从“经典”到“智能”：降本增效的最佳路径？

从软件算法层面来看，受控制理论和控制器件的限制，过去的BLDC电机一直采用经典PID控制，该控制方法可以使系统性能满足各种静、动态指标要求，但系统的鲁棒性不尽人意。随着控制对象的日益复杂化，进一步提高BLDC电机调速系统的快速响应性、稳定性和鲁棒性，智能控制算法受到关注，这包括模糊控制、神经网络控制、专家系统等。

智能控制系统具有自学习、自适应、自组织等功能，能够解决模型不确定性问题，非线性控制问题，以及其他较为复杂的问题。而BLDC电机是一个多变量、非线性、强耦合的控制对象，因此利用智能控制可以取得较为满意的控制结果。目前已经有一些较为成熟的智能控制方法应用在了BLDC电机控制，比如模糊控制和PID相结合的Fuzzy-PID控制、模糊控制和神经网络相结合的复合控制、隶属度参数经遗传算法优化的模糊控制、单神经元自适应控制等等。

无刷直流电机具有结构简单、运行可靠、功率密度高、调速性能和机械特性好等特点，它是一个非线性、多变量、强耦合的系统，某业内资深人士对记者表示：“因而采用传统的自适应控制方式很难满足实际需求，采用智能自适应控制方法直接驱动是较好的解决方案。传统的自适应控制存在四大基本问题：第一，需要复杂的离线训练。第二，辨识所需的充分激励信号和系统平稳运行的矛盾。第三，对系统结构假设。第四，实际应用中，模型的收敛性和系统稳定性无法保证。另外，传统自适应控制方法中假设系统结构的信息，在处理非线性、变结构或大时间延迟时很难适用。”

而目前，市面上最成熟的一类是模型参考自适应控制（MRAC），该业内资深人士补充到：“MRAC的基本原理就是让被控对象的输出与参考模型产生期望的性能指标相一致，MRAC具有不需要控制对象的精准数据模型、也无需进行参数辨识、且容易实现和自适应速度快的优点。缺点是对负责的快速变化比较敏感，为此可以将其他控制方法与MRAC相结合以获得更好的控制性能。另外，模糊控制也是一种比较流行的智能控制模型，它具有不依赖于对象模型，用语言变量描述系统特点，并依据系统的动态信息和模糊控制规则进行推理以获得控制量，因而具有动态响应好、超调小、硬件的实现比较简单、鲁棒性强的特点，包括有模糊PID控制、模糊PID双控制、模糊PID自适应控制。”

除此之外，针对特定角度进行专用型算法的创新也是目前比较主流的路径。作为国际芯片大厂，TI认为高效率的变速和更长的电机使用寿命是BLDC电机被越来越多采用的主要原因之一，Kannan Soundarapandian也表示：“TI的控制算法，尤其是无传感器算法，可帮助BLDC电机实现更高效率、更高可靠性以及更具成本优势的物料清单选择。TI的方案可帮助车用12V系统实现三相无传感器正弦波控制，这是TI正在积极投入的领域，以期获得更好的表现。使得BLDC驱动器能够在兼顾安全性的情况下，驱动车用48V系统的大功率电机。与现有的三相48V BLDC电机驱动器相比，该器件将电源和信号链进行集成，可将系统尺寸减小多达30%。”进而能够很大程度上实现降本增效。

总之，国内汽车BLDC市场正酝酿起步，随着48V系统的飞速普及，BLDC在新能源市场将大有可为，这也将全面带动从电源管理、微控制器到MOSFET等功率开关以及相关传感器市场的飞速增长。而对于驱动电路和芯片设计厂商来说，灵活性且差异化的解决方案才是迎合客户需求、稳固市场份额的关键。但显然，这需要软硬件的双管齐下、协同并进，尤其是随着硬件端差异化优势的日趋递减，软件算法在未来显然会有更高的市场价值，且随着智能化技术的持续演进，智能自适应驱动算法将成为未来汽车BLDC领域的最佳、最满意的控制策略，经过长期的技术积累、优化和反复测试、验证，未来的可靠性、程序效率有望全面提高，让BLDC真正成为新能源汽车迈入智能化的一大步。