電動汽車大功率快充過程中充電模塊發(fā)熱量大、溫升快，而現(xiàn)有的強制風冷策略較為粗放，風扇轉速較實際需求過高，產(chǎn)生噪聲過大，難以在居民區(qū)普及，同時風扇長時間轉速過高容易在使用中產(chǎn)生故障。本項目針對這一問題，基于數(shù)據(jù)驅動的思想，建立了充電模塊的熱阻網(wǎng)絡模型，辨識出模型參數(shù)，設計了系統(tǒng)的損耗觀測器，利用神經(jīng)網(wǎng)絡模型求解關鍵器件的損耗，得到系統(tǒng)狀態(tài)方程，并運用模型預測控制的方法實現(xiàn)了系統(tǒng)控制的多目標優(yōu)化。

完成熱阻網(wǎng)絡模型構建，建立充電單元的熱分布預測模型，得到全階段各重要節(jié)點的溫度估計情況。

設計損耗觀測器，根據(jù)觀測的損耗建立基于機器學習的功率、磁性器件的損耗模型，并通過有限元仿真進行驗證。

進行模型預測控制（MPC）熱管理，根據(jù)系統(tǒng)選取最優(yōu)MPC方式，撰寫MPC求解器，部署代碼并測試實驗。

本研究的最終目標是實現(xiàn)充電模塊在溫度不超限情況下實現(xiàn)了風扇能耗降低、壽命提升、噪聲抑制等多項優(yōu)化目標，其中噪聲至少降低5dB。

建立了節(jié)點間的RC熱網(wǎng)絡模型，辨識出模型的熱阻熱容參數(shù)，得到了變轉速工況下的非線性模型。

設計了一種基于擴張狀態(tài)觀測器的分布式損耗觀測器，利用有限元分析驗證損耗，建立了神經(jīng)網(wǎng)絡求解關鍵器件的損耗。

提出了一種非線性模型預測控制方法，在確保溫度受控的前提下，有效降低風扇轉速，實現(xiàn)多目標優(yōu)化。

控制代碼部署至充電模塊，能使系統(tǒng)溫度不超過70℃，同時實現(xiàn)最大降噪8dB以上，出色地完成了企業(yè)要求，實現(xiàn)對風扇的降噪和低功耗控制需求。