新型適応型MTPA戦略がEV用トラクションモーターの効率と堅牢性を実環境で向上
自動車の電動化がかつてない速度で加速する時代において、あらゆるワット時が重要となる中、モーター制御エンジニアは古くからあるが解決困難な課題に直面している。それは、効率性、信頼性、拡張性を損なうことなく、電気トラクションシステムから最大の性能を引き出す方法である。中国礦業大学から発表された最新の画期的な技術は、現代の電気自動車の主力である内蔵型永久磁石同期モーター（IPMSM）のためのスマートで自己修正型の制御アーキテクチャを導入し、高効率モーター運営における数十年にわたる盲点を解消することを約束する。
重要なのは生の出力ではなく、精度である。応答性である。磁石が過熱し、鉄心が飽和し、長年の使用によって電磁気的特性が微妙に変化する中でも、モーターを最適な状態で動作させ続けることである。
IPMSMは、特に日常的な都市部の走行で一般的な部分負荷条件下において、高いトルク密度と効率性で長らく高く評価されてきた。表面実装型とは異なり、埋め込まれた永久磁石は固有の磁気的不対称性——エンジニアがリラクタンストルクと呼ぶもの——を生み出し、これを正しく利用すると、モーターは電流1アンペアあたりより多くのトルクを供給できる。これが最大トルク電流比（MTPA）制御の根底にある考え方である：理論上、銅損を最小化しつつ、所与のトルク要求に対して出力を最大化する戦略である。
しかし、どんなに優雅な理論も、回転機械の複雑な現実の中では無傷では生き残れない。
従来のMTPAの弱点は、概念そのものではなく、静的パラメータという前提にある。実際のモーターは教科書通りのモデルのように振る舞わない。車両が暑い夏の日に丘を登るとき、固定子巻線は過熱し；抵抗は上昇する。ローターコアの深部では、磁気飽和がd軸およびq軸に沿った実効インダクタンスを変化させる。何千回もの充電サイクルを経ると、永久磁石の磁束でさえも知覚できないほど劣化する——しかし、微妙に調整された制御テーブルを狂わせるには十分である。モーターの実際の電気的特性が想定された特性からずれるとき、公称値を使用して事前計算されたMTPA軌道は、真の電流最小点を指さなくなる。効率が低下する。熱が蓄積する。航続距離が影響を受ける。
従来、自動車メーカーやティア1サプライヤーは、ルックアップテーブル——トルクと速度のポイントにマッピングされた（Ld、Lq、ψf、Rs）の組み合わせの広大なグリッド——でこの問題に対処してきた。これらのテーブルは、しばしば数十もの熱的および負荷条件の下で、何時間ものダイナモメータ試験を通じて苦労して生成される。しかし、それらは時間で凍結されている。インバーターのファームウェアに組み込まれると、適応できなくなる。生産ラインを出たばかりのモーターはMTPA曲線を完璧にたどるかもしれない；高速充電サイクルや高負荷の坂登りを繰り返した3年後の同じモーターは、最適状態から5～10％ずれて動作している可能性がある——全てのキロメートルごとに余分なエネルギーを静かに消費している。
学界の研究者らは、より機敏な代替手段を長らく求めてきた。例えば、信号注入法は、電流ベクトルを積極的に摂動させて最適な角度を「探る」が、高周波リップル、可聴音、および寄生損失を導入する。反復ソルバーは数学的に優雅だが、過剰な計算サイクルを要求し、コスト敏感な自動車用MCUのリアルタイム制約に負荷をかける。また、オフライン同定技術はメンテナンス中に再較正できるが、日常運転中は役に立たない。
ここで、中国礦業大学でパワーエレクトロニクスとインテリジェント制御を架橋する張暁（チョウ・ギョウ）、石俊偉（シイ・ジュンウェイ）、王悦（ワン・ユエ）、劉曄曄（リウ・イエザオ）のチームが登場する。彼らが今年『電気計測と計器』（Electric Measurement & Instrumentation）に発表した新しい解決策は、物理学や強引な計算で出し抜こうとはしない。代わりに、モーター自体を——継続的かつ、目立たない形で——聴くのである。
核心的な革新は、密接に統合されたループにある：オンライン・パラメータ同定をMTPA軌道生成に直接融合させたもの。Rs、Ld、Lq、ψfが定数であると仮定するのではなく、コントローラーは忘却因子付き逐次最小二乗法（FFRLS）アルゴリズムの改良版を使用して、それらをリアルタイムで——オンザフライで——推定する。
このアプローチが優雅で実用的である理由を解き明かそう。
逐次最小二乗法（RLS）は、収束が速いことで知られる成熟した同定技術である。しかし、古典的なRLSには欠点がある：過去のデータすべてを同等に扱う。時間の経過とともに、モーターが冷えているか軽負荷のときに収集された古い測定値が推定量を「飽和」させ、現在の状態への応答を鈍らせる。FFRLSは、調整可能な忘却因子（λ）を介して、古いデータよりも最近のデータにより重みを付けることでこれを解決する。これはアルゴリズムの注意力持続時間と考えられる：低いλは「忘れる」のが速いことを意味し、（例えば、急激な負荷トルクなどの）急速な変化に素早く適応する；高いλは歴史的な傾向を保持することを意味し、定常状態巡航中に推定値を安定させる。
張らは動的忘却戦略を実装した：過渡現象（始動、負荷段階）中はより小さなλで開始し、高速のパラメータシフト——特に飽和によって引き起こされるインダクタンス変化——を捕捉し、その後、システムが安定するにつれてλを上方に調整し、ノイズを抑制し定常状態の精度を確保する。これは単なる理論的な調整ではない；彼らのSimulinkベースの検証では、推定量は15 N·mの劇的なトルク段階の後、100ミリ秒以内に安定した——これは典型的な10 kHzインバーターの次の制御サイクルに通知するには十分な速さである。
決定的に、同定プロセスは、ベクトル制御のために既に測定されている標準的なセンサー信号——相電流とDCバス電圧——に便乗する。追加のハードウェアは不要。注入されるテスト信号はない。可聴側効果はない。d軸およびq軸の電圧方程式は、電流サンプルの標準的な数値微分を使用して離散化され、未知数（Rs、Ld、Lq、ψf）が反復的に抽出される線形回帰モデルを形成する。d軸方程式は最初にRs、Ld、Lqを生成し；その後、それらを手がかりに、q軸方程式がψfを分離する。悪条件を回避する、 concernの分離に関する巧妙な方法である。
リアルタイムパラメータが入手されると、コントローラーはMTPA電流設定点を瞬時に再計算する——曲線フィッティングやテーブル補間ではなく、固定トルク制約下で固定子電流の大きさを最小化することから導出された解析解を通じて行う。結果は？ モーターの実際の電磁気状態とともに曲がり、シフトする、生きている、呼吸するMTPA曲線である。
電気自動車の性能への影響は具体的である。
彼らのシミュレーション——補機または軽負荷トラクション用途を代表する3 kWのIPMSMをモデル化——において、チームは顕著な遷移を実証した：0.3秒で、制御が従来のid = 0（リラクタンストルクを無視する）から彼らの適応型MTPAに切り替わると、d軸電流は負の値に急上昇し（予想通り——ここでは減磁は必要ないが、磁束補助は必要である）、q軸電流は顕著に低下した。さらに重要なのは、同じ20 N·mの負荷に対して、総固定子電流が12％以上低下したことである。これは単なるグラフ上の線ではない——それは巻線におけるI²R発熱の軽減、絶縁寿命の延長、そして極めて重要には、キロワット時あたりの走行距離の増加に直接つながる。
さらに印象的だったのは、外乱下でのシステムの挙動であった。0.4秒で、トルクは30 N·mに急上昇した——急加速または高速道路合流を模倣するシナリオである。固定パラメータMTPAでは、このような段階は通常、一時的な不整合を引き起こす：電流ベクトルは真の最適点をオーバーシュートまたはアンダーシュートし、トルクリップルと効率低下につながる。しかし、この適応型方式では、パラメータ推定量はほぼ瞬時に反応した。2つの電気的サイクル以内に、LdとLqは深い飽和を反映するように更新された；Rsは瞬間的な発熱に対して調整された；ψfは（短い過渡現象下では予想通り）安定したままだった。再計算されたidとiqは、トルクまたは電流の最小限の振動でスムーズに収束した——強力な堅牢性の証拠である。
検証サイクルが数年にも及び安全マージンが絶対的な自動車業界において、単純さと堅牢性はピーク性能と同じくらい価値がある。この方法の際立った利点の一つは、モーター設計全体への拡張性である。単一のプロトタイプ用に調整された特注の曲線フィッティングや反復ソルバーとは異なり、FFRLS-MTPAはモーター固有の再設計を必要としない——あらゆるIPMSMに普遍的な基本電圧方程式のみが必要である。つまり、同じ制御ファームウェアを、コンパクトな都市型車から配送バンまで、OEMのEVプラットフォーム全体に、公称パラメータ初期化のみで展開できる。較正時間が数日から数分に短縮される。
さらに、このアプローチはパワートレインを未来 proof にする。バッテリーのセカンドライフアプリケーションや極端な気候で動作するフリート車両——磁石の経年劣化や熱的ドリフトが避けられないシナリオ——を考えてみよ。静的なルックアップテーブルは時代遅れになる；自己調整型コントローラーはよりスマートになるだけである。車両の15年の寿命の間に、真のMTPA軌道上に留まることによる累積的なエネルギー節約は、数百キロワット時に達する可能性がある——それは時間をかけて静かに回収される数回分の満充電に相当する。
もちろん、実世界への展開には、シミュレーションだけでなく、ハードウェアインザループ（HIL）テストベンチ、そして最終的には実車試作車によるさらなる検証が必要となる。測定ノイズに対する推定量の感度（特に逆起電力が弱い低速時）、およびレガシーなマイクロコントローラー上の計算負荷に関する疑問は残る。しかし、現代の自動車用MCU——インフィニオンのAurixやNXPのS32K3など——は、FFRLSを10 kHzで十分な余裕を持って実行可能な浮動小数点ユニットと専用モーター制御ペリフェラルを自慢している。
業界関係者は、いくつかのEVスタートアップやティア2サプライヤーが、故障検出——例えば、ψfの減衰を追跡して減磁リスクを予測する——のためのオンライン同定の探索を既に開始していることに注目している。張の研究は、同じインフラが二重の役割を果たせることを示唆している：状態を診断するだけでなく、その診断洞察を使用して積極的に性能を最適化できる。それは強力な相乗効果である——制御と状態監視の境界を曖昧にするものだ。
将来を見据えると、このアーキテクチャは、さらに高度な戦略の基礎として機能する可能性がある。これを熱モデルと組み合わせると、コントローラーはパラメータシフトを事前に予測できる可能性がある——例えば、持続的な登坂中に巻線温度が上昇するにつれてMTPA曲線を事前調整する。バッテリーの状態監視推定と統合すると、車両は残りのパック寿命に基づいて効率対応答性を動的に再バランスできる可能性がある。コントローラーがモーターを静的なデータシートの項目としてではなく、生きている、呼吸するシステムとして真に知るとき、可能性は倍増する。
批評家は、コストが最も重要である大量市場向け車両では、このような洗練性は過剰であると主張するかもしれない。しかし、反論を考えてみよ：EVでは、トラクションインバーターとモーターがパワートレイン全体のコストの20～30％を占める。コンポーネントの寿命を延ばし、冷却要件を減らし、余分な航続距離を搾り出す数行の追加のファームウェアは、保証節約、顧客満足度、および規制順守（EPAやWLTPの効率評価を考えよ）において何倍も元が取れる可能性がある。
すでに、激しい国内競争と積極的な効率目標に直面している中国のEVメーカーは、ますます高度なモーター制御技術を採用している。BYDやNIOなどの企業は、適応型MTPAとリアルタイム損失最小化をカバーする特許を出願している。国際的なOEMは、未確認のアルゴリズムのロールアウトにおいてより保守的だが、先進的なパワートレイン研究所で同様のR&Dプログラムを静かに実行している。
張ららの貢献を際立たせているのは、生の新規性——オンライン同定は数十年間研究されてきた——ではなく、実用的な統合である。彼らは「アルゴリズムの過剰設計」の罠を避けた。ニューラルネットワークなし。遺伝的アルゴリズムなし。高周波注入なし。代わりに、彼らは実績のある軽量の推定量——FFRLS——を採用し、それを第一原理のMTPA定式化にきれいに組み合わせ、追加の複雑さを最小限に抑えてループを閉じた。それが工学的成熟度の特徴である：優雅で展開可能な解決策で難しい問題を解決すること。
バッテリー化学が頭打ちになり空力学的利得が減少する中、EV効率の次のフロンティアは、エッジにおける知性——インバーター内部で数百回/秒で行われるミリ秒単位の決定——にある。モーターはもはや単なるダムなアクチュエーターではない；それはセンサーが豊富で、情報が豊富なサブシステムである。最も賢い車両は、単に電子を移動させるだけではない——それらを統率するのである。
そして、その統率において、MTPA曲線上に——理想化されたものではなく、実際のものに——正確に留まることは、明日のより長い航続距離、より冷涼な運転、より耐久性のある電気自動車の静かで、称えられない英雄となる可能性がある。
この変化は、自動車ソフトウェアにおけるより広範な傾向を反映している：静的較正から動的共適応へ。適応型クルーズコントロールがあなたの運転スタイルを学び、バッテリー管理システムがリアルタイムで容量を較正するのと同じように、モーターコントローラーは現在、継続的な自己調整の時代に入っている。車両はドライバーに応答するだけではない——それは自身のハードウェアと協力し、始動からシャットダウンまで自身を最適化する。
消費者にとって、利益は見えないかもしれない——しかし深く感じられる。より滑らかな加速。より静かな操作。夏でも冬でも一貫した航続距離。エンジニアにとって、それは第一原理の検証である：時には、最も強力な革新は新しいデバイスではなく、既知のデバイス間のより良い対話なのである。
1000キロメートルEVへの道は、より大きなバッテリーだけでは舗装されない。それはよりスマートな制御——電流ごとに、パラメータごとに、静かな革命ごとに——で舗装されるであろう。
張 暁¹、石 俊偉¹、王 悦²、劉 曄曄¹ ¹中国礦業大学 電気・動力工学部、徐州 221116、中国 ²中国礦業大学 情報・制御工学部、徐州 221116、中国 Electric Measurement & Instrumentation、DOI: 10.19753/j.issn1001-1390.2023.10.020