Yao Jin
(Wuzhou School of Mechanical Engineering and Materials, Guangxi Wuzhou 543000)
Afin d'obtenir un bloc de batteries au lithium en série de commande de charge équilibrée, ensemble solution sous-optimale est proposée sur la base perturbation goutte d'algorithme intelligent (IWD) de la stratégie de contrôle de charge de la batterie au lithium équilibrée PID. En premier lieu, la charge de la batterie au lithium recherche de circuit d'égalisation, ayant donné schéma de configuration de régulation PID d'un seul réglages de l'égaliseur de charge, les stratégies de commande d'égalisation discutés dans des circonstances différentes; Deuxièmement, le problème de PID, en introduisant des gouttelettes algorithme intelligent l'optimisation des paramètres, l'optimisation est d'améliorer les performances par des ensembles de solutions sous-optimales et d'accroître la diversité de l'évolution de CHAOS, la précision et l'efficacité de l'augmentation de l'évolution, et enfin, la simulation Matlab / Simulink, l'égalisation de charge de la batterie au lithium a proposé une stratégie de contrôle efficace a été validée dans, après la distribution d'ajustement de la courbe de tension d'égalisation est plus concentré, le temps écoulé est plus court.
jeu de solution sous-optimale; CHAOS; gouttelettes d'algorithme intelligent, batterie lithium
CLC: TP371
Code de document: A
DOI: 10,16157 / j.issn.0258-7998.2017.04.039
format de citation chinois: or Yao. égalisation sur la base de la solution sous-optimale rechargeable de contrôle PID Perturbation IWD Technologie électronique, 2017,43 (4): 153-156.
Anglais format de citation: Yao Jin. PID commande de charge d'égalisation pour la stratégie de batterie au lithium basé sur la perturbation du sous ensemble de la solution optimale algorithme de goutte d'eau intelligente .Application Technique électronique, 2017,43 (4): 153-156.
0 introduction
Batterie au lithium ayant une longue durée de vie, sans mémoire et de l'énergie , mais supérieure à une tension plus faible, etc., requis pour obtenir la pluralité de lithium en série d'ensembles de tension du shunt, alors qu'il y a une différence entre l'impédance de lithium, ce qui entraîne une égalisation de batterie est pas forte un impact sur la capacité de stockage des batteries au lithium et la durée de vie. Ainsi, la batterie au lithium de charge le contrôle de l'égalisation est très importante.
À l'heure actuelle, le contrôle de l'égalisation de charge de nombreuses études, tel que décrit dans le document a développé un système de contrôle pour équilibrer la constante d'équilibre. Document à base de lithium stratégie de contrôle floue de charge équilibrée, mais l'oscillation de tension grave. contrôle PID simple et efficace, mais son utilisation selon des paramètres empiriques de réglage, les paramètres obtenus ne sont pas optimaux . À cet égard, afin d'améliorer le réglage des performances de contrôle de charge lithium, algorithme PID adaptatif est introduit JIF optimale, le chemin d'écoulement principal du processus de sélection de l'algorithme de simulation, des études plus récentes: Le document algorithmes d'optimisation proposé des véhicules JIF, le document diversité algorithme amélioré IWD stratégies de rétention d'eau individuels, la littérature pour étudier l'algorithme d'optimisation de trajectoire du robot de la JIF, la littérature JIF algorithme multi-objectif l'étude de planification des véhicules de routage, et ainsi de suite.
Ce document présente un algorithme de contrôle de charge équilibrée à base de jeu sous-optimale solution des batteries au lithium JIF de perturbation PID, les principales contributions sont suivantes comme: (1) batterie au lithium chargé recherche de stratégie de contrôle d'égalisation, cadre de contrôle basé PID protection de charge de la conception; (2) la recherche intelligente de l'algorithme de chute, l'utilisation de jeu de solutions sous-optimales et d'améliorer la diversité de l'évolution chaotique de la chute de la perturbation, l'évolution améliorer la précision et l'efficacité.
circuit de charge de batterie au lithium équilibrée 1
La figure 1 est un contrôle de l'équilibre énergétique de la figure unique de lithium de l'égaliseur, un égaliseur connecté à deux piles au lithium, en combinaison avec le bilan énergétique optimisé contrôle PID.
seule boucle de commande de l'égaliseur comprenant deux inductances L1 et L2, qui est une relation d'accouplement, la capacité de circuit C1, D1 et D2 sont des modules de diodes, Q1 et le transistor MOSFET Q2 à deux modules, fonctionne comme un commutateur de commande de la batterie au lithium pour obtenir égalisation de contrôler le processus de charge. Deux batteries utilisant des condensateurs en série pour réaliser un déséquilibre énergétique transfert automatique, peut être contrôlée efficacement en fonction de commutateur de commande MOSFET en communication avec le temps de fermeture.
TS est supposé que la période de contrôle, D est le cycle de service du circuit, la tension VC1 initial est réglé sur VB1 VB2 +, si VB1 > VB2, le Q1 commutateur est activé pendant les DTS. Comme représenté sur la figure 2 (a), le condensateur C1 par l'intermédiaire du cache L2 et le VB2 courant d'énergie, et transféré à VB2, tandis que L2 peut également être un accumulateur d'énergie, VB1 tout en stockant l'énergie transférée à l'inductance L1. Comme représenté sur la figure 2 (e), les inductances L1 et L2 sont toujours effectués pendant le processus de contrôle de stockage de DTS, et le courant augmente stockage. Comme représenté sur la figure 2 (b), dans le (1-D) TS au cours du processus de commande, lorsque Q1 est mis hors tension, D2 sera mis sous tension simultanément, VB1 situé dans L1 et l'énergie est transférée sous la forme d'un courant au condensateur, et la L2 l'énergie facturera le VB2 de la batterie au lithium. Ainsi, le courant circulant entre la période TS, L1, L2 et va continuer à décroître au cours de la commande (1-D). Le procédé ci-dessus est VB1 > les processus de transfert d'énergie de boucle de commande VB2 comme une condition préalable pour VB1 < VB2 cas, la procédure de contrôle analogue, représenté sur la figure 2 (c) ~ (d). pour VB1 < VB2 cas, le processus de transfert d'énergie est principalement contrôlée par Q2, transfert d'énergie depuis le VB1 de cas de charge à VB2 dans.
Si VB1 > VB2, puis pendant DTS (t0t < t1), Q1 est activée:
À (7), en fonction des courants TS Influence de la formule (6) du cycle de commutation est grande, en commandant le cycle de commutation du circuit, la charge d'effet de commande d'égalisation peut être obtenue.
Lithium 2 basé sur la charge équilibrée optimisation de l'algorithme de régulation PID
2.1 Processus de contrôle
En utilisant la loi de régulation PID classique sous forme de contrôle est :
Lorsque, u (t) en tant que signal de sortie; e (t) est un écart de réglage, Ki, Kd et Kp sont solidaires de la boucle de contrôle proportionnel et le gain différentiel. Résultats Effet de l'effet de commande de réglage des paramètres: les effets de choc excessif efficace (P), le processus de commande contrôle sans biais (I) et un réglage rapide de l'erreur de commande (D).
Dans le facteur de contrôle de la mémoire du régulateur PID affectant Kp, Ki et Kd, contrôlera. Pour le procédé général de contrôle, la régulation PID classique pour obtenir un meilleur effet de contrôle, mais la présence de lithium processus de charge couplés en série, l'effet ne soit pas un bon contrôle PID classique, et ne peut pas obtenir la combinaison optimale de paramètres de commande. Dans cet article, IWD algorithme du régulateur PID pour optimiser un facteur de quantification, pour atteindre l'optimisation des performances de contrôle. représenté sur la figure 3 contrôle de flux de charge de batterie au lithium.
2.2 mesures d'optimisation
Les indicateurs communs de contrôle sont les suivants: Indicateur ISE erreur de carré intégral, l'indice d'erreur absolue intégral index et l'EAI ITAE erreur absolue du temps, dans lequel les contraintes de temps et ISE insensible EAI. indice ITAE et, en contrepartie d'une question de temps, résoudre le problème de la présence de ce qui précède décrit deux index de contrôle, peut être défini comme :
Perturbation 3 solution suboptimale IWD ensemble sur la base de PID Tuning
3.1 algorithme de base IWD
gouttelettes d'eau individuelles IWD dans l'algorithme se déplaceront une petite quantité de chemin de terre. Caractérisation de la position des gouttelettes individuelles canal de probabilité pj par le processus se déplace vers les positions de canaux pi à l'aide de P (pi, pj):
3.2 perturber la politique de jeu de solution sous-optimale
JIF algorithme standard d'optimisation itérative, la solution optimale est ensemble mis à jour que de gouttelettes d'eau individuelles qui coule quantité de boue de rivière correspondant à sa mise à jour des objets trop monotone, ne favorise pas le maintien de la diversité de la population. À cet égard, où la conception de la solution sous-optimale ensemble Stratégie Perturbation:
Stratégie 2 :( processus d'optimisation des paramètres CHAOS) afin d'éviter le règlement de perturbation prématurée, chaotique. Sélectionner les meilleurs points de paramètres entre les gouttelettes individuelles avec un ensemble de sous-optimale de jeu individuel de gouttelettes, selon l'équation (19) à (20) pour mettre à jour la quantité de sol:
3.3 Optimisation des processus PID Tuning
étape mentionnée sur la base de la solution sous-optimale de réglage PID Perturbation IWD suit:
(1) Initialisation des paramètres IWD, comprenant échelle n, le f de destination global optimal (VTbext) = , une quantité initiale du sol entre le sol de la rivière (pi, pj), le nombre d'itérations t = 0, le nombre maximum d'itérations T, le compteur paramètres de perturbation chaos et la valeur de chute de remise en forme optimale continue inchangée algébrique c = 0.
(2) comparer la valeur de T t. Si vous rencontrez tT, puis déposez l'algorithme passe à l'étape (15).
(3) le réglage de la valeur initiale et la vitesse des gouttes j quantité initiale de boue, la génération de gouttelettes optimale t pour régler la valeur expérimentale individu cible f (Vtbext) = .
(4) fixant le nombre des gouttelettes individuelles du compteur j = 1.
(5) l'alignement des paramètres j et n valeurs. Si la condition j > n, alors l'algorithme saute l'étape IWD (11).
(6) j est pas soumis à jet de gouttelettes d'eau à travers le canal de consigne est initialisée, les points Cunvisted = {} pour tous les clients.
(7) Cunvisted détermine si l'ensemble est l'ensemble vide. Si j = j + 1, alors l'algorithme saute l'étape IWD (5).
(8) en tant que contraintes d'évolution des paramètres de commande, et construit en utilisant l'intervalle de valeur de consigne du point réalisable.
(9) Si la structure d'un point réalisable est un ensemble vide, puis le creux de canal de retour et passe à l'étape (8).
(10) sur la base de goutte j circulant à travers la stratégie de la roulette position sélectionnée, et met à jour le vel de vitesse de gouttelettes (t), la quantité de changement dans le sol de la rivière du sol (pi, pj), la quantité de sol de gouttelettes d'eau soilIWD, le calcul du courant de la batterie et des informations de tension et de saut d'obstacles aller à l'étape (7).
(11) est calculée pour obtenir la meilleure valeur de condition physique actuelle f (Vtbest). Si oui Vtbest = V (t-1) mieux, il peut être obtenu c = c + 1. Si non satisfait, alors c = 0. Si f (VTbest) > f (Vtbest), alors f (VTbest) = f (Vtbest), VTbest = Vtbest.
(12) Si le nombre optimal d'itérations baisse la valeur de remise en forme individuelle ne change pas plus que c = compteur, alors la perturbation chaotique pour maintenir l'algorithme de diversité.
(13) la quantité de saleté sur la meilleure mise à jour individuelle, et l'expansion de la solution optimale Vtbest, l'accès à une solution sous-optimale ensemble Vextend, mettre à jour leurs chemins différents dans la quantité de sol.
(14) pour définir t = t + 1, et sauter à l'étape (2).
(15) délivre en sortie la solution optimale définir VTbest.
4 Analyse expérimentale
La mise en place de deux séries modèle de charge d'égalisation de la batterie en fonction des blocs Matlab Simulink. Sélectionnez la bibliothèque Simulink module de fonction existant comme modèle de batterie. Condensateur C1 = 500 pF, l'inductance L1 = 100 pF, le module commutateur MOSFET Q1, Q2, les paramètres des diodes D1, D2 est réglé sur une valeur par défaut. Sur la base du boîtier de module PWM, selon une valeur de courant de calcul logique, pour obtenir le cycle d'onde carrée de service dans des circonstances différentes, pour obtenir les modules MOSFET Q1, Q2 de l'interrupteur de commande. algorithme de contraste non linéaire pour sélectionner l'algorithme de contrôle PID et l'égalisation de charge de la batterie de la charge de la batterie d'équilibrage commande floue de deux algorithmes, les résultats de simulation présentés sur la figure 4.
Comparaison des trois algorithmes d'alignement sélectionnés, la tension de la batterie de l'algorithme de contrôle flou est cohérent temps de contrôle de charge égalisateur est d'environ 6,4 s, l'égalisation de charge de la batterie non linéaire algorithme de régulation PID temps de commande de tension constante est d'environ 6,0 s, et une tension compatible avec l'algorithme proposé du temps de contrôle est sur le point 4.1 s, ce qui reflète le contrôle rapide de l'algorithme proposé. Montage de l'effet connu de contraste, deux algorithme d'ajustement de tension comparative égalisation méthode proposée est supérieure à l'effet de la choisi, il reflète plus la précision de commande de la courbe d'égalisation de l'algorithme proposé.
La figure 5 montre la courbe de commande de courant de charge algorithme de commande de processus de lithium décrits ici, conformément à la courbe vu sur la Fig. 5, lorsque le procédé proposé de commande de courant de commande d'égalisation, la valeur actuelle du noeud de départ est grande, mais avec la commande d'égalisation le processus, le circuit de commande de courant diminue, éventuellement tend vers zéro.
Elle a évoqué ici est le réglage optimisé méthode de régulation PID, qui peut résoudre efficacement le lithium présent dans la précision de contrôle du processus de charge n'est pas élevé et le problème d'oscillation, aide à réduire les pertes d'énergie, et ainsi obtenir une performance de contrôle de l'équilibre souhaitable, une batterie au lithium plus efficace obtenue performances de charge.
5 Conclusion
Ce document présente une stratégie de contrôle basée sur une sous-optimale perturbation ensemble solution goutte d'algorithme intelligent (JIF) de la charge de la batterie au lithium équilibrée PID, l'utilisation du jeu de solution sous-optimale et l'amélioration des performances des perturbations chaotiques de l'évolution des gouttelettes d'eau, et d'atteindre l'optimisation du réglage des paramètres PID, puis conception basée sur la algorithme de charge de circuit d'égalisation, les résultats expérimentaux montrent que la distribution de montage courbe tension de charge au lithium de la stratégie de contrôle proposée équilibrée est plus concentrée, le temps écoulé est plus courte, il a une certaine importance pour une application pratique.
références
Meng Jinhao, Luo Guangzhao, estimation Gao Fei.Lithium état de charge de la batterie de polymère à base de filtre de Kalman non parfumé adaptatif et support vector machine .IEEE Transactions sur l'électronique de puissance, 2016,31 (3): 2226-2238.
MESTRALLET F, KERACHEV L, CREBIER J C, et al.Multiphase intercalées convertisseur pour batterie lithium équilibrage actif .IEEE Transactions sur l'électronique de puissance, 2014,29 (6): 2874-2881.
WEN Y L, AZIZ M J A, IDRIS N R N.Modelling de batterie lithiumtitanate avec l'effet de la température ambiante pour la conception du chargeur .IET Power Electronics, 2016,9 (6): 1204-1212.
Wei Lin, Xiongjin Long, Li escalade Fan. Compensation de fréquence en fonction de la méthode sensibilité de charge contrôle PID Technologie électronique, 2016,42 (7): 146-150.
Il a établi, Zhu Longying, en Lei, et en série correction d'erreur de commande de suivi de trajectoire du robot algorithme PID flou adaptatif Technologie électronique, 2015,41 (1): 60-63.
LI Z P, F ZHAO, l'eau LIU H W.Intelligent gouttes algorithme pour le problème de routage de véhicules avec des fenêtres temporelles // Conférence internationale sur les systèmes et services de gestion de service (ICSSSM), IEEE, Pékin, 2014: 1-6.
ZAHRA B, Teymourian E, G KOMAKI M.An méthode améliorée d'optimisation basée sur l'eau intelligente gouttes algorithme pour le problème de routage de véhicule // IEEE Symposium sur l'intelligence informatique dans la production et des systèmes logistiques (CIPLS), IEEE, Orlando, FL, USA, 2014: 59-66.
SALMANPOUR S, OMRANPOUR H, MOTAMENI H.An eau intelligente gouttes algorithme de résolution de problèmes de planification de trajectoire de robot // IEEE 14e Symposium international sur les Computational Intelligence et de l'informatique (Cinti), IEEE, Budapest, 2013: 333-338.
SUR C, S SHARMA Shukla a.les-objectif l'eau adaptative intelligente gouttes algorithme d'optimisation pour le guidage et véhicule dans le réseau graphique routier // Conférence internationale sur l'informatique, l'électronique et Vision (ICIEV), IEEE, Dhaka, 2013: 1-6.
interrupteur à vide condensateur de stockage permanent caractéristiques de charge Wang Xianbing, les charges de l'arbre du sommeil, Xu, Qingyang autre réseau neuronal régulateur PID .BP Analyse Société électrotechnique, 2015,30 (10): 212-217.
