纯电动汽车传动系统-电机结构参数协同设计优化

doi:10.19562/j.chinasae.qcgc.2023.11.012

摘要/Abstract

摘要：

提出一种纯电动汽车传动系统与电机结构参数协同设计优化方法，来提高纯电动汽车动力性与经济性，同时降低永磁同步电机齿槽转矩以降低电机的振动噪声。首先，以电机结构参数为输入，额定转矩与齿槽转矩为输出，开展了基于电机多参数仿真和不同机器学习预测模型精度的研究，并建立永磁同步电机额定转矩和齿槽转矩的高精度机器学习预测模型；其次，利用电机基本设计参数（额定转矩、峰值转矩、额定转速、峰值转速）以及峰值效率构建永磁同步电机效率map图的快速预估数学模型；再次，基于电机齿槽转矩预测模型以及电机效率map图的快速预估数学模型，建立电机结构参数与效率特性的映射关系；最后，以电机结构参数和传动比为优化变量，整车动力性、经济性以及电机齿槽转矩为优化目标，运用遗传算法进行多目标优化。仿真结果表明，相较于优化前，优化后的整车性能0-100 km/h加速时间缩短了27.3%，15 km/h最大爬坡度提高了40.5%，WLTC工况能耗减少了1.6%，电机齿槽转矩降低了42.2%。

关键词: 永磁同步电机, 机器学习, 电机效率map图, 齿槽转矩

Abstract:

A collaborative design optimization method of pure electric vehicle drive train and motor structure parameters is proposed in this paper to improve the power and economy of pure electric vehicles， while reducing the cogging torque of permanent magnet synchronous motor to reduce vibration noise of motor. Firstly， with the motor structure parameters as input and rated torque and cogging torque as output， a study on the accuracy of multi-parameter simulation and different machine learning prediction models for motors is carried out， and a high-precision machine learning prediction model for rated torque and cogging torque of permanent magnet synchronous motors is established. Secondly， the basic motor design parameters （rated torque， peak torque， rated speed， peak speed） and peak efficiency are used to construct a mathematical model for fast prediction of the PM synchronous motor efficiency map. Thirdly， based on the motor cogging torque prediction model and the fast prediction mathematical model of motor efficiency map， the mapping relationship between the structural parameters of the motor and the efficiency characteristics is established. Finally， multi-objective optimization is carried out using the genetic algorithm with motor structure parameters and transmission ratio as optimization variables， and overall vehicle dynamics， economy and motor cogging torque as optimization objectives. Simulation results show that compared with that before optimization， the optimized vehicle performance is improved with 0-100 km/h acceleration time reduced by 27.3%， the maximum climbing degree of 15 km/h increased by 40.5%， the WLTC working condition energy consumption reduced by 1.6%， and the motor cogging torque reduced by 42.2%.

Key words: permanent magnet synchronous motor, machine Learning, motor efficiency map, cogging torque

何智成,谢泽军,刘侃,周恩临,唐谦,黄元毅. 纯电动汽车传动系统-电机结构参数协同设计优化[J]. 汽车工程, 2023, 45(11): 2113-2122.

Zhicheng He,Zejun Xie,Kan Liu,Enlin Zhou,Qian Tang,Yuanyi Huang. Collaborative Design Optimization of Pure Electric Vehicle Drivetrain and Motor Structure Parameters[J]. Automotive Engineering, 2023, 45(11): 2113-2122.

图/表 25

表1

整车基本参数及性能指标设计要求"

参数	数值
满载质量 $m / k g$	1 200
滚动阻力系数 $f$	0.018
空气阻力系数 $C D$	0.32
迎风面积 $A / m 2$	1.89
车轮滚动半径 $r / m 2$	0.287
主减速器传动比 $i$	5
旋转质量换算系数 $δ$	1.05
地面附着系数 $φ$	0.7
传动系机械效率 $η t$	0.92
最高车速 $u m a x / (k m ? h - 1)$	≥132
0-100 km/h加速时间 $t 100 / s$	≤20
15 km/h爬坡度 $i m a x / %$	≥20
WLTC工况整车能耗 $E / (k W ? h)$	≤3.5

表1

表2

驱动电机设计参数"

电机参数	数值
峰值功率 $P m a x / k W$	44
额定功率 $P e / k W$	22
最高转速 $n m a x / (r ? m i n - 1)$	6 200
额定转速 $n e / (r ? m i n - 1)$	2 500
峰值转矩 $T m a x / (N ? m)$	168
额定转矩 $T m a x / (N ? m)$	84

表2

表3

图1

图2

表4

输入参数及水平数值"

输入参数	$α s$	$l r$	$h m$	$l m$	$α p$
水平1	1.5	70	5.5	20	0.5
水平2	1.7	80	6	22	0.65
水平3	1.9	90	6.5	24	0.8

表4

表5

数据集"

序号	$α s$	$l r$	$h m$	$l m$	$α p$	$T n$	$T c o g$
1	1.5	70	5.5	20	0.5	67.2	32.5
2	1.5	70	6	20	0.65	70.4	44.3
3	1.7	70	6	22	0.65	79.8	45.4
4	1.9	70	5.5	20	0.8	69.4	59.3
··	··	··	··	··	··	··	···
243	1.9	90	6.5	24	0.8	93.0	58.0

表5

表6

表7

图3

图4

表8

图5

图6

图7

图8

表9

各优化参数取值范围"

参数	初始值	优化范围
定子槽口宽度 $α s / m m$	1.7	$1.5 ≤ α s ≤ 2.0$
轴向长度 $l r / m m$	80	$60 ≤ l r ≤ 100$
永磁体宽度 $h m / m m$	6	$5 ≤ h m ≤ 7$
永磁体长度 $l m / m m$	22	$15 ≤ l m ≤ 30$
极弧系数 $α p$	0.65	$0.5 ≤ α p ≤ 0.8$
过载系数 $λ$	2	$1.5 ≤ λ ≤ 2.5$
扩大恒功率系数 $β$	2.4	$2 ≤ β ≤ 3$
主减速器传动比 $i 0$	5	$4 ≤ i 0 ≤ 7$

表9

表10

优化前后各参数取值"

参数	原始参数值	优化后参数
定子槽口宽度 $α s / m m$	1.7	1.5
轴向长度 $l r / m m$	80	82.3
永磁体宽度 $h m / m m$	6	5.1
永磁体长度 $l m / m m$	22	27
极弧系数 $α p$	0.65	0.73
过载系数 $λ$	2	2.4
扩大恒功率系数 $β$	2.4	2.8
主减速器传动比 $i 0$	5	5.2

表10

表11

优化前后性能对比"

项目	优化前性能	优化后性能	提升度
最高车速 $u m a x / (k m ? h - 1)$	134	145	8.2%
百公里加速时间 $t 100 / s$	18.7	13.6	27.3%
15 km/h最大爬坡度 $i m a x$ /%	21.5	30.2	40.5%
WLTC工况能耗 $E / (k W ? h)$	3.16	3.11	1.6%
电机齿槽转矩 $T c o g / (m N ? m)$	63.2	36.5	42.2%

表11

图9

图10

图11

图12

图13

表12

仿真结果对比"

项目	优化结果	仿真结果	误差
百公里加速时间 $t 100 / s$	13.6	14.0	2.9%
15 km/h最大爬坡度 $i m a x$ /%	30.2	29.3	3.0%
WLTC工况能耗 $E / (k W ? h)$	3.11	3.09	0.6%
电机齿槽转矩 $T c o g / (m N ? m)$	36.5	36.6	0.3%

表12

参考文献 16

1	中国汽车工程学会. 节能与新能源汽车技术路线图2.0［M］. 北京：机械工业出版社，2020.
	Society of Automotive Engineers of China. Technology roadmap for energy saving and new energy vehicles 2.0［M］. Beijing： China Machine Press， 2020.
2	张抗抗，徐梁飞，华剑锋，等.基于多目标优化的纯电动车动力系统参数匹配方法［J］. 汽车工程， 2015，37（7）：757-765.
	ZHANG Kangkang， XU Liangfei， HUA Jianfeng， et al. A parameter matching method for the powertrain of battery electric vehicle based on multi-objective optimization［J］. Automotive Engineering， 2015， 37（7）： 757-765.
3	ZAHNG Z， ZUO C， HAO W， et al. Three-speed transmission system for purely electric vehicles［J］. International Journal of Automative Technology， 2013， 14（5）：773-778.
4	MOROZOV A， HUMPHRIES， ZUO T， et al. Design and optimization of a drivetrain with two-speed transmission for electric delivery step van［C］. IEEE Electric Vehicle Conference， Florence， 2014：1-8.
5	GAO B， LIANG Q， XIANG Y， et al. Gear ratio optimization and shift control of 2-speed I-AMT in electric vehicle［J］. Mechanical Systems &. Signal Processing， 2015，50-51：615-631.
6	王斌，林鑫焱，陈辛波，等. 基于循环工况的纯电动汽车驱动电机参数优化［J］.汽车工程学报，2015，5（3）：165-171.
	WANG Bin， LIN Xinyan， CHEN Xinbo， et al. Parameter optimization for pure electric vehicle drive motors based on driving cycle［J］. Chinese Journal of Automotive Engineering， 2015，5（3）：165-171.
7	李聪波，赵来杰，李月，等. 面向能耗的纯电动汽车两档变速系统参数优化匹配［J］. 计算机集成制造系统， 2018，24（6）：1327-1336.
	LI Congbo， ZHAO Laijie， LI Yue， et al. Parameter optimization of 2-speed EV powertrain for energy consumption［J］. Computer Integrated Manufacturing Systems， 2018，24（6）：1327-1336.
8	LI L， ZHANG Y， YANG C， et al. Hybrid genetic algorithm-based optimization of powertrain and control parameters of plug-in hybrid electric bus［J］. Journal of the Franklin Institute， 2014，352（3）：776-801.
9	袁中胜. 新能源汽车驱动用永磁同步电机的设计［D］. 哈尔滨：哈尔滨工业大学， 2013.
	YUAN Zhongsheng. Design of permanent magnet synchronous motor for new energy vehicle drive［D］. Harbin： Harbin Institute of Technology， 2013.
10	田乐. 电动汽车用永磁同步电机设计、分析与效率优化［D］. 杭州：浙江大学， 2019.
	TIAN Yue. Design， analysis and efficiency optimization of permanent magnet synchronous motors for electric vehicles［D］. Hangzhou： Zhejiang University， 2019.
11	陈博闻. 电动汽车用永磁同步电机电磁设计与高精度仿真建模研究［D］. 杭州：浙江大学， 2020.
	CHEN Bowen. Electromagnetic design and high precision simulation modeling of permanent magnet synchronous motor for electric vehicles［D］. Hangzhou： Zhejiang University， 2020.
12	李晓峰，高锋阳，齐晓东，等. 对称V型异步启动永磁同步电机齿槽转矩优化［J］. 电力系统及其自动化学报， 2021，33（5）：1-8.
	LI Xiaofeng， GAO Fengyang， QI Xiaodong， et al. Cogging torque optimization of symmetrical V-type line-start permanent magnet synchronous motor［J］. Proceedings of the CSU-EPSA， 2021，33（5）：1-8.
13	安原圣，马琮淦，李鑫，等. 电动汽车用内置式永磁同步电机气隙磁场解析建模与多目标优化［J］. 中国公路学报， 2023，36（1）：253-262.
	AN Yuansheng， MA Conggan， LI Xin， et al. Analytical modeling and multi-objective optimization of air gap magnetic field of built-in permanent magnet synchronous motor for electric vehicles［J］. China Journal of Highway and Transport， 2023，36（1）：253-262.
14	LI K， CUI S， BOUSCAYROL A， et al. Analytical derivation of eﬃciency map of an induction machine for electric vehicle applications［C］. 2018 IEEE Vehicle Power and Propulsion Conference （VPPC）， Chicago， IL， 2018： 1-6.
15	李凯博. 电动汽车模块化多电机系统参数匹配与功率分配策略研究［D］.哈尔滨：哈尔滨工业大学，2020.
	LI Kaibo. Parameter matching and power distribution strategy of modular multi-motor system for electric vehicles［D］. Harbin： Harbin Institute of Technology， 2020.
16	唐任远. 现代永磁电机理论与设计［M］. 北京：机械工业出版社，1997.
	TANG Renyuan. Modern permanent magnet motor theory and design［D］. Beijing： China Machine Press， 1997.

参数	数值	参数	数值
定子槽数	36	定子槽口宽度/ mm	1.7
极对数	6	轴向长度 / mm	80
定子外径 /mm	190	永磁体宽度/ mm	6
定子内径 /mm	150	永磁体长度/ mm	22
转子外径 /mm	149	极弧系数	0.65

简称	模型
RF	随机森林
GBR	梯度提升回归
KNN	K-近邻
LR	线性回归
LASSO	拉索回归
AdaBoost	自适应提升
BPNN	误差反向传播神经网络
RR	岭回归
SVR-RBF	径向基支持向量回归
GPR	高斯过程回归
BO-SVR	贝叶斯优化支持向量回归

模型	R²	MAE
RF	0.606 8	4.128 6
GBR	0.998 7	0.014 4
KNN	0.923 8	1.043 6
LR	0.995 2	0.382 9
LASSO	0.995 2	0.382 9
AdaBoost	0.996 3	0.547 2
BPNN	0.996 8	0.048 5
RR	0.995 6	0.382 7
SVR-RBF	0.997 3	0.027 8
GPR	0.997 0	0.042 4
BO-SVR	0.997 6	0.025 3

模型	R²	MAE
RF	0.582 2	8.834 1
GBR	0.999 9	0.127 7
KNN	0.960 5	2.714 8
LR	0.914 3	3.998 9
LASSO	0.914 3	3.998 9
AdaBoost	0.965 2	2.548 3
BPNN	0.999 8	0.139 1
RR	0.914 3	4.025 6
SVR-RBF	0.994 8	0.982 3
GPR	0.995 9	0.867 0
BO-SVR	0.999 3	0.355 9

[1]	吴志恒,刘爱民. 汽车永磁同步电机切换函数式混合控制策略[J]. 汽车工程, 2023, 45(4): 619-627.
[2]	陈吉清,李子涵,兰凤崇,蒋心平,潘威,陈继开. 基于非线性降维IC特征的实车电池SOH估计[J]. 汽车工程, 2023, 45(2): 199-208.
[3]	王国栋,王丽芳,吴艳,张俊智. 基于单电流调节器的永磁同步电机深度弱磁控制及模式切换控制策略[J]. 汽车工程, 2023, 45(2): 219-230.
[4]	崔格格,吕超,李景行,张哲雨,熊光明,龚建伟. 数据驱动的智能车个性化场景风险图构建[J]. 汽车工程, 2023, 45(2): 231-242.
[5]	姜俊昭,杨文豪,彭彬,郭婷,徐业凯,王国卓. 基于能耗加权策略的燃料电池汽车续驶里程预测[J]. 汽车工程, 2023, 45(12): 2357-2365.
[6]	廉玉波,凌和平,王钧斌,潘华,谢朝. 基于混合高斯-隐马尔可夫模型的动力电池实时热失控检测[J]. 汽车工程, 2023, 45(1): 139-146.
[7]	赵健,李雅欣,佟静,朱冰,武维祥,孙博华,韩嘉懿. 基于车辆动力学响应特征的越野地面分类方法[J]. 汽车工程, 2022, 44(6): 909-918.
[8]	黄晶,彭扬,黄烨,彭晓燕. 考虑噪声标签影响的驾驶员精神负荷状态评价[J]. 汽车工程, 2022, 44(5): 771-777.
[9]	胡杰,朱雪玲,何陈,杨光宇. 基于实车数据的电动汽车电池健康状态预测[J]. 汽车工程, 2021, 43(9): 1291-1299.
[10]	曾小华,陈虹旭,宋大凤,崔臣,李占江,蒋元广. 基于电机最优回馈转矩曲线的制动控制策略[J]. 汽车工程, 2021, 43(2): 162-170.
[11]	谢奕展,程夕明. 锂离子电池状态估计机器学习方法综述[J]. 汽车工程, 2021, 43(11): 1720-1729.
[12]	胡杰,高志文. 基于数据驱动的电动汽车动力电池SOC预测[J]. 汽车工程, 2021, 43(1): 1-9.
[13]	颜诗旋, 朱平, 刘钊. 基于改进LightGBM模型的汽车故障预测方法研究^*[J]. 汽车工程, 2020, 42(6): 815-819.
[14]	张河山，邓兆祥，杨金歌，妥吉英，张羽. 表贴式永磁电机磁场的解析计算与分析[J]. 汽车工程, 2018, 40(7): 850-.
[15]	林程, 邢济垒, 黄卓然, 程兴群. 电动汽车永磁同步电机最优弱磁控制策略^*[J]. 汽车工程, 2018, 40(11): 1346-1353.