電傳動裝甲車輛電源系統建模與仿真

項宇，蘇建強，劉春光，可榮碩，趙明

（1裝甲兵工程學院，北京100072；2總裝備部汽車試驗場，南京210028）

電傳動裝甲車輛電源系統建模與仿真

項宇1，蘇建強1，劉春光1，可榮碩1，趙明2

（1裝甲兵工程學院，北京100072；2總裝備部汽車試驗場，南京210028）

電源系統是電傳動裝甲車輛的核心，對其進行建模與仿真研究具有重要意義。電源系統的非線性特性導致了建模困難、模型精度低以及模型實用性差等難題，針對不同的部件特性采取不同的方法建立其仿真模型，完成了基于模糊控制的系統多目標優化功率分配策略研究。并在此基礎上進行了部件和系統兩個層次的仿真試驗，證明所建模型能夠較好地反映電傳動車輛電源系統的工作特性。

電傳動車輛，電源系統，建模與仿真，功率分配策略

0 引言

電傳動具有優越的機動性能和靈活的空間布置適應性，是未來陸戰平臺發展方向之一［1］。電源系統是電傳動車輛的動力源，其供電質量直接影響整車性能［2］。對車輛電源系統進行建模仿真研究，能夠檢驗系統結構及參數設計的合理性，進行功率分配策略研究，提升系統供電品質。

電源系統中的發動機是大慣性非線性環節［3］，且系統功率分配依據指標——動力電池SOC易受多種因素影響［4-5］，因此，目前對電源系統建模并求解非常困難［6-7］，是電傳動技術研究的難點之一。本文針對發動機特性提出了實驗數據與控制理論相結合的方法，建立發動機動態仿真模型。通過尋找電池端電壓、電流與SOC值之間的關系，建立了基于遺傳算法優化BP神經網絡的動力電池SOC值預測模型。同時完成了發電機和超級電容建模，設計了基于SVPWM的整流控制系統。制定了基于模糊控制的電源系統多目標優化控制策略，并通過部件級和系統級仿真對部件和系統模型進行了驗證。

1 系統結構

本文研究對象結構如下頁圖1所示。各部件主要參數如下頁表1所示。

圖1 電源系統結構

表1 系統各部件直流側功率

系統以發動機-發電機組（IGPU）為主能量源，以鋰離子動力電池和超級電容作為輔助動力源，動力電池通過單向DC/DC（放電不控，充電可控）與IGPU輸出匹配，滿足負載功率需求。直流母線并聯超級電容和能耗裝置，利用超級電容“削峰平谷”，抑制母線電壓波動；通過能耗裝置消耗過多能量，保證高壓安全和系統可靠性。

2 關鍵部件建模

為滿足研究需求，在MATLAB/Simulink環境下建立了電源系統關鍵部件模型。

2.1 動力電池SOC預測建模

對電池SOC值預測方法研究較多［8-10］，而通過尋找電池端電壓、電池電流與SOC值之間的關系進行SOC值實時預測是實用且較為精確的方法。但是在試驗中獲得的電池電流、電壓與SOC數據組具有很強的非線性，多項式擬合等方法得到的結果誤差較大，而BP神經網絡具有無限逼近能力，因此，采用一個具有如圖2所示結構的網絡擬合實驗數據。

圖2 神經網絡拓撲結構

在有限訓練樣本情況下，為保證BP神經網絡學習精度，采用遺傳算法得到優化的網絡最優的權值和閾值，代替網絡隨機產生的初始權值和閾值。遺傳算法按照所選擇的適應度函數并通過遺傳中的選擇、交叉、變異對網絡的權值和閾值進行篩選，最終使適應度好的參數被留下來，反之被淘汰。新的權值和閾值不僅繼承了上一代的信息，又有了新的變化。通過不斷的“擇優棄差”，最終滿足要求，遺傳算法優化BP神經網絡程序流程如圖3所示。本文以網絡預測誤差平方作為遺傳算法適應度函數S，若SOC為網絡預測輸出，SOCd為網絡期望輸出，則

圖3 遺傳算法優化BP神經網絡程序流程

在遺傳算法中選取遺傳操作次數d=20，種群規模q=10，交叉概率Pc=0.3，變異概率Pm=0.1。使用實驗得到的數據對優化后的BP神經網絡進行訓練，得到最優個體適應度值變化曲線如圖4所示，隨機選取100組測試數據對訓練后的網絡預測進行評估。圖5為實測數據和預測數據對比，網絡預測誤差如圖6所示。

圖4 最優個體適應度值變化曲線

圖5 網絡預測結果

圖6 網絡預測誤差

由圖5、圖6可知，預測誤差大部分小于2豫，在可接受的誤差范圍內，訓練后的網絡模型可用于預測鋰離子動力電池SOC值。

2.2 發動機模型

發動機內部燃燒過程復雜，影響其動態過程的因素較多，通過對比各類發動機建模方法［11-12］，結合課題研究中僅關心發動機的輸入輸出并有利于控制策略研究這一實際，采用實驗數據與控制理論相結合的方法，在發動機穩態模型的基礎上，建立發動機的動態特性模型。

采用一個具有如圖2所示結構的網絡對在實驗中獲得的發動機轉速、轉矩和油門開度數據組進行學習。學習結果如圖7所示，可作為發動機穩態模型。

發動機穩態模型不能反映發動機各穩態點之間轉換過程，而發動機的動態過程對系統控制策略研究影響較大。所以，以發動機穩態模型為基礎，建立發動機的動態模型。根據發動機轉矩方程（式2），可用于描述發動機的動態過程。

式中，T為發動機輸出轉矩，TL為負載轉矩，T0為空載轉矩，J為發動機轉動慣量，D為發動機的粘性摩擦系數。

發動機動態仿真模型如圖8所示。采用速度閉環控制，通過PID調節器調節油門大小，延遲時間τ指實車油門控制系統的時間延遲。

圖8 發動機仿真模型

當恒定負載分別為200 N.m和400 N.m，轉速給定階躍變化時，對發動機模型進行仿真。仿真結果如圖9所示。在相同給定條件下，臺架實驗測得發動機動態響應時間與仿真結果對比，如表2。

圖9 發動機動態響應

表2 發動機動態響應時間

由圖9知，發動機動態模型速度跟蹤效果較好。據表2知，發動機動態響應時間和實測值較為接近，誤差基本上在0.1 s以內，能夠滿足研究需求。

2.3 發電機模型及可控整流

在此建立三相永磁同步發電機的數學模型［13］。假設：氣隙磁場呈正弦分布；磁飽和效應和渦流損耗忽略不計；不考慮溫度變化對電機參數的影響。在旋轉坐標系下的永磁同步發電機數學模型為：

式中，Ud、Uq、id、iq、Ld、Lq分別是定子電壓、電流、電感的d、q軸分量；ωr為電機的電角速度；Ψf為轉子磁鏈；Tem為發電機電磁轉矩。

發電機輸出三相交流電，經可控整流輸出直流電，在此采用如下頁圖10所示的三相VSR PWM整流控制系統。該系統采用雙閉環控制結構，外環根據直流側給定電壓vdc_gd和反饋電壓vdc比較結果經PI調節器給定q軸給定電流iq_gd；內環跟據d、q軸給定電流id_gd，iq_gd以及反饋電流id、iq，得到交直軸給定電壓vd_gd、vq_gd。采用電壓空間矢量脈寬調制（SVPWM）法控制PWM波占空比，提升網側功率因數和系統動態響應速度。

圖10 整流器控制方案圖

對發電機及整流系統進行仿真，參數設置為：發電機轉速1 300轉/min，vdc=750 V，直流側負載10 Ω。仿真結果如圖11所示。

圖11 整流控制系統仿真結果

由圖11（a）可知，直流側電壓基本穩定在750 V，穩壓效果較好；據圖11（b）知，發電機電樞A相電壓和電流相位相差約180°，網側功率因數接近-1，提升網側電壓利用率。結果表明該控制方案具有穩壓效果好、電壓利用率高、動態響應快等優點。

2.4 超級電容模型

由于超級電容工作性能較為穩定，線性程度較高，在電傳動技術研究中，一般建立超級電容的等效電路模型［14］，如圖12所示。

圖12 超級電容仿真模型

3 多動力源功率分配策略

僅討論動力電池、IGPU和超級電容同時工作的混合動力模式，此時系統功率分配采用基于模糊控制的多目標優化控制策略，優化目標有：首先滿足負載功率需求；根據負載需求和電池SOC值合理分配各動力源輸出；控制IGPU平穩輸出，優化發動機工作狀態；保持動力電池SOC在65豫～75豫的高效、合理區間，保證車輛隨時具備靜音行駛能力；儲存回饋功率，提高能量利用率。

設計雙輸入-雙輸出模糊控制器，輸入為負載需求功率P和動力電池荷電狀態（SOC）值，輸出為發動機-發電機組分配功率P1和動力電池分配功率P2。根據圖1中所示的能量流向，依據負載功率P1大小和電池SOC范圍，制定如下系統功率分配切換條件：

（1）當0＜P＜150 kW時

若SOC＞75豫時，P1=0，P2=P；

若65豫＜SOC＜75豫，P1=P，P2=0；

當SOC＜65豫時，P1=P-P2，P2=-90 kW；

（2）當150 kW＜P＜165 kW時

若SOC＞75豫時，P1=P-P2，P2=150 kW；

若65豫＜SOC＜75豫時，P1=P，P2=0；

若SOC＜65豫時，P1=P-P2，P2=-90 kW；

（3）當165 kW＜P＜255 kW時

若SOC＞75豫時，P1=P-P2，P2=150kW；

若65豫＜SOC＜75豫時，P1=P，P2=0；

若SOC＜65豫時，P1=255 kW，P2=P-P1；

（4）當P≥255 kW時

若SOC＞75豫，P1=P-P2，P2=150 kW；

若20豫≤SOC≤75豫，P1=255 kW，P2=P-P1；

若SOC＜20豫，P1=255 kW，P3=0，P3=P-P1；

（5）當P≈0時

若SOC≥65豫，P1=0，P2=0；

若SOC＜65豫，P1=-P2=90 kW；

（6）當-90 kW＜P＜0時

若SOC＞90豫，P1=0，P2=0，P3=P；

若65豫≤SOC≤90豫，P1=0，P2=P；

若SOC＜65豫，P1=P-P2，P2=-90 kW；

（7）當-230 kW＜P＜-90 kW

若SOC≥90豫，P1=0，P2=0，P3=P；

若SOC＜90豫，P1=0，P2=-90 kW，P3=P-P2。

根據功率分配切換條件，設計的模糊控制器和控制器輸入輸出關系曲面分別如圖13和下頁圖14所示。

圖13 模糊控制器

圖14 控制器輸入輸出關系曲面

4 系統模型仿真驗證

為驗證模型的可行性，根據由各部件模型組成的系統模型和功率分配策略，設置動力電池SOC初始值為50豫，當負載實際需求功率如圖15（a）中變化時，系統仿真結果如圖15所示（圖中所示功率皆為直流側功率）。

圖15 系統仿真結果

如圖15（a）所示，各動力源很好地滿足了負載功率需求。由于電池SOC小于65豫，因此當系統功率富余時動力電池充電，而當IGPU不能滿足負載需求時，動力電池放電。負載突變時，超級電容響應速度較快，很好地起到了“削峰平谷”的作用，直流母線電壓在安全范圍內變化，如圖15（d）。據圖15（b）知，動力電池的輸出功率和預測得到的SOC值具有很好的一致性，能夠體現電池的實際工作狀態。在圖15（c）中，IGPU輸出功率隨著發動機轉速的變化而變化，符合發動機實際工作特性。系統仿真結果說明了系統功率分配策略的可行性和系統模型的實用性。

5 結論

本文立足于解決電傳動裝甲車輛電源系統建模難題。通過對系統中的非線性部件進行研究，建立了基于遺傳算法優化BP神經網絡的動力電池SOC預測模型，采用控制理論與實驗數據相結合建立了發動機模型，以及發電機數學模型和超級電容等效電路模型，設計了整流控制方案，并對各部件模型進行獨立的仿真驗證。最后制定了系統功率分配策略，對電源系統進行了仿真。部件級仿真和系統級仿真結果表明，所建立的電源系統模型能夠滿足研究需求，制定的系統功率分配策略正確可行。

［1］廖自力，馬曉軍，臧克茂.全電戰斗車輛發展概況及關鍵技術［J］.火力與指揮控制，2008，33（5）：1-4.

［2］肖楊婷，趙躍平，曹爽.國內外綜合電力系統技術研究動態［J］.艦船科學技術，2010，32（8）：24-29.

［3］張宏，陳玉春，蔡元虎.液體沖壓發動機仿真模型研究［J］.計算機仿真，2008，25（7）：70-72.

［4］楊陽，湯桃峰，秦大同.電動汽車鋰電池PNGV等效電路模型與SOC估算方法［J］.系統仿真學報，2012，24（4）：938-942.

［5］劉彥中，張奕黃，王大龍，車用動力鋰電池的SOC估計［J］.電力電子技術，2011，45（12）：48-50.

［6］紀鋒，付立軍，陳海建.基于EMTDC-Simulink的綜合電力系統混合仿真［J］.船電技術，2008，28（1）：1-4.

［7］黃千，黃英，張付軍.電傳動裝甲車輛混合動力總成的聯合仿真［J］.兵工學報，2007，29（1）：10-14.

［8］郭桂芳，曹秉剛.電動車用Ni/MH電池組剩余容量的非線性自回歸滑動平均預測［J］.控制理論與應用，2011，28（4）：591-595.

［9］李司光，張承寧.鋰離子電池荷電狀態預測方法研究［J］.北京理工大學學報，2012，32（2）：125-129.

［10］王闊廳，孫俊忠，周智勇.基于RBFNN的船用鉛酸蓄電池SOC預測方法研究［J］.蓄電池，2012，49（2）：76-80.

［11］王存磊，殷承良，王磊.BOOST發動機建模及其在混合動力仿真中的應用［J］.上海交通大學學報，2011，45（6）：875-880.

［12］杜常清，顏伏伍，嚴運兵.用于控制的發動機轉矩估計方法研究［J］.內燃機學報，2008，26（5）：446-450.

［13］嚴干貴，魏治成，穆剛等.直驅永磁同步風電機組的動態建模與運行控制［J］.電力系統及其自動化學報，2009，21（6）：34-38.

［14］鄧隆陽，黃海燕，盧蘭光.超級電容性能試驗與建模研究［J］.車用發動機，2010，183（3）：28-32.

Modeling of and Simulation Research on Armored Electric Drive Vehicles Power System

XIANG Yu1，SU Jian-qiang1，LIU Chun-guang1，KE Rong-shuo1，ZHAO Ming2
（1.Academy of Armored Force Engineering，Beijing 100072，China；
2.Automotive Proving Ground，PLA General Arment Department，Nanjing 210028，China）

Modeling of and simulation research are of great significance to power system which is the core parts of Armored Electric Drive Vehicle.The non-liner dynamic characteristic of power system leads to multi-difficulties，such as difficulty in modeling，poor precision and practicability.Different modeling methods are applied in structure modeling of each component in this essay，and system multiobjective optimization power allocation strategy based on fuzzy control is designed.At last，part hierarchy and system hierarchy simulation experiment are carried out，the results demonstrate that the mathematical simulation model reflect the actual performance of the power system.

electric drive vehicle，power system，modeling and simulation，power allocation strategy

TM921

A

1002-0640（2015）01-0178-05

2013-07-05

2013-08-07

項宇（1987-），男，安徽阜陽人，在讀博士。研究方向：電傳動裝甲車車輛能量管理技術。