一种多盘轴向磁通永磁同步电机智能测控系统

摘要

本发明公开了一种多盘轴向磁通永磁同步电机智能测控系统。该系统包括：整车管理器、双芯片智能控制单元、主电路单元、上位机监控软件、手机APP实时监控软件、模拟A/D输入单元和多轴向永磁同步电机负载单元。所述双芯片智能控制单元根据整车管理器发送的数据或模拟A/D输入单元的油门和制动踏板的数据，根据效率优化控制和RS‑BP神经网络转矩分配策略实现最大效率优化；所述手机APP实时监控软件和上位机监控软件可以实现电机的实时智能控制；本发明具有较多优点：采用双芯片架构，充分利用外设接口可实现轴向磁通永磁同步电机的扩展，可满足大功率电机的需求并同样适用于柱式电机；提出效率优化控制和RS‑BP神经网络转矩分配策略，可实现最大效率优化。

权利要求

1.一种多盘轴向磁通永磁同步电机智能测控系统，包括整车管理器(1)、双芯片智能控制单元(2)、主电路单元(3)、上位机监控软件(4)、手机APP实时监控软件(5)、模拟A/D输入单元(6)和电机负载单元(7)，其特征在于：所述整车管理器(1)、上位机监控软件(4)和手机APP实时监控软件(5)经过双芯片智能控制单元(2)和主电路单元(3)连接电机负载单元(7)；所述双芯片智能控制单元(2)，由双芯片智能控制单元主模块Module1(2-1)，经一个双芯片智能控制单元从模块Module 2(2-2)级联数个双芯片智能控制单元从模块Module n(2-n)，所述双芯片智能控制单元(2)和模拟A/D输入单元(6)连接；所述主电路单元(3)由主电路1(3-1)、主电路2(3-2)、主电路3(3-3)、主电路4(3-4)、……、主电路2n-1(3-2n-1)和主电路2n(3-2n)构成；所述电机负载单元(7)由一组四盘式电机(7-1)和其他电机构成；所述双芯片智能控制单元(2)将根据整车管理器(1)、上位机监控软件(4)或者手机APP实时监控软件(5)发送的数据，根据效率优化控制和基于RS-BP神经网络的转矩分配策略实现最大效率优化，所述双芯片智能控制单元主模块Module 1(2-1)、双芯片智能控制单元从模块Module 2(2-2)以及数个双芯片智能控制单元从模块Module n(2-n)均采用STM32F107和DSP芯片TMS320F28335双芯片结构，根据转矩及控制要求产生多路SVPWM脉冲，用以控制主电路单元(3)和电机负载单元(7)；上位机监控软件(4)在没有整车管理器(1)的条件下，直接和双芯片智能控制单元(2)近程通信；所述手机APP实时监控软件(5)实现电机负载单元(7)的实时远程智能控制；所述模拟A/D输入单元(6)用于接收油门踏板、制动踏板和温度模拟信号，在不使用整车管理器(1)的情况下，也能对整个系统起简单的控制作用；在整车管理器(1)失效的情况下，可紧急制动，提高安全性能；

所述系统采用的测控方法包括如下步骤：

(1)采用四盘电机，电机驱动控制系统有单绕组运行、双绕组、三绕组和四绕组同时运行四种工作模式，工作模式一：只有一个定子绕组工作，其输出转矩等于电动车目标转矩；

工作模式二：两个定子绕组同时工作；工作模式三：三个定子绕组同时工作；工作模式四：四个定子绕组同时工作，其中工作模式二三四输出转矩为双芯片智能控制单元根据实际工况合理分配转矩；采用MATLAB仿真的效率MAP图来确定工作模式的边界；

(2)确定了电机的工作模式之后，将粗糙集作为转矩最优分配的前置系统，对样本数据进行离散化处理；利用属性约简原理确定各个指标的权重；从而确定RS理论优选条件，运用基于RS-BP神经网络的转矩分配策略；

(3)BP神经网络，以总转矩Tm，转速ω和温度信息Temp作为神经网络的输入层，正向传播激活函数为sigmoid函数和Softmax函数，反向传播激活函数为交叉熵损失函数，以效率最优为约束条件，得到多个电机的最佳转矩。

说明书

一种多盘轴向磁通永磁同步电机智能测控系统

技术领域

[0001] 本发明涉及一种多盘轴向磁通永磁同步电机智能测控系统。

背景技术

[0002] 电机测控系统是一种实现电机控制和调试的核心系统，广泛用于电机和汽车行业，从电机设计、生产、电机调试到验证都有它的身影。随着新能源汽车行业的飞速发展，对于电机测控系统的要求开始多样化、模块化和智能化，特别是对节能，舒适性等要求越来越多。当前新能源大巴对电池的功率和转矩要求越来越大，所以电机数量的按需拓展也是未来发展的一个趋势。

[0003] 传统的电机驱动系统，通过独立控制板来控制柱式电机。其存在的问题在于车用柱式电机的性能已经很难有提升，特别是最高效率如果提升千分之几就是巨大突破。电动车行驶在城市道路工况下，电机工作区间变化较大，使用传统的柱式永磁同步电机及对应的控制策略，电机基本不会常时工作在高效区间，从而导致动力系统在综合工况运行情况下效率较低且续航里程较差。

发明内容

[0004] 本发明的目的在于克服上述现有技术的缺陷，提供了一种多盘轴向磁通永磁同步电机智能测控系统。硬件结构部分：该系统采用一个双芯片架构，拓展硬件接口，简化控制电路的硬件设计，且电机数量可按需扩展；软件算法部分：采用效率优化控制策略和基于RS-BP神经网络的转矩分配策略，可提高续航里程，改善舒适度，实现效率最优，上位机监控软件以及手机APP实时监控软件可实现电机的实时控制和智能控制。

[0005] 为达到上述目的，本发明的构思是：

[0006] 本发明涉及一种多盘轴向磁通永磁同步电机智能测控系统，该系统电路的总框图如图1所示。该系统包括：整车管理器、双芯片智能控制单元、主电路单元、手机APP实时监控软件、上位机监控软件、A/D输入单元和电机负载单元。所述整车管理器将通过CAN通信来控制电动车电机的启动、运行、进退、速度、转矩、停止以及电动车的其它电子器件，它是电动车的大脑，是电动车上的重要部件；所述双芯片智能控制单元将根据整车管理器发送的命令，根据效率优化控制策略和基于RS-BP神经网络的转矩分配策略实现最大效率优化，该单元采用STM32和DSP双芯片架构，根据RS-BP神经网络分配的转矩产生多路SVPWM脉冲，用以控制主电路单元；所述主电路单元主要由6个IGBT开关管以及其驱动电路组成；所述手机APP实时监控软件可实现电机的智能控制；所述上位机监控软件可以在没有整车管理器的条件下，直接和双芯片智能控制单元通信，可发送电机控制命令和读取电机参数及其运行状态。该发明具有较多优点：采用双芯片架构，硬件设计简易化，通过SPI接口可实现轴向磁通永磁同步电机的扩展，可满足大功率大转矩电机的要求并同样适用于柱式电机；提出效率优化控制策略和基于RS-BP神经网络的转矩分配策略，可以实现最大效率优化，提高续航里程和舒适性。

[0007] 所述双芯片智能控制单元采用双芯片架构，即STM32F107和DSP芯片TMS320F28335，并包括触摸屏、旋变解码和EEPROM。

[0008] 所述的触摸屏为Proface Gp-4601T。

[0009] 所述主电路单元选用英飞凌的FF600R12IE模块。

[0010] 与现有技术相比，本发明的有益效果在于：

[0011] 1、采用轴向磁通永磁同步电机代替传统的柱式永磁同步电机，本发明以四定子-三转子结构的四轴向磁通永磁同步电机为例，可实现多盘轴向磁通永磁同步电机的扩展；

[0012] 2、整合协调控制器和电机控制器，形成双芯片智能测控系统并可实现电机的多重控制；

[0013] 3、智能控制采用效率优化控制策略和基于RS-BP神经网络的转矩分配策略。

附图说明

[0014] 图1为本发明电路的总框图。

[0015] 图2为双芯片智能测控系统主模块电路的框图。

[0016] 图3为多盘轴向磁通永磁同步电机多模式驱动控制程序框图。

[0017] 图4为上位机监控软件框图。

[0018] 图5为四轴向磁通永磁同步电立体结构图。

[0019] 图6为RS-BP神经网络程序框图。

[0020] 图7为BP神经网络拓扑结构图。

具体实施方式

[0021] 本发明的优选实施例结合附图详述如下：

[0022] 实施例一：

[0023] 参见图1，本多盘轴向磁通永磁同步电机智能测控系统包括整车管理器(1)、双芯片智能控制单元(2)、主电路单元(3)、上位机监控软件(4)、手机APP实时监控软件(5)、模拟A/D输入单元(6)、电机负载单元(7)，其特征在于：所述整车管理器(1)、上位机监控软件(4)手机和APP实时监控(5)经过双芯片智能控制单元(2)和主电路单元(3)连接电机负载单元(7)；所述双芯片智能控制单元(2)，由双芯片智能控制单元主模块Module 1(2-1)，经一个双芯片智能控制单元从模块Module 2(2-2)级联数个双芯片智能控制单元从模块Module n(2-n)，其中n为智能控制单元模块的个数，所述双芯片智能控制单元(2)和模拟A/D输入单元(6)连接；所述主电路单元(3)由主电路1(3-1)、主电路2(3-2)、主电路3(3-3)、主电路4(3-4)、……、主电路2n-1(3-2n-1)和主电路2n(3-2n)构成；所述电机负载单元(7)由一组四盘式电机(7-1)和其他电机构成；所述双芯片智能控制单元(2)将根据整车管理器(1)上位机监控软件(4)或者手机APP实时监控软件(5)发送的数据，根据效率优化控制和RS-BP神经网络策略实现最大效率优化，所述双芯片智能控制单元主模块Module 1(2-1)、双芯片智能控制单元从模块Module 2(2-2)等数个双芯片智能控制单元从模块Module n(2-n)均采用STM32F107和DSP芯片TMS320F28335双芯片结构，根据转矩及控制要求产生多路SVPWM脉冲，用以控制主电路单元(3)和电机负载单元(7)；上位机监控软件(4)在没有整车管理器(1)的条件下，直接和双芯片智能控制单元(2)近程通信；所述手机APP实时监控软件(5)实现电机负载单元(7)的实时远程智能控制；所述模拟A/D输入单元(6)用于接收油门踏板、制动踏板和温度模拟信号，在不使用整车管理器(1)的情况下，也能对整个系统起到简单的控制作用；在整车管理器(1)失效的情况下，可紧急制动，提高安全性能。这里PMSM 1、PMSM 2、PMSM 3和PMSM 4组成一组四盘式电机。

[0024] 实施例二：

[0025] 本实施例与实施例一基本相同，特别之处如下：

[0026] 双芯片智能控制单元(2)中采用了效率优化控制策略和基于RS-BP神经网络的转矩分配策略，可极大提高电机运行效率和电动车的舒适性；硬件上采用双芯片架构，可达到轴向磁通电机的扩展和智能控制。

[0027] 实施例三：

[0028] 本多盘轴向磁通永磁同步电机智能测控系统：图2为双芯片智能测控系统主模块电路的框图：所述整车管理器单元通过CAN通信发送指令给双芯片智能控制单元，整车管理器和双芯片智能控制单元的ID号已在通信协议中定义，采取128位扩展帧；STM32模块的CAN通信2和DSP的CAN通信1用于和触摸屏通信；所述模拟A/D输入单元用于接收油门踏板，制动踏板和温度模拟信号，在不使用整车管理器的情况下，也能对整个系统起到简单的控制作用。STM32模块的ADC2模块用于实时采集电机的母线电压、母线电流、电机转矩、电机转速、电机温度和控制器温度等信息，这些信息都将通过CAN总线或者WIFI发送并显示在触摸屏、上位机监控软件或者手机APP实时监控软件上；手机APP实时监控软件通过STM32模块的WIFI功能连接，手机APP实时监控软件是基于安卓平台开发，在手机APP上可查看运行状态和测试数据，并可提供视频和音频数据，可远程、实时、智能控制，保证系统的稳定；上位机监控软件是基于MFC平台开发，可发送控制命令并监控电机运行状态，可储存有用数据，上位机监控软件可通过IIC总线协议修改EEPROM里的电机参数，旋变解码器测量电机的转速，从而可在显示单元上实现数据实时显示和曲线实时显示。在系统故障时上位机监控软件可以读取CAN通信解码的信息，迅速地诊断故障。

[0029] 多盘轴向磁通永磁同步电机多模式驱动控制程序框图如图3所示。所述双芯片智能控制单元采用效率优化策略和基于RS-BP神经网络的转矩分配策略，把转矩动态地分配给智能控制单元的各个模块，Tmi1和Tmi2分别表示分配给双芯片智能控制单元的Module 1和Module 2的转矩，Tmi1经过转矩电流转换环节生成Iqref1电流，DSP的ePWM模块生成多路SVPWM脉冲来控制IGBT的开通和关断从而控制多盘轴向磁通永磁同步电机。

[0030] 双芯片智能控制单元各模块之间通过SPI总线通信，其中双芯片智能控制单元Module 1为主模块，Module 2-n为从模块，根据新能源大巴的大转矩需求，可以按需扩展轴向磁通永磁同步电机的数目。

[0031] 上位机监控软件框图如图4所示。通信参数设置主要包括波特率，通道，通讯格式，硬件驱动通过USB-CAN卡连接，软件界面上有“总转矩发送”和“电机转矩单独发送”两个选项：“总转矩发送”选项，需用到效率优化策略和基于RS-BP神经网络转矩分配策略，实现最优效率；“电机转矩单独发送”选项可分别测试每台电机的性能和效率。目标转矩、转速和其他控制命令信息通过CAN发送给双芯片智能控制单元，通过旋变解码器和电流传感器可采集到电机转速和电流数据，经过数据补偿和数据处理，双芯片智能控制单元把采集到的数据发送给上位机监控软件，在上位机界面上显示电机运行状态，转矩，转速，温度和报警信息，可实时绘制曲线，并保存有效数据，便于后续的效率优化分析。

[0032] 手机APP实时监控软件与上位机监控软件功能类似，该监控软件通过WIFI连接，属于远程通信，这样便实现了近程和远程的双控制。

[0033] 四轴向磁通永磁同步电机的四定子-三转子盘式电机立体结构图如图5所示，四轴向磁通永磁同步电机由于具有四个定子，可通过解耦等效于四台相同的电机同轴轴联。四个定子绕组分别由四套逆变器独立供电，因此需要四套电机控制器分别控制，共同带动三个转子。电机驱动控制系统有单绕组运行、双绕组、三绕组和四绕组同时运行四种工作模式，工作模式一：只有一个定子绕组工作，其输出转矩等于电动车目标转矩；工作模式二：两个定子绕组同时工作，输出转矩为双芯片智能控制单元根据实际工况合理分配转矩；工作模式三：三个定子绕组同时工作，输出转矩为双芯片智能控制单元根据实际工况合理分配转矩；工作模式四：四个定子绕组同时工作，输出转矩为双芯片智能控制单元根据实际工况合理分配转矩。合理切换四种工作模式不仅可以提高电机的最大输出转矩以及转矩密度，还可以提高电机效率，从而达到多电机协调运行。可采用MATLAB仿真的效率MAP图来确定工作模式的边界。采用多电机协调控制的系统，除了协调优化，还必须考虑系统的容错性。当一个逆变器发生故障无法工作时，另三个逆变器仍然可以工作，保持电动车平稳运行，提高了电动车安全稳定性能。通过效率优化策略，可以决定电机组的工作模式。

[0034] 算法部分：确定了电机的工作模式之后，运用基于RS-BP神经网络的转矩分配策略，RS-BP神经网络程序框图如图6所示。将粗糙集作为转矩最优分配的前置系统，对样本数据进行离散化处理；然后利用属性约简原理确定各个指标的权重；从而确定RS理论优选条件；本发明的电机数量可以按照实际工况来扩展，为便于分析，这里取四轴向磁通永磁同步电机为例作说明。

[0035] 假设四盘式永磁同步电机目标转矩等于实际输出转矩为T∈[0,1000N·m]，四组电机模块的指令转矩等于实际输出转矩，分别为T1∈[0,250N·m]、T2∈[0,250N·m]、T3∈[0,250N·m]、T4∈[0,250N·m]，则存在约束：

[0036] T＝T1+T2+T3+T4   (1)

[0037] 电机机械角速度为ω，则四组电机模块输出机械功率分别为T1ω、T2ω、T3ω、T4ω。在速度为ω，转矩为T1、T2、T3、T4时对应的单组电机模块效率分别为η1、η2、η3、η4，令T1＝a1T，T2＝a2T，T3＝a3T，T4＝a4T其中a1、a2、a3、a4属于[0,1]，且a1+a2+a3+a4＝1，则相应的每组电机模块的输入功率分别为：

[0038]

[0039]

[0040]

[0041]

[0042] 总输入功率为：

[0043]

[0044] 总输出功率为：

[0045] Po＝Tω   (7)

[0046] 系统效率为：

[0047]

[0048] 由于在某一时刻总转矩T和转速ω为定值，所以总输出功率为定值，要想提高系统效率只有减小总输入功率，即减小Pi，令 求Pi最小即求a1、a2、a3、a4的值使A为最小值。

[0049] 本发明采用三层BP神经网络，以四轴向永磁同步电机为例，其中输入层含有3个神经元和1个补充神经元，输出层含有4个神经元，隐含层含有3个神经元和一个补充神经元，BP神经网络拓扑结构图如图7所示。输入层的三个输入量分别为总转矩Te和转速ω，以及温度T，由于转矩、转速和温度这三个因素的数据范围较大且单位不统一，会导致神经网络训练时间过长、收敛速度较慢的问题，所以首先需要将输入量进行归一化处理，映射到[-1,1]区间，Wij为输入层到隐含层的权值，W'jk为隐含层到输出层的权值。将以上的BP神经网络结构建立黑箱模型，以计算最优转矩分配作为输出变量的预测模型。为约束方程。

[0050] BP神经网络计算过程包括信号的前向传播和误差的反向传播两个计算过程，如果前向传播的输出没有达到期望值，则进行误差反传，调整各层的权值与阈值直至与期望值的误差达到最小值。

[0051] (1)正向传播

[0052] 在正向传播之前，可以先给Wij，W'jk，bj-1，b'k赋初始值，不能全设置为0。

[0053] 输入层到隐含层，这里直接把转矩Te、转速ω和温度T带入：

[0054] neth1＝W11*Te+W21*ω+W31*T+b1   (9)

[0055] neth1为隐含层神经元h1的输入；

[0056] 激活函数为sigmoid函数：

[0057]

[0058] 为隐含层神经元h1的“归一化”输出值；

[0059] 隐含层到输出层：

[0060]

[0061] netO1为输出层神经元o1的输入值；

[0062] 激活函数为Softmax型、常用于多分类问题。

[0063]

[0064] OutO1为输出层神经元o1归一化输出值；

[0065] (2)反向传播

[0066] 1.计算总误差

[0067] 这里我们采用交叉熵损失函数。

[0068]

[0069] Etotal为总误差， 为输出层oi输出的目标值；

[0070] 2.隐含层到输出层的权值更新

[0071] 在更新W′11时，误差不仅仅来自于O1,还与其他所有的输出层的节点有关系。

[0072]

[0073] OutOi为输出层神经元oi归一化输出值，netOi为输出层神经元oi输入值，i＝1,…,4；

[0074] 经过化简可以得到：

[0075]

[0076] 令 表示输出层神经元o1输出点的误差值，可以得到权值的更新公式：

[0077]

[0078] 可以得到偏置的更新公式：

[0079]

[0080] η表示学习率，η∈[0,1]这是一个可以自己调节的变量；

[0081] 从输入层到隐含层的权值更新：

[0082]

[0083]

[0084] 输入层到隐含层的权值及偏置的更新策略为：

[0085]

[0086] 分别表示输出层神经元输出点的误差值，i＝1,…,4；

[0087] 令 等于 得到：

[0088]

[0089]

[0090] 式中：W1i,W2i,W3i分别为总转矩Tm、转速ω以及温度Temp对应的由输入层到隐含层的权值；

[0091] 输出层的四个神经元的状态分别对应a1、a2、a3、a4四个参数，且a1、a2、a3、a4只能取[0,1]之间的数。将梯度下降法中的学习速率η设置为0.5，动量因子设置为0.05，权值Wij、W'jk取(-1,1)之间的随机数。将实验中采集的数据导入BP神经网络，就可以得到匹配的Wij、W'jk，从而计算出a1、a2、a3、a4，对应算出动态分配转矩：Tm1、Tm2、Tm3和Tm4。同样道理，当电机数目扩展到n时，Tm1、Tm2…Tmn就是BP神经网络经过迭代之后的结果，可实现效率的最优化。