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

在工程中,使用李斯特(anstaltfur 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(eX treme 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。