Elektrikli araçlar için fırçasız doğru akım motor sürücüsü tasarımı ve adaptif kontrolü

Abstract

Günümüzde elektrikli araçlara ilgi giderek artmaktadır. Elektrikli araçlarda kullanılacak tahrik sistemi, motor, sürücü ve araç kontrol sistemi gibi konular önem kazanmaya başlamıştır. Araç ile ilgili bazı parametrelerin çevre şartları ile değişimi sonucu aracın bu değişen şartlara göre adaptif kontrol sağlaması, araç performansı ve enerji tasarrufu açısından önem kazanmaktadır. Tez çalışmasında, elektrikli araçlar için özgün yeni tip bir Sayısal Sinyal İşlemci (DSP) tabanlı fırçasız doğru akım (FDAM) motor sürücü sistemi tasarımı ve bu sistemin adaptif kontrolü amaçlanmıştır. Çalışmada ilk adım olarak, gerçek bir araç belirlenip parametreleri incelenmiştir. Araç, sistem modeli gerçekleştirilmiş, yapılan modelleme ve hesaplamalar sonucunda 75kW'lık bir tahrik gücüne ihtiyaç olduğu belirlenmiştir. Daha sonra 75kW'lık özgün bir motor sürücü sistemi tasarlanmış ve pratik uygulaması gerçekleştirilmiştir. Özgün sürücü sistem tasarımı otomotiv standartlarına uygun güvenlik ve sağlamlık özelliklerine sahip komponetler ve DSP kullanılarak sağlanmıştır. Kontrol, sürücü ve güç katındaki tüm devre elemanları otomotiv standartlarına uygun seçilmiş, otomotiv ve güvenlik standartlarına uygun bir şekilde devre tasarımları gerçekleştirilmiştir. Üç fazlı altı anahtarlı tam kontrollü köprü dönüştürücüsünün anahtarlama elemanları için gerekli PWM (Pulse Width Modulation) sinyallerini ürettirmek amacıyla geliştirilen kontrol algoritması, Code Composer Studio programı tarafından derlenmiş ve gömülü hale getirilmiştir. Bu yazılım, motor sürücü algoritmasını koşturmak için Texas Instrument firmasının TMS320F28069 DSP işlemcisi kullanılarak başarıyla uygulanmıştır. Önerilen sürücünün performansını analiz etmek için, Matlab/Simulink ortamında sürücü sisteminin simülasyon modeli oluşturulmuştur. Simülasyon ve deneysel sonuçlar ile özgün tasarlanmış tahrik sisteminin etkinliği gösterilmiştir. Adaptif kontrol işleminde öndeki araç mesafesi, yol eğimi ve araç ağırlığı gibi veriler kullanılarak en uygun sürüş elde edilmeye çalışılmıştır. Bunun için adaptasyon parametrelerine uygun sensörler seçilerek, adaptif kontrol biriminin tasarımında kullanılmıştır. Adaptif kontrol sistemi için uygulamada, Raspberry PI-III'ün üzerine Rasberian Linux tabanlı işletim sistemi yüklenmiş ve sensörlerin sürücü programları Linux üzerinde koşturulup sensörlerin çalışmaları sağlanmıştır. Elektrikli aracın önündeki araç ile arasındaki mesafesini ölçmek için HC-SR04 Ultrasonik mesafe sensörü kullanılmıştır. Aracın bulunduğu yolun eğimini ölçmek için MPU 6050 gyro-accelometer sensörü kullanılmıştır. Aracın ağırlığını ölçmek için araç lastiğinin içerisine konumlandırılmış BMP180 basınç sensörü ve bu işlem için ayrıca Yük Hücresi (Load Cell) sensörü de kullanılmıştır. Bu üç parametreye ait veriler Raspberry PI III ile işlenmekte ve sistemin adaptif kontrolü için kullanılmaktadır. Uygulamada bu üst adaptif kontrol birimi arka planda çalışarak TMS320F28069 DSP ve motor sürücü devresi ile sürekli haberleşmekte ve veriler gerçek zamanlı gönderilip işlenmektedir. Adaptif çalışmada, FDAM sürücü parametreleri, adaptif kontrol birimi verilerinin değer aralıklarına göre optimize edilmiştir. Optimize işlemi sonucunda ilk olarak elektrikli araç, önündeki araç ile olan mesafesinin 3 metrenin altına düşmesi durumunda hem uyarı vermekte hem de aracın hızına göre adaptif bir şekilde motorun hızını değiştiren PWM çalışma oranını (duty cycle değerini) otomatik olarak azaltmakta ve olası çarpışmayı önlemektedir. İkinci olarak MPU 6050 Gyro – İvme ölçer sensörü ile aracın bulunduğu yolun eğimi ve aracın hızlanmasını ölçülmektedir. Optimize edilen değer aralıklarına göre rampada aracın güçten düşmesi adaptif kontrol ile engellenmektedir. Bunun için motorun hızını değiştiren PWM çalışma oranı değeri otomatik olarak artırılmakta ve olası yavaşlama önlenmektedir. Üçüncü olarak araç lastiğinin içerisine konumlandırılmış BMP180 basınç sensörü ile aracın ağırlığı ölçülmektedir. Aracın yüksüz ağırlığı için elektrik motorunun üretmesi gereken güç, artan yük miktarına göre artmaktadır. Her ne kadar bunun için gaz pedalından referans değerler artırılsa da optimize edilmiş parametre aralıkları ile motorun çalışma bölgesi kaydırılmak sureti ile daha efektif çalışma sağlanmıştır. Bu işlem için yük hücresi (load-cell) de kullanılmış ve basınç sensörünün okumuş olduğu değer ile karşılaştırılarak optimize edilmiştir. Aracın ağırlığı arttıkça motor PWM değeri yüksüz ağırlığındaki değerine göre lineer şekilde artırılarak elektrikli aracın sürüş konforu artırılmış ve adaptif bir kontrol sağlanmıştır. Bu üç parametrenin gerçek zamanlı sürekli takibi ile elektrikli aracın çok verimli bir şekilde adaptif kontrolü gerçekleştirilmiştir. Tez çalışmasında, bu parametrelerin otomatik olarak adaptif ayarlanması için sistematik bir yaklaşım sunulmuştur. Simülasyon ve deneysel sonuçlar, yaklaşımın başarılı sonuçlar verdiğini göstermiştir. Ayrıca, çalışmada gerçekleştirilen soğutma uygulaması ile elektrikli araçlar için motorun ani ısınma problemlerinin önüne geçilmiştir.

Today, interest in electric vehicles is increasing. Issues such as the drive system, engine, driver and vehicle control system to be used in electric vehicles have started to gain importance. As a result of the change of some parameters related to the vehicle with the environmental conditions, the adaptive control of the vehicle according to these changing conditions gains importance in terms of vehicle performance and energy saving. In this thesis, it is aimed to design a original new type Digital Signal Processor (DSP) based brushless direct current (BLDC) motor drive system for electric vehicles and adaptive control of this system. As a first step in the study, a passenger car was determined and its parameters were examined. The vehicle, system model has been realized, and as a result of the modeling and calculations, it has been determined that a 75kW drive power is needed. Then, a original 75kW motor drive system was designed and its practical application was realized. The original drive system design is provided by using components and DSP with security and safety features in accordance with automotive standards. All circuit elements used in control, driver and power stage have been selected in accordance with automotive standards. Circuit designs were carried out in accordance with automotive and safety standards. The control algorithm developed to generate the required PWM (Pulse Width Modulation) signals for the switching elements of the three-phase six-switch fully-controlled bridge converter was compiled and embedded by the Code Composer Studio program. This software has been successfully implemented using Texas Instrument's TMS320F28069 DSP processor to run the motor driver algorithm. In order to analyze the performance of the proposed driver, a simulation model of the driver system was created in the Matlab/Simulink environment. The efficiency of the originally designed propulsion system has been demonstrated by simulation and experimental results. In the adaptive control process, the most appropriate driving has been tried to be obtained by using data such as vehicle distance in front, road slope and vehicle weight. For this, sensors suitable for adaptation parameters were selected and used in the design of the adaptive control unit. In the application for the adaptive control system, Rasberian Linux-based operating system is installed on the Raspberry PI-III and the driver programs of the sensors are run on Linux and the sensors work. HC-SR04 Ultrasonic distance sensor is used to measure the distance between the electric vehicle and the vehicle in front of it. MPU 6050 gyro-accelometer sensor is used to measure the slope of the road where the vehicle is located. To measure the weight of the vehicle, the BMP180 pressure sensor positioned inside the vehicle tire and the Load Cell sensor for this process were also used. The data of these three parameters are processed with Raspberry PI III and used for adaptive control of the system. In practice, this upper adaptive control unit works in the background and constantly communicates with the TMS320F28069 DSP and motor driver circuit, and the data is sent and processed in real time. In the adaptive study, the FDAM drive parameters are optimized according to the value ranges of the adaptive controller data. As a result of the optimization process, first of all, the electric vehicle not only gives a warning if its distance from the vehicle in front of it falls below 3 meters, but also automatically reduces the PWM operating rate (duty cycle value), which changes the speed of the engine adaptively according to the speed of the vehicle, and prevents possible collisions. Secondly, the MPU 6050 Gyro – Accelerometer sensor measures the slope of the road where the vehicle is located and the acceleration of the vehicle. According to the optimized value ranges, the power loss of the vehicle on the ramp is prevented by adaptive control. For this, the PWM operating rate value, which changes the speed of the motor, is automatically increased. Thus, possible slowdown is prevented. Thirdly, the weight of the vehicle is measured with the BMP180 pressure sensor located inside the vehicle tire. The power required to be produced by the electric motor for the curb weight of the vehicle increases with increasing load. Although reference values are increased from the accelerator pedal for this, more effective operation is ensured by shifting the operating region of the engine with optimized parameter ranges. A load cell was also used for this process and was optimized by comparing it with the value read by the pressure sensor. As the weight of the vehicle increases, the PWM value of the engine is increased linearly according to the value of the unladen weight, thus increasing the driving comfort of the electric vehicle and providing an adaptive control. With the real-time continuous monitoring of these three parameters, adaptive control of the electric vehicle has been realized in a very efficient way. In the thesis, a systematic approach is presented for the automatic adaptive tuning of these parameters. Simulation and experimental results have shown that the approach gives successful results. In addition, with the cooling application carried out in the study, sudden heating problems of the engine for electric vehicles were prevented.