四輪獨(dú)立驅(qū)動(dòng)輪轂電機(jī)電動(dòng)汽車(chē)主動(dòng)避撞模糊控制

郝克宇， 廉宇峰*， 陳 剛， 陳 亮，金 晶， 唐重和

(1.長(zhǎng)春工業(yè)大學(xué) 電氣與電子工程學(xué)院， 吉林 長(zhǎng)春 130012;2.中油管道長(zhǎng)春輸油氣分公司， 吉林 長(zhǎng)春 130022;3.大陸汽車(chē)電子(長(zhǎng)春)有限公司， 吉林 長(zhǎng)春 130032;4.大陸汽車(chē)電子(長(zhǎng)春)有限公司凈月分公司， 吉林 長(zhǎng)春 130022;5.西門(mén)子工廠自動(dòng)化工程有限公司， 吉林 長(zhǎng)春 130012)

0 引 言

隨著車(chē)輛持有量的大幅增長(zhǎng)，能源危機(jī)和交通安全問(wèn)題日益突出，電動(dòng)汽車(chē)的發(fā)展和先進(jìn)的汽車(chē)安全技術(shù)引起了各界的廣泛關(guān)注。由于電動(dòng)汽車(chē)采用四輪輪轂電機(jī)驅(qū)動(dòng)(four-in-wheel-motor-driven, FIWMD)系統(tǒng)，具有較高的能源利用效率和環(huán)保優(yōu)勢(shì)。除此之外，電動(dòng)汽車(chē)的轉(zhuǎn)矩容易測(cè)量且精確，響應(yīng)速度也較快。主動(dòng)避撞 (Active Collision Avoidance, ACA) 控制系統(tǒng)可以從節(jié)能性和安全控制方面顯著提高車(chē)輛的性能[1]。

在ACA控制系統(tǒng)中，縱向安全距離模型和模糊邏輯控制器作為兩個(gè)關(guān)鍵技術(shù)，逐漸成為研究的重點(diǎn)。近年來(lái)，已有不少研究人員將他們的研究重點(diǎn)放在自車(chē)與前車(chē)之間的安全距離模型及其在ACA系統(tǒng)中的應(yīng)用。提出了一些典型的安全距離模型，如MAZDA，HONDA模型等[2]。為了進(jìn)一步了解電動(dòng)汽車(chē)的ACA系統(tǒng)，文中提出了一種新的安全距離模型來(lái)提高電動(dòng)汽車(chē)的安全性。模糊邏輯控制作為一種前沿的現(xiàn)代控制方法，越來(lái)越多的被研究人員用來(lái)實(shí)現(xiàn)ACA控制系統(tǒng)。一種基于簡(jiǎn)化永磁同步電機(jī)模型(Permanent Magnet Synchronous Motor, PMSM)的模糊邏輯控制器在文中被提及，用來(lái)實(shí)現(xiàn)FIWMD電動(dòng)汽車(chē)系統(tǒng)的設(shè)計(jì)。提出了簡(jiǎn)化的PMSM模型來(lái)估計(jì)電機(jī)的實(shí)際力矩和期望力矩。ACA控制系統(tǒng)中，模糊邏輯控制器輸出系統(tǒng)所需期望加速度，安全距離模型中提供了模糊邏輯控制器所需的約束條件。實(shí)際加速度可以在CarSim的車(chē)輛動(dòng)態(tài)模型中獲得，期望加速度和實(shí)際加速度組成一個(gè)反饋系統(tǒng)。

文中針對(duì)四輪輪轂驅(qū)動(dòng)電動(dòng)汽車(chē)的ACA系統(tǒng)，采用分層式四輪輪轂驅(qū)動(dòng)電動(dòng)汽車(chē)主動(dòng)避撞控制器的設(shè)計(jì)，可以根據(jù)不同用途進(jìn)行任意搭配。因此，文中采用分層式控制結(jié)構(gòu)。上層控制器根據(jù)行車(chē)感知系統(tǒng)獲取本車(chē)信息、兩車(chē)間距信息及駕駛員相關(guān)信息等，確定當(dāng)前情況下自車(chē)所需要的期望加速度；期望加速度既作為上層控制器的輸出,同時(shí)作為下層控制器的輸入，進(jìn)一步控制車(chē)輛動(dòng)力學(xué)系統(tǒng)，輸出系統(tǒng)所需要的期望加速度。由于單一線性建模方法的不足，文中運(yùn)用CarSim2016和Matlab/Simulink聯(lián)合仿真，建立能夠模擬四輪輪轂驅(qū)動(dòng)電動(dòng)汽車(chē)實(shí)時(shí)工況，同時(shí)反映主動(dòng)避撞系統(tǒng)的動(dòng)態(tài)性能，并能夠兼顧模型精確性的動(dòng)力學(xué)模型。文中采用模糊邏輯控制理論和PI控制理論，設(shè)計(jì)了適合ACA系統(tǒng)的控制器，并且對(duì)典型城市和高速工況進(jìn)行仿真與驗(yàn)證。

1 車(chē)輛縱向動(dòng)力學(xué)

四輪輪轂驅(qū)動(dòng)電動(dòng)汽車(chē)主動(dòng)避撞系統(tǒng)功能的實(shí)現(xiàn)涉及到車(chē)輛縱向動(dòng)力學(xué)模型，文中引用了一個(gè)車(chē)輛縱向動(dòng)力學(xué)模型，將四輪輪轂驅(qū)動(dòng)電動(dòng)汽車(chē)縱向的受力情況十分明確地表示出來(lái)[3]。車(chē)輛在斜坡上運(yùn)動(dòng)，受車(chē)輛外部縱向力的影響，包括輪胎縱向力、輪胎滾動(dòng)阻力、空氣阻力和車(chē)輛自身的重力，車(chē)輛在坡路上行駛的受力分解圖如圖1所示。

圖1 車(chē)輛縱向受力圖

車(chē)輛的縱向加速度根據(jù)牛頓第二定律可以被描述為：

max=Fxf+Fxr-Rxf-Rxr-Faero-mgsinθ

(1)

式中：m——整車(chē)的總質(zhì)量;

ax——車(chē)輛在質(zhì)心上的縱向加速度；

Fxf——前輪輪胎縱向力；

Fxr——后輪輪胎縱向力;

Rxf——前輪的滾動(dòng)阻力；

Rxr——后輪的滾動(dòng)阻力；

Faero——縱向的空氣阻力;

g——重力加速度；

θ——電動(dòng)汽車(chē)行駛路面的坡度。

如果電動(dòng)汽車(chē)的行駛方向x指向左邊,則定義θ的正方向?yàn)轫槙r(shí)針。如果電動(dòng)汽車(chē)的行駛方向x指向右邊,則定義θ的正方向?yàn)槟鏁r(shí)針。lf為電動(dòng)汽車(chē)質(zhì)心到前軸的距離,lr為電動(dòng)汽車(chē)質(zhì)心到后軸的距離,并且L=lf+lr。

由轉(zhuǎn)矩平衡可以獲得各個(gè)輪胎的垂直載荷，即：

(2)

式中：Fzf——車(chē)輛前輪的垂直載荷；

Fzr——車(chē)輛后輪的垂直載荷；

hcenter——車(chē)輛質(zhì)心距離水平面的垂直高度。

2 縱向安全距離模型

縱向安全距離模型是ACA系統(tǒng)的重要組成部分，電動(dòng)汽車(chē)縱向的安全性和道路的利用率取決于縱向安全距離模型搭建的準(zhǔn)確程度。對(duì)于駕駛員而言，所有必要的警報(bào)信息都與安全距離模型一起提供，并且由來(lái)自安全距離模型的信息而啟動(dòng)ACA系統(tǒng)。 如果安全距離過(guò)大，交通流量將受到影響。反之,如果安全距離太小，車(chē)輛的事故率就會(huì)大大增加。因此，安全距離模型的設(shè)計(jì)取決于是否能夠適應(yīng)復(fù)雜多變的交通環(huán)境，有效地平衡駕駛過(guò)程的安全性和道路利用率。

后車(chē)通過(guò)車(chē)載雷達(dá)感知前車(chē)的速度變化和加速度變化，并在領(lǐng)先車(chē)輛狀態(tài)發(fā)生變化時(shí)，ACA系統(tǒng)迅速地對(duì)自車(chē)進(jìn)行牽引或者制動(dòng)，使兩車(chē)實(shí)際的相對(duì)距離始終保持在安全范圍，保證駕駛員及乘客的安全。在制動(dòng)或牽引過(guò)程中，兩車(chē)實(shí)際相對(duì)距離變化趨勢(shì)如圖2所示。

圖2 車(chē)間距變化趨勢(shì)圖

圖中，D為兩車(chē)之間的距離；D1為自車(chē)行駛的距離;D2為前車(chē)行駛的距離;d0為兩車(chē)最小保持距離，一般值為2～5 m[4]。Dbr為后車(chē)的制動(dòng)距離。 當(dāng)兩車(chē)之間的距離小于或等于自車(chē)減速制動(dòng)的距離時(shí)，自車(chē)的減速制動(dòng)距離可以被描述為：

Dbr=D1-D2+d0

(3)

(4)

式中：a1——自車(chē)的加速度；

a2——前車(chē)的加速度；

v1——自車(chē)的速度；

v2——前車(chē)的速度。

3 主動(dòng)避撞控制系統(tǒng)設(shè)計(jì)

四輪輪轂驅(qū)動(dòng)電動(dòng)汽車(chē)ACA系統(tǒng)采用了分層式控制結(jié)構(gòu)設(shè)計(jì)，由上層和下層控制器組成。上層控制器和下層控制器可以根據(jù)不同的目的進(jìn)行組合，對(duì)深入研究ACA系統(tǒng)十分有利。上層控制器根據(jù)行車(chē)信息感知系統(tǒng)獲取的自車(chē)速度的變化和車(chē)載雷達(dá)系統(tǒng)感知的車(chē)間距離，將以上信息作為模糊邏輯控制器的輸入，從而得到自車(chē)在當(dāng)前情況下所需要的期望加速度；所得的期望加速度既是上層控制器的輸出，同時(shí)也是下層控制器的輸入，從而實(shí)現(xiàn)對(duì)車(chē)輛動(dòng)力學(xué)系統(tǒng)的控制，使自車(chē)加速度的值盡可能地靠近期望加速度的值。ACA系統(tǒng)的仿真模型如圖3所示。

圖3 ACA系統(tǒng)仿真模型

3.1 基于模糊控制上層控制器設(shè)計(jì)

為適應(yīng)各種交通工況并滿足駕駛員實(shí)際駕駛的各種要求，文中設(shè)計(jì)基于模糊邏輯控制的上位控制器，其結(jié)構(gòu)如圖4所示。

圖4 模糊上位控制器模型

將駕駛員實(shí)際的駕駛特性作為考慮因素，為了更好地控制車(chē)輛，駕駛員必須了解車(chē)輛的性能，并估計(jì)自車(chē)與前車(chē)之間實(shí)際的相對(duì)距離，同時(shí)也需要估計(jì)自車(chē)與前車(chē)相對(duì)速度的差值，即：

(5)

式中：dreal——當(dāng)前時(shí)刻兩車(chē)實(shí)際的車(chē)間相對(duì)距離；

d1——當(dāng)前時(shí)刻自車(chē)所走的距離；

d2——當(dāng)前時(shí)刻前車(chē)所走的距離；

d3——初始時(shí)刻自車(chē)和前車(chē)的初始距離；

vrel——當(dāng)前時(shí)刻自車(chē)與前車(chē)的相對(duì)速度。

如果相對(duì)距離dreal很大，而相對(duì)速度vrel較小，則駕駛者會(huì)以適合的加速度加速行駛，縮短車(chē)間距離，從而道路的交通效率會(huì)得到提高；如果相對(duì)距離dreal較小，而相對(duì)速度vrel較大，則駕駛者會(huì)以適當(dāng)?shù)臏p速度減速行駛，從而最大限度地降低車(chē)輛發(fā)生追尾事故的幾率。在實(shí)際中，駕駛員是通過(guò)踩剎車(chē)或油門(mén)來(lái)使車(chē)輛減速或加速，改變車(chē)輛的行駛狀態(tài)，模糊邏輯理論可以被用來(lái)描述這幾種駕駛行為。

根據(jù)以上條件，一個(gè)雙輸入、單輸出的模糊邏輯控制器在文中被采用，以跟隨車(chē)和目標(biāo)車(chē)之間實(shí)際的相對(duì)距離dreal和跟隨車(chē)和目標(biāo)車(chē)的相對(duì)速度vrel作為模糊邏輯控制器的輸入信號(hào)，以跟隨車(chē)期望加速度ades作為模糊邏輯控制器的輸出信號(hào)，為了使ACA系統(tǒng)所獲得的期望加速度ades更加精確，基于以上條件有必要將輸入信號(hào)和輸出信號(hào)進(jìn)行模糊化處理[6]。

將輸入轉(zhuǎn)化為11個(gè)模糊集合：正正小(PPS)、正大(PB)、正中(PM)、正小(PS)、正零(PZ)、零(ZO)、負(fù)零(NZ)、負(fù)小(NS)、負(fù)中(NM)、負(fù)大(NB)、負(fù)負(fù)小(NNS)。

輸出信號(hào)轉(zhuǎn)化為9個(gè)模糊集合：正大(PB)、正中(PM)、正小(PS)、正零(PZ)、零(ZO)、負(fù)零(NZ)、負(fù)小(NS)、負(fù)中(NM)、負(fù)大(NB)。

3.1.1 輸入、輸出模糊化

電動(dòng)汽車(chē)ACA系統(tǒng)通常的工作環(huán)境為中速、低速碰撞，所以根據(jù)實(shí)際數(shù)據(jù)設(shè)定自車(chē)和前車(chē)相對(duì)車(chē)速的變化范圍為[-10,10] m/s，比例因子Kec=1，則ACA系統(tǒng)相對(duì)車(chē)速的模糊論域取[-10,10]。

根據(jù)現(xiàn)有傳感器測(cè)距距離和實(shí)際數(shù)據(jù)，設(shè)定自車(chē)和前車(chē)期望車(chē)距與實(shí)際車(chē)距的差值的變化范圍為[0,200] m, 比例因子Ke=0.1，則ACA系統(tǒng)相對(duì)車(chē)距的模糊論域取[0,20]。

將駕駛員能接受的沖擊度范圍和ACA系統(tǒng)的實(shí)際操作性作為考慮因素，將自車(chē)加速度的變化范圍定義為[-4,4] m/s2,比例因子Ku=1，則ACA系統(tǒng)所需的期望加速度的模糊論域取[-4,4]。

3.1.2 隸屬度函數(shù)的確定

作為輸入信號(hào)，兩車(chē)的實(shí)際相對(duì)車(chē)距和兩車(chē)實(shí)際相對(duì)速度的隸屬度函數(shù)采用三角波函數(shù)(trimf)。

兩車(chē)實(shí)際相對(duì)車(chē)距模糊論域被分成11個(gè)部分，具體分布如圖5所示。

圖5 相對(duì)距離的隸屬度函數(shù)

兩車(chē)實(shí)際相對(duì)速度模糊論域被分成11個(gè)部分，具體分布如圖6所示。

圖6 相對(duì)速度的隸屬度函數(shù)

作為輸出信號(hào)，期望加速度的隸屬度函數(shù)同樣采用三角波函數(shù)，模糊論域被分成9個(gè)部分，具體分布如圖7所示。

圖7 期望加速度的隸屬度函數(shù)

3.1.3 模糊控制規(guī)則庫(kù)的建立

根據(jù)駕駛員的駕駛經(jīng)驗(yàn)和實(shí)際的實(shí)驗(yàn)數(shù)據(jù)，文中將ACA系統(tǒng)的以下幾種情況考慮在內(nèi)：

1)vrel非常小、dreal非常大時(shí)，前車(chē)速度與自車(chē)速度之間的差距非常小，并且前車(chē)和自車(chē)的車(chē)間距離差距非常大，相對(duì)來(lái)說(shuō)，此時(shí)自車(chē)的危險(xiǎn)程度較小，可以適當(dāng)加速行駛或保持當(dāng)前車(chē)速行駛。

2)vrel非常大、dreal非常小時(shí)，前車(chē)速度與自車(chē)速度之間的差距非常大，同時(shí)自車(chē)和前車(chē)的車(chē)間距離差值非常小，此時(shí)自車(chē)的危險(xiǎn)程度很大，應(yīng)該立即進(jìn)行制動(dòng)，從而將自車(chē)的速度降低到安全范圍之內(nèi)，避免自車(chē)與前車(chē)發(fā)生追尾事故。

3)vrel和dreal都非常小或都非常大時(shí)，此時(shí)應(yīng)該對(duì)自車(chē)進(jìn)行小強(qiáng)度的制動(dòng)，從而使自車(chē)保持在安全的狀態(tài)，而且小強(qiáng)度的制動(dòng)不但保證駕駛員和乘坐人員的舒適度在合理的范圍內(nèi)，還確保了車(chē)輛行駛的平穩(wěn)性。

文中針對(duì)以上3種情況的交通狀況，綜合考慮行車(chē)安全性與駕駛員和乘坐人員舒適性的關(guān)系，總的原則是將自車(chē)的安全作為第一目標(biāo)，與此同時(shí)，可以適當(dāng)?shù)貭奚{駛員和乘坐人員的舒適性，當(dāng)電動(dòng)汽車(chē)所需制動(dòng)減速度可大可小時(shí)，應(yīng)當(dāng)選擇較大的減速度進(jìn)行制動(dòng)，也就是說(shuō)將自車(chē)的安全性放在第一位。根據(jù)上述駕駛經(jīng)驗(yàn)，經(jīng)過(guò)反復(fù)調(diào)試與驗(yàn)證，文中建立四輪輪轂驅(qū)動(dòng)電動(dòng)汽車(chē)ACA系統(tǒng)的模糊控制規(guī)則，共有121條規(guī)則，見(jiàn)表1。

表1 ACA系統(tǒng)的模糊控制規(guī)則表

模糊控制系統(tǒng)實(shí)際上體現(xiàn)了輸入和輸出之間復(fù)雜的非線性關(guān)系，且這種關(guān)系是通過(guò)模擬人類(lèi)的語(yǔ)言邏輯描述的，符合人類(lèi)的推算過(guò)程，從而更容易被駕駛員所接受。

3.2 下層控制器設(shè)計(jì)

下層控制器由PI控制器和縱向制動(dòng)力分配策略兩部分組成。期望加速度不僅是上位控制器的輸出，同時(shí)也是下位控制器的輸入，下位控制器的輸出為車(chē)輛所需要的總期望制動(dòng)力，從而實(shí)現(xiàn)車(chē)輛的制動(dòng)。下位控制器由兩個(gè)計(jì)算器組成：一個(gè)是總制動(dòng)力計(jì)算器，用來(lái)計(jì)算車(chē)輛制動(dòng)過(guò)程中所需要的總制動(dòng)力；另一個(gè)為總制動(dòng)力分配器，即將計(jì)算得到的總制動(dòng)力合理地進(jìn)行分配，使車(chē)輛能夠很好的制動(dòng)，從而更好地保證車(chē)輛的安全性。下位控制器的結(jié)構(gòu)見(jiàn)圖3。

3.2.1 PI控制器設(shè)計(jì)

下位控制器中，總制動(dòng)力計(jì)算器采用普遍的PI控制，該算法簡(jiǎn)單、穩(wěn)定性高，同時(shí)有很好的魯棒性，是一種普遍的研究方法，被很多研究人員所采用。PI控制算法中KP和KI值的選定是十分重要的，如果這2個(gè)值選擇不合適，會(huì)給ACA系統(tǒng)帶來(lái)很多不穩(wěn)定的問(wèn)題，兩值確定一般常用的方法是試湊法。制動(dòng)力計(jì)算器通過(guò)車(chē)輛的實(shí)際加速度和期望加速度的差值來(lái)計(jì)算出電動(dòng)汽車(chē)所需要的總制動(dòng)力，該調(diào)節(jié)環(huán)節(jié)中不存在任何的靜差與滯后，經(jīng)過(guò)反復(fù)地整定與試湊，從而比例和積分值分別為：KP=50，KI=5 000。

3.2.2 制動(dòng)力矩分配策略

文中以前輪和后輪的垂直載荷為比例來(lái)分配給每個(gè)輪胎的驅(qū)動(dòng)力。 結(jié)合式(1)，前后輪、左右輪縱向力可以按輪胎垂直載荷比例進(jìn)行分配，得到如下方程組：

(6)

式中：ax——自車(chē)縱向?qū)嶋H加速度；

Tfl——自車(chē)左前輪縱向制動(dòng)或牽引力矩；

Tfr——自車(chē)右前輪縱向制動(dòng)或牽引力矩；

Trl——自車(chē)左后輪縱向制動(dòng)或牽引力矩；

Trr——自車(chē)右后輪制動(dòng)或牽引力矩；

r——電動(dòng)汽車(chē)輪胎半徑。

求解上述方程組，即可得到四個(gè)輪胎的制動(dòng)或牽引力矩：

(7)

4 輪轂電機(jī)系統(tǒng)簡(jiǎn)化模型

對(duì)于FIWMD電動(dòng)汽車(chē)，輪轂電機(jī)采用PMSM控制系統(tǒng)。PMSM控制系統(tǒng)具有功率密度高、功率大、體積小、控制操作性好等諸多優(yōu)點(diǎn)。但是，PMSM控制系統(tǒng)也存在諸多不足，例如，系統(tǒng)的計(jì)算量大，且實(shí)時(shí)性較差。因此，有必要在不影響永磁同步電機(jī)性能的情況下，適當(dāng)簡(jiǎn)化PMSM控制系統(tǒng)，從而進(jìn)一步提高永磁同步電機(jī)的實(shí)時(shí)性。在寄生磁阻轉(zhuǎn)矩影響排除在外的前提下，PMSM的數(shù)學(xué)模型在dq同步旋轉(zhuǎn)坐標(biāo)系上可以被表示如下：

(8)

式中：id——d軸上的定子電流；

iq——q軸上的定子電流；

ud——d軸上的定子電壓；

uq——q軸上的定子電壓；

ρ——輪轂電機(jī)的極對(duì)數(shù)；

Ls——定子電感；

Ψr——永磁磁通；

Rs——定子電阻；

B——粘滯摩擦系數(shù)；

Iω——輪胎的轉(zhuǎn)動(dòng)慣量；

ωr——輪轂電機(jī)角速度；

Tb——摩擦制動(dòng)力矩。

簡(jiǎn)化PMSM矢量控制系統(tǒng)，是將轉(zhuǎn)矩作為外環(huán)和電流作為內(nèi)環(huán)的雙閉環(huán)結(jié)構(gòu)設(shè)計(jì)而成。為了簡(jiǎn)化PMSM矢量控制系統(tǒng)，提高ACA系統(tǒng)的運(yùn)算速度，文中將粘滯摩擦系數(shù)B因素排除在外，采用基于空間矢量控制技術(shù)的PMSM控制系統(tǒng)。對(duì)電流內(nèi)環(huán)來(lái)說(shuō)，要求快速地跟隨電流的性能，所以根據(jù)典型的I型系統(tǒng)來(lái)設(shè)計(jì)相應(yīng)的電流內(nèi)環(huán)。文中近似地將電流內(nèi)環(huán)等價(jià)于一階慣性環(huán)節(jié)，即：

式中：Ts——電流采樣周期。

圖8 PMSM矢量控制系統(tǒng)簡(jiǎn)化結(jié)構(gòu)圖

PMSM控制系統(tǒng)可簡(jiǎn)化為單閉環(huán)系統(tǒng)，以期望轉(zhuǎn)矩Te,des為輸入變量，以實(shí)際轉(zhuǎn)矩Te為輸出變量，此結(jié)構(gòu)簡(jiǎn)單且易實(shí)現(xiàn)[7-8]。

5 仿真與實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證電動(dòng)汽車(chē)簡(jiǎn)化PMSM模型和ACA系統(tǒng)是否有效，文中以典型城市工況(UDDS)和高速公路工況(HWFET)作為前車(chē)的工況對(duì)ACA系統(tǒng)進(jìn)行仿真驗(yàn)證。FIWMD電動(dòng)汽車(chē)的整車(chē)參數(shù)和PMSM模型的參數(shù)見(jiàn)表2。

表2 FIWMD電動(dòng)汽車(chē)和PMSM模型的參數(shù)

UDDS工況下，前車(chē)和自車(chē)的速度分別如圖9和圖10所示。

圖9 UDDS前車(chē)速度

圖10 UDDS自車(chē)速度

自車(chē)的實(shí)際加速度如圖11所示。

圖11 UDDS自車(chē)加速度

自車(chē)左、右輪的縱向力相同。自車(chē)左前輪的縱向力與左后輪的縱向力分別如圖12和圖13所示。

圖12 UDDS自車(chē)左前輪縱向力

圖13 UDDS自車(chē)左后輪縱向力

兩車(chē)相對(duì)距離如圖14所示。

圖14 UDDS兩車(chē)的相對(duì)距離

HWFET工況下，前車(chē)和自車(chē)的速度分別如圖15和圖16所示。

圖15 HWFET前車(chē)速度

圖16 HWFET自車(chē)速度

自車(chē)加速度如圖17所示。

圖17 HWFET自車(chē)加速度

自車(chē)左、右輪的縱向力相同。自車(chē)左前輪的縱向力和左后輪的縱向力分別如圖18和圖19所示。

圖18 HWFET自車(chē)左前輪縱向力

圖19 HWFET自車(chē)左后輪縱向力

兩車(chē)的相對(duì)距離如圖20所示。

圖20 HWFET兩車(chē)的相對(duì)距離

由仿真可得，UDDS和HWFET工況下，兩車(chē)的相對(duì)距離都是正的，且在合理的范圍內(nèi)，可以得出在典型工況中，兩車(chē)并沒(méi)有發(fā)生碰撞，且跟隨距離在合理的范圍內(nèi)，可以證明ACA系統(tǒng)是可實(shí)現(xiàn)的、有效的。

6 結(jié) 語(yǔ)

提出了基于模糊邏輯控制的ACA系統(tǒng)和簡(jiǎn)化PMSM模型。根據(jù)典型工況下自車(chē)ACA系統(tǒng)的仿真與實(shí)驗(yàn)結(jié)果，得出了如下結(jié)論：

1)所設(shè)計(jì)的基于模糊控制的ACA系統(tǒng)在前車(chē)加速和減速行駛條件下，自車(chē)都能自動(dòng)地進(jìn)行減速或者加速，并且保證最終停車(chē)后，自車(chē)與前車(chē)始終沒(méi)有發(fā)生碰撞，保證了駕駛員和乘坐人員的安全，從而降低駕駛員的勞動(dòng)強(qiáng)度，并且保證了駕駛者和乘坐人員的安全，電動(dòng)汽車(chē)主動(dòng)避撞功能基本實(shí)現(xiàn)。

2)電動(dòng)汽車(chē)在緊急避撞工況時(shí)，必須采用較大強(qiáng)度的制動(dòng)力矩，但這會(huì)帶來(lái)一些負(fù)面因素，例如，會(huì)造成駕駛員和乘客暫時(shí)的不適，但是這優(yōu)先考慮到了安全性原則，符合ACA系統(tǒng)將安全性放在第一位的理念，隨后自車(chē)的減速度在短時(shí)間內(nèi)減小，迅速將其保持在人體可接受的范圍，這樣的避撞系統(tǒng)更容易被駕駛者和乘坐人員所接受，為電動(dòng)汽車(chē)主動(dòng)避撞系統(tǒng)的商業(yè)化推廣提供了便利。

另外，模糊邏輯控制器的設(shè)計(jì)是ACA系統(tǒng)的核心。在自車(chē)跟隨前車(chē)的過(guò)程中，自車(chē)加速度變化并不平緩，這會(huì)影響車(chē)輛的舒適度。所以在未來(lái)的研究中，會(huì)將提高車(chē)輛的操縱穩(wěn)定性和改善車(chē)輛的安全性和舒適性作為研究課題。

參考文獻(xiàn)：

[1] World Health Organization. Global status report on road safety 2013: Supporting a Decade of Action [R]. Geneva: WT0,2013.

[2] X F Pei, Z D Liu, G C Ma, et al. Safe distance model and obstacle detection algorithms for a collision warning and collision avoidance system[J]. Automotive Safety and Energy,2012,3(1):26-33.

[3] R Rajamani. Vehicle dynamics and control [J]. New York, USA: Springer,2005.

[4] R H Ge, W W Zhang, W Zhang. Research on the driver reaction time of safety distance model on highway based on fuzzy mathematics[C]//International Conference on Optoelectronics and Image Processing.2010:293-296.

[5] Y F Lian, Y Zhao, L L Hu, et al. Longitudinal collision avoidance control of electric vehicles based on a new safety distance model and constrained regenerative braking strength continuity braking force distribution strategy [J]. IEEE Transactions on Vehicular Technology,2016,65(6):4079-4094.

[6] G Y Li, L J Yang. Neuron-Fuzzy-Prediction control and MATLAB implementation [M]. Beijing: Publishing House of Electronics Industry,2013:223-239.

[7] H Zhang. Study on robust control of permanent magnet synchronous machine drive system[D]. [S.l.]: Dissertation, China University of Mining Technology,2011.

[8] 劉旭，張裊娜，周長(zhǎng)哲，等.純電動(dòng)汽車(chē)橫擺力矩滑?？刂芠J].長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)，2017，38(2)：127-132.