Z Δeω Z NS NS NS NS NS Z PS PS NS NS NS Z Z PS PS PB NS NS Z PS PS PB PB ( 2) 模糊自适应机构的设计． 模糊自适应机构 · 3731 ·