小功率直流充电机软件设计中的控制算法优化与实现策略研究

小功率直流充电机软件设计中的控制算法优化与实现策略研究

钱朋朋

南京康尼新能源汽车零部件有限公司，江苏省南京市，210000

摘  要：本文研究了小功率直流充电机软件设计中的控制算法优化和实现策略。探讨了控制算法优化的理论基础和方法选择。通过分析常见的控制算法及其特征，进一步提出了控制算法的优化及其在实际充电场景中的应用方案，并对优化控制算法对充电机性能的影响进行了评估。本文的研究，为小功率直流充电机的软件设计提供了重要的理论和实践指导。

关键词：小功率直流充电机；控制算法优化；软件设计；实现策略；性能评估

0 引言

传统的充电机控制算法在实际应用中有一定的局限性，如充电效率低、充电时间长等，不能完全满足用户对充电过程的需求。所以，要优化控制算法，提升充电机性能。本研究旨在探讨控制算法优化的理论基础和方法选择，并结合充电机系统架构和功能设计，通过对常见控制算法及其特征的分析，提出了控制软件优化算法，并对其在实际应用中的效果进行了分析和探讨。

1 控制算法优化

1.1 常见的控制算法及其特点分析

常见的控制算法涵盖了许多经典和现代方法。在小功率直流充电机软件设计中，选择合适的控制算法对系统的性能至关重要。其中，比例积分微分（PID）控制器是最常见的一种控制算法之一。PID控制器由比例项、积分项和微分项组成，通过调节这三个参数来实现对系统的控制。其控制器输出可以表示为：

其中，是控制器输出，是参考值与实际值之间的误差，分别是比例、积分和微分的增益参数。

另一种常见的控制算法是以模糊集合理论为基础，利用模糊规则进行决策的模糊逻辑控制(FLC)。在模糊逻辑控制中，通过模糊的和解法模糊地描述输入与输出的关系，具有一定的模糊性。模糊控制器的输出通常是一组模糊集合的加权平均值。

除了PID控制器和模糊逻辑控制，模型预测控制(MPC)也是常用的控制算法之一。MPC通过对系统进行数学模型的建立，使控制输入在各个控制周期中得到优化，从而达到优化系统性能的目的。它的核心是预报模式，是优化的问题。MPC可以经常用以下公式来表示：

其中，是预测时域长度，是时刻的参考值的预测，是时刻的输出的预测，是时刻和之间的控制输入变化，和是权重矩阵。

以上所述的控制算法是小功率直流充电机软件设计中常见的一些算法，在实际应用中，根据系统需求和性能指标的不同，选择合适的控制算法非常重要。

1.2 控制算法优化策略

在小功率直流充电机软件设计中，控制算法的优化至关重要，直接影响到充电机的充电效率、稳定性和安全性。比例积分微分（PID）控制器、模糊逻辑控制（FLC）和模型预测控制（MPC）是常用的控制策略，它们各有优势和局限性。针对这些算法，可以通过以下具体优化策略来提高充电机的性能：

比例积分微分（PID）控制器：比例积分微分（PID）控制器通过采用Ziegler-Nichols方法或频域分析方法，可以确定最佳的比例、积分和微分系数。这一步骤的目的在于提高系统的稳定性和响应速度，使得充电机在不同工况下都能够快速而准确地响应，从而实现高效充电。引入自适应PID控制器，这种控制器能够实时调整参数以适应不同工况和电池状态。这一举措提升了控制系统的鲁棒性和适应性，使得充电机能够更加智能地应对不同环境下的变化。

进一步地，将滑模控制技术与PID控制器结合起来，可以有效增强系统的鲁棒性和抗干扰能力。滑模控制技术通过引入一个滑模面来消除系统受到的外部干扰，从而确保系统在各种工况下都能够保持稳定。将其与PID控制器结合，不仅可以有效应对系统的快速变化，还可以进一步提升系统的稳定性和控制精度。这样的设计保证了小功率直流充电机在面对复杂多变的工作环境时，依然能够实现稳定、高效的充电过程，为用户提供可靠的充电体验。

模糊逻辑控制（FLC）：模糊逻辑控制（FLC）是一种重要的控制策略，它可以利用充电机的工作经验和专家知识，建立全面、准确的模糊规则库，以覆盖各种充电场景和异常情况。模糊规则的形式通常为：“如果...那么...”，其中包含模糊化的输入变量和输出变量，例如：“如果电池电压低且充电电流高，则增加充电电流”。这些规则的建立需要考虑到充电机的实际工作情况，并且通过特定的隶属函数来对输入变量进行模糊化，典型的隶属函数包括三角形隶属函数、梯形隶属函数等。模糊逻辑控制的数学模型可以表示为：

其中，是控制器的输出，是控制器的输入，是第个模糊规则的隶属度，是对应的权重。通过合理地设计模糊规则和调节权重，可以实现对充电机的精确控制。

将模糊逻辑控制与PID控制相结合，可以实现模糊PID控制器，充分发挥两者的优势，提高系统的动态性能和控制精度。PID控制器通过比例、积分和微分三个部分来调节系统的输出，具有简单、稳定的特点，但对于非线性系统的控制效果可能不尽如人意。而模糊逻辑控制则能够处理非线性系统，并且对于模糊输入和输出有较好的适应性。将两者结合起来，可以克服各自的缺点，形成一种更加强大的控制策略。具体地，模糊PID控制器可以根据模糊规则库对PID控制器的参数进行调节，使得控制系统能够更好地适应复杂多变的工作环境，提高充电机的动态性能和控制精度。

模型预测控制（MPC）：模型预测控制（Model Predictive Control, MPC）是一种广泛应用于工业控制领域的高级控制方法。在充电系统中，MPC可以深入分析充电系统的动态特性和电池的充电特性，以建立准确、可靠的充电模型。MPC通过对充电机的动态响应和电池的状态变化进行细致分析，建立起充电系统的数学模型。这一模型不仅考虑了充电机在充电过程中的实时动态变化，还综合了电池的充电特性，例如电池的充电速率、电压变化等。通过对充电系统动态特性的深入理解，MPC可以更准确地预测充电过程中的状态变化，为后续的控制策略提供可靠的基础。MPC采用迭代学习控制方法，通过不断调整控制策略以适应系统的变化。充电系统的运行环境可能受到多种因素的影响，例如电池的健康状况、外部环境温度等。为了应对这些变化，MPC通过实时监测系统状态，并根据实际情况对控制策略进行调整。这种迭代学习的方法使得充电系统能够在不断变化的环境中保持稳定的充电效果，提高了系统的稳定性和可靠性。

另外，MPC还引入了模型的辨识和参数优化技术，以进一步提高模型的预测精度和适用性。通过对充电系统的实际运行数据进行分析，MPC可以不断优化充电模型的参数，使其更加贴近实际情况。同时，利用辨识技术对模型进行验证和修正，进一步提高了模型的准确性和可靠性。这种基于数据驱动的方法，使得MPC能够更好地适应不同类型的充电系统，并在实际应用中取得更好的控制效果。

2 小功率直流充电机软件设计

2.1 充电机系统架构与功能设计

在小功率直流充电机软件设计中，充电机系统的架构与功能设计是整个设计过程中的关键一环。充电机系统的架构设计涉及到系统的整体组织结构、各个功能模块的划分与连接方式，而功能设计则是指明了充电机应具备的各项功能以满足用户的需求。

充电机的实际应用场景和性能要求需要考虑充电机系统的架构设计，当前比较典型的非车载充电机系统架构设计如下图1所示，系统主要分成三个部分：PFC 控制系统、LLC 控制系统、主控板控制系统，各个系统的功能如下所述。

图1 非车载充电机系统架构图

PFC控制系统：输入电源接通后，首先通过电路将母线电压升至一定程度，待输入电压Vin、母线电压Vpfc稳定后，打开 PFC 驱动，闭合输入继电器，使Vpfc保持稳定；PFC工作过程中，实时采集Vin、Vpfc，通过UART通信传送给LLC模块，同时一旦发现Vin、Vpfc有异常，立即进行相应的处理。 LLC 控制系统：LLC 模块的主要作用是根据主控板传输过来的输出电压（LLC_Vout）、输出电流（LLC_Iout）请求值调节PWM 驱动信号的频率，从而达到请求的输出电压、输出电流；运行过程中，实时采集 LLC_Vout、LLC_Iout、电池电压 Vbat、变压器温度、整流桥温度等信号，一旦发现有异常，立刻关闭输出进行保护。主控板控制系统: 主控板模块是整个充电机与外部进行通信的桥梁，通过 CAN接口与车辆的BMS进行通信，按照 GB/T27930 协议进行握手、充电参数配置等，引导充电机进行充电，充电过程中，实时监测自身状态，一旦有输出过压、过流、过温等异常，立即进行停机保护；后期产品的维护，也可通过 CAN 接口实现。

充电机的功能设计需要合理划分，按照用户的实际需求和期望来设计。充电机的基本功能有充电管理，安全防护，通讯互联等几个方面。充电管理功能主要包括充电控制、充电模式选择、充电策略优化等，其中充电控制负责控制充电电压、电流、充电时间等参数；充电模式选择负责根据用户需求选择合适的充电模式；充电策略优化负责根据充电电机和电池的状态进行智能优化调整，以提高充电效率，延长电池寿命；充电策略优化负责根据充电电机和电池的状态进行安全防护功能主要包括负责防止充电电压超过蓄电池额定工作电压的过压防护、过流防护、过温防护等，以及负责防止充电电流超过蓄电池额定充电电流的过流防护、负责防止蓄电池在充电过程中发生过热损伤的过温防护等。通信互联功能主要包括与用户手机或监控系统的通信功能，通过通信功能实现对充电机运行状态的监控和管理，使用户可以在任何时间、任何地点实现远程控制和管理。

2.2 控制算法在软件设计中的集成与实现

控制算法在小功率直流充电机软件设计中的集成和实现是一个复杂而关键的过程，控制算法需要充分考虑充电机系统的实际需求和性能指标，选择合适的控制算法，并进行有效的整合和实现，最终确保充电机系统能够正常运行并符合设计要求。

在集成方面，需要合理设计软件架构，将PID控制器、模糊逻辑控制和模型预测控制等算法集成到同一个控制系统中，实现统一的控制策略。例如，在充电机控制器中设立模块化的算法接口，使得各个算法可以灵活切换和组合，根据实际充电需求和环境条件选择最优算法组合。

具体应用场景方面，控制算法的实现需要结合充电机的特性和用户需求进行优化。例如，在家用电动车充电桩中，可以采用PID控制器进行基本的电流和电压控制，保证充电过程稳定；同时，结合模糊逻辑控制，根据电池的实时状态调节充电功率和充电模式，提高充电效率和电池寿命；而在工业自动化领域，可以利用模型预测控制对充电机进行动态优化调度，实现对多个充电桩的集中管理和优化调度，提高整体能源利用效率。

在软件设计中，需要实现高效的算法运算和实时控制，保证充电机的稳定性和可靠性。同时，结合硬件平台的特性和性能，优化算法的计算速度和资源占用，提高系统的实时响应能力。例如，利用硬件加速器和并行计算技术，加速PID控制器和模型预测控制的计算过程；采用实时操作系统和高性能处理器，确保控制算法的实时性和稳定性。

3 实现策略与性能评估

3.1 控制算法在实际充电场景中的应用方案设计

控制算法的应用方案设计对于实际充电场景中的充电机系统的性能和效率有着直接的影响，是必不可少的。基于模型预测控制(MPC)和模糊逻辑控制(FLC)的控制算法应用方案是为小功率直流充电机设计的。为实现充电机系统的智能控制和高效通信，这些算法被应用于充电控制模块和通信模块。通过这样的设计，为提高充电效率和最优化电池寿命，充电机可以根据当前的状态信息进行预测，并将充电控制策略优化到每一个控制周期。同时，充电机可与外部装置高效沟通及互联互通，利用模糊逻辑控制器处理通讯资料，提供使用者更便捷的使用体验。这样的设计方案保证了实际充电场景中充电机的稳定性、可靠性及性能表现等方面的性能表现[3]。

3.2 控制算法优化对充电机性能的影响评估与比较

评估选择了三种不同优化后的控制算法：PID控制、模糊逻辑控制（FLC）和模型预测控制（MPC）。通过在实验室环境中模拟充电场景，分别对这三种算法进行测试，并记录了充电机在不同算法下的性能参数。得到以下数据：

表1 控制算法对充电机性能的影响评估与比较表

从表中可以看出，在充电时间方面，模型预测控制（MPC）算法相较于PID控制和模糊逻辑控制（FLC）算法具有更短的充电时间，为40分钟；而在充电效率方面，MPC算法也表现最好，达到了90%，而PID控制和模糊逻辑控制的充电效率分别为85%和80%。然而，就充电温度而言，PID控制算法的充电温度最低，仅为35℃，而模糊逻辑控制和模型预测控制的充电温度分别为40℃和38℃。通过实验数据分析，模型预测控制算法在充电时间和充电效率方面表现出色，但在充电温度方面稍逊于PID控制算法[4-5]。

4 结语

本文通过对常见控制算法及其特点的分析，讨论了控制算法优化的理论基础和方法选择，充电机系统的架构和功能设计，以及控制算法在软件设计中的集成与实现，得出以下结论：在实际充电场景中，模型预测控制（MPC）算法在充电效率和充电时间方面表现优异，但在充电温度方面略逊于PID控制算法。同时，模糊逻辑控制（FLC）算法在通信互联方面具有较好的表现。因此，在选择控制算法时，应根据具体需求权衡各算法的优劣，并充分考虑充电机的实际情况和性能要求。

参考文献

[1]佘江平;宋杰;聂毅;王平平.小功率直流电机负载装置的设计与研究[J].技术与市场,2021:4(21-24).

[2]侯智东.刮板输送机电动机功率平衡控制的优化策略研究[J].矿业装备,2022:2.

[3]王婷婷;王宏志;刘清雪;胡黄水;王出航.遗传算法优化的无刷直流电机模糊PID控制器设计[J].吉林大学学报(理学版),2020:8.

[4]路新;程道伟;郑尧.小型光电转台直流无刷电机驱动控制的设计与实现[J].电视技术,2021:5.

[5]刘海波,杨战旗,艾永乐.基于微粒群优化算法的直流电机控制系统研究[J].现代电子技术,2018:121-124,128.

作者简介：钱朋朋（1985.11-），女，汉，河南，硕士研究生，工程师，目前从事电子嵌入式软件研究。