低溫環境中電動汽車驅動發電機適應性測試方法

強文

(江蘇省鎮江市農商銀行，江蘇 鎮江 212003)

0 引言

隨著技術水平的發展，電動汽車的性能不斷優化升級，越來越多的領域應用電動汽車執行運輸任務，但由于運輸環境的不同，電動汽車所需承受的環境溫差較大，因此需要對電動汽車驅動發電機，在低溫環境中的適應性進行測試，以此確認驅動發電機所能承受的低溫極限，確保電動汽車在該低溫環境極限內，執行運輸任務[1]。國外的學者們也提出了兩種發電機適應性測試方法，一種是渦扇發電機總壓畸變適應性測試方法[2]，該方法在某加力燃燒室渦扇發動機上進行了進氣總壓畸變試驗，利用BP神經網絡對實驗數據進行建模和分析，得到了cvdbdg的工作包絡。另一種是橡膠波形發電機采用沖擊脈沖的高精度非線性動力學模型和參數辨識適應性測試方法[3]，該方法考慮了rwg的非線性粘彈性、rwg的幾何因子以及初始沖擊速度的影響，這兩種方法都沒有考慮低溫環境的影響。我國學者朱林等[4]提出了一種改進的發電機聚合參數解析求解適應性測試方法，該方法首先通過加入等價移相變壓器消除同調發電機合并至公共母線所帶來的電壓偏差,然后基于發電機結構的系數矩陣不變特性,利用發電機聚合前后在同步平面各軸系投影分量相等的特點,直接獲取等值發電機模型參數，但是沒有進行降噪處理。因此，針對這些問題，提出全新的發電機適應性測試方法。該方法在傳統測試方法的基礎上，通過分析環境溫度和發電機工作特性之間的關系，設定精確程度更高的評估指標，同時利用小波函數對測試信號降噪，實現更加精準的發電機性能測試，為電動汽車的應用和發展，提供完備的技術支持。

1 低溫環境中電動汽車驅動發電機適應性測試方法

1.1 獲取發電機在低溫環境中的工作特性

在低溫環境下，對電動汽車發電機的適應性測試，需要根據發電機本身材料的溫度特點，獲取發電機在低溫環境中的工作特性。通常計算發電機電磁材料的電阻值時一般為式(1)。

R=ρl/s0

(1)

(2)

根據電機學基本定理可知，同步電機電樞繞組的每相電阻計算方程為式(3)。

(3)

式中,D1表示每相串聯的匝數；l0表示線圈匝平均長度；c1表示相繞組的并聯支路數；s01表示導體的截面積[5]。而電阻率與電機的使用環境溫度有關，其中銅電阻具有較高的電阻溫度系數，且在-60 ℃—+200 ℃的范圍內，與環境溫度成線性關系。假設當環境溫度為T時，電動汽車驅動發電機的電阻率ρT，可按照下列方程式進行換算,如式(4)。

ρT=ρt[1+β(T-Δt)]

(4)

式中,ρt表示實際低溫環境溫度值為t時的電阻率；β表示導體電阻的溫度系數控制指標；Δt表示浮動誤差[6]。單相電阻與溫度之間的關系如圖1所示。

圖1 發電機單相電阻與環境溫度之間的關系曲線

從圖1可知，當溫度為-45 ℃時，電阻值為0.011 Ω，溫度為-40 ℃時，電阻值為0.013 Ω，溫度為-35 ℃時，電阻值為0.015 Ω，溫度為-30 ℃時，電阻值為0.017 Ω，溫度為-25 ℃時，電阻值為0.017 5 Ω，溫度為-20 ℃時，電阻值為0.019 Ω，溫度為-15 ℃時，電阻值為0.02 Ω，溫度為-10 ℃時，電阻值為0.021 Ω，溫度為-5 ℃時，電阻值為0.022 5 Ω，溫度為0 ℃時，電阻值為0.024 Ω，由此可見，隨著溫度的增加，單相電阻值也不斷增加，環境溫度會影響發電機單向電阻，且二者之間呈正相關。

計算上圖中關系曲線的變化值，根據該值確定發電機在低溫環境中的工作指標,如式(5)。

(5)

式中,αγ表示在特性指標γ影響下的發電機工作變動指標；T1表示發電機初始運行階段的儀器溫度；T2表示設備運行過程中的溫度；μT1表示初始階段的磁導率；μT2表示在低溫影響下的磁導率[7]。至此實現在低溫環境下，發電機的工作特性指標。

1.2 設置發電機適應性測試參數

以驅動發電機在低溫環境下的工作特性為依據，根據發電機的基本參數，建立有限元模型，設置發電機適應性測試參數。某一電動汽車的驅動發電機基本參數如表1所示。

表1 發電機基本參數

根據上式參數，計算發電機轉子的不平衡拉力，確定適應性測試下，判別發電機狀態的評估指標[8]。電場和電磁學控制原理表明，電場力、磁場力和發電機動量之間具有相互作用關系，因此發電機的單位應力為式(6)。

(6)

圖2 有限元模型結構圖

觀察上圖可知，該模型在對發電機進行適應性測試時，根據工作特性指標，對發電機的應力情況進行測試，而此時通過評估指標，判別發電機在低溫環境下的適應性，以此得出測試結果。該評估指標可通過下列方程獲得如式(7)。

3）合理修剪。梨園要適度密植，通過合理修剪改善通風透光條件，對減輕病害發生非常重要。修剪時要剪除密擠、冗長的內膛枝，疏除外圍過密、過旺、直立生長枝條，對發病較重的樹要適當重剪。同時調整好負載，以提高樹體抗性。

(7)

式中,E(t)表示評估結果；φ(t)表示跟蹤函數；σi表示環境條件為i時，適應性測試基準指標；ω表示適應性權重；N表示最大線圈數量；?表示發電機機械角度[10]。將該指標評估作為發電機適應性測試參數，實現低溫環境下，對電動汽車發電機的性能測試。

1.3 分析信號輻射方式降低發電機信噪比

但由于驅動發電機在適應性測試過程中存在運行噪聲，使測試得到的信號中存在大量噪聲，影響測試數據，以此需要根據電磁信號波動規律，對測試信號進行降噪處理。發電機工作原理圖如圖3所示。

圖3 發電機工作原理圖

發電機由渦輪、空氣軸承、壓縮器、發電機、進氣口、發電機冷卻風扇、排氣口、換熱器、燃油噴嘴和燃燒室組成，從進氣口進入的氣流在壓縮器內被壓縮成高密度、高壓和低速的氣流，以增加發動機的效率。氣流進入燃燒室后，由燃油噴嘴噴射出燃料，在燃燒室內與氣流混合并燃燒。燃燒后產生的高熱廢氣，接著會推動渦輪機使其旋轉，然后帶著剩余的能量，通過換熱器進行換熱，經由噴嘴或排氣管排出來，由渦輪帶動軸承產生電能，為防止發電機溫度過高，要通過發電機冷卻風扇進行冷卻。發電機由激勵源、振動傳遞器和噪聲發射器組成，因此分析驅動發電機的運行噪聲傳播途徑，確認噪聲是由激勵源向外輻射，還是經過激勵源產生的力，作用到其他組件上引起的其他組件振動，從而進一步向外輻射噪聲。當噪聲是由激勵源作用力而導致的，即快速轉動的冷卻風扇，將風作用在扇葉上，使其產生壓力脈動，進而輻射出噪聲[11]。已知扇葉作用在質點上的周期力頻率，與扇葉的旋轉噪聲頻率相同，如式(8)。

(8)

式中,fb表示扇葉旋轉噪聲頻率；m表示非零的自然數；Nb表示發動機扇葉數目；v表示冷卻風扇的轉動流速。根據該計算結果，利用小波變化的方法，對適應性測試降噪，小波是指通過伸縮平移運算對信號(函數)逐步進行多尺度細化，最終達到高頻處時間細分，低頻處頻率細分，能自動適應時頻信號分析的要求，從而可聚焦到信號的任意細節。小波閾值去噪的基本思想是先設置一個臨界閾值λ，若小波系數小于λ，認為該系數主要由噪聲引起，去除這部分系數;若小波系數大于λ，則認為此系數主要是由信號引起，保留這部分系數，然后對處理后的小波系數進行小波逆變換得到去噪后的信號。去噪流程圖如圖4所示。

圖4 小波閾值法去噪流程

按照上述流程，利用雙正交l小波對含有噪音的發電機測試信號進行降噪，該小波具有良好的正交性和對稱性，可將混雜在測試信號中的噪聲信號分離出來，該小波函數的表現形式為式(9)。

(9)

其中,r表示信號測試集重構系數；d表示信號分離系數[12]。利用小波變換，將信號中的噪聲去除后，再次進行信號重構，得到的信號就是降噪后的信號，以此提升發電機適應性測試信號的信噪比，增強測試結果的準確性，實現在低溫環境下，對電動汽車驅動發電機適應性測試。

2 對比實驗

提出對比實驗，將所提出的發電機適應性測試方法，與傳統發電機適應性測試方法進行比較，分析在低溫環境中，兩種方法對電動汽車驅動發電機的適應性測試結果，是否與真實值相符。

2.1 實驗準備

搭建實驗測試環境，該實驗環境中的硬件組成包括轉速驅動部分、溫度控制器、直流電子負載、信號調理箱、扭距傳感器、電壓傳感器、F/V傳感器、F/V轉換器、信號采集器、工業計算機、汽車用12 V蓄電池以及汽車用24 V蓄電池，其中，此次實驗測試搭建的轉速驅動部分硬件如圖5所示。

圖5 轉速驅動部分硬件搭建示意圖

校核發電機和電動機的額定轉速點，其中發電機的輸入功率、輸出功率設定結果為式(10)。

(10)

式中,A表示發電機型號；UA表示輸出電壓；IA表示輸出電流；κA表示發電機效率，一般取值在60%-80%之間。根據式(10)，計算發電機的輸入轉置矩陣和轉出矩陣，得出額定轉速點,如式(11)。

(11)

式中,TnA表示輸入轉置；TmA表示輸出轉置；c表示發電機基本運行參數；n表示轉速；m表示額定轉速；r表示調速比。由于變頻電機具有額定點以下恒額定轉矩的特點，因此額定轉速點以下無需校核。因此同理上式，校核發電機的最高轉速點，當TmA-max>TmA時，變頻電動機滿足實驗選用汽車發電機的測試要求。由于此次實驗需要在低溫下進行，因此利用設備，控制實驗測試溫度,設備如圖6所示。

圖6 高低溫交變濕熱試驗箱

通過高低溫交變濕熱試驗箱，結合圖1發電機單相電阻與環境溫度之間的關系曲線，將實驗測試環境溫度，控制在低溫范圍內，為保證實驗測試結果具有說服性，設置若干個低溫測試環境，如表2所示。

表2 低溫測試環境基本參數

圖6中的設備，按照上表中的環境溫度，設置實驗測試溫度，分別利用兩種測試方法，對電動汽車驅動發電機的適應性進行測試。

2.2 結果分析

將所提出測試方法作為實驗組，將傳統測試方法作為對照組，此次實驗測試結果中，當環境溫度為0 ℃時，發電機的適應性測試結果如圖7所示。

圖7 0 ℃下的實驗測試結果

根據圖7中的曲線走勢可知，在5次對比測試下，所提出測試方法的信噪比，隨著信號量的增加而迅速提升；而傳統測試方法下，其信噪比雖然得到一定程度的提升，但遠低于此次提出的測試方法。為保證實驗測試結果更具有普遍性，再對測試環境溫度為-40 ℃的實驗測試結果展開分析，比較2種測試方法的測試信噪比,如圖8所示。

圖8 -40 ℃下的實驗測試結果

在同樣的實驗測試條件下，將測試環境溫度降至-40 ℃。根據圖8可知，所提出測試方法在低溫環境下，其測試信噪比與0 ℃時的值相比，變化較小；而傳統測試方法，其信噪比大幅度下降，發電機的適應性測試結果嚴重失準。綜合上述兩組測試結果，可確認此次提出的測試方法，其信噪比更高，發電機適應性測試結果誤差極小。

3 總結

此次提出的適應性測試方法，在保證測試精準的基礎上，通過提升測試信號信噪比，將發電機的測試結果的真實性，又提升了一個高度，極大程度上降低了噪聲對測試結果的干擾，為電動汽車驅動發電機在低溫中的適應性測試，提供更為嚴謹的技術手段。但此次提出的方法，是在不考慮外部環境噪聲的基礎上進行的，當進行適應性測試時，若有外界信號噪聲干擾，還是會影響測試結果，這一點需要注意。