分布式電驅(qū)動車輛狀態(tài)參數(shù)估計技術(shù)研究

摘 要：本文主要簡單介紹了分布式驅(qū)動控制狀態(tài)參數(shù)估算系統(tǒng)結(jié)構(gòu)，分析了分布式電阻驅(qū)動車輛參數(shù)和車輛狀態(tài)估算，通過開展分布式電驅(qū)動車輛實(shí)車實(shí)驗(yàn)來證明分布式電驅(qū)動車輛狀態(tài)參數(shù)估計技術(shù)的應(yīng)用有效性，以充分發(fā)揮分布式電驅(qū)動車輛的優(yōu)勢，進(jìn)一步優(yōu)化車輛的分布式驅(qū)動控制系統(tǒng)，全面了解車輛的實(shí)際狀態(tài)，做好各項參數(shù)的估算工作，提高估算的精確性，推動分布式電驅(qū)動車輛的發(fā)展。

關(guān)鍵詞：分布式 電驅(qū)動 車輛狀態(tài)參數(shù) 估計

近年來，隨著我國社會經(jīng)濟(jì)的高速發(fā)展，汽車行業(yè)也隨之蓬勃發(fā)展，在能源問題日益突出的當(dāng)下，汽車行業(yè)開始朝著新能源方向發(fā)展，電動汽車受到人們的廣泛關(guān)注。電動汽車發(fā)展在初期發(fā)展過程中受傳統(tǒng)汽車設(shè)計影響，大多數(shù)時候只關(guān)注于動力總成變化，卻忽視了整體的設(shè)計。新能源電動汽車的市場需求逐步增大，汽車開始有了專門的設(shè)計平臺，對電驅(qū)系統(tǒng)的研究越來越多。通過對分布式電驅(qū)動車輛狀態(tài)參數(shù)估計技術(shù)的研究，能夠全面了解電動汽車驅(qū)動電機(jī)的優(yōu)勢，準(zhǔn)確獲取車輛狀態(tài)，有利于擴(kuò)展分布式電驅(qū)動車輛的市場。

1 分布式驅(qū)動控制狀態(tài)參數(shù)估算系統(tǒng)的結(jié)構(gòu)

1.1 狀態(tài)參數(shù)估算影響分布式驅(qū)動控制設(shè)計

分布式驅(qū)動控制的核心是車輪驅(qū)動力協(xié)調(diào)控制分配，需要通過優(yōu)化設(shè)計分布式驅(qū)動車輛狀態(tài)及參數(shù)估算模塊來輸入相關(guān)參數(shù)。車輪驅(qū)動力協(xié)調(diào)控制分配具有一定的復(fù)雜性，需設(shè)計結(jié)構(gòu)設(shè)計控制系統(tǒng)來明確各層模塊的功能，使結(jié)構(gòu)更加明晰，便于后期維護(hù)和管理。分布式驅(qū)動控制總體框架主要包含了兩層內(nèi)容：第一層是狀態(tài)參數(shù)觀測層。這一層中設(shè)置了車輛狀態(tài)參數(shù)估算模塊，能夠全面采集各項參數(shù)信息，如車在慣性傳感器輸出縱向加速度值、驅(qū)動輪速數(shù)值、反饋驅(qū)動轉(zhuǎn)矩數(shù)值等。在采集相關(guān)參數(shù)后進(jìn)行估算融合，便可把控車輛的橫向車速、縱向車速，掌控車輛狀態(tài)[1]；第二層是驅(qū)動力協(xié)調(diào)控制分配層。該層中設(shè)置了期望橫擺力矩及總驅(qū)動力制動模塊。該模塊中包括了驅(qū)動防滑、分配兩個部分，涉及駕駛?cè)藛T的加速踏板開度、縱向車速等數(shù)值的輸入，能夠模糊控制質(zhì)心側(cè)偏角的期望值，減少橫擺角速度目標(biāo)值和實(shí)際值的偏差，提高整車的期望總驅(qū)動力。驅(qū)動力分配模塊功能的實(shí)施，在一定程度上受分配方法、約束條件的影響，可通過輸入相關(guān)參數(shù)來控制車輪滑移率，并確定好車輪的轉(zhuǎn)矩，向輪邊驅(qū)動電機(jī)發(fā)出指令并予以有效執(zhí)行。

分布式電驅(qū)動車輛狀態(tài)參數(shù)估算系統(tǒng)結(jié)構(gòu)的設(shè)計十分有必要，直接影響著分布式驅(qū)動控制工作的開展。通過輪邊驅(qū)動電機(jī)，能判斷出轉(zhuǎn)矩、轉(zhuǎn)速的實(shí)際情況，了解其特點(diǎn)，基于傳感器則可全面掌握和估算車輛的狀態(tài)。在設(shè)計車輛狀態(tài)參數(shù)模塊的時候，需要全面采集駕駛員的操作信息、慣性傳感器信息和驅(qū)動電機(jī)的信息反饋。針對這些采集信息應(yīng)實(shí)施信號處理，估算整車質(zhì)量路面坡度參數(shù)，輸入縣官參數(shù)，以估算車輛運(yùn)動狀態(tài)，從而科學(xué)分配驅(qū)動力。要注意的是，相關(guān)人員應(yīng)當(dāng)開展高效的動力學(xué)分析工作，創(chuàng)建動力學(xué)模型，以了解汽車運(yùn)動過程總參數(shù)、狀態(tài)的變化，盡可能利用多自由度車輛模型來還原車輛狀態(tài)，保證參數(shù)計算的精確性[2]。

1.2 用于參數(shù)估算的車輛動力學(xué)模型

在分布式驅(qū)動控制中，整車質(zhì)量、道路坡度十分重要，需創(chuàng)建科學(xué)的動力學(xué)模型來模擬車輛運(yùn)動受力，聯(lián)系輸入、輸出量。首先，要創(chuàng)建驅(qū)動動力學(xué)模型。對分布式四驅(qū)電動汽車運(yùn)行過程中，輪邊電機(jī)產(chǎn)生的驅(qū)動力進(jìn)行受力分析。在這個過程中汽車的阻力主要來自空氣、道路和加速阻力。在完成作用力分析之后可獲取相應(yīng)的平衡方程式，其中涉及輪邊電機(jī)產(chǎn)生的驅(qū)動力參數(shù)、輸出轉(zhuǎn)矩參數(shù)、減速器減速比和驅(qū)動輪滾動半徑等參數(shù)。可根據(jù)相關(guān)公式來計算車輛縱向運(yùn)動時的空氣阻力、坡道阻力、滾動阻力數(shù)據(jù)，明確汽車行駛阻力系數(shù)的影響因素，以便于得出系統(tǒng)輸出量和輸入量，有效識別分布式電驅(qū)動汽車的動力參數(shù)。其次，構(gòu)建制動力學(xué)模型。汽車處于制動階段行駛的時候會受到許多阻力的作用，通過公式可計算出系統(tǒng)的輸出變量、輸入變量以及系統(tǒng)的待識別參數(shù)。

1.3 用于狀態(tài)估算的車輛動力學(xué)模型

在研究分布式電驅(qū)動車輛狀態(tài)的時候，需把控關(guān)鍵參數(shù)的輸入，如橫向和縱向車速、質(zhì)心側(cè)偏角等，在精確估算和把控車輛狀態(tài)的時候，能夠進(jìn)一步加強(qiáng)算法控制。用于狀態(tài)估算的車輛動力學(xué)模型有二自由度模型、三自由度車輛模型、輪胎模型。其中，二自由度模型建設(shè)以車輛橫向自由度運(yùn)動、橫擺自由度運(yùn)動為主，無需考慮車輪在水平方向的載荷變化。在分析車輛受力的時候要考慮整車質(zhì)量參數(shù)，了解汽車的橫向加速度、前軸車輪和后軸車輪的側(cè)向力以及橫擺角速度、力矩等。同時還要計算輪胎的側(cè)向力[3]；三自由度車輛模型則包含了車輛縱向自由度、橫向自由度和橫擺自由度，其作用在于精準(zhǔn)描述分布式電驅(qū)動車輛的運(yùn)動過程，可呈現(xiàn)出車輛大部分的運(yùn)動特性。三自由度車輛模型的創(chuàng)建需要在設(shè)置坐標(biāo)軸的時候，以車輛質(zhì)心為原點(diǎn)，x軸正向是車輛正向，y軸正向是駕駛員左側(cè)，z軸正向是垂直質(zhì)心向。利用該模型來分析車輛行駛的運(yùn)動學(xué)時，可獲取車輛縱向和橫向運(yùn)動的加速度值、車速值，通過橫擺角速度、力矩等參數(shù)可設(shè)置縱向、橫向動力學(xué)方程，以精準(zhǔn)估算各項車輛參數(shù)，了解車輛的實(shí)際運(yùn)行狀態(tài)；輪胎模型分為三種類別：一種是半經(jīng)驗(yàn)?zāi)Ｐ?，一種是經(jīng)驗(yàn)?zāi)Ｐ停硪环N是純理論模型。其中半經(jīng)驗(yàn)?zāi)Ｐ途哂休^好的優(yōu)勢，不僅在形式上較為簡單，能夠適應(yīng)許多場景，同時還可保證精度。由于車輛輪胎與外界接觸，因此分析車輛運(yùn)行過程中的輪胎力十分重要，這直接影響了整車動力學(xué)分析效果。計算輪胎側(cè)向力的時候可采用魔術(shù)公式輪胎模型，明確剛度系數(shù)、形狀系數(shù)、曲率系數(shù)和峰值系數(shù)等參數(shù)，據(jù)此來計算各個車輪的側(cè)偏角度和垂向荷載。

分布式驅(qū)動狀態(tài)參數(shù)估算模塊的設(shè)計，能夠全面了解車輛狀態(tài)參數(shù)的影響，通過模型的創(chuàng)建可建立各項參數(shù)、狀態(tài)量之間的聯(lián)系，有利于構(gòu)建方程式進(jìn)行科學(xué)分析和計算，為之后的仿真分析奠定基礎(chǔ)。

2 分布式電阻驅(qū)動車輛參數(shù)和車輛狀態(tài)估算

2.1 分布式電驅(qū)動車輛參數(shù)估算

在研究車輛特性的時候必須了解車輛參數(shù)，當(dāng)車輛特性越發(fā)明顯、準(zhǔn)確的時候，在實(shí)施算法的時候便更加容易，越好達(dá)到預(yù)期的控制效果，反之則會影響控制算法的實(shí)施，難以保證數(shù)據(jù)的精確性。由于部分車輛參數(shù)并不容易測量和獲取，則需要通過估算來了解車輛參數(shù)。在進(jìn)行車輛質(zhì)量和坡度聯(lián)合估算的時候，需要先創(chuàng)建相應(yīng)的數(shù)學(xué)模型，基于相關(guān)準(zhǔn)則來輸入、輸出相關(guān)數(shù)據(jù)，進(jìn)行系統(tǒng)參數(shù)估算。在參數(shù)估算過程中最小二乘法十分常見，其能夠估算系統(tǒng)參數(shù)，縮小估算數(shù)據(jù)和實(shí)際數(shù)據(jù)之間的差距。估算結(jié)果具有統(tǒng)計規(guī)律，實(shí)際操作上算法簡單可落實(shí)，而且具有不錯的計算性能，能在線估計參數(shù)，實(shí)時性較高[4]。

在實(shí)施最小二乘法算法時，可選擇以下方式：一是帶單一遺忘因子的遞推最小二乘法。在該算法中需要了解系統(tǒng)的輸出變量、輸入變量和待識別參數(shù)。待識別參數(shù)可通過誤差函數(shù)來進(jìn)行計算，將遺忘因子的取值范圍控制在0至1之間，如若選擇0，那么則不再參考過去的結(jié)果，估算結(jié)果僅和最新結(jié)果相關(guān)；如若選擇0至1之間的數(shù)值，那么估計結(jié)果會在一定程度上影響淡化歷史結(jié)果，當(dāng)所取數(shù)值越小的時候其具有越強(qiáng)的淡化作用；如若選擇1時，遺忘因子并不會起到作用；如若取值超過了1，那么會強(qiáng)化歷史結(jié)果的影響，弱化新數(shù)據(jù)的影響?？筛鶕?jù)最小二乘法的定義和公式進(jìn)行推導(dǎo)，設(shè)計增益矩陣和協(xié)方差矩陣。

二是帶多遺忘因子的遞推最小二乘法。在應(yīng)用帶多遺忘因子的遞推最小二乘法時，需要進(jìn)行兩個參數(shù)估計，這兩個參數(shù)的變化規(guī)律并不相同，整個過程中車輛的整車質(zhì)量并不會發(fā)生變化，僅坡度有變化。兩個參數(shù)的估算更加精準(zhǔn)，不會影響最終的參數(shù)估算偏差。也就是說在處理不同參數(shù)規(guī)律的時候應(yīng)當(dāng)優(yōu)先選用帶多遺忘因子的遞推最小乘法，可又下縮小與實(shí)際參數(shù)的偏差。

實(shí)際應(yīng)用過程中應(yīng)當(dāng)根據(jù)相關(guān)參數(shù)來設(shè)置誤差函數(shù)，設(shè)計兩個參數(shù)的遺忘因子，用于調(diào)節(jié)不同變化速率的參數(shù)，盡可能縮小誤差。經(jīng)過推導(dǎo)可轉(zhuǎn)化得到相應(yīng)的公式，計算增益矩陣，協(xié)方差矩陣[5]。

三是帶可變遺忘因子的遞推最小二乘法。雖然多遺忘因子一定程度上解決了參數(shù)變化速率不同的估算問題，但因?yàn)檫z忘因子固定，所以所產(chǎn)生的估算結(jié)果影響也相對固定。實(shí)際估計過程為提高估計結(jié)果的準(zhǔn)確性，縮小誤差，應(yīng)該添入新數(shù)據(jù)，用新數(shù)據(jù)來弱化歷史數(shù)據(jù)的影響，使估計值更加穩(wěn)定，這就需要充分發(fā)揮帶可變遺忘因子遞推最小二乘法的作用。在基本函數(shù)的支持下，遺忘因子取值增大。遺忘因子可根據(jù)時間變化而變化，適用于整車質(zhì)量參數(shù)的估算，需繪制相應(yīng)的曲線變化圖。

2.2 分布式電驅(qū)動車輛狀態(tài)估算

分布式四驅(qū)電動汽車只有驅(qū)動輪，無從動輪，因此想要確定車速、質(zhì)心側(cè)偏角等參數(shù)有一定的難度，需要利用動輪轉(zhuǎn)速來進(jìn)行估算。對于分布式驅(qū)動來說，質(zhì)心側(cè)偏角是四驅(qū)控制中的關(guān)鍵變量，若選擇傳感器來進(jìn)行監(jiān)測，不僅需要較高的成本，同時條件方面也有較大約束。基于此，可使用無跡卡爾曼濾波來進(jìn)行估算，了解車輛的相關(guān)參數(shù)?？柭鼮V波屬于濾波遞歸算法，輸入信號、觀測信號可進(jìn)行有效融合，能夠得到最優(yōu)解。卡爾曼濾波可于離散系統(tǒng)中應(yīng)用，需設(shè)立狀態(tài)方程和觀測方程，輸入影響變量后便可獲取觀測變量，計算協(xié)方差。在進(jìn)行分布式四驅(qū)電驅(qū)動汽車的時候，可實(shí)施無跡卡爾曼濾波算法，該算法的核心是UT變換，在計算過程中需要找到原始狀態(tài)下的特定電，提高目標(biāo)對象的非線性程度，如此才能保證估算結(jié)果的精確度[6]。

在估算車速狀態(tài)的時候，可結(jié)合應(yīng)用五集卡曼波算法，按照其算法流程來進(jìn)行計算，同時開展聯(lián)合方針實(shí)驗(yàn)，搭建仿真平臺，根據(jù)實(shí)際情況來設(shè)置仿真環(huán)境，以便于模擬傳感器信號，輸入信號。

3 分布式電驅(qū)動車輛試驗(yàn)

3.1 試驗(yàn)系統(tǒng)

在進(jìn)行分布式電驅(qū)動車輛仿真試驗(yàn)的時候，需要先完善試驗(yàn)系統(tǒng)的硬件和軟件。硬件方面需安裝三軸陀螺儀傳感器，其能夠獲取和輸入車輛的縱向、橫向加速度信號，該傳感器的工作電壓在九至三十六伏之間，輸出電壓信號范圍不高于五伏。可在車身質(zhì)心位置安裝三軸陀螺儀。在進(jìn)行狀態(tài)估算的時候，還需要考慮前輪平均轉(zhuǎn)角，將方向盤轉(zhuǎn)角傳感器安裝于時鐘彈簧位置，以便于測量轉(zhuǎn)向角度。另外，還要使用CAN總線通信，做好外接供電工作，保證信息通暢。需選擇適宜的控制器型號和處理器型號，確定準(zhǔn)確的參考車速，以保證估計算法的準(zhǔn)確性。

試驗(yàn)系統(tǒng)軟件部分則要應(yīng)用先進(jìn)軟件來編寫控制器的執(zhí)行程序。軟件部分應(yīng)當(dāng)分為三個模塊：一是信號、數(shù)據(jù)接受模塊。該模塊中涵蓋了方向盤轉(zhuǎn)角傳感器的接受程序、陀螺儀的橫擺角速度數(shù)據(jù)接受程序等，而且擁有符合底層電路功能需求的FPGA程序；二是信號、數(shù)據(jù)的解析模塊。該模塊設(shè)計了陀螺儀解析程序，能夠?qū)⑿盘栟D(zhuǎn)化為十進(jìn)制數(shù)據(jù)；三是狀態(tài)估算模塊，該模塊用于處理總線數(shù)據(jù)、陀螺儀數(shù)據(jù)，能夠?qū)囕v的縱向車算狀態(tài)進(jìn)行準(zhǔn)確估算[7]。

3.2 車速估算驗(yàn)證

在進(jìn)行車速估算驗(yàn)證的時候，可從以下方面著手：一是進(jìn)行直線加速工況試驗(yàn)。先將車輛加速到某一個數(shù)值后再稍微減速，模擬車輛在路口起步時的額狀況。利用陀螺儀來對直線加速試驗(yàn)中汽車的各項參數(shù)進(jìn)行測量，繪制相應(yīng)的圖標(biāo)，以全面了解直線加速工況下車輛的橫向和縱向加速度及車速；二是進(jìn)行直角轉(zhuǎn)彎工況試驗(yàn)。這部分主要是針對于直角轉(zhuǎn)彎工況中車輛各項參數(shù)的估算，需模擬車輛路口向右轉(zhuǎn)彎的情況；三是開展單移線工礦試驗(yàn)，車速確定，規(guī)劃路線，使汽車減速通過路段，模擬車輛變道情況，然后利用陀螺儀來測量車輛的各項參數(shù)，將其作為輸入信號來估算縱向車速和橫向車速。

4 結(jié)語

總而言之，加強(qiáng)分布式電驅(qū)動車輛狀態(tài)參數(shù)估計十分有必要，有利于進(jìn)一步提升分布式電驅(qū)動車輛的性能，了解狀態(tài)參數(shù)估算對驅(qū)動控制的影響，可優(yōu)化分布式驅(qū)動控制設(shè)計。

基金項目：江西省教育廳科學(xué)技術(shù)研究項目“基于復(fù)雜工況環(huán)境感知路面的車輛路噪主動控制研究”（GJJ2202416）。

參考文獻(xiàn)

[1]張策，張濤，葛平淑.基于自適應(yīng)平方根容積卡爾曼濾波算法的分布式驅(qū)動車輛狀態(tài)估計[J].大連民族大學(xué)學(xué)報，2024，26（01）：22-28.

[2]申棋仁.分布式電驅(qū)動汽車狀態(tài)估計與轉(zhuǎn)矩分配策略研究[D].吉林：吉林大學(xué)，2022.

[3]劉迎康.分布式電驅(qū)動車輛多目標(biāo)轉(zhuǎn)矩優(yōu)化分配與控制研究[D].南昌：南昌大學(xué)，2020.

[4]林志超.多軸分布式電驅(qū)動車輛動力學(xué)建模與狀態(tài)估計研究[D].武漢：武漢理工大學(xué)，2018.

[5]尤敏.分布式電驅(qū)動汽車狀態(tài)參數(shù)觀測與穩(wěn)定性控制研究[D].重慶：重慶大學(xué)，2017.

[6]褚文博，羅禹貢，陳龍，李克強(qiáng).分布式電驅(qū)動車輛的無味粒子濾波狀態(tài)參數(shù)聯(lián)合觀測[J].機(jī)械工程學(xué)報，2013，49（24）：117-127.

[7]褚文博.分布式電驅(qū)動車輛動力學(xué)狀態(tài)參數(shù)觀測及驅(qū)動力協(xié)調(diào)控制[D].北京：清華大學(xué)，2013.