電機驅動型礦山運輸設備運行速度比優化設計

李麗萍

（廣西大學行健文理學院，廣西 南寧 530005）

在礦山運輸設備工作中，電機與變速箱將組成一個機電耦合裝置，擁有固定動力源功率，需要在保證運輸設備動力性要求得到滿足的基礎上，實現傳統系速比的合理設計。而電機驅動型運輸設備不再設置變速器等部件，需保證固定檔速比能夠得到優化設計，以便與車輛動力性能參數相匹配。因此，需要加強電機驅動型礦山運輸設備的速比優化設計研究，使電機能耗達到最優狀態。

1 電機驅動型礦山運輸設備的速度比優化設計需求

相較于傳統驅動型運輸設備，采用電機驅動型的運輸設備對變速器、傳動軸等部件進行了省略，可以將簧下質量直接傳遞至設備本身，促使設備操縱穩定性、動力性等性能得到提升。實際在電機設計時，采用固定速比變速器匹配方案能夠使運輸設備保持簡單傳動結構。但是想要滿足最高穩定其運行速度、起步加速等要求，需要使驅動電機在恒轉矩區域內提供高瞬時轉矩，并在恒功率區域提供高轉速[1]。選擇較小速比的減速器，將導致驅動電機長時間在大電流、高轉矩狀態下工作，繼而導致電機能量利用率較低，影響運輸設備的續航里程。因此在電機設計方面，需要保證電機參數與其他部件匹配，保證不同工況下運行速度區間與電機高效區相重合。

2 電機驅動型礦山運輸設備速度比優化設計方法

2.1 設備的動力性能參數

在驅動電機擁有較大峰值轉矩時，運輸設備將獲得較好動力性，但與此同時將造成電機質量與尺寸增加，導致其經濟性受到影響。綜合考慮各方面因素，需要完成一級或兩級齒輪的固定檔減速器設置，促使電機峰值轉矩需求得到降低。為保證設備能耗經濟性得到提高，需要使電機額定參數與工況高頻運行速度區間相匹配。

2.2 參數匹配設計分析

實際在參數匹配設計上，可以選用三種循環工況，分別為NEDC、UD-DC和JC08，對應頻次較高運行速度區間存在差異，NEDC區間為0km/h～10km/h和30km/h～50km/h；UD-DC區間和JC08區間均為0km/h～10km/h、30km/h～40km/h和50km/h～60km/h。確定各工況加權因子，可以實現電機參數匹配分析，得到電機高頻運行速度區間：

其中，б1、б2、б3為加權因子，可以分別取0.5、0.3和0.2。在車輪滑移率達到10%的情況下，電機瞬時轉速與瞬速車速、輪胎滾動半徑和固定檔減速器速比相關。在車輪半徑等參數確定的情況下，可以確定速比范圍，得到i≤0.377×0.9Rnmax/uamax。Nmax為電機最高轉速，uamax為對應運輸設備最高行駛速度，R為車輪半徑，可以根據設備動力性能參數確認，得到i≤6.778，得到電機額定轉速在2451r/min～3291r/min范圍內，可以選擇為3000r/min。根據各項性能指標要求，可以求得峰值功率為27.5kW，峰值轉矩為87.54N·m。

2.3 速比優化設計算法

確定礦山運輸設備的電機、蓄電池等裝置的性能參數后，其動力性能將取決于固定檔速比。在優化設計中，初始值可以設定為i=6.7。將設備動力性指標當成是約束，對循環工況加權因子下的運輸機平均能耗進行分析，使能耗保持最小，能夠得到最優的速比。按照這一思路進行加權工況下平均能耗分析，可以得到。

其中，Wcyc指的是運輸機加權工況平均能耗，P值為各循環工況下的電池輸出功率，T值為工況仿真時間。在求取過程中，可以運用粒子群算法和遺傳算法。

（1）粒子群算法。運用粒子群算法，需要將解當成是搜索空間粒子，各粒子與目標函數之間存在適應度值。在一維空間中，優化設計問題的解可以看成是由n個粒子構成的種群X=（X1，X2，…，Xn），利用目標函數對各粒子位置適應度進行運算，需要確定粒子速度Vi和個體極值pi，并確定群體極值pg。在迭代中，粒子可以按照規則更新速度和位置。

其中，w指的是慣性權重因子，可以取0.72，c1和c2則是學習因子，可取1.49，rand為0～1間隨機函數。

（2）遺傳算法。采用遺傳算法實現速比優化設計，可以完成固定檔速比的編碼，得到相應二進制字符串。結合目標函數與適應度映射關系，可以對個體適應度進行計算。將適應度大的個體當成是遺傳基礎，實現交叉與變異操作，使個體結構得到部分修改，能夠避免下一代遺傳過早陷入局部收斂問題。得到的新串結構數據可以重新插入，對原本種群中的數據進行替代，得到新的種群。在迭代次數未到設定值時，可以重新生種群進行迭代分析，達到設定值結束優化過程。

2.4 優化設計仿真結果

在仿真分析過程中，NEDC、UD-DC和JC08三種工況仿真時間分別取1200s、1367s和1200s，N為30，迭代次數為40。在仿真過程中，需要先對單循環NEDC工況下的速比優化情況進行仿真，然后對加權工況下的速比優化結果展開分析。結合仿真分析情況可知，礦山運輸設備各項性能參數均能滿足要求。從能耗情況來看，如表1所示，為仿真分析結果。采用兩種算法獲得的結果相近，但運用遺傳算法實現速比優化設計，將出現較大波動。分析原因可以發現，波動由選擇和變異算子引起。在加權工況下追求能耗最小，能夠使多數工況條件下電機能耗最低。對兩種速比下的運輸設備加速性能進行仿真分析，需要完成其運行狀態模擬，運輸設備從20km/h加速到100s時，進行20°轉向角施加，觀察設備狀態，確定速度變化隨著時間增大逐步穩定，在20km/h時達到穩定狀態。從模擬分析結果來看，加速時間盡管都小于15s，采用加權工況平均能耗最小的設計方法。

表1 仿真分析結果

3 結論

在實踐工作中，需要加強礦山運輸設備性能參數研究，確保參數相互匹配，然后結合不同工況條件進行電機能耗加權計算分析，保證平均能耗最小，能夠得到最優的速比設計結果，繼而使電機能耗得到有效控制。