基于XGBoost的电动汽车用异步电机全工况及高精度的电流预测方法研究

摘要：

在工程中,使用李斯特(anstalt fur verbrennungskraftmaschinen list,AVL)测功机标定转矩-转速点对应电流值的精度往往过低.使用电驱系统查电流表时,表的精度也对控制结果产生影响.该文研究一种基于机器学习算法的电动汽车用异步电机全工况、高精度电流预测方法,以解决AVL标定电流表精度低的问题.首先,建立异步电机最大转矩的数学模型,分析励磁电流isd及转矩电流isq精度对电磁转矩输出的影响;然后,通过ANSYS模拟实验数据点的精度,提取电流、电压、磁链等数据,使用极端梯度增强算法(eXtreme gradient boosting,XGBoost)分析变量重要性,优化模型结构,合理选择模型输入、输出;最后,搭建AVL实验平台,采集实验数据,使用XGBoost算法建模并预测电流,提高电流表精度后,代入系统验证,通过仿真和实验证明该方法的有效性.

关键词：电动汽车、异步电机、AVL测功机、全工况、电流预测、极端梯度增强算法

所属期刊栏目：40

分类号：TM343(电机)

资助基金：国家自然科学基金;国家自然科学基金;安徽中磁高科有限公司新能源汽车驱动电机研发及产业化

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：313-322