چه الگوریتم‌های کنترلی در اکسل الکتریک استفاده می‌شوند؟

به عنوان تامین کننده Axle Electric، من از نزدیک شاهد پیشرفت های باورنکردنی در زمینه محورهای الکتریکی و نقش مهمی که الگوریتم های کنترلی ایفا می کنند، بوده ام. بیایید به الگوریتم‌های کنترل مختلف مورد استفاده در Axle Electric و چگونگی تأثیر آنها بر عملکرد و کارایی این سیستم‌ها بپردازیم.

الگوریتم کنترل PID

یکی از رایج ترین الگوریتم های کنترلی مورد استفاده در اکسل الکتریک، کنترل متناسب - انتگرال - مشتق (PID) است. این شبیه به چاقوی ارتش سوئیس از الگوریتم های کنترلی است، ساده و در عین حال بسیار موثر.

کنترل کننده PID با محاسبه یک مقدار خطا به عنوان تفاوت بین نقطه تنظیم مورد نظر (مانند سرعت هدف) و مقدار واقعی (سرعت فعلی محور) کار می کند. عبارت متناسب به خطای فعلی پاسخ می دهد، عبارت انتگرال خطاهای گذشته را در طول زمان انباشته می کند، و عبارت مشتق خطاهای آینده را بر اساس میزان تغییر خطا پیش بینی می کند.

در یک محور الکتریکی می توان از کنترل PID برای تنظیم سرعت موتور استفاده کرد. به عنوان مثال، اگر نقطه تنظیم یک سرعت چرخشی خاص برای محور باشد، کنترل کننده PID ولتاژ یا جریان عرضه شده به موتور را تنظیم می کند تا اختلاف بین نقطه تنظیم و سرعت واقعی را به حداقل برساند. این به حفظ سرعت پایدار و دقیق کمک می کند که برای عملکرد روان وسایل نقلیه بسیار مهم است.

مدل - کنترل پیش بینی (MPC)

مدل - کنترل پیش بینی یک الگوریتم کنترل پیشرفته تر است که رفتار آینده سیستم را در نظر می گیرد. این سیستم از یک مدل ریاضی از سیستم محور الکتریکی برای پیش‌بینی وضعیت‌های آینده آن بر اساس ورودی‌های فعلی استفاده می‌کند.

MPC دنباله ای از ورودی های کنترل بهینه را در یک افق زمانی محدود محاسبه می کند تا تابع هزینه را به حداقل برساند. این تابع هزینه می تواند شامل عواملی مانند مصرف انرژی، خطای ردیابی سرعت و استرس مکانیکی باشد. برای سیستم Axle Electric می توان از MPC برای بهینه سازی توزیع نیرو بین موتور و باتری استفاده کرد. این می‌تواند بر اساس عواملی مانند بار وسیله نقلیه، شرایط جاده، و سبک رانندگی، نیروی مورد نیاز آینده محور را پیش‌بینی کند و سپس بر اساس آن توان خروجی را تنظیم کند.

این الگوریتم به ویژه در وسایل نقلیه الکتریکی که بهره وری انرژی در اولویت قرار دارد مفید است. با پیش بینی و بهینه سازی مصرف انرژی، MPC می تواند به افزایش برد خودرو و کاهش مصرف کلی انرژی کمک کند.

کنترل منطق فازی

کنترل منطق فازی یک الگوریتم کنترلی است که تصمیم گیری انسان را تقلید می کند. به جای استفاده از مدل های دقیق ریاضی، از مجموعه ها و قوانین فازی برای تصمیم گیری استفاده می کند.

در یک سیستم Axle Electric، از کنترل منطق فازی می توان برای مدیریت شرایط پیچیده و نامطمئن استفاده کرد. به عنوان مثال، هنگام برخورد با شرایط مختلف جاده مانند جاده های لغزنده یا زمین های ناهموار، کنترل کننده می تواند از قوانین فازی برای تنظیم گشتاور و سرعت محور استفاده کند. قوانین مبتنی بر دانش انسان - مانند "اگر جاده لغزنده است، گشتاور را کاهش دهید تا از لغزش چرخ جلوگیری کنید."

کنترل منطق فازی انعطاف پذیر است و می تواند بدون نیاز به مدل ریاضی دقیق با شرایط عملیاتی مختلف سازگار شود. همچنین می‌تواند غیرخطی‌های سیستم را که در محورهای الکتریکی به دلیل عواملی مانند اشباع موتور و ویژگی‌های باتری رایج است، کنترل کند.

کنترل تطبیقی

کنترل تطبیقی ​​برای تنظیم پارامترهای کنترل در زمان واقعی بر اساس تغییرات در سیستم یا محیط آن طراحی شده است. در زمینه Axle Electric، سیستم ممکن است تغییرات بار، دما یا سایش قطعات را در طول زمان تجربه کند.

الگوریتم های کنترل تطبیقی ​​به طور مداوم بر عملکرد محور الکتریکی نظارت می کنند و پارامترهای کنترل را بر اساس آن تنظیم می کنند. به عنوان مثال، اگر بازده موتور به دلیل تغییرات دما کاهش یابد، کنترل کننده تطبیقی ​​می تواند استراتژی کنترل را برای حفظ عملکرد بهینه تنظیم کند. این تضمین می کند که سیستم Axle Electric در طول عمر خود قابل اعتماد و کارآمد باقی بماند.

کاربردهای این الگوریتم های کنترلی

این الگوریتم های کنترلی کاربردهای گسترده ای در انواع مختلف سیستم های Axle Electric دارند.

برایمحور تریلر محرک الکتریکیکنترل PID می تواند برای حفظ سرعت ثابت در طول بکسل استفاده شود، در حالی که MPC می تواند مصرف انرژی را برای افزایش عمر باتری بهینه کند. کنترل منطق فازی می تواند به تنظیم عملکرد محور بر اساس بار تریلر و شرایط جاده کمک کند.

درسیستم محور Eاین الگوریتم‌ها که معمولاً در خودروهای الکتریکی استفاده می‌شود، نقش مهمی در تضمین شتاب، کاهش سرعت و بهره‌وری انرژی دارند. کنترل تطبیقی ​​می تواند با تغییرات در شرایط رانندگی خودرو، مانند ترافیک توقف و حرکت یا رانندگی در بزرگراه، سازگار شود.

برایمحور محرک اتوبوس برقی، الگوریتم های کنترل برای ارائه یک سواری راحت و کارآمد ضروری هستند. کنترل PID می تواند سرعت ثابتی را حفظ کند، در حالی که MPC می تواند مصرف برق را برای کاهش هزینه های عملیاتی بهینه کند. کنترل منطق فازی می تواند دینامیک پیچیده یک وسیله نقلیه بزرگ مانند چرخش و ترمز را کنترل کند.

چرا محصولات الکتریکی محور ما را انتخاب کنید؟

ما به عنوان تامین کننده اکسل الکتریک، تجربه زیادی در پیاده سازی این الگوریتم های کنترلی در محصولات خود داریم. تیم متخصص ما این الگوریتم ها را برای اطمینان از عملکرد بهینه، قابلیت اطمینان و بهره وری انرژی تنظیم کرده است.

ما از جدیدترین فناوری ها و تحقیقات برای بهبود مستمر الگوریتم های کنترل خود استفاده می کنیم. چه یک محور تریلر الکتریکی کوچک باشد یا یک محور محرک اتوبوس برقی بزرگ، ما می‌توانیم راه‌حل‌های سفارشی‌سازی شده‌ای را ارائه کنیم که نیازهای خاص شما را برآورده می‌کند.

اگر در بازار محصولات اکسل الکتریک هستید، از شما دعوت می کنیم برای بحث در مورد خرید با ما تماس بگیرید. ما مطمئن هستیم که محصولات ما با الگوریتم‌های کنترل پیشرفته‌ای که دارند فراتر از انتظارات شما خواهند بود و راه‌حلی با کیفیت بالا و مقرون به صرفه را در اختیار شما قرار می‌دهند.

مراجع

• دورف، آرسی، و بیشاپ، RH (2016). سیستم های کنترل مدرن پیرسون.
• Åström، KJ، و Murray، RM (2010). سیستم های بازخورد: مقدمه ای برای دانشمندان و مهندسان. انتشارات دانشگاه پرینستون