低温环境中电动汽车驱动发电机适应性测试方法

强文

(江苏省镇江市农商银行，江苏 镇江 212003)

0 引言

随着技术水平的发展，电动汽车的性能不断优化升级，越来越多的领域应用电动汽车执行运输任务，但由于运输环境的不同，电动汽车所需承受的环境温差较大，因此需要对电动汽车驱动发电机，在低温环境中的适应性进行测试，以此确认驱动发电机所能承受的低温极限，确保电动汽车在该低温环境极限内，执行运输任务[1]。国外的学者们也提出了两种发电机适应性测试方法，一种是涡扇发电机总压畸变适应性测试方法[2]，该方法在某加力燃烧室涡扇发动机上进行了进气总压畸变试验，利用BP神经网络对实验数据进行建模和分析，得到了cvdbdg的工作包络。另一种是橡胶波形发电机采用冲击脉冲的高精度非线性动力学模型和参数辨识适应性测试方法[3]，该方法考虑了rwg的非线性粘弹性、rwg的几何因子以及初始冲击速度的影响，这两种方法都没有考虑低温环境的影响。我国学者朱林等[4]提出了一种改进的发电机聚合参数解析求解适应性测试方法，该方法首先通过加入等价移相变压器消除同调发电机合并至公共母线所带来的电压偏差,然后基于发电机结构的系数矩阵不变特性,利用发电机聚合前后在同步平面各轴系投影分量相等的特点,直接获取等值发电机模型参数，但是没有进行降噪处理。因此，针对这些问题，提出全新的发电机适应性测试方法。该方法在传统测试方法的基础上，通过分析环境温度和发电机工作特性之间的关系，设定精确程度更高的评估指标，同时利用小波函数对测试信号降噪，实现更加精准的发电机性能测试，为电动汽车的应用和发展，提供完备的技术支持。

1 低温环境中电动汽车驱动发电机适应性测试方法

1.1 获取发电机在低温环境中的工作特性

在低温环境下，对电动汽车发电机的适应性测试，需要根据发电机本身材料的温度特点，获取发电机在低温环境中的工作特性。通常计算发电机电磁材料的电阻值时一般为式(1)。

R=ρl/s0

(1)

(2)

根据电机学基本定理可知，同步电机电枢绕组的每相电阻计算方程为式(3)。

(3)

式中,D1表示每相串联的匝数；l0表示线圈匝平均长度；c1表示相绕组的并联支路数；s01表示导体的截面积[5]。而电阻率与电机的使用环境温度有关，其中铜电阻具有较高的电阻温度系数，且在-60 ℃—+200 ℃的范围内，与环境温度成线性关系。假设当环境温度为T时，电动汽车驱动发电机的电阻率ρT，可按照下列方程式进行换算,如式(4)。

ρT=ρt[1+β(T-Δt)]

(4)

式中,ρt表示实际低温环境温度值为t时的电阻率；β表示导体电阻的温度系数控制指标；Δt表示浮动误差[6]。单相电阻与温度之间的关系如图1所示。

图1 发电机单相电阻与环境温度之间的关系曲线

从图1可知，当温度为-45 ℃时，电阻值为0.011 Ω，温度为-40 ℃时，电阻值为0.013 Ω，温度为-35 ℃时，电阻值为0.015 Ω，温度为-30 ℃时，电阻值为0.017 Ω，温度为-25 ℃时，电阻值为0.017 5 Ω，温度为-20 ℃时，电阻值为0.019 Ω，温度为-15 ℃时，电阻值为0.02 Ω，温度为-10 ℃时，电阻值为0.021 Ω，温度为-5 ℃时，电阻值为0.022 5 Ω，温度为0 ℃时，电阻值为0.024 Ω，由此可见，随着温度的增加，单相电阻值也不断增加，环境温度会影响发电机单向电阻，且二者之间呈正相关。

计算上图中关系曲线的变化值，根据该值确定发电机在低温环境中的工作指标,如式(5)。

(5)

式中,αγ表示在特性指标γ影响下的发电机工作变动指标；T1表示发电机初始运行阶段的仪器温度；T2表示设备运行过程中的温度；μT1表示初始阶段的磁导率；μT2表示在低温影响下的磁导率[7]。至此实现在低温环境下，发电机的工作特性指标。

1.2 设置发电机适应性测试参数

以驱动发电机在低温环境下的工作特性为依据，根据发电机的基本参数，建立有限元模型，设置发电机适应性测试参数。某一电动汽车的驱动发电机基本参数如表1所示。

表1 发电机基本参数

根据上式参数，计算发电机转子的不平衡拉力，确定适应性测试下，判别发电机状态的评估指标[8]。电场和电磁学控制原理表明，电场力、磁场力和发电机动量之间具有相互作用关系，因此发电机的单位应力为式(6)。

(6)

图2 有限元模型结构图

观察上图可知，该模型在对发电机进行适应性测试时，根据工作特性指标，对发电机的应力情况进行测试，而此时通过评估指标，判别发电机在低温环境下的适应性，以此得出测试结果。该评估指标可通过下列方程获得如式(7)。

3）合理修剪。梨园要适度密植，通过合理修剪改善通风透光条件，对减轻病害发生非常重要。修剪时要剪除密挤、冗长的内膛枝，疏除外围过密、过旺、直立生长枝条，对发病较重的树要适当重剪。同时调整好负载，以提高树体抗性。

(7)

式中,E(t)表示评估结果；φ(t)表示跟踪函数；σi表示环境条件为i时，适应性测试基准指标；ω表示适应性权重；N表示最大线圈数量；ϑ表示发电机机械角度[10]。将该指标评估作为发电机适应性测试参数，实现低温环境下，对电动汽车发电机的性能测试。

1.3 分析信号辐射方式降低发电机信噪比

但由于驱动发电机在适应性测试过程中存在运行噪声，使测试得到的信号中存在大量噪声，影响测试数据，以此需要根据电磁信号波动规律，对测试信号进行降噪处理。发电机工作原理图如图3所示。

图3 发电机工作原理图

发电机由涡轮、空气轴承、压缩器、发电机、进气口、发电机冷却风扇、排气口、换热器、燃油喷嘴和燃烧室组成，从进气口进入的气流在压缩器内被压缩成高密度、高压和低速的气流，以增加发动机的效率。气流进入燃烧室后，由燃油喷嘴喷射出燃料，在燃烧室内与气流混合并燃烧。燃烧后产生的高热废气，接着会推动涡轮机使其旋转，然后带着剩余的能量，通过换热器进行换热，经由喷嘴或排气管排出来，由涡轮带动轴承产生电能，为防止发电机温度过高，要通过发电机冷却风扇进行冷却。发电机由激励源、振动传递器和噪声发射器组成，因此分析驱动发电机的运行噪声传播途径，确认噪声是由激励源向外辐射，还是经过激励源产生的力，作用到其他组件上引起的其他组件振动，从而进一步向外辐射噪声。当噪声是由激励源作用力而导致的，即快速转动的冷却风扇，将风作用在扇叶上，使其产生压力脉动，进而辐射出噪声[11]。已知扇叶作用在质点上的周期力频率，与扇叶的旋转噪声频率相同，如式(8)。

(8)

式中,fb表示扇叶旋转噪声频率；m表示非零的自然数；Nb表示发动机扇叶数目；v表示冷却风扇的转动流速。根据该计算结果，利用小波变化的方法，对适应性测试降噪，小波是指通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节。小波阈值去噪的基本思想是先设置一个临界阈值λ，若小波系数小于λ，认为该系数主要由噪声引起，去除这部分系数;若小波系数大于λ，则认为此系数主要是由信号引起，保留这部分系数，然后对处理后的小波系数进行小波逆变换得到去噪后的信号。去噪流程图如图4所示。

图4 小波阈值法去噪流程

按照上述流程，利用双正交l小波对含有噪音的发电机测试信号进行降噪，该小波具有良好的正交性和对称性，可将混杂在测试信号中的噪声信号分离出来，该小波函数的表现形式为式(9)。

(9)

其中,r表示信号测试集重构系数；d表示信号分离系数[12]。利用小波变换，将信号中的噪声去除后，再次进行信号重构，得到的信号就是降噪后的信号，以此提升发电机适应性测试信号的信噪比，增强测试结果的准确性，实现在低温环境下，对电动汽车驱动发电机适应性测试。

2 对比实验

提出对比实验，将所提出的发电机适应性测试方法，与传统发电机适应性测试方法进行比较，分析在低温环境中，两种方法对电动汽车驱动发电机的适应性测试结果，是否与真实值相符。

2.1 实验准备

搭建实验测试环境，该实验环境中的硬件组成包括转速驱动部分、温度控制器、直流电子负载、信号调理箱、扭距传感器、电压传感器、F/V传感器、F/V转换器、信号采集器、工业计算机、汽车用12 V蓄电池以及汽车用24 V蓄电池，其中，此次实验测试搭建的转速驱动部分硬件如图5所示。

图5 转速驱动部分硬件搭建示意图

校核发电机和电动机的额定转速点，其中发电机的输入功率、输出功率设定结果为式(10)。

(10)

式中,A表示发电机型号；UA表示输出电压；IA表示输出电流；κA表示发电机效率，一般取值在60%-80%之间。根据式(10)，计算发电机的输入转置矩阵和转出矩阵，得出额定转速点,如式(11)。

(11)

式中,TnA表示输入转置；TmA表示输出转置；c表示发电机基本运行参数；n表示转速；m表示额定转速；r表示调速比。由于变频电机具有额定点以下恒额定转矩的特点，因此额定转速点以下无需校核。因此同理上式，校核发电机的最高转速点，当TmA-max>TmA时，变频电动机满足实验选用汽车发电机的测试要求。由于此次实验需要在低温下进行，因此利用设备，控制实验测试温度,设备如图6所示。

图6 高低温交变湿热试验箱

通过高低温交变湿热试验箱，结合图1发电机单相电阻与环境温度之间的关系曲线，将实验测试环境温度，控制在低温范围内，为保证实验测试结果具有说服性，设置若干个低温测试环境，如表2所示。

表2 低温测试环境基本参数

图6中的设备，按照上表中的环境温度，设置实验测试温度，分别利用两种测试方法，对电动汽车驱动发电机的适应性进行测试。

2.2 结果分析

将所提出测试方法作为实验组，将传统测试方法作为对照组，此次实验测试结果中，当环境温度为0 ℃时，发电机的适应性测试结果如图7所示。

图7 0 ℃下的实验测试结果

根据图7中的曲线走势可知，在5次对比测试下，所提出测试方法的信噪比，随着信号量的增加而迅速提升；而传统测试方法下，其信噪比虽然得到一定程度的提升，但远低于此次提出的测试方法。为保证实验测试结果更具有普遍性，再对测试环境温度为-40 ℃的实验测试结果展开分析，比较2种测试方法的测试信噪比,如图8所示。

图8 -40 ℃下的实验测试结果

在同样的实验测试条件下，将测试环境温度降至-40 ℃。根据图8可知，所提出测试方法在低温环境下，其测试信噪比与0 ℃时的值相比，变化较小；而传统测试方法，其信噪比大幅度下降，发电机的适应性测试结果严重失准。综合上述两组测试结果，可确认此次提出的测试方法，其信噪比更高，发电机适应性测试结果误差极小。

3 总结

此次提出的适应性测试方法，在保证测试精准的基础上，通过提升测试信号信噪比，将发电机的测试结果的真实性，又提升了一个高度，极大程度上降低了噪声对测试结果的干扰，为电动汽车驱动发电机在低温中的适应性测试，提供更为严谨的技术手段。但此次提出的方法，是在不考虑外部环境噪声的基础上进行的，当进行适应性测试时，若有外界信号噪声干扰，还是会影响测试结果，这一点需要注意。