崔紀明,趙景波,王 響,翟 羽
(江蘇理工學(xué)院 汽車與交通工程學(xué)院,江蘇 常州 213001)
分布式驅(qū)動電動汽車將驅(qū)動電機安裝在驅(qū)動輪內(nèi)或驅(qū)動輪附近,具有結(jié)構(gòu)緊湊、動力傳動鏈短、傳動高效等突出優(yōu)點。其中分布式電機(輪轂電機)是其重要部件,針對汽車轉(zhuǎn)速和轉(zhuǎn)矩的需求,響應(yīng)速度快,可控性強[1-2]。
文獻[3]研究了線控四輪獨立驅(qū)動/制動/轉(zhuǎn)向輪轂電動汽車的底盤集成控制方法;為改善轉(zhuǎn)向輕便性和提高路感,文獻[4]研究了基于差動驅(qū)動的助力轉(zhuǎn)向技術(shù)。縱觀目前國內(nèi)外對分布式驅(qū)動電動汽車的研究,尤其是與EPS系統(tǒng)結(jié)合的探索,都處于起步階段[5-8]。在實現(xiàn)四輪獨立電驅(qū)動與EPS的良好匹配并協(xié)調(diào)工作上還有待進一步探索。
本研究將立足汽車橫向運動控制研究,以分布式驅(qū)動電動汽車為全新載體,研究EPS控制對整車轉(zhuǎn)向輕便和操縱穩(wěn)定性的影響,尋找分布式驅(qū)動電動汽車與EPS的連接點,借助先進計算機仿真軟件Adams/car和Matlab/Simulink,完成對整車EPS的機電一體化聯(lián)合仿真。
以轉(zhuǎn)向軸式電動助力轉(zhuǎn)向系統(tǒng)為研究對象。電動助力轉(zhuǎn)向系統(tǒng)一般由機械轉(zhuǎn)向機構(gòu)、電子控制單元(electronic control unit, ECU)、轉(zhuǎn)向盤轉(zhuǎn)矩傳感器、車速傳感器、助力電機和減速與離合器機構(gòu)等組成[9]。
C-EPS組成如圖1所示。
圖1 C-EPS機構(gòu)圖
C-EPS工作原理:
轉(zhuǎn)矩傳感器將檢測到的轉(zhuǎn)向盤輸入信號傳遞至ECU,電子控制單元結(jié)合車速、轉(zhuǎn)矩及助力電機轉(zhuǎn)角信號,通過控制算法計算轉(zhuǎn)向助力電機電流并激勵電機,經(jīng)離合和減速機構(gòu)作用于齒輪齒條。
ECU決定助力電動機的旋轉(zhuǎn)方向和助力電流的大小,控制電動機進行轉(zhuǎn)向助力。它可以容易地實現(xiàn)不同的助力效果,助力電流隨著車速變化而變化,調(diào)節(jié)轉(zhuǎn)向“輕”與“靈”的矛盾,使汽車在低速行駛轉(zhuǎn)向輕便靈活,高速行駛穩(wěn)定可靠,高速時系統(tǒng)減小助力電機助力,使轉(zhuǎn)向變沉,滿足高速轉(zhuǎn)向穩(wěn)定的要求。
研究EPS系統(tǒng)性能或?qū)ζ溥M行控制算法設(shè)計,首要是分析建立EPS動力學(xué)模型。傳統(tǒng)控制方法和現(xiàn)代控制理論大多需要對被控對象建立模型,為探究系統(tǒng)的穩(wěn)定性提供數(shù)學(xué)基礎(chǔ)。
對EPS系統(tǒng)作力學(xué)分析與建模,并簡化相關(guān)非線性系統(tǒng),由牛頓力學(xué)和理論力學(xué)及電力電子相關(guān)理論,各部件動力學(xué)模型建立如下。
轉(zhuǎn)向軸動力學(xué)方程為:
(1)
式中:Js—轉(zhuǎn)向軸轉(zhuǎn)動慣量;θsw—轉(zhuǎn)向盤轉(zhuǎn)角;Cs—轉(zhuǎn)向軸阻尼系數(shù);Ks—轉(zhuǎn)向軸剛度系數(shù);Tsw—轉(zhuǎn)向盤力矩;χ—位移;Rp—小齒輪的有效半徑。
齒輪齒條的動力學(xué)模型為:
(2)
式中:Mr—等效質(zhì)量;Ta—力矩;Cr—等效阻尼;Fr—在齒條上的等效轉(zhuǎn)向阻力;(Ks/Rp)(θsw-χ/Rp)—轉(zhuǎn)向軸作用于齒條上的力;Ta/Rp—助力電機經(jīng)過減速機構(gòu)作用在齒條上的助力。
上式可以簡化為:
Fr=Krχ+fr
(3)
式中:Kr—等效剛度;fr—路面對輪胎產(chǎn)生的隨機擾動。
式(2,3)經(jīng)合并與化簡,可得到:
(4)
扭矩傳感器動力學(xué)方程為:
(5)
式中:Ts—傳感器輸入扭矩。
助力電機助力特性方程為:
I=KaTs
(6)
式中:I—電樞電流;Ka—助力增益,定義轉(zhuǎn)向“路感”,合理選擇Ka可得相應(yīng)的路感,滿足駕駛性能。
根據(jù)基爾霍夫電壓定律,電機輸入電壓須滿足:
(7)
式中:Vm—輸入電壓;Rm—電機電樞繞組電阻;Lm—電機電感系數(shù);Vb—反向感應(yīng)電壓。
其中反向感應(yīng)電壓為:
Vb=Kbωm
(8)
式中:Kb—反向感應(yīng)系數(shù);ωm—轉(zhuǎn)速。
Tm=KmI
(9)
式中:Tm—電機輸出力矩;Km—電機扭矩常數(shù)。
助力電機提供的助力力矩為:
Ta=TmN
(10)
式中:N—減速比。
直線型助力特性曲線的函數(shù)表達式如下:
(11)
式中:I—電機的目標(biāo)電流;Imax—電機最大工作電流;Td—轉(zhuǎn)向盤輸入力矩;Kv—特性曲線的斜率,也稱為助力梯度,是車速的函數(shù),因而又可稱為車速感應(yīng)系數(shù),隨著車速的增加而減小;Td0—系統(tǒng)開始助力時轉(zhuǎn)向盤輸入力矩;Tdmax—系統(tǒng)提供最大助力時轉(zhuǎn)向盤的輸入力矩。
根據(jù)式(11),運用Matlab/Simulink建立直線型助力特性曲線模型,并結(jié)合公式(1~10)建立本文提出的分布式驅(qū)動電動汽車EPS的電動助力轉(zhuǎn)向特性模型,在每一個特定的車速上都有一個轉(zhuǎn)向特性,是不同車速下轉(zhuǎn)向助力特性曲線束的組合,且給出了助力電機輸出電流與轉(zhuǎn)向力矩與和車速間的關(guān)系。
Adams/car是面向?qū)ο蠡谀0暹M行建模的,子系統(tǒng)之間具有內(nèi)在的拓撲結(jié)構(gòu),建模效率高。本文在Adams/car環(huán)境下建立了麥弗遜前懸架、多連桿式獨立后懸架、齒輪齒條轉(zhuǎn)向系、車輪和車身,并裝配各子系統(tǒng)組成整車模型。
整車模型如圖2所示。
圖2 整車模型
文獻[10-11]分別采用神經(jīng)網(wǎng)絡(luò)控制和LQG控制,研究了電動助力轉(zhuǎn)向的電機電流控制。本文采用了模糊PID控制,確定輸入變量分別是目標(biāo)助力電流和助力電機實際檢測電流的偏差e及其變化率ec,依據(jù)建立的規(guī)則庫,模糊化后再解模糊得到變化量ΔKp、ΔKi、ΔKd模糊輸出接口對上述模糊變化量進行模糊判決,解模糊得到精確量再作用于PID控制,這樣可以在線改變PID控制器的參數(shù)。
本文設(shè)計的EPS助力控制策略如圖3所示。
圖3 EPS控制策略系統(tǒng)Simulink模型
其控制原理為:
控制器在行車過程中連續(xù)接收車速信號、轉(zhuǎn)向盤力矩和轉(zhuǎn)向盤速度信號,根據(jù)前文設(shè)計的助力特性曲線,計算出助力電機的目標(biāo)電流,檢測電機的實際工作電流,并與目標(biāo)電流進行對比求兩者偏差,經(jīng)過模糊PID調(diào)節(jié)后得到電機的控制電壓,再通過脈寬調(diào)制技術(shù)對電動機的電樞電流進行控制,最終實現(xiàn)對電機助力扭矩的輸出控制。
本研究將整車的Adams_sub模塊嵌入到EPS控制系統(tǒng),系統(tǒng)從整車模型獲取車速、轉(zhuǎn)向盤轉(zhuǎn)速、轉(zhuǎn)向盤轉(zhuǎn)矩信號輸入EPS控制系統(tǒng),又將EPS控制系統(tǒng)的轉(zhuǎn)向齒條助力信號反饋輸入至整車模型。
閉環(huán)控制回路如圖4所示。
圖4 整車系統(tǒng)與EPS系統(tǒng)聯(lián)合仿真模型
本研究對不加裝EPS系統(tǒng)和加裝EPS系統(tǒng)的模型進行雙移線工況仿真,雙移線仿真可量化車輛的隨動性和轉(zhuǎn)向輕便性。
轉(zhuǎn)向盤力矩如圖5所示。
圖5 轉(zhuǎn)向盤力矩
橫擺角速度如圖6所示。
圖6 橫擺角速度
由圖可知:
加入EPS控制后,轉(zhuǎn)向盤峰值力矩降低35.5%,轉(zhuǎn)向輕便明顯提高,橫擺角速度峰值下降34.7%,表明車輛的操縱穩(wěn)定性更好,同時驗證聯(lián)合仿真模型是有效的。
設(shè)置仿真條件:汽車以80km/h直線行駛,在第3 s時給予轉(zhuǎn)向盤+80°(以右轉(zhuǎn)為正)階躍角度,階躍輸入下車速保持恒定,記錄開始至新一次穩(wěn)態(tài)轉(zhuǎn)向全過程。選取反映汽車操縱穩(wěn)定性的橫擺角速度與側(cè)向加速度作為指標(biāo),分析系統(tǒng)在無EPS控制、PID控制和模糊PID控制下的響應(yīng)。
橫擺角速度響應(yīng)如圖7所示。
圖7 角階躍輸入下的橫擺角速度響應(yīng)
側(cè)向加速度響應(yīng)如圖8所示。
圖8 角階躍輸入下的側(cè)向加速度響應(yīng)
由圖可知:EPS系統(tǒng)控制使得橫擺角速度和側(cè)向加速度峰值降低,且所設(shè)計的模糊PID控制器相比PID控制效果有所提高,表明車輛的操縱穩(wěn)定性表現(xiàn)更佳。對比無EPS控制,模糊PID控制的轉(zhuǎn)向盤角階躍輸入下的橫擺角速度峰值和側(cè)向加速度峰值分別下降7.89%和8%。
汽車回正性是操縱穩(wěn)定性的一個重要評價內(nèi)容,為進行低速回正仿真試驗,設(shè)置仿真條件:汽車以30 km/h作半徑為15 m的圓周運動,某一時刻失效轉(zhuǎn)向盤輸入轉(zhuǎn)角,記錄轉(zhuǎn)向盤的回正過程響應(yīng)。
橫擺角速度響應(yīng)如圖9所示。
圖9 低速轉(zhuǎn)向回正下的橫擺角速度響應(yīng)
側(cè)向加速度響應(yīng)如圖10所示。
圖10 低速轉(zhuǎn)向回正下的側(cè)向加速度響應(yīng)
由圖可知:EPS系統(tǒng)控制使得橫擺角速度執(zhí)行超調(diào)量降低,側(cè)向加速度也明顯下降,操縱穩(wěn)定性得以提高,且相比PID控制,所設(shè)計的模糊PID控制器效果有所改善。對比PID控制,模糊PID控制的低速轉(zhuǎn)向回正下的橫擺角速度執(zhí)行超調(diào)和側(cè)向加速度峰值分別下降11.1%和28.6%。
本文運用Adams/car建立了分布式驅(qū)動電動汽車虛擬整車模型,基于Matlab/Simulink設(shè)計了電動助力轉(zhuǎn)向控制系統(tǒng),EPS控制系統(tǒng)選用直線型助力特性曲線,對助力電機電流控制采用模糊PID控制并對聯(lián)合仿真系統(tǒng)進行了驗證。對不同工況的仿真結(jié)果分析,發(fā)現(xiàn)在改善轉(zhuǎn)向輕便性的同時提高了操縱穩(wěn)定性。分析其原因,EPS系統(tǒng)助力電機電流受車輛復(fù)雜運行工況的影響而具有很強的不確定性,是典型的時變非線性系統(tǒng)。傳統(tǒng)PID控制,不能對電流進行精確調(diào)整,助力電機運行狀況惡化,系統(tǒng)控制精度較低。文中采用的模糊PID控制魯棒性好、適應(yīng)性強、動態(tài)響應(yīng)好,因而提高了轉(zhuǎn)向綜合性能。
下一步研究將進一步優(yōu)化電動助力轉(zhuǎn)向控制系統(tǒng),通過增加控制因素,如考慮車輛軸荷變化的影響來改善控制質(zhì)量,尋找最優(yōu)控制算法,減少車輛在濕滑等摩擦系數(shù)較小路面上進入轉(zhuǎn)向失穩(wěn)狀態(tài)的可能性,提高汽車操縱性。
參考文獻(References):
[1] 余卓平,劉 軍,熊 璐,等.分布式驅(qū)動電動汽車操縱性改善控制策略設(shè)計[J].同濟大學(xué)學(xué)報,2014,42(7):1088-1095.
[2] 余卓平,馮 源,熊 璐.分布式驅(qū)動電動汽車動力學(xué)控制發(fā)展現(xiàn)狀綜述[J].機械工程學(xué)報,2013,49(8):105-114.
[3] 李 剛,宗長富,陳國迎.線控轉(zhuǎn)向四輪獨立驅(qū)動電動車的AFS/DYC集成控制[J].華南理工大學(xué)學(xué)報:自然科學(xué)版,2012,40(3):150-155.
[4] MURATA S. Innovation by in-wheel-motor drive unit[J].VehicleSystemDynamics,2012,50(6):807-830.
[5] MURATA S. Vehicle dynamics innovation with in-wheel motor[C]. 1st International Electric Vehicle Technology Conference,Warrendale: SAE Technical Paper,2011.
[6] 李 剛,宗長富.四輪獨立驅(qū)動輪轂電機電動汽車研究綜述[J].遼寧工業(yè)大學(xué)學(xué)報:自然科學(xué)版,2014,34(1):47-52.
[7] MAKOTO K, KEVIN W, HIROAKI Y. Improvement of vehicle dynamic performance by means of in-wheel electric motors[J].MitsubishiMotorsTechnicalNews,2006(18):106-112.
[8] 戴一凡.分布式電驅(qū)動車輛縱橫向運動綜合控制[D].北京:清華大學(xué)汽車工程系,2013.
[9] 趙 斌.電動助力轉(zhuǎn)向系統(tǒng)建模仿真及電控單元的研究[D].湖南:湖南大學(xué)機械與運載工程學(xué)院,2012.
[10] 季鵬凱,沈 斌,陳 慧,等.主動轉(zhuǎn)向系統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型逼近自適應(yīng)控制的研究[J].汽車工程,2014,36(1):107-113.
[11] 趙萬忠,李懌駿,于蕾艷,等.融合助力轉(zhuǎn)向功能的新型主動轉(zhuǎn)向系統(tǒng)LQG控制策略[J].中國機械工程,2014,25(3):417-421.