تصميم وحدات تحكم ذكية محسنة للمركبة الكهربائية

الباحث

أركان علي جاسم

المشرف

اخلاص هادي كرم - محمد مؤنس عز الدين علي

الجامعة

الجامعة التكنولوجية

الكلية / القسم

قسم الهندسة الكهربائية / هندسة الالكترونيك والاتصالات

الشهادة

دكتوراه

السنة

2024

لغة الرسالة

انكليزي

الكلمات المفتاحية

Electric vehicle;Intelligent controllers;Optimization;Speed control

لقد أصبحت المركبات الكهربائية (EVs) نظام نقل خالي من الانبعاثات ووسيلة للنقل تستخدم الطاقة النظيفة، حيث إنها هادئة بطبيعتها. ُستخدم المحركات الحثية بشكل واسع في المركبات الكهربائية بسبب قوتها وكفاءتها ومتطلبات صيانتها المنخفضة. ومع ذلك، تطرأ عدة تحديات في التحكم cles والتي تؤثر بشكل كبير على الأداء العام للمركبات الكهربائية. تتميز المحركات الحثية بخصائص غير خطية: مما يسبب صعوبات في تحقيق تحكم دقيق، خاصة تحت ظروف الحمل المتغيرة. يتطلب السلوك الديناميكي للمحركات الحثية خوارزميات تحكم متقدمة يمكنها الاستجابة على الفور للتغيرات في متطلبات السرعة والعزم. تقترح هذه الدراسة نظامًا متعدد المحولات/متعدد الآلات مزودًا بمحركين حثيين (IM) يدفعان العجلات الخلفية للسيارة الكهربائية. تم اقتراح وحدتين تحكمتين من مرحلتين لتنظيم التحكم للموجه ميدانيًا (FOC) لمحرك حثي ثلاثي الطور للسيارة الكهربائية. تتكون المرحلة الأولى من وحدة تحكم هجينة من نوع Proportional-Integral (PI) ووحدة تحكم Robust Integral Sign of Error (RISE) تحتوي المرحلة الثانية من وحدة التحكم PY مع دالة الاشباع. يتم تحسين أداء المرحلتين المقترحتين من خلال وحدة تحكم عصبية بسيطة من نوع Adaline NN تم تحديد المعلمات المثلى لوحدة التحكم المقترحة من خلال خوارزمية .Salp Swarm Algorithm (SSA) تم اختبار السيارة الكهربائية (EV) باستخدام المتحكم المقترح تحت مسارات سرعة مختلفة. تُظهر نتائج المحاكاة أن المتحكم المقترح يتمتع باس تجابة سريعة وتتبع دقيق لسرعة المحرك الحثي Cus ،(IM) كان زمن الاستقرار 0.572 ثانية، وأقل as لإزاحة الذروة 60,06 وخطأ ثابت صغير. بالمقارنة مع المتحكم المثالي ذو الأربعة وحدات تكامل تناس بية PY) 4( حيث عانت سرعة الخرج من الاهتزاز ووجود تقلبات أكبرء حيث كان زمن الاستقرار 0.615 ثانية، ily حد لإزاحة الذروة 0.07 وخطأ Gul صغير. وعلى الرغم من أن نتائج زمن الذروة وزمن الصعود كانت أفضل في المتحكم APT (0.208 ثانية و0.183 ثانية على التوالي)، فإن هذه القيم كانت (0.221 ثانية و0.192 (ASG على التوالي في المتحكم المقترح. تتم إدارة السرعة الخطية لمركبة كهربائية قابلة للش حن بواسطة وحدة التحكم في التفاضل الإلكتروني (EDC) التي تقوم بض بط سرعات العجلات aly على سرعة السائق المرجعية وزاوية التوجيه لتعزيز السحب والثبات أثناء مختلف ظروف القيادة. تقوم وحدة التحكم EDC بتوزيع الطاقة والعزم بشكل مثالي لتحسين التحكم والأداء. ادى الانتشار السريع للمركبات الكهربائية (EVs) إلى تحقيق تقدم كبير في تكنولوجيا البطارياتء إلا أن العديد من التحديات لا تزال قائمة في إدارة أنظمة البطاريات. واحدة من التحديات الرئيسية هي Glave طول عمر البطارية وأدائهاء حيث يمكن أن تؤثر عوامل مثل تقلبات درجة الحرارة، ودورات الشحنء وحالة الشحن (SOC) بشكل كبير على عمر البطارية. في الواقع، يجب أن يكون هناك تحكم في تدفق الطاقة النهائي بين البطارية والمحولات الكهربائية ووحدات السيارة البديلة. يُعرف هذا التحكم بنظام إدارة الطاقة (EMS) يعتبر نظام إدارة الطاقة في السيارة الكهربائية النموذج الذي Kay من نقل الطاقة بسلاسة من المحرك الكهربائي إلى عجلات السيارة. ايضا في هذه الدراسة ، تم تصميم نظام محاكاة لتمثيل نظام إدارة الطاقة (EMS) لتوضيح عمل بطارية السيارة والتحكم بها من خلال نظام تحكم ذكي يعمل مع الشبكة العصبية الاصطناعية (ANN) يمثل النظام كيفية عمل نظام إدارة الطاقة من خلال عملية بسيطة تتمثل في دمج المكثف الفائق مع بطارية مصسدر. يتم ربط المكثف الفائق والبطارية بمحويل (buck/boost) يحدد محدد السرعة حدود الطاقة للبطارية؛ لذلك يتم تجهيز الطاقة العابرة لناقلات التيار المستمر على طول المكثف الفائق. أظهرت نتائج النظام المقترح استجابة ممتازة من حيث الكفاءة وحالة الشحن بمعدل شحن يبلغ )%92( تم تنفيذ وحدة التحكم المقترحة ذات المرحلتين ونظام إدارة الطاقة (EMS) على لوحة تطوير FPGA Spartan 3A DSP 34004 أظهرت النتائج تطابقًا LU بين نتيجة محاكاة البرنامج ومنصة FPGA (Spartan-3A DSP 3400A) .

Electric vehicles (EVs) have become a zero-emission transportation system and a means of transportation that uses clean energy, as they are quiet by nature. Induction motors are widely used in EVs due to their robustness, efficiency, and low maintenance requirements. However, several challenges arise in their control, which significantly impact the overall performance of EVs. The non- linear characteristics of induction motors present difficulties in achieving precise control, especially under varying load conditions. The dynamic behavior of induction motors requires advanced control algorithms that can respond instantaneously to changes in speed and torque demands. This study proposes a multi-converter/multi-machine system with two Induction Motors (IM) that drive a pure EV's rear wheels. Two-stage controllers are suggested to regulate the Field-Oriented Controller (FOC) and the speed of a 3-phase induction motor of the EV. The first stage consists of a hybrid Proportional-Integral (PI) with a Robust Integral Sign of Error (RISE) controller. The second controller stage contains PI control with saturation functions. The performance of the two stages suggested is improved by a simple Adaline neuro- controller. The optimal parameters of the proposed controller are determined by the Salp Swarm Algorithm (SSA). The EV with the proposed controller tested by different desired velocity trajectory. Simulation results demonstrate that the proposed controller have fast response and accurate tracking for the IM speed with (settling time=0.572s, smallest Maximum overshoot=0.06, and small steady state error), compared with an optimal four proportional-integral (4PI) that the output speed suffer from chattering and has higher oscillation with (settling time=0.615s, smallest Maximum overshoot=0.07, and small steady state error) despite the better results of peak time and rising time obtained in 4PI (0.208s and 0.183s) respectively, while these values were (0.221s and 0.192s) respectively in proposed controller. A plug-in electric vehicle's linear speed is managed by the Electronic Differential Controller (EDC), which adjusts wheel speeds based on the driver's reference speed and steering angle to enhance traction and stability during various driving conditions. The EDC optimally distributes power and torque to improve handling and performance. The rapid adoption of electric vehicles (EVs) has resulted in significant advancements in battery technology, yet several challenges persist in the management of battery systems. One of the primary challenges is ensuring battery longevity and performance, as factors such as temperature fluctuations, charge cycles, and state-of-charge (SOC) can significantly impact battery lifespan. Actually, there must be control over the ultimate energy flood amidst the battery and inverters with alternative vehicle units. Such a control is called the Energy Management System (EMS). The EMS in an EV is the model that enables seamless power transfer from the power motor to the vehicle wheels. In this work, a simulation system was designed to represent the EMS, illustrate the operation of the vehicle battery, and control it through an intelligent control system that works with Artificial Neural Network (ANN). The system represents how an energy management system works through a simple process of hybridizing a supercapacitor with a source battery. The supercapacitor and the battery are linked to a buck/boost converter. The speed selector mass limits the battery energy, and hence transient energy is outfitted to the DC buses along the supercapacitor. The results of the proposed system showed an excellent response in terms of efficiency and state of charge with (92%) charge rate. The improved two-stage controller, and the EMS are implemented on the FPGA Spartan 3A DSP 3400 Development board. The experimental results of this work show a perfect match between the software simulation result and the FPGA hardware platform (Spartan 3A DSP 3400A Development).

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب