雙電機(jī)四輪驅(qū)動(dòng)電動(dòng)汽車自適應(yīng)驅(qū)動(dòng)防滑控制的研究*

孫大許，蘭鳳崇，何幸福，陳吉清

(1. 廣東機(jī)電職業(yè)技術(shù)學(xué)院, 廣州 510515; 2. 華南理工大學(xué)機(jī)械與汽車工程學(xué)院，廣州 510640； 3. 廣東省汽車工程重點(diǎn)實(shí)驗(yàn)室，廣州 510640)

2016097

雙電機(jī)四輪驅(qū)動(dòng)電動(dòng)汽車自適應(yīng)驅(qū)動(dòng)防滑控制的研究*

孫大許1，2，蘭鳳崇2,3，何幸福2,3，陳吉清2,3

(1. 廣東機(jī)電職業(yè)技術(shù)學(xué)院, 廣州 510515; 2. 華南理工大學(xué)機(jī)械與汽車工程學(xué)院，廣州 510640； 3. 廣東省汽車工程重點(diǎn)實(shí)驗(yàn)室，廣州 510640)

為在雙電機(jī)四驅(qū)電動(dòng)汽車上實(shí)現(xiàn)純電機(jī)控制的驅(qū)動(dòng)防滑功能，在不同附著系數(shù)的路面上，采用PID控制的方法對(duì)控制參數(shù)進(jìn)行優(yōu)化。在此基礎(chǔ)上，采用徑向基函數(shù)系統(tǒng)辨識(shí)的單神經(jīng)元自適應(yīng)控制算法，對(duì)PID控制參數(shù)進(jìn)行在線自適應(yīng)調(diào)整，從而提高了控制算法的響應(yīng)速度和魯棒性。在不同路面上進(jìn)行了離線仿真和快速原型在環(huán)試驗(yàn)。結(jié)果表明，采用該控制算法，能在不同路面工況下實(shí)現(xiàn)電動(dòng)汽車的驅(qū)動(dòng)防滑功能，與PID算法相比，提高了自適應(yīng)能力、控制精度和速度，并滿足實(shí)時(shí)性控制要求。

電動(dòng)汽車；驅(qū)動(dòng)防滑控制；徑向基函數(shù)；遺傳算法

前言

驅(qū)動(dòng)防滑系統(tǒng)(acceleration slip regulation，ASR)是能夠在車輛驅(qū)動(dòng)過(guò)程中提高車輛加速性能和保證車輛穩(wěn)定性的主動(dòng)安全系統(tǒng)，其原理是將驅(qū)動(dòng)輪的滑轉(zhuǎn)率控制在最佳滑轉(zhuǎn)率附近，保證輪胎與地面之間具有良好的附著力，從而獲得良好的驅(qū)動(dòng)性能和操縱穩(wěn)定性[1-2]。傳統(tǒng)汽車的ASR系統(tǒng)，通常是通過(guò)減少節(jié)氣門的開度來(lái)降低發(fā)動(dòng)機(jī)功率或控制驅(qū)動(dòng)輪的制動(dòng)轉(zhuǎn)矩以防止車輛在起步加速過(guò)程中驅(qū)動(dòng)輪的過(guò)度滑轉(zhuǎn)。電動(dòng)汽車的動(dòng)力主要來(lái)自電機(jī)，對(duì)電機(jī)的輸出轉(zhuǎn)矩控制具有控制精度高和響應(yīng)速度快的優(yōu)勢(shì)，因此在電動(dòng)汽車上，完全可以采用純電機(jī)控制的方式實(shí)現(xiàn)ASR功能，并能夠與路面識(shí)別系統(tǒng)相結(jié)合，在不同附著系數(shù)的路面上實(shí)現(xiàn)滑轉(zhuǎn)率的最佳精確控制。

在控制電機(jī)輸出轉(zhuǎn)矩實(shí)現(xiàn)ASR方面，已有不少研究。文獻(xiàn)[3]中利用電機(jī)轉(zhuǎn)矩控制快速、準(zhǔn)確的優(yōu)勢(shì)，采用模型跟蹤和滑轉(zhuǎn)率最優(yōu)控制的方法對(duì)電動(dòng)汽車的驅(qū)動(dòng)防滑系統(tǒng)進(jìn)行了研究，并進(jìn)行了實(shí)驗(yàn)，驗(yàn)證了控制系統(tǒng)的實(shí)際效果。文獻(xiàn)[4]中利用電機(jī)驅(qū)動(dòng)本身的特性，避免了車速的測(cè)量，利用電驅(qū)動(dòng)動(dòng)力學(xué)模型對(duì)車輪的滑轉(zhuǎn)率進(jìn)行估計(jì)，并通過(guò)實(shí)驗(yàn)驗(yàn)證了電動(dòng)汽車的驅(qū)動(dòng)防滑控制效果。文獻(xiàn)[5]中基于輪胎與路面非線性特性，提出一種利用驅(qū)動(dòng)電機(jī)轉(zhuǎn)速與轉(zhuǎn)矩反饋實(shí)現(xiàn)驅(qū)動(dòng)防滑控制的方法，并與最佳滑轉(zhuǎn)率比例積分(PI)控制和動(dòng)態(tài)轉(zhuǎn)矩控制相結(jié)合，開發(fā)了電機(jī)轉(zhuǎn)矩自適應(yīng)驅(qū)動(dòng)防滑控制器，但輪胎逆模型難以求解，且PI控制無(wú)法適應(yīng)多種路面。文獻(xiàn)[6]中采用模糊自整定PID控制算法設(shè)計(jì)了雙輪驅(qū)動(dòng)電動(dòng)汽車的防滑控制系統(tǒng)，并通過(guò)仿真驗(yàn)證了模糊自整定控制器優(yōu)于單一的PID控制器。

本文中在綜合電動(dòng)汽車驅(qū)動(dòng)防滑控制研究的基礎(chǔ)上，提出基于徑向基函數(shù)(radial basis function, RBF)系統(tǒng)辨識(shí)的單神經(jīng)元自適應(yīng)PID控制方法(以下簡(jiǎn)稱“RBF自適應(yīng)控制算法”)，來(lái)實(shí)現(xiàn)ASR功能，該方法是在PID控制算法的基礎(chǔ)上，針對(duì)PID控制算法適應(yīng)性差、魯棒性不強(qiáng)的缺點(diǎn)，采用RBF系統(tǒng)辨識(shí)的單神經(jīng)元自適應(yīng)控制算法，對(duì)PID控制參數(shù)進(jìn)一步在線自適應(yīng)調(diào)整，提高控制系統(tǒng)的適應(yīng)性、調(diào)整速度和精度。利用多目標(biāo)遺傳算法對(duì)徑向基函數(shù)系統(tǒng)辨識(shí)的單神經(jīng)元控制中的比例、積分、微分的學(xué)習(xí)速率、神經(jīng)網(wǎng)絡(luò)辨識(shí)的學(xué)習(xí)速率和神經(jīng)網(wǎng)絡(luò)辨識(shí)的動(dòng)量因子進(jìn)行優(yōu)化整定，并在不同附著系數(shù)的路面上進(jìn)行離線仿真和快速控制原型在環(huán)實(shí)時(shí)試驗(yàn)，對(duì)控制算法的效果和實(shí)時(shí)性進(jìn)行驗(yàn)證。

1 整車結(jié)構(gòu)與驅(qū)動(dòng)防滑控制邏輯

目標(biāo)車型為雙電機(jī)四驅(qū)電動(dòng)汽車，整車驅(qū)動(dòng)部分結(jié)構(gòu)布局如圖1所示，整車及主要部件的主要參數(shù)如表1所示。采用兩個(gè)驅(qū)動(dòng)電機(jī)分別驅(qū)動(dòng)前軸和后軸，前驅(qū)動(dòng)系統(tǒng)和后驅(qū)動(dòng)系統(tǒng)完全相同，結(jié)構(gòu)上前后對(duì)稱；前后軸上的電機(jī)驅(qū)動(dòng)力均可根據(jù)需要進(jìn)行調(diào)節(jié)，由于驅(qū)動(dòng)電機(jī)同時(shí)控制左右兩側(cè)車輪上的驅(qū)動(dòng)力矩，在驅(qū)動(dòng)防滑控制中須采用“高選原則”，即在每一時(shí)刻，把滑轉(zhuǎn)率較大的車輪作為控制對(duì)象。

表1 目標(biāo)車型的主要參數(shù)

ASR控制器根據(jù)左右兩側(cè)車輪的滑轉(zhuǎn)率差來(lái)確定車輛是否在均一路面行駛， 當(dāng)滑轉(zhuǎn)率差小于一定閾值時(shí)，為均一路面，否則為非均一路面。當(dāng)車輛在非均一路面行駛時(shí)，按照經(jīng)驗(yàn)滑移率進(jìn)行控制。當(dāng)車輛在均一路面行駛時(shí)，根據(jù)路面識(shí)別模塊識(shí)別的最佳滑轉(zhuǎn)率進(jìn)行控制。由汽車?yán)碚揫7]可知，大部分路面的最佳滑轉(zhuǎn)率在20%以下，由于低速電動(dòng)汽車動(dòng)力相對(duì)不足，一般在較低附著系數(shù)的路面上才會(huì)出現(xiàn)驅(qū)動(dòng)輪過(guò)度滑轉(zhuǎn)現(xiàn)象，因而本文中采用20%為ASR系統(tǒng)啟動(dòng)的閾值；冰路面上最佳滑轉(zhuǎn)率在10%左右，取車輪最大滑轉(zhuǎn)率為5%以下時(shí)，不啟動(dòng)路面識(shí)別的計(jì)算，以節(jié)約系統(tǒng)能耗。

PID控制算法具有控制簡(jiǎn)單，無(wú)須建立控制對(duì)象準(zhǔn)確的數(shù)學(xué)模型，因而具有易于工程應(yīng)用的優(yōu)點(diǎn)。在PID控制算法中，為避免系統(tǒng)出現(xiàn)大的超調(diào)，采用了積分分離型PID控制算法。在傳統(tǒng)的PID控制算法的基礎(chǔ)上，采用開發(fā)的RBF自適應(yīng)控制算法取代PID控制算法，通過(guò)實(shí)時(shí)調(diào)整PID算法的控制參數(shù)，以改善控制算法的自適應(yīng)性和魯棒性。ASR控制邏輯圖如圖2所示(圖中S表示滑轉(zhuǎn)率)。從圖中可以看出，控制邏輯采用了純滑轉(zhuǎn)率ASR控制的方法。與固定門限值法純滑轉(zhuǎn)率其它控制算法相比，該邏輯由于采用了識(shí)別的最佳滑轉(zhuǎn)率目標(biāo)值進(jìn)行控制，對(duì)不同路面的適應(yīng)性更好。其工作過(guò)程為，當(dāng)車輛加速過(guò)程中，系統(tǒng)實(shí)時(shí)計(jì)算驅(qū)動(dòng)輪的滑轉(zhuǎn)率，當(dāng)兩側(cè)車輪的滑轉(zhuǎn)率差值大于某一閾值(文中根據(jù)冰路面最佳滑轉(zhuǎn)率10%左右，壓實(shí)雪路面最佳滑轉(zhuǎn)率15%左右，取5%)時(shí)，系統(tǒng)判斷為非均一路面，為了防止系統(tǒng)在復(fù)雜路面上頻繁改變目標(biāo)值和誤判，當(dāng)最大滑轉(zhuǎn)率大于20%時(shí)，ASR控制被觸發(fā)，此時(shí)以經(jīng)驗(yàn)值作為目標(biāo)滑轉(zhuǎn)率，對(duì)滑轉(zhuǎn)率較大的車輪進(jìn)行控制；否則，系統(tǒng)認(rèn)為行駛的路面為均一路面，同時(shí)，系統(tǒng)判斷車輪的滑轉(zhuǎn)率大于5%時(shí)，啟動(dòng)對(duì)路面的最佳滑轉(zhuǎn)率識(shí)別，當(dāng)滑轉(zhuǎn)率大于20%時(shí)，ASR控制被觸發(fā)，路面識(shí)別系統(tǒng)輸出識(shí)別的最佳滑移率，進(jìn)行自適應(yīng)控制。ASR系統(tǒng)一旦被觸發(fā)，就一直保持觸發(fā)狀態(tài)，直到加速踏板被松開或制動(dòng)踏板被踩下，ASR系統(tǒng)退出控制，等待下一次觸發(fā)到來(lái)。圖2中的控制模式切換是指當(dāng)ASR控制啟動(dòng)時(shí)，驅(qū)動(dòng)電機(jī)的輸出轉(zhuǎn)矩由積分分離型PID控制或RBF自適應(yīng)控制模塊輸出，當(dāng)ASR不啟動(dòng)時(shí)，驅(qū)動(dòng)電機(jī)的輸出轉(zhuǎn)矩由加速踏板直接控制。

2 雙電機(jī)四驅(qū)電動(dòng)汽車動(dòng)力學(xué)模型

雙電機(jī)四驅(qū)電動(dòng)汽車，前后驅(qū)動(dòng)系統(tǒng)為對(duì)稱結(jié)構(gòu)，前后驅(qū)動(dòng)系統(tǒng)的動(dòng)力學(xué)模型完全相同，以前驅(qū)動(dòng)系統(tǒng)為例建立驅(qū)動(dòng)輪動(dòng)力學(xué)模型：

(1)

(2)

將式(1)和式(2)相加得

(3)

從驅(qū)動(dòng)電機(jī)到驅(qū)動(dòng)輪的動(dòng)力學(xué)模型為

(4)

由式(3)和式(4)可以看出，通過(guò)控制驅(qū)動(dòng)電機(jī)的輸出轉(zhuǎn)矩可同時(shí)改變左右兩側(cè)驅(qū)動(dòng)輪的驅(qū)動(dòng)轉(zhuǎn)矩，從而可以控制驅(qū)動(dòng)輪的角加速度和轉(zhuǎn)速，結(jié)合車速即可進(jìn)一步控制驅(qū)動(dòng)輪的滑轉(zhuǎn)率，利用電機(jī)轉(zhuǎn)矩控制響應(yīng)速度快的優(yōu)勢(shì)，采用高選原則(控制滑轉(zhuǎn)率較大的車輪)，從而實(shí)現(xiàn)把左右兩側(cè)驅(qū)動(dòng)輪的滑轉(zhuǎn)率控制在目標(biāo)值附近。

3 相關(guān)控制算法

3.1 路面識(shí)別方法

路面識(shí)別是主動(dòng)安全控制中實(shí)現(xiàn)精確控制的前提，基于精確控制的ASR必須與準(zhǔn)確的路面識(shí)別算法相結(jié)合。由汽車?yán)碚揫7]可知，在車輛加速過(guò)程中，輪胎與地面之間的利用附著系數(shù)μ與滑轉(zhuǎn)率λ有密切的關(guān)系，在不同的路面有不同的μ-λ關(guān)系，由μ-λ曲線可以看出，μ有極大值。在ABS控制中，需要在很短的時(shí)間內(nèi)，對(duì)路面的附著系數(shù)進(jìn)行識(shí)別，識(shí)別算法要求簡(jiǎn)單且實(shí)時(shí)性好。在文獻(xiàn)[8]和文獻(xiàn)[9]中，采用了利用附著系數(shù)極大值的方法，該算法簡(jiǎn)單、快速，本文中也采用此方法對(duì)路面狀況進(jìn)行識(shí)別。具體識(shí)別算法為

dμ(λ(k))=μ(λ(k))-μ(λ(k-1))

(5)

dμ(λ(k-1))=μ(λ(k-1))-μ(λ(k-2))

(6)

式中:λ(k)為k時(shí)刻車輪的滑轉(zhuǎn)率;μ(λ(k))為k時(shí)刻車輪對(duì)應(yīng)的利用附著系數(shù)。

當(dāng)dμ(λ(k))<0且dμ(λ(k-1))>0時(shí)，μ出現(xiàn)極大值，可近似為

μmax≈μ(λ(k-1))

(7)

3.2 積分分離型PID控制算法

在實(shí)際車輪滑轉(zhuǎn)率與目標(biāo)滑轉(zhuǎn)率差異較大時(shí)，傳統(tǒng)PID控制方法會(huì)造成較大超調(diào)量，甚至引起系統(tǒng)的振蕩。引入積分分離控制思想，當(dāng)差值較大時(shí)，取消積分項(xiàng)；當(dāng)差值小于閾值時(shí)，引入積分項(xiàng)。其控制規(guī)則如下:(1)當(dāng)|e(k)|≥ε時(shí)，采用PD控制，避免較大超調(diào)量，增加響應(yīng)速度；(2)當(dāng)|e(k)|<ε時(shí)，采用PID控制，消除靜態(tài)誤差。其中，e(k)為k時(shí)刻目標(biāo)值與實(shí)際值之間的差值，ε為人為設(shè)定閾值。

積分分離型增量PID控制算法可寫為

μ(k)=μ(k-1)+kP(e(k)-e(k-1))+

βkIe(k)+kD(e(k)-2e(k-1)+

e(k-2))

(8)

式中：kP,kI和kD為PID控制參數(shù)；β為積分項(xiàng)開關(guān)數(shù)。

3.3 徑向基函數(shù)單神經(jīng)元自適應(yīng)PID控制算法

RBF自適應(yīng)算法[10-11]是在傳統(tǒng)PID控制和單神經(jīng)元自適應(yīng)控制基礎(chǔ)上，通過(guò)RBF網(wǎng)絡(luò)對(duì)系統(tǒng)進(jìn)行辨識(shí)，引入對(duì)象輸出對(duì)輸入的靈敏度信息(Jacobian信息)，提高系統(tǒng)自適應(yīng)能力。

RBF網(wǎng)絡(luò)輸入量x=[x1,x2，…,xn]T，徑向基向量h=[h1,h2,…,hm]T，其中hj一般用高斯基函數(shù)[10-11]表示：

(9)

式中：Cj為第j個(gè)節(jié)點(diǎn)的中心矢量，Cj=[cj1,cj2,…,cji,…cjn]T,i=1,2,…,n。網(wǎng)絡(luò)的基寬向量B為

B=[b1,b2,…,bm]T

(10)

網(wǎng)絡(luò)的權(quán)向量W為

W=[w1,w2,…,wm]T

(11)

k時(shí)刻辨識(shí)網(wǎng)絡(luò)輸出ym(k)為

(12)

辨識(shí)器的性能指標(biāo)A為

(13)

式中y(k)為k時(shí)刻系統(tǒng)的實(shí)際輸出量。

根據(jù)梯度下降法，輸出權(quán)、節(jié)點(diǎn)中心和節(jié)點(diǎn)寬度參數(shù)的迭代算法為

Δwj(k)=η(y(k)-ym(k))hj

(14)

wj(k)=wj(k-1)+Δwj(k)+

α(wj(k-1)-wj(k-2))

(15)

(16)

bj(k)=bj(k-1)+Δbj+α(bj(k-1)-

bj(k-2))

(17)

(18)

cji(k)=cji(k-1)+Δcji(k)+α(cji(k-1)-

cji(k-2))

(19)

式中：η為學(xué)習(xí)速率；α為動(dòng)量因子。

得到Jacobian陣的算法為

(20)

其中x1=Δu(k)

PID控制的控制誤差為

e(k)=yd(k)-y(k)

(21)

設(shè)PID控制的3項(xiàng)輸入為

(22)

控制律為

(23)

神經(jīng)網(wǎng)絡(luò)自適應(yīng)整定的性能指標(biāo)為

(24)

神經(jīng)網(wǎng)絡(luò)的3項(xiàng)輸入為

(25)

kP,kI和kD采用梯度下降法進(jìn)行自調(diào)整，其調(diào)整算法為

(26)

式中：ΔkP,ΔkI和ΔkD分別為kP,kI和kD的調(diào)整量；ηP,ηI和ηD分別為ΔkP,ΔkI和ΔkD的調(diào)整速率。

根據(jù)上述RBF自適應(yīng)控制算法，需要確定的參數(shù)有徑向基向量h、網(wǎng)絡(luò)中心矢量的Cj、網(wǎng)絡(luò)基寬向量B、網(wǎng)絡(luò)權(quán)向量W、kP,kI,kD的初值、學(xué)習(xí)速率η、動(dòng)量因子α和ΔkP,ΔkI,ΔkD的調(diào)整速率ηP,ηI,ηD。對(duì)于PID自適應(yīng)調(diào)整控制，h，Cj，B和W的初值根據(jù)文獻(xiàn)[12]獲得，kP,kI，kD的初值由傳統(tǒng)PID控制算法的優(yōu)化整定得到，η，α，ηP，ηI和ηD是與實(shí)際工作過(guò)程相關(guān)的控制參數(shù)，需要通過(guò)結(jié)合實(shí)際工作過(guò)程優(yōu)化整定得到。

4 離線仿真

4.1 仿真參數(shù)的確定

AVL CRUISE軟件是用于仿真車輛動(dòng)力性、經(jīng)濟(jì)性和排放性的專業(yè)軟件，特別適用于車輛動(dòng)力傳動(dòng)系統(tǒng)的開發(fā)，可以計(jì)算并優(yōu)化車輛的動(dòng)力性能和制動(dòng)性能。采用該軟件建立的整車模型，可方便地與MATLAB/Simulink模型相結(jié)合，進(jìn)行ABS/ASR和其他控制策略的開發(fā)分析[13-14]。

為確定本文中的目標(biāo)車型在不同附著系數(shù)路面上加速時(shí)驅(qū)動(dòng)輪的過(guò)度滑轉(zhuǎn)情況，首先在無(wú)ASR控制下，分別在附著系數(shù)為0.1的冰路面和附著系數(shù)為0.2的壓實(shí)雪路面上進(jìn)行全負(fù)荷急加速測(cè)試，在AVL CRUISE中的仿真結(jié)果如圖4所示?？梢钥闯觯挥性诒访嫔暇o急加速時(shí)，才出現(xiàn)了驅(qū)動(dòng)輪過(guò)度滑轉(zhuǎn)情況。因而在后面的研究中，主要針對(duì)冰路面及與冰路面有關(guān)的復(fù)合路面，對(duì)ASR控制進(jìn)行研究。

采用積分分離PID控制算法在MATLAB/Simulink環(huán)境中建立ASR控制模型，并與AVL CRUISE中建立的雙電機(jī)四驅(qū)電動(dòng)汽車整車模型相結(jié)合構(gòu)成聯(lián)合仿真模型，在冰路面上由靜止進(jìn)行全負(fù)荷加速測(cè)試，并采用多目標(biāo)遺傳算法對(duì)前后電機(jī)ASR的PID控制參數(shù)(kPF,kDF,kIF,kPR,kIR,kDR)進(jìn)行優(yōu)化整定(控制參數(shù)的下標(biāo)F和R分別表示前電機(jī)和后電機(jī))，優(yōu)化整定的最優(yōu)結(jié)果為(10.15，12.34，2.95，18，12.34，13.22)。

以積分分離型PID控制算法的控制參數(shù)為初值，采用RBF自適應(yīng)控制算法取代PID控制算法。在冰路面上，利用多目標(biāo)遺傳算法再對(duì)基于徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)相關(guān)參數(shù)(ηPF,ηIF,ηDF,ηPR,ηIR,ηDR,ηF,ηR,α)進(jìn)行優(yōu)化整定的結(jié)果為(0.27，0.60，0.66，0.79，0.68，0.72，0.59，0.79，0.48)。利用優(yōu)化的參數(shù)，采用積分分離型PID控制算法和RBF自適應(yīng)控制算法開發(fā)的ASR控制器分別在均一路面、對(duì)接路面和對(duì)開路面上進(jìn)行急加速仿真，驗(yàn)證控制策略的有效性。

4.2 均一路面仿真

采用徑向基函數(shù)系統(tǒng)辨識(shí)的自適應(yīng)控制算法，在冰路面上進(jìn)行的起步加速測(cè)試結(jié)果如圖5所示。可以看出，系統(tǒng)能夠識(shí)別出適應(yīng)路面的最佳目標(biāo)滑轉(zhuǎn)率為0.1，并把前后輪滑轉(zhuǎn)率控制在目標(biāo)值0.1附近，前后電機(jī)轉(zhuǎn)矩穩(wěn)定在50N·m左右，僅從均一的冰路面上測(cè)試結(jié)果來(lái)看，與PID控制算法區(qū)別不大。

4.3 對(duì)接路面仿真

4.3.1 對(duì)接路面1：冰路面變?yōu)閴簩?shí)雪路面

在冰路面變?yōu)閴簩?shí)雪路面的對(duì)接路面上，進(jìn)行急加速起步時(shí)的仿真結(jié)果如圖6所示?？梢钥闯觯赃m應(yīng)控制算法和PID控制算法均能夠把前后車輪的滑移率控制在目標(biāo)值附近，并能夠根據(jù)路面變化進(jìn)行調(diào)整，兩種算法的控制結(jié)果相差不大。

4.3.2 對(duì)接路面2：壓實(shí)雪路面變?yōu)楸访?/p>

在壓實(shí)雪路面到冰路面的對(duì)接路面進(jìn)行測(cè)試的結(jié)果如圖7所示?？梢钥闯?，采用PID控制算法在車輛加速過(guò)程中經(jīng)過(guò)路面接口后，不能把車輪的滑轉(zhuǎn)率調(diào)整到目標(biāo)值附近；而RBF的自適應(yīng)控制算法能夠把驅(qū)動(dòng)輪滑轉(zhuǎn)率調(diào)整到目標(biāo)值附近。結(jié)果表明RBF自適應(yīng)控制算法與傳統(tǒng)PID控制算法相比，具有自適應(yīng)性好、魯棒性強(qiáng)的優(yōu)勢(shì)，也說(shuō)明單純采用PID控制算法，很難適應(yīng)所有路面的變化情況。

4.4 對(duì)開路面仿真

在右邊為冰路面左邊為壓實(shí)雪路面的對(duì)開路面上，對(duì)電動(dòng)汽車進(jìn)行急加速測(cè)試的結(jié)果如圖8所示?？梢钥闯觯赃m應(yīng)ASR控制算法實(shí)現(xiàn)了對(duì)滑轉(zhuǎn)率較大一側(cè)車輪的滑轉(zhuǎn)率的調(diào)節(jié)，并調(diào)整到了目標(biāo)值附近，而壓實(shí)雪路面上的車輪滑轉(zhuǎn)率沒有發(fā)生過(guò)度滑轉(zhuǎn)現(xiàn)象，與PID算法控制效果相同。

5 硬件在環(huán)試驗(yàn)

利用dSPACE集成開發(fā)平臺(tái)，把RBF自適應(yīng)ASR控制算法加載到dSPACE DS1401中開發(fā)出快速控制原型；同時(shí)，把AVL CRUISE中開發(fā)的整車模型加載到dSPACE DS1006中構(gòu)成整車仿真器，然后快速控制原型通過(guò)CAN通信的仿真與仿真器相連接，構(gòu)成快速控制原型在環(huán)實(shí)時(shí)測(cè)試平臺(tái)，其實(shí)物連接圖如圖9所示。

分別在冰路面、從冰路面到壓實(shí)雪路面的對(duì)接路面、從壓實(shí)雪路面到冰路面的對(duì)接路面和冰路面與壓實(shí)雪路面的對(duì)開路面上，由靜止?fàn)顟B(tài)進(jìn)行急加速測(cè)試，驗(yàn)證在實(shí)時(shí)環(huán)境下自適應(yīng)ASR的控制效果。

5.1 冰路面試驗(yàn)

電動(dòng)汽車在冰路面上進(jìn)行緊急加速時(shí)， RBF自適應(yīng)控制算法的純電機(jī)ASR實(shí)時(shí)仿真結(jié)果如圖10～圖13所示。從圖中可以看出，路面識(shí)別系統(tǒng)能夠識(shí)別出最佳滑轉(zhuǎn)率為0.1，前后輪滑轉(zhuǎn)率成功地被控制在0.1左右，前后電機(jī)的轉(zhuǎn)矩被控制在45N·m左右，輪速保持在車速上方，車輛的加速度曲線維持在0.98m/s2附近，證明了在冰路面上，系統(tǒng)實(shí)現(xiàn)了ASR的效果。

5.2 對(duì)接路面1：冰路面變?yōu)閴簩?shí)雪路面

在冰路面變?yōu)閴簩?shí)雪路面的對(duì)接路面上的緊急加速時(shí)的實(shí)時(shí)仿真結(jié)果如圖14～圖17所示?？梢钥闯?，在冰路面上時(shí)，前后車輪滑轉(zhuǎn)率被調(diào)整到0.1附近；在壓實(shí)雪路面上，驅(qū)動(dòng)電機(jī)在達(dá)到最大輸出轉(zhuǎn)矩時(shí)仍然沒有使驅(qū)動(dòng)輪過(guò)度滑轉(zhuǎn)，前后驅(qū)動(dòng)電機(jī)的輸出轉(zhuǎn)矩保持在最大值附近，在冰路面時(shí)加速度為0.98m/s2左右，過(guò)渡到壓實(shí)雪路面上時(shí)，加速度穩(wěn)態(tài)最大達(dá)到1.5 m/s2。

5.3 對(duì)接路面2：壓實(shí)雪路面變?yōu)楸访?/p>

從壓實(shí)雪路面變?yōu)楸访娴膶?duì)接路面上的仿真結(jié)果如圖18～圖20所示?？梢钥闯?，在車輛驅(qū)動(dòng)加速過(guò)程中，由附著系數(shù)相對(duì)較高的壓實(shí)雪路面過(guò)渡到附著系數(shù)相對(duì)較低的冰路面上時(shí)，前后車輪的滑轉(zhuǎn)率被調(diào)整到0.1上下波動(dòng)，并逐步收斂到0.1附近較小的范圍，實(shí)現(xiàn)了ASR控制。

5.4 冰路面與壓實(shí)雪路面的對(duì)開路面

車輛在冰路面與壓實(shí)雪路面的對(duì)開路面上進(jìn)行緊急加速時(shí)實(shí)時(shí)仿真結(jié)果如圖21～圖24所示?？梢钥闯觯挥诒访嫔系能囕喌幕D(zhuǎn)率被控制在0.1左右，位于壓實(shí)雪路面上的車輪滑轉(zhuǎn)率保持在一個(gè)較小值之內(nèi)，車輛的加速度被控制到了0.98m/s2附近，實(shí)現(xiàn)了對(duì)整車的ASR控制。

6 結(jié)論

(1) 在均一路面上進(jìn)行緊急起步加速時(shí)，PID控制算法與基于徑向基函數(shù)系統(tǒng)辨識(shí)的自適應(yīng)控制算法的ASR控制效果相差不大，主要是因?yàn)榫宦访嫔瞎r相對(duì)穩(wěn)定，PID控制參數(shù)可調(diào)整的范圍較小，自適應(yīng)控制不能發(fā)揮自適應(yīng)的優(yōu)勢(shì)。

(2) 在從壓實(shí)雪路面到冰路面的對(duì)接路面上進(jìn)行緊急起步時(shí)，在路面的過(guò)渡階段，前輪在冰路面上而后輪在壓實(shí)雪路面上時(shí)，采用PID控制控制參數(shù)不能適應(yīng)這種工況的變化，未能把驅(qū)動(dòng)輪的滑轉(zhuǎn)率控制到目標(biāo)值附近；而基于徑向基函數(shù)系統(tǒng)辨識(shí)的自適應(yīng)控制算法能夠發(fā)揮控制算法的自適應(yīng)的優(yōu)勢(shì)，自動(dòng)地調(diào)整PID控制參數(shù)，從而能夠順利地把驅(qū)動(dòng)輪的滑轉(zhuǎn)率調(diào)整到目標(biāo)值附近。

(3) 采用自適應(yīng)控制算法進(jìn)行快速原型在環(huán)實(shí)時(shí)試驗(yàn)時(shí)，在從壓實(shí)雪路面到冰路面的工況下，驅(qū)動(dòng)輪的滑轉(zhuǎn)率在0.1上下波動(dòng)，控制效果與離線仿真相比波動(dòng)較大，說(shuō)明在復(fù)雜工況下，實(shí)際的控制效果要比離線仿真的效果差。

[1] 張弦，羅禹貢，范晶晶，等. 電動(dòng)車輛驅(qū)動(dòng)防滑控制方法的研究[J]. 車輛與動(dòng)力技術(shù)，2007(3): 13-19.

[2] 楊宇，楊毅，余達(dá)太，等. 電動(dòng)汽車驅(qū)動(dòng)防滑控制系統(tǒng)(ASR)的研究[J]. 自動(dòng)化技術(shù)與應(yīng)用，2004, 23(2): 29-32.

[3] HORI Y, TOYODA Y, TSURUOKA Y. Traction Control of Electric Vehicle: Basic Experimental Results Using the Test EV “UOT Electric March”[J]. IEEE Transactions on Industry Applications, 1998, 34(5): 1131-1138.

[4] FUJII K, FUJIMOTO H. Traction Control Based on Slip Ratio Estimation Without Detecting Vehicle Speed for Electric Vehicle[J].IEEE, 2007: 688-693.

[5] 張利鵬，李亮，祁炳楠，等. 分布式驅(qū)動(dòng)電動(dòng)汽車轉(zhuǎn)矩自適應(yīng)驅(qū)動(dòng)防滑控制[J]. 機(jī)械工程學(xué)報(bào),2013, 49(14): 106-113.

[6] 楊化方，李軍偉. 雙輪驅(qū)動(dòng)電動(dòng)汽車防滑控制系統(tǒng)的研究[J]. 農(nóng)業(yè)裝備與車輛工程,2009(2): 14-17.

[7] 余志生.汽車?yán)碚揫M]. 北京：機(jī)械工業(yè)出版社, 2009.

[8] 王吉. 電動(dòng)輪汽車制動(dòng)集成控制策略與復(fù)合ABS控制研究[D]. 長(zhǎng)春：吉林大學(xué), 2011.

[9] 余卓平，左建令，陳慧. 基于四輪輪邊驅(qū)動(dòng)電動(dòng)車的路面附著系數(shù)估算方法[J]. 汽車工程， 2007, 29(2): 141-145.

[10] 邵伍周，唐忠，蔡智慧，等. 基于RBF神經(jīng)網(wǎng)絡(luò)在線辨識(shí)的永磁同步電機(jī)單神經(jīng)元PID矢量控制[J]. 電力科學(xué)與技術(shù)學(xué)報(bào)，2007, 22(2): 48-52.

[11] 劉寅虎，李紹銘. 基于動(dòng)態(tài)RBF神經(jīng)網(wǎng)絡(luò)在線辨識(shí)的單神經(jīng)元PID控制[J]. 系統(tǒng)仿真學(xué)報(bào)，2006, 18(增2): 804-807.

[12] 劉金琨. 先進(jìn)PID控制MATLAB仿真[M]. 北京: 電子工業(yè)出版社, 2013.

[13] 李獻(xiàn)菁，孫永正，鄧俊，等. 插電式串聯(lián)混合動(dòng)力汽車發(fā)動(dòng)機(jī)起停控制策略的優(yōu)化[J]. 汽車工程， 2011, 33(2): 112-117.

[14] 王慶年，曲曉冬，于遠(yuǎn)彬，等. 復(fù)合電源式混合動(dòng)力公交車功率分配策略研究[J]. 汽車工程， 2014, 36(4): 389-393.

Study on Adaptive Acceleration Slip Regulation for Dual-motor Four-wheel Drive Electric Vehicle

Sun Daxu1,2, Lan Fengchong2,3， He Xingfu2,3& Chen Jiqing2,3

1.GuangdongMechanical&ElectricalPolytechnic,Guangzhou510515; 2.SchoolofMechanical&AutomotiveEngineering，SouthChinaUniversityofTechnology，Guangzhou510640; 3.GuangdongProvinceKeyLaboratoryofVehicleEngineering，Guangzhou510640

To realize the acceleration slip regulation (ASR) function of pure motor control for dual-motor four-wheel drive electric vehicles, the control parameters are optimized with PID control method on roads with different adhesive coefficients. On this basis, an online adaptive adjustment is conducted on PID control parameters by using single neuron adaptive control algorithm based on radial basis function system identification, enhancing the response speed and robustness of control algorithm. An off-line simulation and a rapid prototype-in-the-loop test are performed on different roads. The results show that the use of control algorithm proposed can realize the ASR function of electric vehicles on different road conditions, enhance adaptability and control accuracy and speed, meeting the requirements of real time control, compared with PID algorithm.

EV; ASR; radial basis function; genetic algorithm

*廣東省科技計(jì)劃項(xiàng)目(2014B010106002，2014B010125001)資助。

原稿收到日期為2014年7月7日，修改稿收到日期為2014年9月16日。