CN105539443A - 四轮驱动车的容错控制方法及装置 - Google Patents

Abstract

一种四轮驱动车的容错控制方法及装置，其中方法包括如下步骤：当四轮驱动车由于动力问题行驶异常时，获取车辆的运动状态及车身参数，所述运动状态包括速度、偏航率和偏航惯性；所述车身参数包括车辆质量、轮胎有效滚动半径、车长、发动机输出扭矩和车辆模型方程；根据运动状态及车身参数确定扭矩控制信号。本发明针对四轮驱动电动车的基于动力学的错误诊断和容错控制，解决了现有技术中控制信号无法对出错的发动机扭矩进行相适应变化的问题，提高了四轮驱动车驾驶的安全性。

Description

四轮驱动车的容错控制方法及装置

技术领域

本发明涉及车辆自动控制领域，尤其涉及一种四轮驱动汽车的容错控制方法及装置。

背景技术

本文中将在四个轮子中(或轮毂内)分别安装独立的驱动发动机(4WID)的电动车简称为四轮驱动电动车，这样的车辆每个轮子的制动模式都可以被独立操控。这种驱动方式上的便利性，以及电力发动机快速而精准的扭矩输出，使得现有的车辆控制策略(譬如牵引力控制系统TCS、直接横摆力矩控制DYC等一些车辆运行/稳定控制系统)能够得以加强。

然而，由于系统的复杂性和驱动器数量有了大幅提升，四轮驱动电动车出现错误(譬如内置发动机/驱动出错)的可能性也更高了。车轮内置发动机发生错误的原因多种多样，可能是机械故障、发动机过热或是与发动机驱动有关的错误。当一个错误发生时，发生错误的车轮可能无法提供预期的扭矩，从而威胁到车辆整体的运行控制。如果没有做出适当的调整，那么由于某只轮胎失去了预期的扭矩，车轮内置发动机或是发动机驱动的错误就可能会引起车辆表现达不到预期甚至出现不稳定的状态。因此，处于对车辆安全可靠的需要，必须对四轮驱动电动车的容错性进行慎重评估。

前人对于电动车的错误诊断和容错控制策略主要是基于传统型的车辆构架，而对于四轮驱动型系统的错误诊断则更有挑战性。作为一个过驱动的系统，传统的错误诊断和容错控制方法可能并不适用于四轮驱动电动车。例如，车辆同一边的前后轮在车辆笔直行驶的时候，有着相同偏航和纵向运动动力。这样的结构和驱动冗余使得一些容错控制(譬如基于多模型的方法)很难在四轮驱动电动车上得以运用。因此，当一个车轮内置发动机/发动机驱动错误发生时，为了保持车辆的稳定和所需要的动力，必须设计一个基于调整控制的被动容错控制器。

发明内容

为此，需要提供一种主动的错误诊断方法，来隔离和评估在上述被动容错控制器下的错误。能够在诊断结果的基础上，所有的车轮内置发动机的控制力被重新调整至减轻发生错误的发动机/发动机驱动所的扭矩需求，以避免进一步的损坏。

为实现上述目的，发明人提供了一种四轮驱动车的容错控制方法，包括如下步骤：当四轮驱动车由于动力问题行驶异常时，获取车辆的运动状态及车身参数，所述运动状态包括速度、偏航率和偏航惯性；所述车身参数包括车辆质量、轮胎有效滚动半径、车长、发动机输出扭矩和车辆模型方程；根据运动状态及车身参数确定扭矩控制信号。

进一步地，若车辆的运动状态为直行，所述扭矩控制信号u由下式确定：

$\left\{\begin{array}{c}{u}_1=\frac{R_{eff}M(L_1{e}_{rx}+{\stackrel{\·}{V}}_{rx}-f_1(x))-\frac{R_{eff}{I}_z}{l_z}(L_2{e}_{\mathrm{\Ω}}+{\stackrel{\·}{\mathrm{\Ω}}}_{rx}-f_s(x))}{2{\hat{k}}_l}\\ u_r=\frac{R_{eff}M(L_1{e}_{rx}+{\stackrel{\·}{V}}_{rx}-f_1(x))+\frac{R_{eff}{I}_z}{l_z}(L_2{e}_{\mathrm{\Ω}}+{\stackrel{\·}{\mathrm{\Ω}}}_{rx}-f_s(x))}{2{\hat{k}}_r}\end{array}\right.$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，R_eff是轮胎有效滚动半径、M是车辆质量、V是速度、Ω是偏航率，I是偏航惯性、l是车长、f是车辆模型方程、L是调整参数、e_rx＝V_rx-V_x,e_Ω＝Ω_rz-Ω_z。

进一步地，若车辆的运动状态为转弯，所述扭矩控制信号u由下式确定：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+({\stackrel{\·}{V}}_{rx}-f_1(x)\left)\right)-\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\Ω}}+({\stackrel{\·}{\mathrm{\Ω}}}_{rx}-f_s\left(x\right)\left)\right))}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\\ u_r=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+({\stackrel{\·}{V}}_{rx}-f_1(x)\left)\right)+\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\Ω}}+({\stackrel{\·}{\mathrm{\Ω}}}_{rx}-f_s\left(x\right)\left)\right))}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\end{array}\right.$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，R_eff是轮胎有效滚动半径、M是车辆质量、V是速度、Ω是偏航率，I是偏航惯性、l是车长、f是车辆模型方程、L是调整参数、e_rx＝V_rx-V_x,e_Ω＝Ω_rz-Ω_z、为发动机的控制增益。

具体地，还包括步骤，根据发动机最大控制增益对发动机控制信号进行修正。

进一步地，还包括步骤，判断发生错误的车轮，减少其对应的控制增益。

一种四轮驱动车的容错控制装置，包括参数获取模块、控制信号模块：

所述参数获取模块用于在四轮驱动车由于动力问题行驶异常时，获取车辆的运动状态及车身参数，所述运动状态包括速度、偏航率和偏航惯性；所述车身参数包括车辆质量、轮胎有效滚动半径、车长、发动机输出扭矩和车辆模型方程；

所述控制信号模块用于根据运动状态及车身参数确定扭矩控制信号。

具体地，所述控制信号模块还用于在车辆的运动状态为直行时，将扭矩控制信号uu由下式确定：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}M(L_1{e}_{rx}+{\stackrel{\·}{V}}_{rx}-f_1(x))-\frac{R_{eff}{I}_z}{l_z}(L_2{e}_{\mathrm{\Ω}}+{\stackrel{\·}{\mathrm{\Ω}}}_{rx}-f_s(x))}{2{\hat{k}}_1}\\ u_r=\frac{R_{eff}M(L_1{e}_{rx}+{\stackrel{\·}{V}}_{rx}-f_1(x))+\frac{R_{eff}{I}_z}{l_z}(L_2{e}_{\mathrm{\Ω}}+{\stackrel{\·}{\mathrm{\Ω}}}_{rx}-f_s(x))}{2{\hat{k}}_r}\end{array}\right.$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，R_eff是轮胎有效滚动半径、M是车辆质量、V是速度、Ω是偏航率，I是偏航惯性、l是车长、f是车辆模型方程、L是调整参数、e_rx＝V_rx-V_x,e_Ω＝Ω_rz-Ω_z。

具体地，所述控制信号模块还用于在车辆的运动状态为转弯时，将扭矩控制信号u由下式确定：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+({\stackrel{\·}{V}}_{rx}-f_1(x)\left)\right)-\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\Ω}}+({\stackrel{\·}{\mathrm{\Ω}}}_{rx}-f_s\left(x\right)\left)\right))}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\\ u_r=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+({\stackrel{\·}{V}}_{rx}-f_1(x)\left)\right)+\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\Ω}}+({\stackrel{\·}{\mathrm{\Ω}}}_{rx}-f_s\left(x\right)\left)\right))}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\end{array}\right.$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，R_eff是轮胎有效滚动半径、M是车辆质量、V是速度、Ω是偏航率，I是偏航惯性、l是车长、f是车辆模型方程、L是调整参数、e_rx＝V_rx-V_x,e_Ω＝Ω_rz-Ω_z、为发动机的控制增益。

优选地，还包括修正模块，所述修正模块用于根据发动机最大控制增益对发动机控制信号进行修正。

进一步地，还包括增益判断模块，所述增益判断模块用于判断发生错误的车轮，减少其对应的控制增益。

区别于现有技术，上述技术方案通过主动的错误诊断方法，来隔离和评估在上述被动容错控制器下的错误。在诊断结果的基础上，所有的车轮内置发动机的控制力被重新调整至减轻发生错误的发动机/发动机驱动所的扭矩需求，以避免进一步的损坏。本发明针对四轮驱动电动车的基于动力学的错误诊断和容错控制，解决了现有技术中控制信号无法对出错的发动机扭矩进行相适应变化的问题，提高了四轮驱动车驾驶的安全性。

附图说明

图1为本发明具体实施方式所述的车辆模型示意图；

图2为本发明具体实施方式所述的四轮驱动车的容错控制方法流程图；

图3为本发明具体实施方式所述的四轮驱动车的容错控制装置模块图。

附图标记说明：

300、参数获取模块；

302、控制信号模块；

304、修正模块；

306、增益判端模块。

具体实施方式

为详细说明技术方案的技术内容、构造特征、所实现目的及效果，以下结合具体实施例并配合附图详予说明。

一、基本模型的构建

这里请参阅图1，为本发明的车辆模型构建示意图，从厂商数据库中可以轻松获取车辆自身参数，全球定位系统(GPS)和惯性测量装置(IMU)已经被证明能够有效的测量车辆状态。基于这些先进的传感技术，车辆的偏航率，纵向和横向速度可以被精确测量。轮胎滑移率、侧偏角和车轮中心速度也可以计算得出。

结合车辆自身参数，及车辆运动状态，车辆运动方程可以用下式来表达：

$\left\{\begin{array}{c}{\stackrel{\·}{V}}_x=V_y{\mathrm{\Ω}}_z-\frac{C_a}{M}{V}_x^2+\frac{1}{M}{F}_X\\ {\stackrel{\·}{V}}_y=-V_x{\mathrm{\Ω}}_z+\frac{1}{M}{F}_Y\\ {\stackrel{\·}{\mathrm{\Ω}}}_z=\frac{1}{I_z}{M}_z\end{array}\right.,---\left(1\right)$

其中，V_x和V_y分别是纵向速度和横向速度，Ω_z是偏航率，M是车辆的质量，I_z是偏航惯性，C_a是空气动力阻力项。F_X、F_Y和M_Z是由全部四个轮胎产生的轮胎力带来的总力/力矩，且可以用下式来定义：

$\left\{\begin{array}{c}{F}_X=(F_{xfl}+F_{xfr})\cos \mathrm{\σ}-(F_{yfl}+F_{yfr})\sin \mathrm{\σ}+F_{xrl}+F_{xrr}\\ F_Y=(F_{yfl}+F_{yfr})\cos \mathrm{\σ}+(F_{xfl}+F_{xfr})\sin \mathrm{\σ}+F_{yrl}+F_{yyr}\\ M_Z=(F_{yfl}\sin \mathrm{\σ}-F_{xfl}\cos \mathrm{\σ}-F_{xrl}+F_{xrr}+F_{xfr}\cos \mathrm{\σ}\\ -F_{yfr}\sin \mathrm{\σ})l_s-(F_{yfr}+F_{yrr})l_r\\ +\left(\right(F_{yfr}+F_{xfl})\cos \mathrm{\σ}+(F_{xfr}+F_{xfl})\sin \mathrm{\σ})l_f\end{array}\right.---\left(2\right)$

其中，σ是前轮的转向角。基于公式(2)，公式(1)可以重新表述为：

$\left[\begin{array}{c}{\stackrel{\·}{V}}_x\\ {\stackrel{\·}{V}}_y\\ {\stackrel{\·}{V}}_z\end{array}\right]=\left[\begin{array}{c}{V}_y{\mathrm{\Ω}}_z-\frac{C_a}{M}{V}_x^2\\ -V_x{\mathrm{\Ω}}_z\\ 0\end{array}\right]+B_y{F}_y+B_x{F}_x,---\left(3\right)$

其中，F_x＝[F_xflF_xfrF_xrlF_xrr]^T,F_y＝[F_yflF_yfrF_yrlF_yrr]^T是车轮纵向和横向的力，他们可以通过基于衡量出的车轮滑移率、侧偏角和正常负载的车轮模型计算得出。本发明的某些实施例中，可以用MagicFormula轮胎模型来计算轮胎力。另外，运用负载转移模型来计算车轮的正常负载。相关矩阵如下：

$B_x=Q\left[\begin{array}{cccc}cos\mathrm{\σ}& cos\mathrm{\σ}& 1& 1\\ sin\mathrm{\σ}& \sin \mathrm{\σ}& 0& 0\\ l_f\sin \mathrm{\σ}-l_{s}cos\mathrm{\σ}& l_f\sin \mathrm{\σ}+l_{s}cos\mathrm{\σ}& -l_s& l_s\end{array}\right],$

$B_y=Q\left[\begin{array}{cccc}-\sin \mathrm{\σ}& -\sin \mathrm{\σ}& 0& 0\\ \cos \mathrm{\σ}& \cos \mathrm{\σ}& 1& 1\\ l_{f}cos\mathrm{\σ}+l_s\sin \mathrm{\σ}& l_{f}cos\mathrm{\σ}-l_s\sin \mathrm{\σ}& -l_r& -l_r\end{array}\right],$

$withQ=diag\left[\begin{array}{ccc}\frac{1}{M}& \frac{1}{M}& \frac{1}{I_Z}\end{array}\right].$

一个发动机或是一辆车的机械运动要比发动机的电磁动力要慢上许多，这就意味着发动机驱动和车轮内置发动机的动力可以被忽略。如果每一对车轮内置发动机及其驱动被视为一个单元的话，发动机驱动和发动机对的模型可以用控制增益k_i来描述，k_i定义如下：

$k_i=\frac{T_i}{u_i},---\left(4\right)$

其中，i∈S∶＝{flfrrlrr}代表了四个轮子中的某一个，T_i是车轮内置发动机的输出扭矩，u_i是发送至发动机驱动的扭矩控制信号。要注意的是，控制增益k_i可以用实验数据得到。总的来说，如果某个特定的发动机或是发动机驱动发生了错误，那么其相应的控制增益将会减少。

每个车轮的转动动力可以用下式表示：

$I{\stackrel{\·}{\mathrm{\ω}}}_i=k_i{u}_i-R_{xff}{F}_{xi},---\left(5\right)$

其中，ω_i是车轮纵向转动速度，单位是rad/s，R_eff是轮胎有效滚动半径，单位是米，而I是车轮的转动惯量。因此上述公式可以被重新描述成：

$F_{xi}=\frac{k_i{u}_i-I{\stackrel{\·}{\mathrm{\ω}}}_i}{R_{eff}}.---\left(6\right)$

所以，我们可以得出

$F_x=\frac{1}{R_{eff}}\left[\begin{array}{cccc}{k}_{fl}& 0& 0& 0\\ 0& k_{fr}& 0& 0\\ 0& 0& k_{rl}& 0\\ 0& 0& 0& k_{rr}\end{array}\right]\left[\begin{array}{c}{u}_{fl}\\ u_{fr}\\ u_{rl}\\ u_{rr}\end{array}\right]-\frac{1}{R_{eff}}\left[\begin{array}{c}I{\stackrel{\·}{\mathrm{\ω}}}_{fl}\\ I{\stackrel{\·}{\mathrm{\ω}}}_{fr}\\ I{\stackrel{\·}{\mathrm{\ω}}}_{rl}\\ I{\stackrel{\·}{\mathrm{\ω}}}_{rr}\end{array}\right].---\left(7\right)$

基于公式(7)，车辆模型(3)可以被重新写成：

$\stackrel{\·}{X}=f\left(X\right)+BKU,---\left(8\right)$

其中，

$\begin{array}{c}X\left[\begin{array}{c}{V}_x\\ V_y\\ {\mathrm{\Ω}}_z\end{array}\right],B=\frac{B_x}{R_{eff}},K=\left[\begin{array}{cccc}{k}_{fl}& 0& 0& 0\\ 0& k_{fr}& 0& 0\\ 0& 0& k_{rl}& 0\\ 0& 0& 0& k_{rr}\end{array}\right],U=\\ \begin{array}{cc}\left[\begin{array}{c}{u}_{fl}\\ u_{fr}\\ u_{rl}\\ u_{rr}\end{array}\right],ana& f\left(X\right)=\left[\begin{array}{c}{f}_1\left(X\right)\\ f_2\left(X\right)\\ f_3\left(X\right)\end{array}\right]=\left[\begin{array}{c}{V}_y{\mathrm{\Ω}}_z-\frac{c_a}{M}{V}_x^2\\ -V_x{\mathrm{\Ω}}_z\\ 0\end{array}\right]+B_y{F}_y-\end{array}\\ \frac{B_x}{R_{eff}}\left[\begin{array}{c}I{\stackrel{\·}{\mathrm{\ω}}}_{fl}\\ I{\stackrel{\·}{\mathrm{\ω}}}_{fr}\\ I{\stackrel{\·}{\mathrm{\ω}}}_{rl}\\ I{\stackrel{\·}{\mathrm{\ω}}}_{rr}\end{array}\right]\end{array}$

而可以用卡曼过滤实时估算出来。

二、问题定义

当四个车轮内置发动机/发动机驱动中的一个出现问题时，如果没有调节控制动作，那么由于出问题的车轮提供的扭矩低于预期，车辆可能偏离预期的运行轨道。本文中，车辆的纵向速度和偏航率都是被控制到跟参考值一样的。错误诊断方法和容错控制器被设计用来在错误发生时保持车辆的稳定和维护车辆的运行表现。并且我们想要车辆控制器可以自动的减轻发生错误的车轮内置发动机上的扭矩需求以避免进一步的损坏。当然，前提假设是当一个发动机/驱动发生错误时，相应的控制增益会降至并保持在一个很低的水平。因此，在某些实施例中，请看图2，为本发明四轮驱动车的容错控制方法流程图，方法把包括步骤S200，当四轮驱动车由于动力问题行驶异常时，获取车辆的运动状态及车身参数，所述运动状态包括速度、偏航率和偏航惯性；所述车身参数包括车辆质量、轮胎有效滚动半径、车长、发动机输出扭矩和车辆模型方程；步骤S202根据运动状态及车身参数确定扭矩控制信号。以下结合具体推导进行详细说明：

三、被动的容错控制设计

(一)笔直行驶的模式

在一些实施例中，当车辆笔直行驶的时候，车辆模型可以被重新写成：

$\stackrel{\·}{X}=f\left(X\right)+\frac{1}{R_{eff}}\left[\begin{array}{ccc}\frac{1}{M}& 0& 0\\ 0& \frac{1}{M}& 0\\ 0& 0& \frac{l_S}{I_Z}\end{array}\right]\left[\begin{array}{cccc}1& 1& 1& 1\\ 0& 0& 0& 0\\ -1& 1& -1& 0\end{array}\right]KU.---\left(9\right)$

四个发动机的消耗公式可以被定义为：

$J={\mathrm{\Σ}}_i{w}_i{u}_i^2,---\left(10\right)$

$Subjectto\left\{\begin{array}{c}{u}_{fr}{k}_{fr}+u_{rr}{k}_{rr}=T_r\\ u_{fl}{k}_{fl}+u_{rl}{k}_{rl}=T_l\end{array}\right..$

其中，w_i是是每个车轮的权重，T_r和T_l分别是车辆右侧和左侧所需要的总的发动机扭矩。由于假设四个车轮是一样的，我们可以令w_rr＝w_rf＝w_lr＝w_lf＝w₀。如果车辆同侧的两个控制信号都相同，那么上述的消耗方程可以得以简化：

$\{\begin{array}{c}{u}_l=u_{fl}=u_{rl}\\ u_r=u_{fr}=u_{rr}\end{array}.---\left(11\right)$

从公式(9)中可以看出，车辆同一侧的两个车轮对车辆动力有着相同的影响。把车辆同侧的两个车轮放入同一个子空间，我们可以得到下式：

$\left\{\begin{array}{c}{k}_{fl}{u}_{fl}+k_{rl}{u}_{rl}=u_l{k}_l\\ k_{fr}{u}_{fr}+k_{rr}{u}_{rr}=u_r{k}_r\end{array}\right.,---\left(12\right)$

$\{\begin{array}{c}{k}_l=k_{fl}+k_{rl}\\ k_r=k_{fr}+k_{rr}\end{array}.---\left(13\right)$

当一个错误发生时，k_l或k_r的真实值都未知，因为k_i由于错误的发生而未知。对于一个自适应的控制器来说，它不需要知道k_l或k_r的真实值。这个控制器是被用来设计被动的容错控制器，以便稳定出错的车辆。由于车辆的运行轨迹很大程度上被其纵向速度和偏航率所决定，只有两种状态需要被控制到跟参考值一样。

选取Lyapunov函数候选为下式：

$V=\frac{{(V_{rx}-V_x)}^2+{({\mathrm{\Ω}}_{rz}-{\mathrm{\Ω}}_z)}^2+{(k_l-{\hat{k}}_l)}^2+{(k_r-{\hat{k}}_r)}^2}{2},---\left(14\right)$

其中，V_rx和Ω_rz是纵向速度和偏航率的参考值。和分别是k_l和k_r的估计值。Lyapunov函数的时间导数如下：

$\begin{array}{c}\stackrel{\·}{V}=e_{rx}({\stackrel{\·}{V}}_{rx}-{\stackrel{\·}{V}}_x)+e_{\mathrm{\Ω}}({\stackrel{\·}{\mathrm{\Ω}}}_{rz}-{\stackrel{\·}{\mathrm{\Ω}}}_z)-(k_l-{\hat{k}}_l)\stackrel{\·}{{\hat{k}}_l}-\\ (k_r-{\hat{k}}_r)\stackrel{\·}{{\hat{k}}_r}\\ =e_{rx}({\stackrel{\·}{V}}_{rx}-f_1(X)-\frac{-k_l{u}_l-k_r{u}_r}{{\mathrm{MR}}_{eff}})-(k_r-{\hat{k}}_r)\stackrel{\·}{{\hat{k}}_r}\\ +e_{\mathrm{\Ω}}({\stackrel{\·}{\mathrm{\Ω}}}_{rz}-f_3(X)+\frac{l_s{k}_l{u}_l-l_s{k}_r{u}_r}{R_{eff}{I}_Z})-(k_l-{\hat{k}}_l)\stackrel{\·}{{\hat{k}}_l}\\ =e_{rx}({\stackrel{\·}{V}}_{rx}-f_1(X\left)\right)+e_{\mathrm{\Ω}}({\stackrel{\·}{\mathrm{\Ω}}}_{rz}-f_3(X\left)\right)+{\hat{k}}_l\stackrel{\·}{{\hat{k}}_l}\\ +{\hat{k}}_r\stackrel{\·}{{\hat{k}}_r}-(\frac{e_{rx}{k}_l{u}_l}{R_{eff}M}-\frac{e_{\mathrm{\Ω}}{l}_s{k}_l{u}_l}{R_{eff}{I}_Z}-k_l\stackrel{\·}{{\hat{k}}_l})\\ -(\frac{e_{rx}{k}_r{u}_r}{R_{eff}M}+\frac{e_{\mathrm{\Ω}}{l}_s{k}_r{u}_r}{R_{eff}{I}_Z}-k_r\stackrel{\·}{{\hat{k}}_r})\end{array}---\left(15\right)$

其中，e_rx＝V_rx-V_x,e_Ω＝Ω_rz-Ω_z。通过令

$\left\{\begin{array}{c}\stackrel{\·}{{\hat{k}}_l}=(\frac{e_{rx}}{R_{eff}M}-\frac{l_s{e}_{\mathrm{\Ω}}}{R_{eff}{I}_Z})u_l\\ \stackrel{\·}{{\hat{k}}_r}=(\frac{e_{rx}}{R_{eff}M}+\frac{l_s{e}_{\mathrm{\Ω}}}{R_{eff}{I}_Z})u_r\end{array}\right.,---\left(16\right)$

我们可以将Lyapunov函数的导数方程重新写成：

$\begin{array}{c}\stackrel{\·}{V}=e_{rx}({\stackrel{\·}{V}}_{rx}-f_1(X\left)\right)+e_{\mathrm{\Ω}}({\stackrel{\·}{\mathrm{\Ω}}}_{rz}-f_3(X\left)\right)\\ -{\hat{k}}_l(\frac{e_{rx}}{R_{eff}M}-\frac{l_s{e}_{\mathrm{\Ω}}}{R_{eff}{I}_Z})u_l-{\hat{k}}_r(\frac{e_{rx}}{R_{eff}M}+\frac{l_s{e}_{\mathrm{\Ω}}}{R_{eff}{I}_Z})u_r\end{array}.---\left(17\right)$

如果u_l和u_r的控制律能被选择，并满足：

$\{\begin{array}{c}{L}_1{e}_{rx}^2+e_{rx}({\stackrel{\·}{V}}_{rx}-f_1(X\left)\right)=\frac{e_{rx}}{R_{eff}M}({\hat{k}}_l{u}_l+{\hat{k}}_r{u}_r)\\ L_2{e}_{\mathrm{\Ω}}^2+e_{\mathrm{\Ω}}({\stackrel{\·}{\mathrm{\Ω}}}_{rz}-f_3(X\left)\right)=\frac{e_{\mathrm{\Ω}}{l}_s}{R_{eff}{I}_Z}(-{\hat{k}}_l{u}_l+{\hat{k}}_r{u}_r)\end{array}---\left(18\right)$

且L₁和L₁均大于零，那么，我们能得出：

$\stackrel{\·}{V}=-L_1{e}_{rx}^2-L_2{e}_{\mathrm{\Ω}}^2\≤0,---\left(19\right)$

这意味着真实的纵向速度和偏航率一直维持着等于他们的参考值。基于公式(18)，我们可以得到如下的控制律：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+\left({\stackrel{\·}{V}}_{rx}-f_1\left(x\right)\right))-\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\Ω}}+\left({\stackrel{\·}{\mathrm{\Ω}}}_{rx}-f_s\left(x\right)\right)\left)\right)}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\\ u_r=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+\left({\stackrel{\·}{V}}_{rx}-f_1\left(x\right)\right))+\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\Ω}}+\left({\stackrel{\·}{\mathrm{\Ω}}}_{rx}-f_s\left(x\right)\right)\left)\right)}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\end{array}\right.---\left(20\right)$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，在优选的实施例中，为了确保控制信号在限定的范围内，还进行步骤，S204根据发动机最大控制增益k对发动机控制信号u进行修正。我们可以用推演的方法来修正自适应法则。基于公式(12)给出的控制增益的定义，我们可以得出和的界限范围分别是：

$\left\{\begin{array}{c}0<\mathrm{\&epsiv;}\&le;{\hat{k}}_l\&le;2k_{\max }\\ 0<\mathrm{\&epsiv;}\&le;{\hat{k}}_r\&le;2k_{\max }\end{array}\right.,---\left(21\right)$

其中，ε是一个很小的正常量，k_max是单一发动机的最大控制增益。要注意的是，如果只有一个发动机出错，ε将等于单一发动基德最小控制增益k_min。基于推演的方法，公式(16)中的自适应法则可以被修改为：

${\stackrel{\&CenterDot;}{\hat{k}}}_l=\left\{\begin{array}{cc}s& if(0<\mathrm{\&epsiv;}<{\hat{k}}_l<2k_{\max })\\ & or({\hat{k}}_l=\mathrm{\&epsiv;}ands>0)\\ & or({\hat{k}}_l=2k_{\max }ands<0)\\ 0& otherwise\end{array}\right.,---\left(22\right)$

其中，s被定义为同样的，的自适应法则也可以同样进行修改。

(二)转弯模式

在另一些实施例中，当车辆在转弯时，由于只有车辆的纵向速度和偏航角仍然维持着参考值，车辆模型公式(3)可以被写成：

$\begin{array}{c}\left[\begin{array}{c}{\stackrel{\&CenterDot;}{V}}_x\\ {\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_z\end{array}\right]=\left[\begin{array}{c}{f}_1\left(X\right)\\ f_3\left(X\right)\end{array}\right]+\\ \frac{1}{R_{eff}}\left[\begin{array}{cccc}\frac{\cos \mathrm{\&sigma;}}{M}& \frac{\cos \mathrm{\&sigma;}}{M}& \frac{1}{M}& \frac{1}{M}\\ \frac{l_f\sin \mathrm{\&sigma;}-l_s\cos \mathrm{\&sigma;}}{I_z}& \frac{l_f\sin \mathrm{\&sigma;}+l_s\cos \mathrm{\&sigma;}}{I_z}& \frac{-l_s}{I_z}& \frac{l_s}{I_z}\end{array}\right]KU.\end{array}---\left(23\right)$

由于满足假设条件公式(11)，我们可以得出：

$\left[\begin{array}{c}{\stackrel{\&CenterDot;}{V}}_x\\ {\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_z\end{array}\right]=\left[\begin{array}{c}{f}_1\left(X\right)\\ f_3\left(X\right)\end{array}\right]+\frac{1}{R_{eff}}\left[\begin{array}{cc}\frac{1}{M}& 0\\ 0& \frac{l_s}{I_z}\end{array}\right]\left[\begin{array}{cc}{k}_{lx}& k_{rx}\\ -k_{lz}& k_{rz}\end{array}\right]\left[\begin{array}{c}{u}_l\\ u_r\end{array}\right]---\left(24\right)$

同时

$\left\{\begin{array}{c}{k}_{lx}=k_{fl}\cos \mathrm{\&sigma;}+k_{rl}\\ k_{rx}=k_{fr}\cos \mathrm{\&sigma;}+k_{rr}\\ k_{lz}=k_{fl}\cos \mathrm{\&sigma;}+k_{rl}-k_{fl}\frac{l_f\sin \mathrm{\&sigma;}}{l_s}\\ k_{rz}=k_{fr}\cos \mathrm{\&sigma;}+k_{rr}+k_{fr}\frac{l_f\sin \mathrm{\&sigma;}}{l_s}\end{array}\right..---\left(25\right)$

重新定义Lyapunov函数候选为：

$V=\frac{e_{rx}^2+e_{\mathrm{\&Omega;}}^2+{(k_{lx}-{\hat{k}}_{lx})}^2+{(k_{rx}-{\hat{k}}_{rx})}^2+{(k_{lz}-{\hat{k}}_{lz})}^2+{(k_{rz}-{\hat{k}}_{rz})}^2}{2}.---\left(26\right)$

忽略转向角的时间导数，上述Lyapunov函数的时间导数可以被写为：

$\begin{array}{c}\stackrel{\&CenterDot;}{V}=e_{rx}({\stackrel{\&CenterDot;}{V}}_{rx}-f_1(X)-\frac{k_{lx}{u}_l+k_{rx}{u}_r}{R_{eff}M})-(k_{lx}-{\hat{k}}_{lx})\stackrel{\&CenterDot;}{{\hat{k}}_{lx}}\\ +e_{\mathrm{\&Omega;}}({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rz}-f_3(X)-\frac{-l_s{k}_{lz}{u}_l+l_s{k}_{rz}{u}_r}{R_{eff}{I}_Z})-\\ (k_{rx}-{\hat{k}}_{rx})\stackrel{\&CenterDot;}{{\hat{k}}_{rx}}-(k_{lz}-{\stackrel{\&CenterDot;}{k}}_{lz})\stackrel{\&CenterDot;}{{\hat{k}}_{lz}}-(k_{rz}-{\hat{k}}_{rz})\stackrel{\&CenterDot;}{{\hat{k}}_{rz}}\\ =e_{rx}({\stackrel{\&CenterDot;}{V}}_{rx}-f_1(X\left)\right)+e_{\mathrm{\&Omega;}}({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rz}-f_3(X\left)\right)+{\hat{k}}_{lx}\stackrel{\&CenterDot;}{{\hat{k}}_{lx}}\\ -(e_{rx}\frac{k_{lx}{u}_l}{R_{eff}M}+k_{lx}\stackrel{\&CenterDot;}{{\hat{k}}_{lx}})-(e_{rx}\frac{k_{lx}{u}_r}{R_{eff}M}+k_{lx}\stackrel{\&CenterDot;}{{\hat{k}}_{lx}})\\ +(e_{\mathrm{\&Omega;}}\frac{l_s{k}_{lz}{u}_l}{R_{eff}{I}_z}-k_{lz}\stackrel{\&CenterDot;}{{\hat{k}}_{lz}})+(-e_{\mathrm{\&Omega;}}\frac{l_s{k}_{rz}{u}_r}{R_{eff}{I}_Z}-k_{rz}\stackrel{\&CenterDot;}{{\hat{k}}_{rz}})\\ +{\hat{k}}_{rx}\stackrel{\&CenterDot;}{{\hat{k}}_{rx}}+{\hat{k}}_{lz}\stackrel{\&CenterDot;}{{\hat{k}}_{lz}}+{\hat{k}}_{rz}\stackrel{\&CenterDot;}{{\hat{k}}_{lz}}.\end{array}---\left(27\right)$

通过满足：

$\left\{\begin{array}{c}\stackrel{\&CenterDot;}{{\hat{k}}_{lx}}=-\frac{e_{rx}}{R_{eff}M}{u}_l\\ \stackrel{\&CenterDot;}{{\hat{k}}_{rx}}=-\frac{e_{rx}}{R_{eff}M}{u}_r\\ \stackrel{\&CenterDot;}{{\hat{k}}_{lz}}=\frac{l_s{e}_{\mathrm{\&Omega;}}}{R_{eff}{I}_Z}{u}_l\\ \stackrel{\&CenterDot;}{{\hat{k}}_{rz}}=-\frac{l_s{e}_{\mathrm{\&Omega;}}}{R_{eff}{I}_Z}{u}_r\end{array}\right.,---\left(28\right)$

我们可以得出Lyapunov函数的导数为：

$\begin{array}{c}\stackrel{\&CenterDot;}{V}=e_{rx}({\stackrel{\&CenterDot;}{V}}_{rx}-f_1(X\left)\right)+e_{\mathrm{\&Omega;}}({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rz}-f_3(X\left)\right)-\frac{e_{rx}{u}_l{\hat{k}}_{lx}}{R_{eff}M}\\ -\frac{e_{rx}{u}_r{\hat{k}}_{rx}}{R_{eff}M}+\frac{l_s{e}_{\mathrm{\&Omega;}}{u}_l{\hat{k}}_{lz}}{R_{eff}{I}_Z}-\frac{l_s{e}_{\mathrm{\&Omega;}}{u}_r{\hat{k}}_{rz}}{R_{eff}{I}_Z}.\end{array}---\left(29\right)$

下述方程可以使得公式(19)成立：

$\{\begin{array}{c}{L}_1{e}_{rx}^2+e_{rx}({\stackrel{\&CenterDot;}{V}}_{rx}-f_1(X\left)\right)=\frac{e_{rx}}{R_{eff}M}({\hat{k}}_{lx}{u}_l+{\hat{k}}_{rx}{u}_r)\\ L_2{e}_{\mathrm{\&Omega;}}^2+e_{\mathrm{\&Omega;}}({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rz}-f_3(X\left)\right)=\frac{I_z{e}_{\mathrm{\&Omega;}}}{R_{eff}{I}_z}(-{\hat{k}}_{lz}{u}_l+{\hat{k}}_{rz}{u}_r)\end{array}---\left(30\right)$

因此，在车辆转弯模式下的控制律可以写成：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+\left({\stackrel{\&CenterDot;}{V}}_{rx}-f_1\left(x\right)\right))-\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\&Omega;}}+\left({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s\left(x\right)\right)\left)\right)}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\\ u_r=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+\left({\stackrel{\&CenterDot;}{V}}_{rx}-f_1\left(x\right)\right))+\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\&Omega;}}+\left({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s\left(x\right)\right)\left)\right)}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\end{array}\right.---\left(31\right)$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，基于公式(25)中定义的k_j，j＝{lxrxlzrz}，且k_j代表了特定的控制增益，应被界定为：

$0<\mathrm{\&epsiv;}\&le;{\hat{k}}_j\&le;(\frac{\sqrt{l_s^2+l_f^2}}{l_s}+1)k_{\max }.---\left(32\right)$

与公式(22)中所示的自适应法则修正相类似的，公式(28)中的自适应法则也可以用推演的方法来进行修正，这样才能确保控制信号落在限定范围内。要注意的是，在车辆笔直行驶模式下的控制器设计也是车辆转弯模式下的一个特例。因此，这个控制器也可以被用于汽车笔直行驶的模式。模拟实验的结果也支持这一点。

四、主动地错误诊断设计和控制作用力重新分配

在进一步地实施例中，还包括步骤S206，判断发生错误的车轮，减少其对应的控制增益。前文中所设计的被动的容错控制器并不够理想化，因为出错车轮上的扭矩需求并没有得到特定的减少。如果能够主动的调整出错发动机在消耗方程中的权重因子，以此达到避免使用出错发动机的方式当然要更好。从公式(9)或(24)可以看出，在车辆同侧的两个车轮对车辆的速度/偏航率有着相同的影响。所以，本章中建议使用主动的错误诊断方法来确认发生错误的是哪个车轮，并且估计其控制增益，以便更好的分配控制作用力。

假设一个正常车辆的被动的容错控制器可以给出控制信号U₀，这样能够保持车辆按照预先设定的轨迹行驶。对于笔直行驶模式下的车辆来说，我们可以发现下式成立：

$\{\begin{array}{c}{u}_l(k_{fl}+k_{rl})=u_{0l}(k_{0fl}+k_{0rl})\\ u_r(k_{fr}+k_{rr})=u_{0r}(k_{0fr}+k_{0rr})\end{array}.---\left(33\right)$

由于当k_i≠k_0i时意味着某个车轮发生了错误，所以我们能够得出：

$\left\{\begin{array}{c}{u}_j=u_{0j}nofaulthappens\\ u_j\&NotEqual;u_{0j}afaulthappens\end{array}\right.,---\left(34\right)$

其中，j代表左侧或是右侧。对于发生错误的车体某一侧的两个车轮而言，两个发动机的控制增益k₁和k₂满足：

$k_1+k_2=\frac{(k_{01}+k_{02})u_{0f}}{u_f},---\left(35\right)$

其中，u_f是当错误发生后，发生错误一侧的两个发动机的控制信号。在上个方程中，有两个未知参数k₁和k₂，这意味着仅仅靠公式(35)是无法计算出发生错误的车轮的真实的控制增益的。所以我们还需要另一个方程来计算发生错误测的两个控制增益。由于发动机的控制增益可以通过用一个正值α乘以控制信号来进行虚拟上的改变。在这个错误也引入后，我们可以得到：

${\mathrm{\&alpha;k}}_1+k_2=\frac{(k_{01}+k_{02})u_{0f\_new}}{u_{f\_new}},---\left(36\right)$

在上式中，u_{f_new}是在引入了上述虚拟错误后，出错侧的发动机控制信号。基于公式(35)和(36)，我们能解出出错侧的两个发动机的两个控制增益k₁和k₂的值，并且估计的错误车轮的控制增益将与名义值不同。要注意的是，前文中所设计的容错控制器，即使在引入了这个额外的虚拟错误之后，仍然可以保持车辆参数同参考值一致。同样的，这个虚拟错误应该只在通过被动被动容错控制器使得所有的车辆状态参数都达到了参考值之后再引入。

针对发生错误侧的两个车轮的消耗函数，存在下式：

$J=w_0{u}_n^2+w_f{u}_f^2,---\left(37\right)$

Subjecttou_hk₀+u_fk_f＝T_d，

其中，T_d是发生错误侧所需要的发动机总扭矩。u_h和u_f分别是这一侧未发生错误和发生错误的防冻剂的控制增益，w_h和w_f分别是这两个发动机所对应的权重因子。通过拉格朗日乘数法，我们可以知道，如果u_h和u_f满足下式，则消耗函数最小化：

$\frac{u_h}{u_f}=\frac{w_f{k}_0}{w_0{k}_f}.---\left(38\right)$

发生错误的车轮的一个可能的权重因子公式如下：

$w_f=\frac{k_0{w}_0}{k_f}.---\left(39\right)$

基于上述权重因子公式，u_h和u_f满足：

$\frac{u_h}{u_f}=\frac{k_0^2}{k_f^2}.---\left(40\right)$

从上述公式中可以看出，当车轮发动机未发生错误时，权重因子不变。但是，如果错误发生了，出错车轮的控制增益将会降低，同时其权重因子将会增加。如果控制增益下降太多，则其相关的部分权重比例更大。并且如果出错车轮的真实控制增益越接近于零，则w_f趋近于无穷大，这意味着出错的车轮不再被使用了。公式(40)中的k_f为出错车轮控制增益的估计值。

对于车辆转弯的模式，公式(33)可以被重新写成：

$\left\{\begin{array}{c}{u}_l({\mathrm{cos\&sigma;k}}_{fl}+k_{rl})=u_{0l}({\mathrm{cos\&sigma;k}}_{0fl}+k_{0rl})\\ u_r({\mathrm{cos\&sigma;k}}_{fr}+k_{rr})=u_{0r}({\mathrm{cos\&sigma;k}}_{0fr}+k_{0rr})\end{array}\right..---\left(41\right)$

其中，σ是前轮的转向角。同样的，车辆转弯模式下的主动的诊断方法也可以被设计出来。通过上述方法，能够主动进行动力检测和控制调整，达到了解决现有技术中控制信号无法对出错的发动机扭矩进行相适应变化的问题，提高了四轮驱动车驾驶的安全性。

在图3所示的实施例中，为一种四轮驱动车的容错控制装置模块图，包括参数获取模块300、控制信号模块302：

所述参数获取模块300用于在四轮驱动车由于动力问题行驶异常时，获取车辆的运动状态及车身参数，所述运动状态包括速度、偏航率和偏航惯性；所述车身参数包括车辆质量、轮胎有效滚动半径、车长、发动机输出扭矩和车辆模型方程；

所述控制信号模块302用于根据运动状态及车身参数确定扭矩控制信号。上述模块设计通过运动状态检测车辆是否出现偏航情况等，实时对出错的发动机扭矩发出控制信号进行调整，解决了现有技术中无法对四驱车辆进行实时控制的问题。

具体地，所述控制信号模块302还用于在车辆的运动状态为直行时，将扭矩控制信号u由下式确定：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}M(L_1{e}_{rx}+{\stackrel{\&CenterDot;}{V}}_{rx}-f_1(x\left)\right)-\frac{R_{eff}{I}_z}{l_z}(L_2{e}_{\mathrm{\&Omega;}}+{\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s(x\left)\right)}{2{\hat{k}}_l}\\ u_r=\frac{R_{eff}M(L_1{e}_{rx}+{\stackrel{\&CenterDot;}{V}}_{rx}-f_1(x\left)\right)+\frac{R_{eff}{I}_z}{l_z}(L_2{e}_{\mathrm{\&Omega;}}+{\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s(x\left)\right)}{2{\hat{k}}_r}\end{array}\right.$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，R_eff是轮胎有效滚动半径、M是车辆质量、V是速度、Ω是偏航率，I是偏航惯性、l是车长、f是车辆模型方程、L是调整参数、e_rx＝V_rx-V_x,e_Ω＝Ω_rz-Ω_z。

具体地，所述控制信号模块302还用于在车辆的运动状态为转弯时，将扭矩控制信号u由下式确定：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+\left({\stackrel{\&CenterDot;}{V}}_{rx}-f_1\left(x\right)\right))-\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\&Omega;}}+\left({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s\left(x\right)\right)\left)\right)}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\\ u_r=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+\left({\stackrel{\&CenterDot;}{V}}_{rx}-f_1\left(x\right)\right))+\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\&Omega;}}+\left({\mathrm{\&Omega;}}_{rx}-f_s\left(x\right)\right)\left)\right)}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\end{array}\right.$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，R_eff是轮胎有效滚动半径、M是车辆质量、V是速度、Ω是偏航率，I是偏航惯性、l是车长、f是车辆模型方程、L是调整参数、e_rx＝V_rx-V_x,e_Ω＝Ω_rz-Ω_z、为发动机的控制增益。

优选的实施例中，还包括修正模块304，所述修正模块用于根据发动机最大控制增益对发动机控制信号进行修正。通过上述模块设计，使得发动机控制信号不会超出实际发动机增益所限定的阈值。

进一步的实施例中，还包括增益判断模块306，所述增益判断模块306用于判断发生错误的车轮，减少其对应的控制增益。通过上述模块设计，能够主动针对出错的轮子的状态进行调整，更好地解决了四驱车辆信号容错控制的问题。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。此外，在本文中，“大于”、“小于”、“超过”等理解为不包括本数；“以上”、“以下”、“以内”等理解为包括本数。

本领域内的技术人员应明白，上述各实施例可提供为方法、装置、或计算机程序产品。这些实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。上述各实施例涉及的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机设备可读取的存储介质中，用于执行上述各实施例方法所述的全部或部分步骤。所述计算机设备，包括但不限于：个人计算机、服务器、通用计算机、专用计算机、网络设备、嵌入式设备、可编程设备、智能移动终端、智能家居设备、穿戴式智能设备、车载智能设备等；所述的存储介质，包括但不限于：RAM、ROM、磁碟、磁带、光盘、闪存、U盘、移动硬盘、存储卡、记忆棒、网络服务器存储、网络云存储等。

上述各实施例是参照根据实施例所述的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到计算机设备的处理器以产生一个机器，使得通过计算机设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机设备以特定方式工作的计算机设备可读存储器中，使得存储在该计算机设备可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机设备上，使得在计算机设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。

Claims (10)

1.一种四轮驱动车的容错控制方法，其特征在于，包括如下步骤：当四轮驱动车由于动力问题行驶异常时，获取车辆的运动状态及车身参数，所述运动状态包括速度、偏航率和偏航惯性；所述车身参数包括车辆质量、轮胎有效滚动半径、车长、发动机输出扭矩和车辆模型方程；根据运动状态及车身参数确定扭矩控制信号。

2.根据权利要求1所述的四轮驱动车的容错控制方法，其特征在于，若车辆的运动状态为直行，所述扭矩控制信号u由下式确定：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}M(L_1{e}_{rx}+{\stackrel{\&CenterDot;}{V}}_{rx}-f_1(x))-\frac{R_{eff}{I}_z}{l_z}(L_2{e}_{\mathrm{\&Omega;}}+{\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s(x))}{2{\hat{k}}_l}\\ u_r=\frac{R_{eff}M(L_1{e}_{rx}+{\stackrel{\&CenterDot;}{V}}_{rx}-f_1(x))+\frac{R_{eff}{I}_z}{l_z}(L_2{e}_{\mathrm{\&Omega;}}+{\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s(x))}{2{\hat{k}}_r}\end{array}\right.$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，R_eff是轮胎有效滚动半径、M是车辆质量、V是速度、Ω是偏航率，I是偏航惯性、l是车长、f是车辆模型方程、L是调整参数、e_rx＝V_rx-V_x,e_Ω＝Ω_rz-Ω_z。

3.根据权利要求1所述的四轮驱动车的容错控制方法，其特征在于，若车辆的运动状态为转弯，所述扭矩控制信号u由下式确定：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+({\stackrel{\&CenterDot;}{V}}_{rx}-f_1(x)\left)\right)-\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\&Omega;}}+({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s\left(x\right)\left)\right))}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\\ u_r=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+({\stackrel{\&CenterDot;}{V}}_{rx}-f_1(x)\left)\right)+\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\&Omega;}}+({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s\left(x\right)\left)\right))}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\end{array}\right.$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，R_eff是轮胎有效滚动半径、M是车辆质量、V是速度、Ω是偏航率，I是偏航惯性、l是车长、f是车辆模型方程、L是调整参数、e_rx＝V_rx-V_x,e_Ω＝Ω_rz-Ω_z、为发动机的控制增益。

4.根据权利要求1所述的四轮驱动车的容错控制方法，其特征在于，还包括步骤，根据发动机最大控制增益对发动机控制信号进行修正。

5.根据权利要求1所述的四轮驱动车的容错控制方法，其特征在于，还包括步骤，判断发生错误的车轮，减少其对应的控制增益。

6.一种四轮驱动车的容错控制装置，其特征在于，包括参数获取模块、控制信号模块：

所述参数获取模块用于在四轮驱动车由于动力问题行驶异常时，获取车辆的运动状态及车身参数，所述运动状态包括速度、偏航率和偏航惯性；所述车身参数包括车辆质量、轮胎有效滚动半径、车长、发动机输出扭矩和车辆模型方程；

所述控制信号模块用于根据运动状态及车身参数确定扭矩控制信号。

7.根据权利要求6所述的四轮驱动车的容错控制装置，其特征在于，所述控制信号模块还用于在车辆的运动状态为直行时，将扭矩控制信号uu由下式确定：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}M(L_1{e}_{rx}+{\stackrel{\&CenterDot;}{V}}_{rx}-f_1(x))-\frac{R_{eff}{I}_z}{l_z}(L_2{e}_{\mathrm{\&Omega;}}+{\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s(x))}{2{\hat{k}}_l}\\ u_r=\frac{R_{eff}M(L_1{e}_{rx}+{\stackrel{\&CenterDot;}{V}}_{rx}-f_1(x))+\frac{R_{eff}{I}_z}{l_z}(L_2{e}_{\mathrm{\&Omega;}}+{\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s(x))}{2{\hat{k}}_r}\end{array}\right.$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，R_eff是轮胎有效滚动半径、M是车辆质量、V是速度、Ω是偏航率，I是偏航惯性、l是车长、f是车辆模型方程、L是调整参数、e_rx＝V_rx-V_x,e_Ω＝Ω_rz-Ω_z。

8.根据权利要求6所述的四轮驱动车的容错控制装置，其特征在于，所述控制信号模块还用于在车辆的运动状态为转弯时，将扭矩控制信号u由下式确定：

$\left\{\begin{array}{c}{u}_l=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+({\stackrel{\&CenterDot;}{V}}_{rx}-f_1(x)\left)\right)-\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\&Omega;}}+({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s\left(x\right)\left)\right))}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\\ u_r=\frac{R_{eff}\left(M{\hat{k}}_{lz}\right(L_1{e}_{rx}+({\stackrel{\&CenterDot;}{V}}_{rx}-f_1(x)\left)\right)+\frac{I_z}{l_z}{\hat{k}}_{lx}(L_2{e}_{\mathrm{\&Omega;}}+({\stackrel{\&CenterDot;}{\mathrm{\&Omega;}}}_{rx}-f_s\left(x\right)\left)\right))}{{\hat{k}}_{lx}{\hat{k}}_{rz}+{\hat{k}}_{rx}{\hat{k}}_{lz}}\end{array}\right.$

其中，u_l和u_r分别表示对左右车轮的扭矩控制信号，R_eff是轮胎有效滚动半径、M是车辆质量、V是速度、Ω是偏航率，I是偏航惯性、l是车长、f是车辆模型方程、L是调整参数、e_rx＝V_rx-V_x,r_Ω＝Ω_rz-Ω_z、为发动机的控制增益。

9.根据权利要求6所述的四轮驱动车的容错控制装置，其特征在于，还包括修正模块，所述修正模块用于根据发动机最大控制增益对发动机控制信号进行修正。

10.根据权利要求6所述的四轮驱动车的容错控制装置，其特征在于，还包括增益判断模块，所述增益判断模块用于判断发生错误的车轮，减少其对应的控制增益。