电动汽车异步电机参数标定的新方法，所有工作自动完成，无需人工

针对传统电动汽车异步电机参数标定任务中存在参数标定精度低、人工工作量大的问题，安徽大学电气工程学院的研究人员漆星、郑常宝、张倩，在2020年第20期《电工技术学报》上撰文，提出了一种深度确信策略梯度的电动汽车异步电机参数标定方法，给出了基于深度确信策略梯度的电动汽车异步电机标定算法框架，并通过实验对该方法的有效性和可行性进行了验证，为减少电动汽车异步电机参数标定工作量提供了参考价值。

异步电机的矢量控制因其稳定可靠、响应速度快等优点，在工业场合中得以大量应用。特别是近年来，异步电机的间接矢量控制（Indirect Field Oriented Control，IFOC）在电动汽车领域的使用上越来越广泛。在IFOC中，异步电机的输出性能与电机参数密切相关，因此有必要对异步电机的参数进行辨识和标定。

在电动汽车电机控制领域，参数标定任务并不完全等同于传统的电机参数辨识任务。传统的参数辨识方法是在电机控制系统建模的基础上，使用现代控制理论对系统模型参数进行辨识，所辨识出的数值即为电机的模型参数值。然而，在电动汽车电机控制领域中，目标有所不同：为了提高整车的动力特性以及延长整车的续航里程，一般希望辨识出的参数能使电动汽车电机在任意给定转速和给定电流下尽可能地输出最大转矩和最高效率。

以往的研究表明，在电机运行过程中，能使电机运行在最优转矩状态的参数往往并非固定的电机模型参数，而是随着电机运行工况的不同而发生变化的值。因此，电动汽车电机在安装之前，一般会在电机测试台架上对电机进行测试，根据电机不同的转速以及不同的电流对电机的参数进行更精细的调整，以确定不同工况下的电机参数最优值，再将这些参数以表格的形式存储至电机控制器中，以供在电机运行的过程中进行查询，上述的过程称之为电动汽车电机的参数标定过程。

以往的电动汽车电机参数标定多采用人工标定法，对工程师的技术要求高、工作强度大、标定周期长、标定精度也不够理想。因此，如何减少电机参数标定的工作量是近年来电动汽车电机控制领域急需解决的问题。

为解决上述问题，安徽大学电气工程学院的研究人员介绍了一种研究基于深度确信策略梯度（Deep Deterministic Policy Gradient，DDPG）的电动汽车异步电机参数标定方法。DDPG是近年来提出的一种适用于连续状态和连续动作空间的深度强化学习算法，采集合适的电机信号作为算法的观测值和奖励值送入DDPG，并设计合适的动作策略，便可以对电机的任意状态进行电机参数的自动标定。

DDPG方法是一种数据驱动型参数标定方法，相比于其他方法，基于DDPG的电动汽车电机参数标定方法的优势在于：

（1）与传统电机参数辨识方法获取的电机模型参数不同，DDPG标定的电机参数是使电机在任意给定转速和给定电流下都能输出最优转矩的参数，同时标定参数的精度不会受到模型误差和外部干扰的影响，因此更加适合于电动汽车电机控制领域的要求。

（2）与人工标定方法相比，DDPG的参数标定方法是一种端到端的方法，即所有电动汽车工况下的电机参数标定工作均由算法自动完成，无需人类工程师进行辅助操作，因此大大减少了标定工程师的工作量。

研究人员使用了这种连续动作域的深度强化学习方法即深度确信策略梯度（DDPG）的方法，去实现电动汽车异步电机的参数标定任务，并总结如下：

1）该研究成果虽然只局限于电动汽车的离线参数标定，但是标定的结果仍可用于基于转矩最优的电机参数在线辨识方法。

2）该研究成果虽然只适用于电动汽车异步电机的参数标定，但是只要采用合适的观测和奖励值，该方法也适用于其他类型的参数标定，如永磁同步电机、开关磁阻电机等。

3）该研究方法只讨论采用输出转矩作为奖励，后续的工作中将会阐述采用其他的信号作为奖励时，电机所呈现出的独特性能。

以上研究成果发表在2020年第20期《电工技术学报》，论文标题为“基于深度确信策略梯度的电动汽车异步电机参数标定方法”，作者为漆星、郑常宝、张倩。