基于PID蚁群优化控制的EPS
电动车(EV)采用电池作为能量来源,相比传统内燃机其续航能力较弱。为降低能耗、提高能量利用率,EV上的转向系统选用电动助力转向系统(EPS)而不是传统的液压助力系统。EPS中,电动机通常连接于转向齿条或转向柱管上,转矩/转角传感器布置在转向输入轴上,ECU接收输入转矩、转角以及车速信号,经过计算控制电机电路运转,从而给齿条/柱管提供助力。
EPS控制逻辑通常采用工业应用中最简单有效的PID(比例-积分-微分)控制算法。PID控制器结构简单、鲁棒性强,并且使用维护成本低,因此如何确定闭环控制系统中比例、积分、微分这3个参数显得尤为重要。然而,这3个参数对闭环控制系统的响应存在耦合关系,一般都是通过经验及主观评价进行反复调试,标定周期长且不容易得到最优的控制效果。
选用了蚁群优化控制(ACO)对PID参数进行优化。蚁群算法是对自然界蚂蚁的寻径方式进行模拟而得出的一种仿生算法。蚂蚁在运动过程中,能够在其所经过的路径上留下一种称之为外激素(pheromone)的物质进行信息传递,而且蚂蚁在运动过程中能够感知这种物质,并以此指导自己的运动方向,因此由大量蚂蚁组成的蚁群集体行为便表现出一种信息正反馈现象:某一路径上走过的蚂蚁越多,则后来者选择该路径的概率就越大。
基于以上研究内容,利用Simulink编程搭建EPS模型,主要包括转向盘模块、电机及减速机构模块和齿轮-齿条执行机构模块。分别采用传统PID控制和ACO-PID控制对助力电流的变化曲线进行对比。仿真结果表明,相比参考值,人工调试参数PID控制的电流误差为5.83%,而经过ACO参数优化PID控制的电流误差为4.76%。下一步研究工作需要考虑动态车速输入条件下,ACO优化参数变化时系统响应的实时性。
R A Hanifah et al.IEEE International Conference on Smart Instrumentation,Measurement and Applications.
编译:张为荣