CN104228607B - 一种电动汽车驱动防滑控制方法 - Google Patents

Abstract

本发明公开了一种电动汽车驱动防滑控制方法，由具有自适应能力的改进型自抗扰控制器构成，包括最速跟踪微分器，扩张状态观测器，非线性反馈控制律和能够实时更新非线性反馈控制律参数的自适应模块。基于这种控制算法的车载电子控制单元(ECU)接受来自各种车载传感器的信息，根据滑转率定义式由期望滑转率计算出此时的期望车轮转速与实际车轮转速进行比较，经由具有自适应能力的改进型自抗扰控制器输出信号经过轮毂电机驱动器，输入给电机，实现对电机输出转矩和转速的调整，从而降低在电动汽车驱动过程中的滑转率，实现驱动防滑，提高电动汽车行驶稳定性。本发明致力于由智能控制器根据控制算法调整电机的输出转矩是实现电动汽车驱动防滑。

Description

一种电动汽车驱动防滑控制方法

技术领域

本发明属于电动汽车控制技术领域，具体涉及一种电动汽车驱动防滑控制方法。

背景技术

随着石油等化石能源的枯竭和环境污染问题的越来越严重，内燃机车在未来显然不能满足社会发展和需要，人们也积极寻找到和关注它的替代品—电动汽车。电动汽车使用电能，零排放，本身不会对环境造成任何污染。国外有科学研究表明即使在现阶段计算发电过程中对环境造成的污染，电动汽车对环境造成的污染也会比内燃机车下降40％。电动汽车最大的优势在于其采用电机驱动，因此其转矩可以精确控制，特别是当使用轮毂电机后，可以对四个轮子的转矩实行独立控制，电动汽车可控制的自由度和安全性可以得到很大的提高，这些都是内燃机车无法比拟的。安全性的控制分为被动安全控制和主动安全控制，被动安全性例如安全带，安全气囊等，而电动汽车驱动防滑控制系统是一种电动汽车主动安全性控制系统。当电动汽车在低附着路面上行驶时，特别是加速行驶时，其电机的输出转矩可能会超过路面所能提供的最大的附着力所对应的转矩。当此情况发生时，其轮速与车速的差距会越来越大，导致车轮急剧滑转，滑差率由稳定区进入非稳定区，电动汽车与路面之间的附着力下降，从而极有可能导致安全事故的发生。

传统上一些驱动防滑控制方法主要有：

1.门限逻辑控制方法。主要是设置门限逻辑控制值来实现驱动防滑，可设置的门限逻辑变量可以是门限车轮角加速度等。当检测到的角加速度信号超过门限值时，由ECU控制单元调整电机的输出转矩，从而实现驱动防滑。

2.PID控制方法。PID控制器在驱动防滑控制中的应用主要是针对轮胎与地面的附着率控制。其输入是实际滑转率与期望滑转率之间的差值，其输出是电机输出转矩的调整值，从而实现驱动防滑。

3.模糊控制方法。模糊控制器在驱动防滑控制中的应用也主要是针对轮胎与地面的附着率控制。其输入可以实际滑转率与期望滑转率之间的偏差及偏差的变化率，也可以使其他的一些物理量，输出仍然是电机输出转矩的调整值。

然而，以上几种传统的控制方法由于其本身的局限性导致在驱动防滑控制过程中影响了其驱动防滑的效果。例如，门限逻辑控制中，门限逻辑值的设定对于多种复杂路况的下的不适应性；PID控制多应用于线性系统，但含轮胎模型的电动汽车是一个强非线性系统，而且PID参数对于复杂路况的变化并不具有很好的适应性。对于非线性系统的控制，选择模糊控制是一种不错的选择，但是模糊控制在控制过程中经常会出现存在稳态误差和震颤现象。以上几种控制方法的缺陷导致了目前传统的电动汽车驱动防滑系统难以实现令人十分满意的驱动防滑。

发明内容

本发明的目的是针对一些传统电动汽车驱动防滑控制系统控制过程中存在的问题，提出一种适用于实现电动汽车驱动防滑的控制方法。

本发明采用的技术方案为：一种电动汽车驱动防滑控制方法，包括自抗扰控制器、参数自适应模块、轮毂电机驱动器、轮毂电机和旋转编码器，所述自抗扰控制器中包括最速跟踪微分器、扩张状态观测器和非线性反馈控制律；

先将期望滑转率s₀经下面的公式(2)转换,计算得到电动汽车的期望车轮转速ω0信号并输入到最速跟踪微分器模块的输入端；

电动汽车在驱动过程中,轮胎的滑转率与附着系数一种非线性关系,当电动汽车的轮胎滑转率小于最佳滑转率(期望滑转率)时,轮胎与地面的附着系数是随着滑转率的增加而增加,此时滑转率处于稳定区；当电动汽车的轮胎滑转率大于最佳滑转率(期望滑转率)时,轮胎与地面的附着系数是随着滑转率的增加而下降的,此时滑转率处于非稳定区。驱动过程中滑转率的定义如下：

$s=\frac{\mathrm{\ωr}-v}{\mathrm{\ωr}}---\left(1\right)$

其中，s表示车轮滑转率，ω表示车轮转速,ν表示车速,r表示车轮半径。

在某个期望滑转率下所对应的期望车轮转速如下：

${\mathrm{\ω}}_0=\frac{v}{(1-s_0)r}---\left(2\right)$

其中，s₀表示期望车轮滑转率，ω₀表示期望车轮转速,ν表示车速,r表示车轮半径；

最速跟踪微分器用来对输入的期望车轮转速起到过度的作用，输出期望车轮转速的跟踪值及其变化率，其完整的算法如下：

$\left\{\begin{array}{c}e={\mathrm{\ω}}_0^{*}-{\mathrm{\ω}}_0\\ \mathrm{fh}=\mathrm{fhan}(e,{\mathrm{\Δ\ω}}_0^{*},r_0,h)\\ {\mathrm{\ω}}_0^{*}={\mathrm{\ω}}_0^{*}+h{\mathrm{\Δ\ω}}_0^{*}\\ {\mathrm{\Δ\ω}}_0^{*}={\mathrm{\Δ\ω}}_0^{*}+\mathrm{hfh}\end{array}\right.---\left(3\right)$

其中，ω₀ ^*表示期望车轮转速的跟踪值，ω₀表示期望车轮转速，Δω₀ ^*表示期望车轮转速跟踪值的变化率，r₀,h是两个可调参数。

所述扩张状态观测器经过下面公式(4)输出实际车轮转速的跟踪值ω_a ^*和实际车轮转速跟踪值的变化率Δω_a ^*信号；

扩张状态观测器以电机输出转速ω和电机驱动器的输入u来跟踪估计系统状态和扰动，其完整的算法如下：

$\left\{\begin{array}{c}e={\mathrm{\ω}}_a^{*}-\mathrm{\ω},\mathrm{fe}=\mathrm{fal}(e,0.5,\mathrm{\δ}),{\mathrm{fe}}_1=\mathrm{fal}(e,0.25,\mathrm{\δ})\\ {\mathrm{\ω}}_a^{*}={\mathrm{\ω}}_a^{*}+h({\mathrm{\Δ\ω}}_a^{*}-{\mathrm{\β}}_{01}e)\\ {\mathrm{\Δ\ω}}_a^{*}={\mathrm{\Δ\ω}}_a^{*}+h(z_3-{\mathrm{\β}}_{02}\mathrm{fe}+b_{0}u)\\ z_3=z_3+h(-{\mathrm{\β}}_{03}{\mathrm{fe}}_1)\end{array}\right.---\left(4\right)$

其中，ω_a ^*表示实际车轮转速的跟踪值，ω表示由旋转编码器测得的实际车轮转速，Δω_a ^*表示实际车轮转速跟踪值的变化率，z₃表示扩张状态量，δ，h，β₀₁，β₀₂，β₀₃为可调参数，u表示实际误差反馈控制量。

所述最速跟踪微分器输出信号和扩张状态观测器输出信号分别作比较后得出变量e₁和e₂，作为非线性反馈控制律和参数自适应模块的输入信号，参数自适应模块在线调整非线性反馈控制律中的两个参数β₁₁、β₁₂；非线性状态反馈控制律其完整的算法如下面公式(5)：

$\left\{\begin{array}{c}{e}_1={\mathrm{\ω}}_0^{*}-{\mathrm{\ω}}_a^{*},e_2={\mathrm{\Δ\ω}}_0^{*}-{\mathrm{\Δ\ω}}_a^{*}\\ u_0={\mathrm{\β}}_{11}\mathrm{fal}(e_1,{\mathrm{\α}}_1,\mathrm{\δ})+{\mathrm{\β}}_{12}\mathrm{fal}(e_2,{\mathrm{\α}}_2,\mathrm{\δ})\end{array}\right.---\left(5\right)$

其中，u₀表示误差反馈控制量，β₁₁，β₁₂是可调参数，α₁，α₂通常取0.5，0.25，其余参数与前述公式中的参数意义相同。

所述非线性反馈控制律的输出信号经扩张状态观测器扰动补偿，扰动补偿过程完整算法如下面公式(6)：

$u=u_0-\frac{z_3\left(t\right)}{b_0}---\left(6\right)$

其中，可调参数b₀是决定补偿强弱的“补偿因子”。u₀是误差反馈控制量，u是实际误差反馈控制量；

所述非线性反馈控制律的输出信号经扩张状态观测器扰动补偿后，输入到轮毂电机驱动器，轮毂电机驱动器与轮毂电机连接，控制轮毂电机的转矩和转速，轮毂电机的转速通过旋转编码器检测后送入扩张状态观测器，扩张状态观测器根据输入的转速，观测得到轮毂电机转速及其变化率。

作为优选，所述参数自适应模块是基于模糊逻辑推理的参数在线自整定控制器，在参数自适应模块中，以e₁及其变化率Δe₁通过模糊推理输出β₁₁的值，以e₂及其变化率Δe₂通过模糊推理输出β₁₂的值。在参数自适应模块推理β₁₁的过程中，首先将e₁及其变化率进行模糊化，其模糊论域均可选择为{-8，-7，-6，…,0,…,6，7,8}，隶属度函数曲线均采取三角形，模糊集合为{NB,NM,NS,ZO,PS,PM,PB}，且当输入模糊集合元素在ZO附近时，模糊语言可以适当丰富，当输入模糊集合元素远离ZO时，模糊语言可以适当稀疏。在模糊推理过程中遵循的原则是当e₁及其变化率处于零附近，而且是以控制e₁为主。β₁₁的模糊论域与模糊集合均与e₁相同，经过采用重心法的清晰化过程后输出β₁₁的更新值。β₁₂采用与β₁₁自适应过程中相同的模糊集合,论域和规则，首先对e₂及其变化率Δe₂进行模糊化，隶属度函数曲线均取三角形，当输入模糊集合元素在ZO附近时，模糊语言可以适当丰富，当输入模糊集合元素远离ZO时，模糊语言可以适当稀疏，而且是以控制e₂为主，最后经过采用重心法的清晰化过程后输出β₁₂的更新值从而实现对β₁₂值的实时更新。

作为优选，所述的电机驱动器中PWM调制方法为空间矢量调制法和直接转矩控制。

作为优选，所述的轮毂电机为永磁同步电机。

有益效果：本发明使用了一种新型的控制算法用于电动汽车防滑控制系统，这种控制方法使用最速跟踪微分器的好处在于：对于不同的路面，其期望的最佳滑转率可能是一个突变值，因此期望车轮转速也是一个突变值，将变化的期望车轮转速输入给最速跟踪微分器，输出期望车轮转速的光滑的跟踪值及其变化率值，避免了超调和快速性的矛盾。使用扩张状态观测器的好处在于：不仅能够观测到轮毂电机的输出转速，还能观测输出转速的变化率值及扩张状态信号，并在控制中进行补偿，其作用相当于PID控制中的积分单元，但避免了积分单元的引入使得控制系统的稳定性降低。在此控制器中，最速跟踪微分器模块和扩张状态观测器中的参数具有很宽的适用范围和很强的继承性，所以其中的参数一旦确定可以不用再做改变，但是非线性反馈控制律中的参数对系统的影响很大，β₁₁增大会导致振荡次数增加，减小会导致跟踪速度变慢，振荡幅度增大；β₁₂增大会出现高频噪声，减小会导致控制效果出现发散，特别是对于电动汽车这种外界干扰强的系统，外界负载情况变化复杂，因此需要自增加了参数实时更新模块，让非线性反馈控制律中的参数能够针对路面状况变化和外界其他干扰选择不同的合适值，以增强这种控制器的鲁棒性，从而实现更好的驱动防滑的效果。

附图说明

图1为本发明的系统结构示意图；

图2为本发明的参数自适应模块示意图。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步说明。

如图1所示，一种电动汽车驱动防滑控制方法，包括自抗扰控制器1、参数自适应模块2、电机驱动器3、轮毂电机4和旋转编码器5，所述自抗扰控制器1中包括最速跟踪微分器6、扩张状态观测器8和非线性反馈控制律7。基于这种控制算法的车载电子控制单元(ECU)接受来自各种车载传感器的信息，由最速跟踪微分器6给出期望车轮转速的跟踪值及其变化率，与扩张状态观测器8给出的实际车轮转速的观测值及其变化率，两者分别进行比较，比较值同时送入非线性状态反馈控制律7和参数自适应模块2，由参数自适应模块2通过模糊逻辑推理在线调整非线性反馈控制律中的参数，非线性反馈控制律7输出信号经过扩张状态观测器8扰动补偿后送入轮毂电机驱动器3，轮毂电机驱动器3与轮毂电机4连接，控制轮毂电机4的转矩和转速，轮毂电机4的转速通过旋转编码器5检测后送入扩张状态观测器8，扩张状态观测器8根据输入的转速，观测得到轮毂电机转速及其变化率。轮毂电机驱动器3采用空间矢量法调制PWM波去驱动逆变器，轮毂电机4的控制策略采用直接转矩控制以满足电机转矩的快速变化。

本发明中的参数自适应模块结构如图2所示，其实质是通过模糊推理对非线性反馈控制律进行参数在线更新。

如图2所示，此种模块对输入信息进行3个处理过程，分别是输入信息的模糊化过程，逻辑推理过程，清晰化过程。其入信号采用最速跟踪微分器的输出与扩张状态观测器输出之间分别作比较之后的值，经过模糊推理过程输出为非线性反馈控制律的两个参数β₁₁、β₁₂，实现非线性反馈控制律参数的在线更新。

参数自适应模块2是基于模糊推理的参数在线自整定控制器。参数自适应模块的输入信号是最速跟踪微分器的输出信号(期望车轮转速的跟踪值ω₀ ^*及变化率Δω₀ ^*)与扩张状态观测器的输出信号(实际车轮转速的观测值ω_a ^*及其变化率Δω_a ^*)分别作比较后得出变量e₁和e₂。非线性反馈控制律中的参数β₁₁和β₁₂的作用类似于PID控制器中K_p和K_d，因此在自适应模块中，以e₁及其变化率Δe₁通过模糊推理输出β₁₁的值，以e₂及其变化率Δe₂通过模糊推理输出β₁₂的值。在参数自适应模块推理β₁₁的过程中，首先将e₁及其变化率进行模糊化，其模糊论域可选择为{-8，-7，-6，…,0,…,6，7,8}，隶属度函数曲线均采取三角形，模糊集合为{NB,NM,NS,ZO,PS,PM,PB}，且当模糊输入变量在ZO附近时，模糊语言可以适当丰富，当模糊输入变量远离ZO时，模糊语言可以适当稀疏。在模糊推理过程中遵循的原则是当e₁及其变化率处于零附近，而且主要是以控制e₁为主。β₁₁的模糊论域与模糊集合均与e₁相同，经过采用重心法的清晰化过程后输出β₁₁的更新值。β₁₂的自适应过程与β₁₁类似，可以采用与β₁₁自适应过程中相同的模糊论域和模糊规则，从而实现对β₁₂值的实时更新。

应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (4)

1.一种电动汽车驱动防滑控制方法，其特征在于：包括自抗扰控制器、参数自适应模块、轮毂电机驱动器、轮毂电机和旋转编码器，所述自抗扰控制器中包括最速跟踪微分器、扩张状态观测器和非线性反馈控制律；

先将期望滑转率s₀经下面的公式(2)转换,计算得到电动汽车的期望车轮转速ω₀信号并输入到最速跟踪微分器模块的输入端；

${\mathrm{\ω}}_0=\frac{v}{(1-s_0)r}---\left(2\right)$

其中，s₀表示期望车轮滑转率，ω₀表示期望车轮转速,ν表示车速,r表示车轮半径；

所述最速跟踪微分器经过下面公式(3)输出两个信号，分别为期望车轮转速的跟踪值ω₀ ^*和期望车轮转速跟踪值的变化率Δω₀ ^*；

$\left\{\begin{array}{c}e={\mathrm{\ω}}_0^{*}-{\mathrm{\ω}}_0\\ fh=fhan(e,{\mathrm{\Δ\ω}}_0^{*},r_0,h)\\ {\mathrm{\ω}}_0^{*}={\mathrm{\ω}}_0^{*}+{\mathrm{h\Δ\ω}}_0^{*}\\ {\mathrm{\Δ\ω}}_0^{*}={\mathrm{\Δ\ω}}_0^{*}+hfh\end{array}\right.---\left(3\right)$

其中，ω₀ ^*表示期望车轮转速的跟踪值，ω₀表示期望车轮转速，Δω₀ ^*表示期望车轮转速跟踪值的变化率，r₀,h是两个可调参数；

所述扩张状态观测器经过下面公式(4)输出实际车轮转速的跟踪值ω_a ^*，实际车轮转速跟踪值的变化率Δω_a ^*信号及扩张状态信号z₃；

$\left\{\begin{array}{c}e={\mathrm{\ω}}_a^{*}-\mathrm{\ω},fe=fal(e,0.5,\mathrm{\δ}),{\mathrm{fe}}_1=fal(e,0.25,\mathrm{\δ})\\ {\mathrm{\ω}}_a^{*}={\mathrm{\ω}}_a^{*}+h({\mathrm{\Δ\ω}}_a^{*}-{\mathrm{\β}}_{01}e)\\ {\mathrm{\Δ\ω}}_a^{*}={\mathrm{\Δ\ω}}_a^{*}+h(z_3-{\mathrm{\β}}_{02}fe+b_{0}u)\\ z_3=z_3+h(-{\mathrm{\β}}_{03}{\mathrm{fe}}_1)\end{array}\right.---\left(4\right)$

其中，ω_a ^*表示实际车轮转速的跟踪值，ω表示由旋转编码器测得的实际车轮转速，Δω_a ^*表示实际车轮转速跟踪值的变化率，z₃表示扩张状态量，δ，h，β₀₁，β₀₂，β₀₃为可调参数,u表示实际误差反馈控制量；

所述最速跟踪微分器输出信号和扩张状态观测器输出信号分别作比较后得出变量e₁和e₂，作为非线性反馈控制律和参数自适应模块的输入信号，参数自适应模块在线调整非线性反馈控制律中的两个参数β₁₁、β₁₂；非线性状态反馈控制律其完整的算法如下面公式(5)：

$\left\{\begin{array}{c}{e}_1={\mathrm{\ω}}_0^{*}-{\mathrm{\ω}}_a^{*},e_2={\mathrm{\Δ\ω}}_0^{*}-{\mathrm{\Δ\ω}}_a^{*}\\ u_0={\mathrm{\β}}_{11}fal(e_1,{\mathrm{\α}}_1,\mathrm{\δ})+{\mathrm{\β}}_{12}fal(e_2,{\mathrm{\α}}_2,\mathrm{\δ})\end{array}\right.---\left(5\right)$

其中，β₁₁，β₁₂是可调参数，参数α1，α₂通常取值分别为0.5和0.25，u₀表示误差反馈控制量，其余参数与前述公式中的参数意义相同；

所述非线性反馈控制律的输出信号经扩张状态观测器扰动补偿，扰动补偿过程完整算法如下面公式(6)：

$u=u_0-\frac{z_3\left(t\right)}{b_0}---\left(6\right)$

其中，z₃(t)表示扩张状态量，可调参数b₀是决定补偿强弱的“补偿因子”，u₀表示误差反馈控制量，u表示实际的误差反馈控制量；

所述非线性反馈控制律的输出信号经扩张状态观测器扰动补偿后，输入到轮毂电机驱动器，轮毂电机驱动器与轮毂电机连接，控制轮毂电机的转矩和转速，轮毂电机的转速通过旋转编码器检测后送入扩张状态观测器，扩张状态观测器根据输入的转速，观测得到轮毂电机转速及其变化率。

2.根据权利要求1所述的一种电动汽车驱动防滑控制方法，其特征在于：所述参数自适应模块是基于模糊逻辑推理的参数在线自整定控制器，在参数自适应模块中，以e₁及其变化率Δe₁通过模糊逻辑推理输出β₁₁的值，以e₂及其变化率Δe₂通过模糊逻辑推理输出β₁₂的值；在参数自适应模块推理β₁₁的过程中，首先将e₁及其变化率进行模糊化，其模糊论域均可选择为{-8，-7，-6，…,0,…,6，7,8}，隶属度函数曲线均采取三角形，模糊集合为{NB,NM,NS,ZO,PS,PM,PB}，且当输入模糊集合元素在ZO附近时，模糊语言丰富，当输入模糊集合元素远离ZO时，模糊语言稀疏；在模糊逻辑推理过程中遵循的原则是当e₁及其变化率处于零附近，而且是以控制e₁为主；β₁₁的模糊论域与模糊集合均与e₁相同，经过采用重心法的清晰化过程后输出β₁₁的更新值；β₁₂采用与β₁₁自适应过程中相同的模糊集合,论域和规则，首先对e₂及其变化率Δe₂进行模糊化，隶属度函数曲线均取三角形，当输入模糊集合元素在ZO附近时，模糊语言丰富，当输入模糊集合元素远离ZO时，模糊语言稀疏，而且是以控制e₂为主，最后经过采用重心法的清晰化过程后输出β₁₂的更新值从而实现对β₁₂值的实时更新。

3.根据权利要求1所述的一种电动汽车驱动防滑控制方法，其特征在于：所述的电机驱动器中PWM调制方法为空间矢量调制法和直接转矩控制。

4.根据权利要求1所述的一种电动汽车驱动防滑控制方法，其特征在于：所述的轮毂电机为永磁同步电机。