Сетевой вейвлет-контроллер для снижения пульсаций крутящего момента в двигателях с переключаемой релуктантностью для электромобилей

Почему важна плавность электрических двигателей

Электромобили обещают тихую и эффективную езду, но двигатели, приводящие колёса в движение, всё ещё могут вызывать нежелательную тряску и шум. Популярный тип двигателя для будущих транспортных средств — двигатель с переключаемой релуктантностью — прочен, недорог и не требует редкоземельных магнитов, однако он страдает от заметных пульсаций крутящего момента: небольших скачков и провалов силы вращения, вызывающих вибрацию. В этой статье рассматривается интеллектуальный метод управления, использующий специализированную нейросеть для сглаживания этих пульсаций, что делает такие надёжные двигатели более комфортными и эффективными для повседневной езды.

Надёжный двигатель с жёсткой «поездкой»

Двигатели с переключаемой релуктантностью привлекают для электромобилей простотой конструкции, высокой надёжностью и отсутствием зависимости от дефицитных магнитных материалов. Их недостаток вытекает из способа генерации силы: по мере выравнивания зубцов ротора и возбуждённых зубцов статора крутящий момент естественно пульсирует. Традиционные схемы управления, регулирующие ток квадратными импульсами, легко реализуются, но оставляют крупные вариации крутящего момента. Более совершенные системы управления по крутящему моменту способны реагировать быстрее, тем не менее они всё ещё испытывают трудности из‑за сильно нелинейного магнитного поведения таких машин, особенно в короткие моменты перекрытия фаз, когда передача крутящего момента происходит от одной фазы к другой.

Обучение контроллера предвидеть

Авторы опираются на стратегию, известную как прямое мгновенное управление крутящим моментом, при которой контроллер напрямую сравнивает желаемый крутящий момент с оценённым фактическим и быстро переключает силовую электронику для исправления погрешности. В базовом варианте этот подход всё ещё даёт значительные пульсации. В исследовании между регулятором скорости и контроллером крутящего момента добавлен компактный вейвлет-нейрон. Вместо передачи фиксированной цели по крутящему моменту этот интеллектуальный модуль учитывает и ошибку крутящего момента, и её скорость изменения, а затем тонко преобразует опорный момент в реальном времени. Вейвлеты, улавливающие закономерности во времени и масштабе, помогают сети изучить сложное положение‑зависимое поведение крутящего момента двигателя, используя всего два скрытых нейрона и семь настроенных параметров.

Оптимизация один раз — работает везде

Чтобы избежать громоздкой модели, требующей постоянной перенастройки, команда использует алгоритм оптимизации под названием Equilibrium Optimizer для настройки нейросети всего один раз в тщательно выбранной рабочей точке: чуть выше номинальной скорости и при номинальной нагрузке, где пульсации крутящего момента высоки, но ток остаётся под контролем. Алгоритм ищет значения параметров, которые совместно минимизируют пульсации крутящего момента и общую ошибку крутящего момента. Полученный набор из семи параметров фиксируется и затем используется для всех скоростей и нагрузок. Параллельно тот же оптимизатор применяется для уточнения углов включения и выключения каждой фазы мотора по сетке скоростей и моментов, и лучшие значения сохраняются в простых таблицах поиска внутри контроллера.

От компьютерной модели до испытательного стенда

Обширные моделирования трёхфазного двигателя 12/8 с переключаемой релуктантностью показывают, что новый контроллер обеспечивает более высокий средний крутящий момент, заметно более плавные профили крутящего момента и сопоставимые пиковые токи по сравнению с традиционной схемой. Улучшение наблюдается в широком диапазоне скоростей и как при лёгких, так и при тяжёлых нагрузках. Эксперименты на реальной установке подтверждают эти результаты. В условиях открытого управления и реалистичных замкнутых сценариев вождения с ступенями скорости и внезапными изменениями нагрузки предложенный контроллер последовательно снижает измеренные пульсации крутящего момента примерно на 16 процентов при лёгкой нагрузке и почти на 29 процентов при тяжёлой. Платой служит более высокая частота переключений и умеренное увеличение времени вычислений, но оба показателя остаются в пределах общепринятых промышленных норм.

Что это значит для будущих приводов

Проще говоря, исследование демонстрирует, что небольшая, хорошо обученная нейросеть может выступать в роли умного фильтра между требованием водителя по крутящему моменту и мотором, преобразуя команду так, чтобы компенсировать большую часть присущих пульсаций двигателя с переключаемой релуктантностью. Поскольку сеть проста, обучается только один раз и сочетается с оптимизированными углами коммутации, общее управление остаётся практичным для работы в реальном времени на аппаратуре. Для электромобилей и других требовательных применений этот подход открывает путь к использованию надёжных, не требующих магнитов двигателей при снижении вибрации и улучшении качества хода без переделки самого мотора.

Цитирование: Saleh, A.L., Hamouda, M., Számel, L. et al. Wavelet neural network based reduced-ripple DITC of switched reluctance motors in electric vehicles. Sci Rep 16, 15564 (2026). https://doi.org/10.1038/s41598-026-46371-7

Ключевые слова: двигатель с переключаемой релуктантностью, пульсации крутящего момента, привод электромобиля, управление нейронной сетью, оптимизация управления двигателем