/index.php/article/2021/05/82

1 引言

近年来，新能源汽车产销量持续增长，同时带动了电机及电控市场的急剧增长。其中驱动电机系统是新能源汽车的核心关键部件，是车辆行驶中的主要执行机构，决定了整车的综合性能。

现在驱动电机、电机控制器与减速器深度集成的电驱动一体化总成是乘用车领域现阶段发展的主要技术目标，乘用车三合一电驱动系统开发逐渐趋于平台化、通用化；同时电动汽车整车的各项性能指标也越来越严苛。比如0～100km/h加速时间要求，车辆瞬时最高车速、整车高续航里程需求。作为电驱系统平台中关键部件的电机系统搭载的车型也越来越宽泛。因此，如何提升电机系统的平台化应用，提升电驱动系统的综合性能显得尤为重要。

2 电机系统参数匹配优化设计

2.1 常规车型的参数定义

在乘用车用三合一总成系统开发过程中，为了获得准确的电机系统匹配设计参数，首先需要定义平台化的车型参数。只有定义有效准确的整车参数，才能保证后续的电机系统参数设计可以更加精确。不仅可以保证车辆的综合性能，同时又没有过设计。从而保证系统可以有较强的市场竞争力，可以满足绝大多数车型的需求。更加有利于后续的市场推广。

通过前期市场调研，对比不同的车型参数配置，定义了目前三合一电机系统开发的车型参数配置如表1所示：

表1 某款车型基本参数

2.2 基于常规车型参数的匹配计算

根据上述整车基本参数，同时结合整车动力学计算公式计算得到电机系统的相关参数如表2所示。

电机系统的最高转速由整车最高车速（180km/h）计算得到，定义为16000rpm。电机系统的额定功率和额定转矩由持续爬坡度和最高车速工况下的对应参数计算得到，从计算输出的结果中取最大值作为电机系统的对应参数。电机系统的峰值功率和峰值转矩由最大爬坡度和整车的加速性能计算得到，从计算输出的结果中取最大值作为电机系统的对应参数。

在乘用车的各项需求指标中，加速性能指标的要求更加严苛，因为车辆在高速运行的过程中有较强的超车需求，同时在计算最高车速的需求功率时，因为功率和整车车速的二次方成正比。因此在满足车辆的最高稳定车速以及加速性能指标要求（0～100km/h加速时间8s）的前提下，对电机系统的功率需求则更加严苛。

电机系统功率设计指标计算公式如下：

从上述仿真计算结果可以看出，整车的爬坡指标较为容易满足。但因为受限于车辆的加速性能以及最高稳定车速，整车最高稳定车速越高则额定功率越大，峰值功率越大则加速性能越好。因此设计过程中选定电机系统额定功率70kW，峰值功率150kW。具体的电机系统的设计参数如表3所示。

表3 电机系统设计参数

3 基于电机系统的整车性能仿真分析

基于上述的整车基本参数，同时结合电机系统的设计参数，本文在Matlab/Simulink环境下进行了整车在满载条件下的性能仿真，从而达到闭环验证的目的。

从图1可以看出，车辆的最高车速可以达到180km/h的车速要求。0～100km/h的加速时间7.6s。满足车辆加速时间需求。

从图2可以看出，电机系统可以满足车辆30%最大爬坡度的要求，爬坡车速超过60km/h。综合以上仿真数据，电机系统的设计参数可以满足车辆的动力性能要求。

表2 整车动力性能匹配计算

图1 整车最高车速仿真

图2 整车爬坡度仿真

4 基于仿真信息的数据挖掘研究

本文研究了电机系统对于车辆的经济性指标优化方向研究。电机系统的效率直接影响到整车的电耗性能，提高电机系统的效率，尤其是常用的运行工况下的效率尤为重要。

研究电机系统效率优化，首先要研究电机系统在不同工况下的高效区间分布。乘用车常用测试工况为NEDC。本文首先基于整车仿真平台导出对应的不同测试工况下的电机系统工作点数据，主要包括转速、转矩、电压、电流等的信息，然后对相应的信息进行二次处理并作量化分析，从中得到有效的信息对后续电机系统的正向开发提出指导性的建议。接下来本文通过三种数据分析方法进行电机系统性能优化提升方向研究。

4.1 基于工况数据的能量分布研究

利用对应工况下的转速、转矩信息，计算对应的电机系统的机械功率信息，并对该功率数据进行积分处理，提取出相应的能量信息分布。接下来在转速转矩特性图上进行网格定义，同时按照能量大小进行排序，将能量信息体现在对应的网格信息上。

图3 能量分布泡泡图

为了得到更加直观的数据，本文将其进行可视化处理，根据不同的占比情况体现大小不同的面积。得到电机系统的能量分布泡泡图。如图3所示，泡泡图中所占面积较大的区域是电机系统在对应的工况下消耗能量较多的工作点。那么在后续的电机系统效率优化的工作需要重点围绕该区间开展。从图中可以看出4000rpm、100Nm附近的工作点是需要重点关注提高的区域。

4.2 基于工况数据的平均效率研究

为了可以更好的量化效率指标，对标分析不同的电机系统的经济性能。本文将电机系统的效率划分为驱动状态平均效率和发电状态下的平均效率。这样更加有利于对比不同的优化方案对经济性能提升的贡献大小。首先，通过电机系统的正负转矩值划分为驱动状态和发电状态，这样就可以将对应工况下的数据区分开来。不同的电机系统工作模式下，使用电机系统的转速和转矩计算得到电机系统的机械功率；另一方面，通过电流和电压计算得到电机系统的电功率，同时将各自的功率进行积分得到对应的能量数据。这样就可以计算输出电机系统在不同的工作模式下的平均效率。

平均效率=（机械功率之和/电功率之和）*100%

表4 不同方案工况下平均效率及电耗

表4 是两种不同的电机方案在NEDC工况下的平均效率及百公里电耗表现情况。从中可以分析出不同方案下的驱动和发电状态下的平均效率，方案1在驱动和发电状态下平均效率均要优于方2。通过这种分析方法可以帮助我们判断不同的方案各自的优势以及在整车电耗端的表现，为后续的方案优化打下基础。

4.3 基于MAP效率数据的对比分析

针对不同的优化方案，为了能够更加直观的得到其中的差异点，尤其是在整个效率MAP上两者的差异。除了上述提到的对标方法，本文提出了另外一种效率对标方法。本文将不同方案下的MAP效率进行作差处理：即在相同转速转矩下，使用其中一种方案下的效率减去另外一种方案下的电机系统效率。并且将差值在整个效率区间上画出MAP图形进行直观表达。如下图所示，两种方案作差的MAP分布图，负值代表方案1的效率高，正值代表方案2的效率更高。

图4 方案2-方案1的效率MAP

从图4可以看出，常用工作区间的效率MAP负值较多，因此方案1比方案2在常用的工作区间效率有明显提升，这也和通过平均效率计算得到的分析结论基本一致。

5 结语

如本文阐述的研究分析方法，电机系统的开发要遵循正向的分析理论，不仅仅是根据客户提供的电机系统基本转速转矩特性参数。首先需要根据整车的基本性能指标计算输出对应的电机系统的转速、转矩及功率参数；然后在整车仿真平台下基本不同的工况路谱进行动力性能核算以及经济性能初步仿真，同时输出对应的电机系统数据用于下一步的理论计算。

基于仿真计算输出的数据进行电机系统工作点能耗排序，输出泡泡图，提供电机系统优化的方向，针对常用工作区间重点优化；对标不同的优化方案所带来的效果时，通过对标相同工况下、不同的电机系统工作模式下的平均效率，另一方面通过计算对标效率MAP差值，从而最终判断优化方案是否可行。

图5 电机系统开发流程图

电机系统的开发是一个持续优化的过程。要缩短开发周期，就需要我们在设计开发的初期将各项工作尽量做细，想方设法进行深层次的数据挖掘探究，往往可以达到事半功倍的效果。