四輪獨(dú)立驅(qū)動電動汽車驅(qū)動控制策略研究

姬曉 李剛 郭增江

摘 要：電動化、智能化是汽車未來的發(fā)展趨勢 分布式電動汽車近年來發(fā)展迅速 四輪獨(dú)立驅(qū)動電動汽車作為其中的一種形式 在很多方面具有有優(yōu)于傳統(tǒng)汽車的控制優(yōu)勢。文章對四輪獨(dú)立驅(qū)動電動汽車的驅(qū)動控制策略進(jìn)行研究 采用神經(jīng)網(wǎng)絡(luò)PID控制設(shè)計橫擺力矩控制器保證汽車的側(cè)向穩(wěn)定性 以保持車輪的最佳滑移率為目標(biāo)研究了驅(qū)動防滑控制 通過實(shí)驗(yàn)驗(yàn)證驅(qū)動防滑策略能夠有效防止車輪打滑和嚴(yán)重失穩(wěn)現(xiàn)象。研究表明：該驅(qū)動控制策略能夠?qū)λ妮嗱?qū)動汽車的驅(qū)動力矩進(jìn)行合理分配 能確保車輪在附著系數(shù)不均路面上具有足夠的驅(qū)動力。

關(guān)鍵詞：駕駛員;加速特性;K-means聚類算法;神經(jīng)網(wǎng)絡(luò);橫擺力矩控制

中圖分類號：U469.72? 文獻(xiàn)標(biāo)識碼：A? 文章編號：1671-7988（2020）18-01-03

Abstract： Electricity and intelligence are the future development trends of automobiles. Distributed electric vehicles have developed rapidly in recent years， four-wheel independent drive electric vehicles as one of the forms， have control advantages over traditional vehicles in terms of active safety and energy saving. This paper studies the driving control strategy of four-wheel independent driving electric vehicles. Using neural network PID control to design the yaw moment controller to ensure the lateral stability of the automobile. The drive anti-skid control is studied with the goal of maintaining the optimal slip rate of the wheel. Experiments verify that the drive anti-skid strategy can effectively prevent wheel slip and serious instability. Research shows that this drive control strategy can reasonably distribute the driving torque of four-wheel drive vehicles and ensure that the wheels have sufficient driving force on roads with uneven adhesion coefficients.

Keywords： Driver; Acceleration characteristics; K-means clustering algorithm; Neural network; Yaw moment control

CLC NO.： U469.72? Document Code： A ?Article ID： 1671-7988（2020）18-01-03

前言

四輪獨(dú)立驅(qū)動電動汽車?yán)盟膫€電機(jī)獨(dú)立控制汽車的四個車輪 與傳統(tǒng)汽車相比機(jī)械結(jié)構(gòu)更簡單 布局更靈活 使得整車的車輛動力學(xué)有很大的自由設(shè)計空間。充分利用上述結(jié)構(gòu)優(yōu)勢 可以對每個車輪的驅(qū)動力進(jìn)行調(diào)整優(yōu)化 其動力響應(yīng)更加快速穩(wěn)定[1]。

國外多所高校和科研機(jī)構(gòu)相繼對四輪獨(dú)立驅(qū)動電動汽車的底盤控制展開研究。韓國首爾國立大學(xué)Kim Wongun[2]針對八個輪轂電機(jī)獨(dú)立驅(qū)動車輛設(shè)計了一種驅(qū)動控制算法 分為上下兩層 上層控制器根據(jù)參考速度和轉(zhuǎn)向指令確定附加凈橫擺力矩和縱向凈力以及車輪轉(zhuǎn)角 下層控制器進(jìn)行其余牽引力和制動力的協(xié)調(diào)工作滿足所需求力和力矩。通過MAT -LAB/Simulink動態(tài)模型進(jìn)行計算機(jī)仿真證明其可行性。

漢陽大學(xué)Kim Sang-Ho[3]對后輪輪轂電機(jī)驅(qū)動電動汽車的輪胎力分配方法進(jìn)行了改進(jìn)。通過PID理論控制后輪驅(qū)動力縮小實(shí)際橫擺力矩和期望的差距 同時滿足提高車輛穩(wěn)定性和節(jié)省電能的需求。最后在CarSim仿真環(huán)境下的實(shí)驗(yàn)驗(yàn)證了該算法的有效性。

國內(nèi) 清華大學(xué)陸東斌[4]等研究了四輪驅(qū)動輪轂電機(jī)電動汽車的扭矩分配方法。控制電流使轉(zhuǎn)矩平均分配可以獲得電機(jī)系統(tǒng)的的最高效率 仿真試驗(yàn)結(jié)果表明 該方法可以使整車能量效率達(dá)到最佳。

遼寧工業(yè)大學(xué)李剛[5，6]對四輪輪轂電機(jī)電動汽車的驅(qū)動力分配方法進(jìn)行了研究 采用模塊化的思想建立了15自由度非線性汽車模型 應(yīng)用無軌卡爾曼濾波理論對車速進(jìn)行估計 并在典型工況下對算法進(jìn)行仿真實(shí)驗(yàn)驗(yàn)證。最后通過合理分配四輪驅(qū)動力制動力 提高了車輛的行駛效率和再生制動的制動能量回收率。

1 橫擺力矩控制器設(shè)計

附加橫擺力矩控制策略為將車輛收到的橫擺角速度實(shí)際信號值與理想差值輸入信號 通過自適應(yīng)控制輸出相應(yīng)的橫擺力矩。如果橫擺角速度的實(shí)際值與理想值之差較大則輸出相對較高的附加橫擺力矩對驅(qū)動力矩的分配進(jìn)行調(diào)節(jié) 快速降低橫擺角速度的實(shí)際值與理想值的偏差直至達(dá)到目標(biāo)控制效果 形成有效的控制回路。附加橫擺力矩控制的基本原理如圖1所示。

1.1 參考模型

線性二自由度模型在小質(zhì)心側(cè)偏角范圍內(nèi)表現(xiàn)出的操縱響應(yīng)較好 因此 本文選用線性二自由度模型作為車輛參考模型。二自由度車輛模型運(yùn)動微分方程：

1.2 神經(jīng)網(wǎng)絡(luò)PID控制器

本文PID控制器的輸入為橫擺角速度偏差 即上文中參考模型計算的理想橫擺角速度值與實(shí)際之差。輸出為附加橫擺力矩 由比例、積分和微分環(huán)節(jié)的線性組合計算得到 表達(dá)式如下[7]：

式中：Kp為比例增益;Ti為積分時間常數(shù);Td為微分時間常數(shù)。

神經(jīng)網(wǎng)絡(luò)通過無數(shù)神經(jīng)元的建模和聯(lián)接探索模擬人腦神經(jīng)系統(tǒng)并研制一種具有學(xué)習(xí)、聯(lián)想、記憶等智能功能的人工系統(tǒng)。因此 神經(jīng)網(wǎng)絡(luò)與PID控制結(jié)合后形成的神經(jīng)網(wǎng)絡(luò)PID具有更高的適用性和可靠性。

神經(jīng)網(wǎng)絡(luò)控制器增量PID控制結(jié)構(gòu)更新：

式中 K為神經(jīng)元的比例系數(shù) k表示迭代次數(shù) ηi表示學(xué)習(xí)效率 zi等于ei表示誤差。

由上述原理在Simulink中搭建模型 輸入為e（t）及PID三個神經(jīng)元的學(xué)習(xí)效率 輸出為附加橫擺力矩u（t）和控制器的P、I、D三個參數(shù)。

2 驅(qū)動防滑控制方法

為保證車輛充分利用地面附著條件 獲得良好的驅(qū)動能力以及側(cè)向穩(wěn)定性 需設(shè)計合理的驅(qū)動防滑控制機(jī)制使車輪處于最佳滑轉(zhuǎn)率范圍內(nèi) 通過經(jīng)典的PID控制器調(diào)節(jié)車輪輸出力矩達(dá)到目標(biāo)。

通過該閉環(huán)控制使車輪的滑轉(zhuǎn)率始終接近最佳滑轉(zhuǎn)率 控制目標(biāo)為車輪滑轉(zhuǎn)率和最佳滑轉(zhuǎn)率的差值 控制量為電機(jī)輸出的驅(qū)動力矩?？刂七壿嬋缦滤觯寒?dāng)車速大于設(shè)定車速值v0 時 根據(jù)當(dāng)前車輛信息計算出四個車輪的滑轉(zhuǎn)率。當(dāng)滑轉(zhuǎn)率小于最佳滑轉(zhuǎn)率的時候 認(rèn)為車輛未發(fā)生滑轉(zhuǎn) 輸出使能信號使直接橫擺力矩控制模塊生效直接進(jìn)行四輪驅(qū)動力的分配 驅(qū)動防滑控制模塊不進(jìn)行參與。當(dāng)滑轉(zhuǎn)率大于最佳滑轉(zhuǎn)率的時候 輸出使能信號使驅(qū)動防滑控制系統(tǒng)工作 直接橫擺力矩控制不參與。車輪輸出力矩由經(jīng)典的PID控制器調(diào)節(jié) 進(jìn)行驅(qū)動防滑控制 左前輪和右前輪的驅(qū)動力矩取二者中較小值 左后輪和右后輪的驅(qū)動力矩同樣取小。

3 驅(qū)動防滑實(shí)驗(yàn)仿真

（a）縱向車速

（b）車輪滑轉(zhuǎn)率

（c）四輪驅(qū)動力矩

進(jìn)行仿真實(shí)驗(yàn)對驅(qū)動防滑策略的實(shí)用性進(jìn)行驗(yàn)證 路面附著系數(shù)0.6 初始車速30km/h 方向盤轉(zhuǎn)角0 度 實(shí)驗(yàn)結(jié)果如圖2所示。圖2（a）、（b）、（c）表明：在低附著系數(shù)路面的初始階段 四輪輪速與質(zhì)心車速基本保持相同 車輪在低附著路面上處于小滑轉(zhuǎn)率范圍;隨著驅(qū)動力矩的增大 四輪輪速高于質(zhì)心車速 車輪滑轉(zhuǎn)率快速上升;驅(qū)動防滑控制器識別滑轉(zhuǎn)狀態(tài)后進(jìn)入工作狀態(tài) 控制驅(qū)動力矩使四輪輪速不再繼續(xù)上升 表明驅(qū)動防滑控制器起到了一定的穩(wěn)定作用。

4 結(jié)論

本文研究了四輪獨(dú)立驅(qū)動電動汽車的驅(qū)動控制策略。首先設(shè)計了基于神經(jīng)網(wǎng)絡(luò)PID控制理論的橫擺力矩控制器 通過車輛橫擺角速度實(shí)際與理想值之差計算出附加橫擺力矩。最后研究了驅(qū)動防滑控制 確保車輪在路面附著系數(shù)不均路面上有足夠的地面驅(qū)動力。

參考文獻(xiàn)

[1] 趙華慧.四輪獨(dú)立驅(qū)動電動車分工況驅(qū)動力分配策略研究.西南大學(xué)碩士學(xué)位論文， 2016.

[2] Wongun Kim， Kyongsu Yi， Jongseok Lee. Drive control algorithm for an independent 8 in-wheel motor drive vehicle. Journal of Mechanical Science & Technology， 2011， 25（6）： 1573-1581.

[3] Sang-Ho Kim， Dong-Hyung Kim， Chang-Jun Kim. A study on the improvement of the tire force distribution method for rear wheel drive electric vehicle with in-wheel motor. IEEE/SICE International Symposium on System Integration， 2012， 16（18）： 390-395.

[4] LU Dongbin， OUYANG Minggao，GU Jing， et al. Torque distribution algorithm for a permanent brushless DC hub motor for four-wheel drive electric vehicles. Journal of Tsinghua University（Science and Technology）， 2012， 4（52）： 451-456.

[5] 李剛，李寧，段敏，李貴遠(yuǎn)，申彩英.基于Simulink的四輪輪轂電機(jī)電動汽車仿真模型開發(fā)[J].遼寧工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2012，32 （03）：185-189.

[6] 李剛.線控四輪獨(dú)立驅(qū)動輪轂電機(jī)電動汽車穩(wěn)定性與節(jié)能控制研究[D].吉林大學(xué)，2013.

[7] 王耀輝，強(qiáng)天偉.PID控制原理簡析.潔凈與空調(diào)技術(shù)，2013（3）： 79-82.