全国客服热线：
153-1370-2523
153-1370-2523
摘要
电动汽车（EV）需要高性能的牵引电池系统，能够为电动机提供快速且高效的能量，以实现快速加速。为了满足日益增长的高效功率转换需求，本文提出了一种基于人工智能的混合控制技术，用于为电动汽车电池负载供电的升压转换器。所提出的方法将传统的比例-积分-微分（PID）控制与脉冲宽度调制（PWM）相结合，以确保系统的稳定性，同时采用模糊NARMA-L2控制器来增强在不同运行条件下的动态性能。该智能控制器利用人工神经网络（ANN）来预测系统行为并自适应调节开关动作，从而减少SSE并提高效率。采用混合切换机制实现传统控制模式与智能控制模式之间的平滑过渡，从而提高系统可靠性并防止潜在故障。通过包括互相关分析在内的多项指标对所提控制器的性能进行评估，证明了其稳定性和抗干扰能力。使用Arduino Uno平台的模拟和实验验证表明了所提方法的有效性。结果显示，总谐波失真（THD）显著降低，从PID控制下的9.6%降至基于AI的运行负载条件下的1.67%；稳态误差（SSE）为0.02，上升时间（tr)为0.3秒。在理想参数模型的模拟中，实现了0.02的稳态误差（SSE）和0.5%的纹波；而原型硬件测试表明，在双16 MHz微控制器上运行时，稳态调节电压纹波在1.67%以内，系统整体转换效率为78.0。此外，与传统控制相比，所提出的策略将系统整体性能提升了多达六倍，在电机负载条件和可变输入（5、9、12、16、24）V下，性能提升更是高达七倍。1. 引言
为了在包括光伏（PV）系统、电动汽车（EV）和其他不间断电源在内的工业应用中实现可靠运行，强烈建议使用升压转换器[1]。这些转换器的基本目的是在保持电流方向不变的同时提高输出电压。二极管、电子开关和电感器等电子元件被用于实现这一功能[2]。当太阳能电池板输出的低电压需要提升以适配直流系统或逆变器时，光伏系统中会使用升压转换器。在可再生能源系统中，它是电气和电子系统的关键组成部分[3]。低压发电机，特别是永磁同步发电机（PMSG）和感应发电机（IG），在风能系统中利用升压转换器来提升低电压[4]。对于电动汽车（EV）系统，当电池电压不足以满足电气装备需求时，会使用升压转换器和混合控制装置来提升电池电压[5] 为了保证电机及其他组件的正常运行，便携式电子设备应用中采用了升压转换器电路，以优化和提升笔记本电脑、平板电脑和智能手机等设备中电池能量的使用效率 [6].
对于需要高于主电源电压的电路，升压转换器被应用于电压调节电路中。这些调节器被广泛应用于工业电子系统和无线通信基站，在这些应用中，需要进行电压转换以确保电子元件的稳定运行。心脏起搏器和医学成像设备需要精确且恒定的电压。混合动力和电动汽车（HEVs和EVs）则需要升压转换器来调节电池与电力推进系统之间的电压[7电池管理系统（BMS）的各种应用如图所示图1.
图1。BMS在电动汽车技术中的健康与温度应用[8].
一种具有优异热稳定性和离子电导率的高度灵活且可调的系统被应用于[9]中，以实现锂金属电池的高功率密度并抑制枝晶生长。在[10]中引入了太阳能发电、电池储能以及基于深度神经网络的主动控制智能开关双向变换器，以确保电池单元与无刷直流电机之间的高效能量传输。为优化反馈控制，设计了制动模式下的混合动力汽车系统建模，利用人工神经网络和双向升压变换器回收反馈能量[11]。由于其相比传统转换器具有诸多优势，包括体积小、重量轻和高效率（高达90%或更高），升压转换器非常适合便携式应用和电力电子系统。通过双跨链桥转换器和混合可再生能源实现了一种改善电动汽车的混合方法。该算法用于降低能源成本，以满足经济性能需求[12]. 图2展示了电动汽车的电力电子转换器。
图2。用于电动汽车（EVs）车载应用的电力电子变换器[13].
PID或模糊逻辑（FL）等升压变换器控制方法面临的挑战是必要的，因为控制波动负载下的电压可能很困难；因此，电压和电流幅值的增加可能会降低系统性能 [14]。从上述内容可以看出，升压变换器是许多现代电气系统的关键组件，因为它实现了低压电源的高效利用。通过PID和FL等智能控制方法提高升压变换器的效率，可以改善电压稳定性和能源效率 [15,16]。近年来，包括科技和能源市场在内的各行各业对高效控制系统的需求日益增长，预计升压变换器的使用量将从2024年的21亿个增长到2033年的43亿个。该领域近期最显著的进展之一是采用比例-积分-微分（PID）控制器和模糊逻辑控制（FLC）来控制升压变换器。PID控制器因其卓越的性能和稳定性，成为该行业应用最广泛的控制系统之一。另一方面，FLC是一种控制系统，当传统数学建模困难或不可能时，它利用模糊逻辑提供替代解决方案。模糊监督控制器（FSC）的使用通过智能监控系统动态并调整控制器参数（如kp、ki和kd）及占空比，从而改善电压调节器性能，进而提升光伏系统的非线性控制性能[17]。本文没有采用[18]中的多PID控制器，也没有采用[19]，与许多其他研究相比，本研究中使用的PID控制器最强大的工具是：在反馈回路中包含抗饱和控制、积分部分采用跟踪模式、实时实现滤波器采用后向欧拉法、以及微分部分采用跟踪模式的单一先进PID控制器。该系统将模糊逻辑控制（FLC）与广受欢迎的PID控制方法相结合。结果表明，结合这两种技术提高了太阳能电压调节器的效率和功能。采用混合模糊PID控制系统来调节自动化移动起重机的运动，以限制负载摆动[20]。研究采用结合PID控制和模糊逻辑控制（FLC）的混合控制系统，对自动化移动起重机的运动调节应用进行了研究。使用MATLAB/R2023a对系统进行建模并对结果进行了检验。研究表明，通过降低负载摆动并提升移动起重机的稳定性，该混合系统极大地增强了系统性能。文中介绍了PID调节器与可编程逻辑控制器（PLC）的理论及实际应用[21三相电机的速度由这些控制器控制，用于精确快速地训练控制系统。研究结果表明，PLC可以显著提升系统性能。这些系统不仅性能优异，还能为复杂的控制问题提供创新解决方案。为了解决在可变负载和多种波动影响下的电压调节问题，设计了包括PID控制器、模糊逻辑控制器和人工神经网络在内的多种控制器 [22].
FC和PID控制系统协同工作，提供灵活且精确的控制，从而提升系统性能并获得最佳结果，同时增强升压转换器的电压稳定性。用于智能控制的机器学习和人工智能技术、基于自适应网络的模糊推理系统（ANFISs）以及用于电池供电系统的NARMA_L2在[23].
多项研究探讨了使用典型的PID控制器来调节升压变换器的输出电压。结果表明，PID能提供有效的控制；然而，必须精确调整参数（Kp、Ki和Kd）才能获得最佳结果[24]。主要缺点是，在非线性系统或负载波动时性能可能会下降，因此需要使用人工智能算法修改PID参数，以在最佳运行状态下稳定系统性能。遗传算法（GAs）和粒子群优化（PSO）是两种已开发用于自主修改PID设置的智能方法[25]。与标准PID控制器相比，所提出的方法振荡更少，响应时间明显缩短，从而减少了手动调优并加快了动态响应。此外，本文提出了一种基于双人工神经网络（ANN）的直流微电网优化能量管理系统。在这项工作中，人工智能被用于优化可再生能源输出、储能系统荷电状态（SOC）和读档需求[26]。为了改善输入电流的总谐波失真（THD），将一系列电容器与升压转换器并联，这些电容器充当低通滤波器以减少高频谐波[27].
为了评估时域性能，通过测量SSE来确定参考输入与直流链路/电池端实际电压之间的差异，同时在变换器输出节点通过FFT计算THD。与开关周期引起的时间域峰峰值纹波不同，THD量化了导致EMI、电容发热和电池波动状态的频域频谱纯度和高频谐波含量。测量THD可确保混合控制器平滑PWM调制，从而减少谐波失真。
研究人员推荐使用一种可自适应的PID，它可以根据输入电压和负载的变化调整参数。研究人员发现，这种技术增强了系统稳定性，并且超调量（Mp）也已失效。与普通的PID控制器相比，其实现更为复杂，在[28]。在最近的文献中，开发了一种基于AI的预测控制MATLAB/R2023a系统，用于评估包括功率需求、荷电状态（SOC）和能量回收在内的关键性能指标。优化可再生能源收集、最小化电池消耗以及动态控制电源的方法在[29]中被发现。文献中已应用了多种控制技术。这些技术都面临着各自的挑战，具体细节见表1.
表1。能源管理中的挑战——系统控制 [24].
这项工作的贡献可以概括如下。首先，通过代价函数（IAE）集成智能平滑切换控制技术，包括具有抗饱和跟踪模式的PID-NARMA-L2控制器（以防止占空比限制期间的积分饱和）以及具有7×7规则的模糊逻辑控制器（FLC），以提升升压变换器系统的性能，从而处理不确定性和信号漂移分量。其次，利用NARMA-L2控制器的能力来处理系统不确定性、非线性和外部扰动，从而增强系统鲁棒性并减少电池运行中的振荡。
第三，利用FLC在不同运行工况下优化系统性能。Mamdani一型和Mamdani二型协同工作，在模拟和实时实现中获得最佳响应。所提出的混合切换策略根据响应速度、M等指标自动选择最佳控制模式。p以及系统稳定性。
所提出的算法在各种运行条件下进行了验证，并对所提出的混合控制器、通过Levenberg–Marquardt算法离线训练的[4 × 9 × 1]神经网络伙伴的NARMA-L2控制器进行了全面比较（MSE = 4.44 × 10−7，R = 1.0000)，用于在剧烈读档变化下实现快速前向纠错。神经网络实时充当监督者，调整开关平衡以降低输出总谐波失真（1.67）和平方和误差（SSE < 0.02）。采用I*Ts特性的自动调谐PID控制器，利用多个测试信号应用于升压转换器，确保PID在高采样率下无需任何稳定化处理，同时具备前文提到的其他PID控制器功能。上述所有工作清楚地展示了所提方法与现有方法相比的新颖性和有效性。
本文其余部分结构如下。第二节讨论材料与方法。电池模型在第3节. 第4节中介绍，该节包含所提出的控制技术算法。结果与讨论见第5节最后，主要的结论性评述见于第六节.2. 材料与方法
本项目构建了一个升压转换器，用于评估不同控制系统（包括FL、自动调优PID和NARMA-L2控制器）在常规和智能模式下对电池充电的性能。该系统由电感器、开关器件、二极管、电容器、负载、具有智能切换准则的控制器、升压转换器和电池组成。
如图3所示，输出电压由NARMA_L2、FLC和标准PID控制器控制。
图3。PID闭环自动调优电路。
图4展示了升压转换器如何将直流电源转换为更高电压。
图4。升压转换器配置。
同步双向降压-升压转换器的线性化传递函数：
电感电流动态特性：
L
电话：153-1370-2523
美国邱健蓄电池集团总部