【摘要】：隨著經(jīng)濟的快速發(fā)展,環(huán)境污染問題引起了人們更多的關(guān)注,其中燃油汽車排放的尾氣污染備受關(guān)注。并且近幾年全球政治經(jīng)濟動蕩,石油危機若隱若現(xiàn)。為應(yīng)對能源危機和環(huán)境污染各國加大了對電動汽車的研發(fā)力度。但電動汽車續(xù)航里程依然達不到人們的要求,再生制動技術(shù)能夠有效延長續(xù)航里程,受到了研究人員更多的關(guān)注。本文以BLDCM(Brushless Direct Current Motor)作為被控核心,首先對BLDCM結(jié)構(gòu)原理進行分析。在此基礎(chǔ)上,對純電動汽車再生制動控制的影響因素和原理進行討論。為給純電動汽車再生制動控制系統(tǒng)提供穩(wěn)定的初始轉(zhuǎn)速,本文設(shè)計使用了雙閉環(huán)調(diào)速控制系統(tǒng)。然后對電動汽車進行再生制動控制研究,設(shè)計一種基于T-S(Takagi-Sugeno)模糊神經(jīng)網(wǎng)絡(luò)控制策略的控制器。該控制器以反饋電流與給定電流的差值和轉(zhuǎn)速為輸入,以PWM脈寬調(diào)節(jié)量為輸出,采用BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)算法自適應(yīng)調(diào)整輸入隸屬度函數(shù)和模糊規(guī)則。然后搭建了電動汽車再生制動控制系統(tǒng)模型,對設(shè)計的控制器進行仿真實驗研究。最后通過軟硬件設(shè)計了基于英飛凌TC1782芯片的控制器。并在dSPACE半實物仿真平臺進行仿真測試。本文完成的工作如下:(1)針對純電動汽車用BLDCM的原理和數(shù)學(xué)模型,分析再生制動控制系統(tǒng)的原理。在實現(xiàn)系統(tǒng)再生制動控制前,搭建雙閉環(huán)調(diào)速控制系統(tǒng),其轉(zhuǎn)速環(huán)為模糊PID控制,電流環(huán)為PI控制。調(diào)速控制系統(tǒng)驅(qū)動電機達到再生制動所需的轉(zhuǎn)速。(2)對BLDCM再生制動系統(tǒng)中PWM全橋調(diào)制方式和PWM半橋調(diào)制方式進行數(shù)學(xué)推導(dǎo)和原理分析,選擇使用能量回收率更高的半橋調(diào)制方式。(3)對基于T-S模糊神經(jīng)網(wǎng)絡(luò)再生制動控制策略進行數(shù)學(xué)分析和推導(dǎo),設(shè)計了基于T-S模糊神經(jīng)網(wǎng)絡(luò)再生制動控制系統(tǒng),并在Matlab/Simulink平臺搭建模型進行仿真驗證,實驗表明基于T-S模糊控制策略能量回收率和模糊控制相比明顯提高,達到了設(shè)計目的。(4)為驗證控制策略在實際控制器中的效果,硬件設(shè)計基于英飛凌TC1782的再生制動控制器,并設(shè)計對應(yīng)的軟件程序,然后在dSPACE平臺搭建再生制動控制系統(tǒng)的硬件在環(huán)仿真系統(tǒng),進行控制器的半實物仿真驗證。論文特色之處:(1)分析再生制動控制技術(shù)原理,對傳統(tǒng)的模糊再生制動控制策略進行改進,設(shè)計了基于T-S模糊神經(jīng)網(wǎng)絡(luò)再生制動控制系統(tǒng),并和模糊再生制動控制系統(tǒng)對比,實驗證明所設(shè)計的系統(tǒng)能有效提高能量回收率。(2)搭建模糊神經(jīng)網(wǎng)絡(luò)再生制動控制系統(tǒng)半實物仿真平臺,硬件設(shè)計基于英飛凌TC1782芯片的再生制動控制器,并設(shè)計對應(yīng)的程序,驗證所設(shè)計系統(tǒng)的有效性。
【圖文】：

圖 1.1 文章結(jié)構(gòu)圖如圖 1.1 為文章結(jié)構(gòu)圖。第一章：緒論。本章主要介紹了 BLDCM 再生制動控制系統(tǒng)的研究背景和研究意義。然后對再生制動研究的國內(nèi)外現(xiàn)狀進行了介紹。然后給出本文的研究內(nèi)容和結(jié)構(gòu)安排。第二章：BLDCM 工作原理研究。本章首先介紹了 BLDCM 結(jié)構(gòu)，然后對其工作原理進行分析，推導(dǎo) BLDCM 的數(shù)學(xué)模型。第三章：BLDCM 再生制動控制系統(tǒng)方法研究。本章先對 BLDCM 再生制動基本原理進行分析，然后對 PWM 調(diào)制方式進行研究，選擇合適的調(diào)制方式。并對再生制動的數(shù)學(xué)模型進行推導(dǎo)。最后討論影響 BLDCM 再生制動能量回收的因素。第四章：BLDCM 再生制動控制模糊神經(jīng)網(wǎng)絡(luò)控制策略研究。本章對再生制動控制系統(tǒng)中的驅(qū)動控制部分和制動控制部分分別進行分析研究，并對所設(shè)計的策略進行仿真分析。第五章：BLDCM 再生制動控制系統(tǒng)半實物仿真設(shè)計。本章首先對基于英飛凌TC1782 控制芯片的控制器進行介紹，，然后對再生制動系統(tǒng)的軟件進行設(shè)計，最后在

圖 2.1 BLDCM 基本結(jié)構(gòu) 本體由定子和轉(zhuǎn)子組成。定子按定子繞組相數(shù)分類BL。它的連接方式有三角形連接和 Y 形連接。在電動式。它一般是由線圈沿著定子呈圓周纏繞而成。轉(zhuǎn)子 作為電動機使用時轉(zhuǎn)子為電動機轉(zhuǎn)子，當 BLDCM轉(zhuǎn)子[45]。下圖為轉(zhuǎn)子三種結(jié)構(gòu)。
【學(xué)位授予單位】：桂林電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP273;TM33;TP183

【參考文獻】

相關(guān)期刊論文 前10條

1 董早鵬;劉濤;萬磊;李岳明;廖煜雷;梁興威;;基于Takagi-Sugeno模糊神經(jīng)網(wǎng)絡(luò)的欠驅(qū)動無人艇直線航跡跟蹤控制[J];儀器儀表學(xué)報;2015年04期

2 熊永華;楊艷;李浩;何勇;吳敏;;基于SOC的鋰動力電池多層雙向自均衡方法[J];電子學(xué)報;2014年04期

3 崔方;劉芳華;邱忠華;魏玉平;;基于DSP的電動車用無刷直流電機控制器的設(shè)計[J];電機與控制應(yīng)用;2014年04期

4 楊澤斌;汪明濤;孫曉東;;基于自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)的無軸承異步電機控制[J];農(nóng)業(yè)工程學(xué)報;2014年02期

5 舒紅;鄭軍;胡明輝;梁元波;;基于模型預(yù)測控制的混合動力汽車下坡再生制動策略[J];汽車工程;2013年09期

6 龍波;陳勇強;郝小紅;曹秉剛;;電動汽車用感應(yīng)電機變結(jié)構(gòu)魯棒控制器設(shè)計[J];電力電子技術(shù);2013年09期

7 鄭宏宇;許文凱;劉宗宇;鄧文哲;劉風(fēng);韓飛;;四輪獨立驅(qū)動電動汽車再生制動控制策略[J];吉林大學(xué)學(xué)報(工學(xué)版);2013年03期

8 查鴻山;宗志堅;劉忠途;;電動汽車能量回饋制動仿真研究[J];機械科學(xué)與技術(shù);2012年04期

9 夏長亮;方紅偉;;永磁無刷直流電機及其控制[J];電工技術(shù)學(xué)報;2012年03期

10 李世超;石秀華;孫希通;魏照宇;;改進模糊神經(jīng)網(wǎng)絡(luò)無刷直流電機控制系統(tǒng)設(shè)計[J];計算機仿真;2009年10期

相關(guān)博士學(xué)位論文 前4條

1 楊源;基于居民出行規(guī)律實證研究的城市低碳交通政策模擬[D];清華大學(xué);2016年

2 林輝;輪轂電機驅(qū)動電動汽車聯(lián)合制動的模糊自整定PID控制方法研究[D];吉林大學(xué);2013年

3 趙國柱;電動汽車再生制動若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2012年

4 王鵬宇;混合動力轎車再生制動系統(tǒng)研究[D];吉林大學(xué);2008年

相關(guān)碩士學(xué)位論文 前7條

1 孟佳;新能源電動汽車電源能量控制策略[D];長春工業(yè)大學(xué);2018年

2 趙江托;電動車輛回饋制動控制器的研究與設(shè)計[D];長春工業(yè)大學(xué);2017年

3 高健;提高電動汽車回饋效率的再生制動控制策略研究[D];沈陽工業(yè)大學(xué);2017年

4 張迪;電動汽車無刷直流電機能量回饋制動系統(tǒng)的研究[D];青島理工大學(xué);2016年

5 劉碩洋;永磁無刷直流電機回饋制動控制技術(shù)[D];湖南大學(xué);2013年

6 董少波;基于模糊神經(jīng)網(wǎng)絡(luò)的永磁無刷直流電動機調(diào)速系統(tǒng)研究[D];華南理工大學(xué);2011年

7 鄒月海;基于模糊控制的永磁無刷直流電機調(diào)速系統(tǒng)研究[D];哈爾濱工程大學(xué);2009年

本文編號：2653564