CN108216363B - 一种电动轮汽车底盘集成系统的多学科优化方法 - Google Patents

Abstract

本发明公开了一种电动轮汽车底盘集成系统及其多学科优化方法，电动轮汽车底盘集成系统包括差动助力转向系统，轮毂电机驱动系统和半主动悬架系统，采用四个独立的轮毂电机进行转向助力和动力驱动。本发明考虑到整车在各方向上的运动相互影响，各子系统间相互作用，以转向路感、转向灵敏度、转向能耗、驱动能耗和悬架平顺性为子系统级目标函数，以整车综合性能为系统级目标函数，以底盘集成系统的部分结构参数为优化变量，采用结合拓扑解耦的多学科优化方法和萤火虫优化算法，对电动轮汽车底盘集成系统进行多学科优化。

Description

一种电动轮汽车底盘集成系统的多学科优化方法

技术领域

本发明属于转向系统、驱动系统、悬架系统技术领域，尤其涉及一种电动轮汽车底盘集成系统及其多学科优化方法。

背景技术

电动轮汽车区别于传统的燃油车辆，由电机和车轮集为一体的轮毂电机对四个车轮进行独立驱动。轮毂电机直接驱动的方式简化了传统的动力传递机构，提高了传动效率，有利于整车空间的布置和能源消耗问题，这使得电动轮汽车有很好的应用前景。

电动轮汽车底盘集成系统主要包括转向、驱动、悬架等子系统。差动助力转向系统按照驾驶员输入转矩控制左右轮输出驱动力大小，产生绕各自主销轴线力矩的差值进行转向；轮毂电机驱动系统通过轮毂电机输出转矩直接驱动电动轮汽车，使之加速或保持匀速状态；半主动悬架系统通过传感器获知路面状况和车身姿态，调节阻尼参数的大小，保证汽车的操纵稳定性和行驶平顺性。电动轮汽车底盘集成系统增强了各子系统间的联系，提高了底盘集成化的程度。

转向、驱动、悬架三个子系统间的运动相互作用，且各子系统对整车的转向稳定性、转向轻便性、经济性、行驶平顺性等均有影响，共同决定了整车综合性能。包含了三个子系统的电动轮汽车底盘集成系统，在简化动力学模型以提高某一整车性能的同时，其他的整车性能难免会受到影响，优化结果的实际意义也不明显。各子系统间性能优化结果的简单叠加并不能获得最优的整车综合性能，因此需要对电动轮汽车底盘集成系统进行多学科优化设计，使整车综合性能获得最大程度的提升。

发明内容

针对于上述现有技术的不足，本发明的目的在于提供一种电动轮汽车底盘集成系统及其多学科优化方法，以解决现有技术中电动轮汽车底盘集成系统的各子系统间性能优化结果的简单叠加并不能获得最优的整车综合性能的问题。

为达到上述目的，本发明采用的技术方案如下：

本发明的一种电动轮汽车底盘集成系统，包括差动助力转向系统，轮毂电机驱动系统和半主动悬架系统；

所述差动助力转向系统包括转向盘、车速传感器、车身侧向加速度传感器、横摆角速度传感器、转矩转角传感器、转向轴、齿轮齿条转向机构、连杆机构、差动转向控制单元、左前轮轮毂电机、右前轮轮毂电机；

所述转向盘、转矩转角传感器、转向轴、齿轮齿条转向机构依序连接，形成转向盘系统，完成转矩传递；

所述转矩转角传感器安装在转向轴上，测量转向轴的转矩输入和转角输入；

所述连杆机构包括转向主销及转向横拉杆，二者连接；

所述齿轮齿条转向机构通过连杆机构分别与左前轮轮毂电机、右前轮轮毂电机的车轴相连；

所述差动转向控制单元分别与转矩转角传感器、车速传感器、车身侧向加速度传感器、横摆角速度传感器、左前轮轮毂电机、右前轮轮毂电机相连，根据接收到的转向轴转矩、转向轴转角、车速、车身侧向加速度、横摆角速度及向左前轮轮毂电机、右前轮轮毂电机发送指令，以分配相应的驱动力矩；

所述轮毂电机驱动系统包括轮毂电机驱动控制单元及分别与之连接的车速传感器、油门踏板位置传感器、左前轮轮毂电机、右前轮轮毂电机、左后轮轮毂电机、右后轮轮毂电机；轮毂电机驱动控制单元根据接收到的车速、油门踏板被踏下行程及所处位置及向左前轮轮毂电机、右前轮轮毂电机、左后轮轮毂电机、右后轮轮毂电机发送指令，以分配相应的驱动力矩；

所述油门踏板位置传感器测量油门踏板被踏下行程及所处位置；

所述半主动悬架系统包括车身振动加速度传感器、悬挂质量、弹性元件、连续可调阻尼器、车轮质量和半主动悬架控制单元；

所述车身振动加速度传感器测量车身振动加速度；

所述弹性元件和连续可调阻尼器并联连接，安装在悬挂质量和车轮质量之间；

所述半主动悬架控制单元分别与车身振动加速度传感器、连续可调阻尼器相连，其根据接收到的车身振动加速度，感知路面状况和车身姿态，向连续可调阻尼器发出指令，调节阻尼大小。

本发明的一种电动轮汽车底盘集成系统的多学科优化方法，基于上述系统，包括以下步骤：

步骤1)：建立整车三自由度模型、差动助力转向系统模型、轮毂电机驱动系统模型和半主动悬架系统模型；

步骤2)：基于上述已建立的模型，推导转向路感、转向灵敏度、转向能耗、驱动能耗、悬架平顺性的具体量化公式；

步骤3)：选定转向路感、转向灵敏度、转向能耗、驱动能耗和悬架平顺性为子系统级目标函数，整车综合性能为系统级目标函数，选取设计变量，设置约束条件，建立电动轮汽车底盘集成系统多学科优化模型；

步骤4)：基于电动轮汽车底盘集成系统多学科优化模型，采用结合拓扑解耦的多学科优化方法和萤火虫优化算法，对电动轮汽车底盘集成系统进行多学科优化，并根据优化结果对电动轮汽车底盘集成系统的相应参数作调整。

优选地，所述步骤1)中的整车三自由度模型为：

其中，各项系数表示为：

式中，m为整车质量，m_s为簧载质量，u为车速，h为汽车质心高度，I_x为整车绕x轴转动惯量，I_z为整车绕z轴转动惯量，I_xz为整车绕x、y轴惯性积，ω_r为横摆角速度，β为质心侧偏角，

为车身侧倾角，δ为前轮转向角，a,b分别为汽车质心到前、后轴距离，k₁,k₂分别为前、后轮侧偏刚度，E₁,E₂分别为前、后侧倾转向系数，K_a为轮毂电机转矩系数，K_m为轮毂电机转矩增益差值，K_s为转矩转角传感器刚度，nl为转向拉杆到前轮传动比，r为车轮半径，D₁,D₂分别为前、后悬架阻尼系数，/>

分别为前、后悬架侧倾角刚度。

优选地，所述步骤1)具体还包括：

11)差动助力转向系统模型为：

式中，J_s为方向盘和转向输入轴的转动惯量，B_s为方向盘和转向输入轴的等效阻尼系数，θ_s为方向盘转角，T_h为驾驶员作用于方向盘力矩，T_s为转向输入轴转矩，θ_e为转向输出轴转角，J_e为转向输出轴和小齿轮的转动惯量，B_e为转向输出轴和小齿轮的等效阻尼系数，T_r为齿轮齿条作用于转向输出轴的反作用力矩，m_r为齿轮齿条等效质量，b_r为齿轮齿条等效阻尼系数，x_r为齿条位移，r_p为小齿轮半径，ΔT_m为差动助力转矩，Nl为转向横拉杆和车轴间距离，T_w为作用在转向输出轴上阻力矩，k_r为齿轮齿条等效刚度，F_δ为路面随机信号，F_x1,F_x2分别为左、右前轮驱动力矩，r_δ为前轮主销横向偏移距；

12)轮毂电机驱动系统模型为：

式中，J_eq为车轮转动惯量，B_eq为车轮等效阻尼系数，θ_i为车轮转角，F_xi为地面对车轮反作用力，T_ti为车轮驱动力矩；

13)半主动悬架系统模型为：

式中，m_2i为悬挂质量，m_1i为非悬挂质量，z_2i为悬挂质量处位移，z_1i为非悬挂质量处位移，C_j,C₂分别为前、后悬架刚度，k_i为车轮和路面间等效刚度，q为路面不平输入。

优选地，所述步骤2)具体包括：

21)转向路感具体量化公式：

其中，s为频域信号,d为轮距的一半；

22)转向灵敏度具体量化公式：

式中，Q₆＝B₄X，Q₅＝B₄Y+B₃X，Q₄＝B₄Z+B₃Y+B₂X，

23)转向能耗具体量化公式：

f₃(t)＝2K_aK_mK_s(θ_s-θ_e)(n₂₂-n₁₁)/9550

24)驱动能耗具体量化公式：

式中，T_mii为轮毂电机驱动力矩，n_ii为轮毂电机转速；

25)悬架平顺性具体量化公式：

优选地，所述步骤3)具体包括：

31)系统级目标函数为：

f(X)＝w₁f₁(X)+w₂f₂(X)+w₃f₃(X)+w₄f₄(X)+w₅f₅(X)

式中，

式中，w_i为设定的权重，f₁(X),f₂(X)为转向路感和转向灵敏度在路面信息有效频率范围(0，ω₀)内的频域能量平均值，t为设定的有效时间，f₃(X),f₄(X)为转向能耗和驱动能耗在一定时间范围(0，t)内的平均值，f为频率，

为路面功率谱密度，f₅(X)为振动响应量的均方根值；

32)选取的设计变量为：

转向输出轴和小齿轮等效阻尼系数B_e和等效转动惯量J_e，轮毂电机转矩系数K_a，轮毂电机转矩增益差值K_m，转矩转角传感器刚度K_s，前悬架刚度C₁，后悬架刚度C₂，前悬架阻尼系数D₁，后悬架阻尼系数D₂；

33)设置的约束条件为：

转向灵敏度量化公式的分母满足劳斯判据，转向输出轴和小齿轮等效阻尼系数0.3<B_e<2.8，转向输出轴和小齿轮等效转动惯量0.08<J_e<1.25，轮毂电机转矩系数0.5<K_a<5.2，轮毂电机转矩增益差值1.76<K_m<5，转矩转角传感器刚度147<K_s<202，前悬架刚度30000<C₁<70000，后悬架刚度20000<C₂<60000，前悬架阻尼系数2000<D₁<5000，后悬架阻尼系数2000<D₂<5000。

优选地，所述步骤4)中具体包括：

41)初始化系统，包括初始化全局设计变量，各个子学科的局部设计变量和学科间的耦合变量，对系统做多学科可行分析保证在初始阶段耦合变量之间的一致性；

42)针对更新过的设计变量，对各个学科进行分析并更新其输出变量；

43)基于聚类分析结果得到各个簇中所包含的学科及其学科间的耦合关系，在设计空间中增加相应的约束保证簇间耦合变量的一致性；

44)针对每一个簇通过拓扑解耦的策略对簇内的学科进行序列化，通过删除最少的边去掉原有拓扑结构中所有的环；

45)对每个簇进行簇内分析，根据其有向图树状拓扑结构有序地求解每个学科所包含的输出变量，不需要循环地进行学科分析；

46)使用萤火虫优化算法进行求解并产生新的设计变量；

47)重复执行42)～46)直至系统优化目标收敛。

优选地，所述的萤火虫优化算法流程如下：

a)初始化算法基本参数，设置萤火虫数目m，最大吸引度β₀，光强吸收系数γ，步长因子α，最大迭代次数maxT，或搜索精度ε；

b)随机初始化萤火虫的位置，计算萤火虫的目标函数值作为各自最大萤光亮度I₀；

c)计算群体中萤火虫的相对亮度I和吸引度β，根据相对亮度决定萤火虫的移动方向；

d)更新萤火虫的空间位置，对处在最佳位置的萤火虫进行随机扰动；

e)根据更新后萤火虫的位置，重新计算萤火虫的亮度；

f)当满足搜索精度或达到最大搜索次数则转g)；否则，搜索次数增加1，转c)进行下一次搜索；

g)输出全局极值点和最优个体值；算法的时间复杂度为O(m²)，m是萤火虫数目。

本发明的有益效果：

1、本发明的电动轮汽车底盘集成系统不仅简化了传统的动力传递机构，提高了传动效率，有利于整车空间的布置和能源消耗问题，还融合了差动助力转向、轮毂电机驱动、半主动悬架系统，增强了各子系统间的联系，提高了底盘集成化的程度。

2、本发明考虑了各子系统间的相互影响，对电动轮汽车底盘集成系统进行多学科优化，避免了各子系统间性能优化结果的简单叠加，以获得最优的整车综合性能，提升优化结果的实际意义。

附图说明

图1为本发明差动助力转向系统和轮毂电机驱动系统布置示意图；

图2为本发明1/4半主动悬架系统布置示意图；

图3为本发明电动轮汽车底盘集成系统的多学科优化方法的流程图；

图中，1-转向盘，2-转矩转角传感器，3-转向轴，4-齿轮齿条转向机构，5-右前轮轮毂电机，6-右后轮轮毂电机，7-左后轮轮毂电机，8-轮毂电机驱动控制单元，9-左前轮轮毂电机，10-转向主销，11-转向横拉杆，12-差动转向控制单元，13-悬挂质量，14-连续可调阻尼器，15-半主动悬架控制单元，16-车轮质量，17-弹性元件。

具体实施方式

为了便于本领域技术人员的理解，下面结合实施例与附图对本发明作进一步的说明，实施方式提及的内容并非对本发明的限定。

本发明的了一种电动轮汽车底盘集成系统，包括差动助力转向系统，轮毂电机驱动系统和半主动悬架系统。

如图1所示，所述差动助力转向系统包括转向盘1、车速传感器、车身侧向加速度传感器、横摆角速度传感器、转矩转角传感器2、转向轴3、齿轮齿条转向机构4、连杆机构、差动转向控制单元12、左前轮轮毂电机9、右前轮轮毂电机5；

所述车速传感器测量汽车当前驾驶车速；

所述车身侧向加速度传感器测量汽车当前的车身侧向加速度；

所述横摆角速度传感器测量汽车当前的横摆角速度；

所述转向盘1、转矩转角传感器2、转向轴3、齿轮齿条转向机构4依序连接，形成转向盘系统，完成转矩传递；

所述转矩转角传感器2安装在转向轴3上，测量转向轴的转矩输入和转角输入；

所述连杆机构包括转向主销10及转向横拉杆11，二者连接；

所述齿轮齿条转向机构4通过连杆机构分别与左前轮轮毂电机9、右前轮轮毂电机5的车轴相连；

所述差动转向控制单元12分别与转矩转角传感器2、车速传感器、车身侧向加速度传感器、横摆角速度传感器、左前轮轮毂电机9、右前轮轮毂电机5相连，根据接收到的转向轴转矩、转向轴转角、车速v、车身侧向加速度a_y、横摆角速度ω及向左前轮轮毂电机、右前轮轮毂电机发送指令，以分配相应的驱动力矩；

所述轮毂电机驱动系统包括轮毂电机驱动控制单元(8)及分别与之连接的车速传感器、油门踏板位置传感器、左前轮轮毂电机9、右前轮轮毂电机5、左后轮轮毂电机7、右后轮轮毂电机6；轮毂电机驱动控制单元(8)根据接收到的车速v、油门踏板被踏下行程x_q及所处位置及向左前轮轮毂电机、右前轮轮毂电机、左后轮轮毂电机、右后轮轮毂电机发送指令，以分配相应的驱动力矩；

所述油门踏板位置传感器测量油门踏板被踏下行程及所处位置；

如图2所示，所述半主动悬架系统包括车身振动加速度传感器、悬挂质量13、弹性元件17、连续可调阻尼器14、车轮质量16和半主动悬架控制单元15；

所述车身振动加速度传感器测量车身振动加速度；

所述弹性元件17和连续可调阻尼器14并联连接，安装在悬挂质量13和车轮质量16之间；

所述半主动悬架控制单元15分别与车身振动加速度传感器、连续可调阻尼器14相连，其根据接收到的车身振动加速度a_v，感知路面状况和车身姿态，向连续可调阻尼器发出指令，调节阻尼大小。

如图3所示，本发明公开了一种电动轮汽车底盘集成系统的多学科优化方法，包括以下步骤：

步骤1)：建立整车三自由度模型、差动助力转向系统模型、轮毂电机驱动系统模型和半主动悬架系统模型；

整车三自由度模型为：

其中，各项系数表示为：

式中，m为整车质量，m_s为簧载质量，u为车速，h为汽车质心高度，I_x为整车绕x轴转动惯量，I_z为整车绕z轴转动惯量，I_xz为整车绕x、y轴惯性积，ω_r为横摆角速度，β为质心侧偏角，

为车身侧倾角，δ为前轮转向角，a,b分别为汽车质心到前、后轴距离，k₁,k₂分别为前、后轮侧偏刚度，E₁,E₂分别为前、后侧倾转向系数，K_a为轮毂电机转矩系数，K_m为轮毂电机转矩增益差值，K_s为转矩转角传感器刚度，nl为转向拉杆到前轮传动比，r为车轮半径，D₁,D₂分别为前、后悬架阻尼系数，/>

分别为前、后悬架侧倾角刚度。

差动助力转向系统模型为：

式中，J_s为方向盘和转向输入轴的转动惯量，B_s为方向盘和转向输入轴的等效阻尼系数，θ_s为方向盘转角，T_h为驾驶员作用于方向盘力矩，T_s为转向输入轴转矩，θ_e为转向输出轴转角，J_e为转向输出轴和小齿轮的转动惯量，B_e为转向输出轴和小齿轮的等效阻尼系数，T_r为齿轮齿条作用于转向输出轴的反作用力矩，m_r为齿轮齿条等效质量，b_r为齿轮齿条等效阻尼系数，x_r为齿条位移，r_p为小齿轮半径，ΔT_m为差动助力转矩，Nl为转向横拉杆和车轴间距离，T_w为作用在转向输出轴上阻力矩，k_r为齿轮齿条等效刚度，F_δ为路面随机信号，F_x1,F_x2分别为左、右前轮驱动力矩，r_δ为前轮主销横向偏移距。

轮毂电机驱动系统模型为：

式中，J_eq为车轮转动惯量，B_eq为车轮等效阻尼系数，θ_i为车轮转角，F_xi为地面对车轮反作用力，T_ti为车轮驱动力矩。

半主动悬架系统模型为：

式中，m_2i为悬挂质量，m_1i为非悬挂质量，z_2i为悬挂质量处位移，z_1i为非悬挂质量处位移，C_j,C₂分别为前、后悬架刚度，k_i为车轮和路面间等效刚度，q为路面不平输入。

步骤2：基于上述已建立的模型，推导转向路感、转向灵敏度、转向能耗、驱动能耗、悬架平顺性的具体量化公式；

转向路感具体量化公式：

其中，s为频域信号,d为轮距的一半；

转向灵敏度具体量化公式：

/>

式中，Q₆＝B₄X，Q₅＝B₄Y+B₃X，Q₄＝B₄Z+B₃Y+B₂X，

转向能耗具体量化公式：

f₃(t)＝2K_aK_mK_s(θ_s-θ_e)(n₂₂-n₁₁)/9550

驱动能耗具体量化公式：

式中，T_mii为轮毂电机驱动力矩，n_ii为轮毂电机转速；

悬架平顺性具体量化公式：

步骤3)：选定转向路感、转向灵敏度、转向能耗、驱动能耗和悬架平顺性为子系统级目标函数，整车综合性能为系统级目标函数，选取设计变量，设置约束条件，建立电动轮汽车底盘集成系统多学科优化模型；

系统级目标函数为：

f(X)＝w₁f₁(X)+w₂f₂(X)+w₃f₃(X)+w₄f₄(X)+w₅f₅(X)

式中，

式中，w_i为根据TOPSIS方法确定设定的权重，f₁(X),f₂(X)为转向路感和转向灵敏度在路面信息有效频率范围(0，ω₀)内的频域能量平均值，t为设定的有效时间，f₃(X),f₄(X)为转向能耗和驱动能耗在一定时间范围(0，t)内的平均值，f为频率，

为路面功率谱密度，f₅(X)为振动响应量的均方根值。

选取的设计变量为：

转向输出轴和小齿轮等效阻尼系数B_e和等效转动惯量J_e，轮毂电机转矩系数K_a，轮毂电机转矩增益差值K_m，转矩转角传感器刚度K_s，前悬架刚度C₁，后悬架刚度C₂，前悬架阻尼系数D₁，后悬架阻尼系数D₂。

设置的约束条件为：

转向灵敏度量化公式的分母满足劳斯判据，转向输出轴和小齿轮等效阻尼系数0.3<B_e<2.8，转向输出轴和小齿轮等效转动惯量0.08<J_e<1.25，轮毂电机转矩系数0.5<K_a<5.2，轮毂电机转矩增益差值1.76<K_m<5，转矩转角传感器刚度147<K_s<202，前悬架刚度30000<C₁<70000，后悬架刚度20000<C₂<60000，前悬架阻尼系数2000<D₁<5000，后悬架阻尼系数2000<D₂<5000。

步骤4)：基于电动轮汽车底盘集成系统多学科优化模型，采用结合拓扑解耦的多学科优化方法和萤火虫优化算法，对电动轮汽车底盘集成系统进行多学科优化，并根据优化结果对电动轮汽车底盘集成系统的相应参数作调整。具体包括的步骤如下：

41)初始化系统，包括初始化全局设计变量，各个子学科的局部设计变量和学科间的耦合变量，对系统做多学科可行分析保证在初始阶段耦合变量之间的一致性；

42)针对更新过的设计变量，对各个学科进行分析并更新其输出变量；

43)基于聚类分析结果得到各个簇中所包含的学科及其学科间的耦合关系，在设计空间中增加相应的约束保证簇间耦合变量的一致性；

44)针对每一个簇通过拓扑解耦的策略对簇内的学科进行序列化，通过删除最少的边去掉原有拓扑结构中所有的环；

45)对每个簇进行簇内分析，根据其有向图树状拓扑结构有序地求解每个学科所包含的输出变量，不需要循环地进行学科分析；

46)使用萤火虫优化算法进行求解并产生新的设计变量。萤火虫优化算法流程如下：

a)初始化算法基本参数，设置萤火虫数目m，最大吸引度β₀，光强吸收系数γ，步长因子α，最大迭代次数maxT，或搜索精度ε；

b)随机初始化萤火虫的位置，计算萤火虫的目标函数值作为各自最大萤光亮度I₀；

c)计算群体中萤火虫的相对亮度I和吸引度β，根据相对亮度决定萤火虫的移动方向；

d)更新萤火虫的空间位置，对处在最佳位置的萤火虫进行随机扰动；

e)根据更新后萤火虫的位置，重新计算萤火虫的亮度；

f)当满足搜索精度或达到最大搜索次数则转g)；否则，搜索次数增加1，转c)进行下一次搜索；

g)输出全局极值点和最优个体值；

算法的时间复杂度为O(m²)，m是萤火虫数目；

47)重复执行42)～46)直至系统优化目标收敛。

本发明具体应用途径很多，以上所述仅是本发明的优选实施方式，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，还可以作出若干改进，这些改进也应视为本发明的保护范围。

Claims (7)

1.一种电动轮汽车底盘集成系统的多学科优化方法，基于电动轮汽车底盘集成系统，系统包括差动助力转向系统，轮毂电机驱动系统和半主动悬架系统；

所述差动助力转向系统包括转向盘(1)、车速传感器、车身侧向加速度传感器、横摆角速度传感器、转矩转角传感器(2)、转向轴(3)、齿轮齿条转向机构(4)、连杆机构、差动转向控制单元(12)、左前轮轮毂电机(9)、右前轮轮毂电机(5)；所述转向盘(1)、转矩转角传感器(2)、转向轴(3)、齿轮齿条转向机构(4)依序连接，形成转向盘系统，完成转矩传递；

所述转矩转角传感器(2)安装在转向轴(3)上，测量转向轴的转矩输入和转角输入；

所述连杆机构包括转向主销(10)及转向横拉杆(11)，二者连接；

所述齿轮齿条转向机构(4)通过连杆机构分别与左前轮轮毂电机(9)、右前轮轮毂电机(5)的车轴相连；

所述差动转向控制单元(12)分别与转矩转角传感器(2)、车速传感器、车身侧向加速度传感器、横摆角速度传感器、左前轮轮毂电机(9)、右前轮轮毂电机(5)相连，根据接收到的转向轴转矩、转向轴转角、车速、车身侧向加速度、横摆角速度及向左前轮轮毂电机、右前轮轮毂电机发送指令，以分配相应的驱动力矩；

所述轮毂电机驱动系统包括轮毂电机驱动控制单元(8)及分别与之连接的车速传感器、油门踏板位置传感器、左前轮轮毂电机(9)、右前轮轮毂电机(5)、左后轮轮毂电机(7)、右后轮轮毂电机(6)；轮毂电机驱动控制单元(8)根据接收到的车速、油门踏板被踏下行程及所处位置及向左前轮轮毂电机、右前轮轮毂电机、左后轮轮毂电机、右后轮轮毂电机发送指令，以分配相应的驱动力矩；

所述油门踏板位置传感器测量油门踏板被踏下行程及所处位置；

所述半主动悬架系统包括车身振动加速度传感器、悬挂质量(13)、弹性元件(17)、连续可调阻尼器(14)、车轮质量(16)和半主动悬架控制单元(15)；

所述车身振动加速度传感器测量车身振动加速度；

所述弹性元件(17)和连续可调阻尼器(14)并联连接，安装在悬挂质量(13)和车轮质量(16)之间；

所述半主动悬架控制单元(15)分别与车身振动加速度传感器、连续可调阻尼器(14)相连，其根据接收到的车身振动加速度，感知路面状况和车身姿态，向连续可调阻尼器发出指令，调节阻尼大小；

其特征在于，包括以下步骤：

步骤1)：建立整车三自由度模型、差动助力转向系统模型、轮毂电机驱动系统模型和半主动悬架系统模型；

步骤2)：基于已建立的上述模型，推导转向路感、转向灵敏度、转向能耗、驱动能耗、悬架平顺性的具体量化公式；

步骤3)：选定转向路感、转向灵敏度、转向能耗、驱动能耗和悬架平顺性为子系统级目标函数，整车综合性能为系统级目标函数，选取设计变量，设置约束条件，建立电动轮汽车底盘集成系统多学科优化模型；

步骤4)：基于电动轮汽车底盘集成系统多学科优化模型，采用结合拓扑解耦的多学科优化方法和萤火虫优化算法，对电动轮汽车底盘集成系统进行多学科优化，并根据优化结果对电动轮汽车底盘集成系统的相应参数作调整。

2.根据权利要求1所述的电动轮汽车底盘集成系统的多学科优化方法，其特征在于，所述步骤1)中的整车三自由度模型为：

其中，各项系数表示为：

式中，m为整车质量，m_s为簧载质量，u为车速，h为汽车质心高度，I_x为整车绕x轴转动惯量，I_z为整车绕z轴转动惯量，I_xz为整车绕x、y轴惯性积，ω_r为横摆角速度，β为质心侧偏角，

为车身侧倾角，δ为前轮转向角，a,b分别为汽车质心到前、后轴距离，k₁,k₂分别为前、后轮侧偏刚度，E₁,E₂分别为前、后侧倾转向系数，K_a为轮毂电机转矩系数，K_m为轮毂电机转矩增益差值，K_s为转矩转角传感器刚度，nl为转向拉杆到前轮传动比，r为车轮半径，D₁,D₂分别为前、后悬架阻尼系数，/>

分别为前、后悬架侧倾角刚度。

3.根据权利要求2所述的电动轮汽车底盘集成系统的多学科优化方法，其特征在于，所述步骤1)具体还包括：

11)差动助力转向系统模型为：

式中，J_s为方向盘和转向输入轴的转动惯量，B_s为方向盘和转向输入轴的等效阻尼系数，θ_s为方向盘转角，T_h为驾驶员作用于方向盘力矩，T_s为转向输入轴转矩，θ_e为转向输出轴转角，J_e为转向输出轴和小齿轮的转动惯量，B_e为转向输出轴和小齿轮的等效阻尼系数，T_r为齿轮齿条作用于转向输出轴的反作用力矩，m_r为齿轮齿条等效质量，b_r为齿轮齿条等效阻尼系数，x_r为齿条位移，r_p为小齿轮半径，ΔT_m为差动助力转矩，Nl为转向横拉杆和车轴间距离，T_w为作用在转向输出轴上阻力矩，k_r为齿轮齿条等效刚度，F_δ为路面随机信号，F_x1,F_x2分别为左、右前轮驱动力矩，r_δ为前轮主销横向偏移距；

12)轮毂电机驱动系统模型为：

式中，J_eq为车轮转动惯量，B_eq为车轮等效阻尼系数，θ_i为车轮转角，F_xi为地面对车轮反作用力，T_ti为车轮驱动力矩；

13)半主动悬架系统模型为：

式中，m_2i为悬挂质量，m_1i为非悬挂质量，z_2i为悬挂质量处位移，z_1i为非悬挂质量处位移，C_j,C₂分别为前、后悬架刚度，k_i为车轮和路面间等效刚度，q为路面不平输入。

4.根据权利要求3所述的电动轮汽车底盘集成系统的多学科优化方法，其特征在于，所述步骤2)具体包括：

21)转向路感具体量化公式：

其中，s为频域信号,d为轮距的一半；

22)转向灵敏度具体量化公式：

式中，Q₆＝B₄X，Q₅＝B₄Y+B₃X，Q₄＝B₄Z+B₃Y+B₂X，

23)转向能耗具体量化公式：

f₃(t)＝2K_aK_mK_s(θ_s-θ_e)(n₂₂-n₁₁)/9550

24)驱动能耗具体量化公式：

式中，T_mii为轮毂电机驱动力矩，n_ii为轮毂电机转速；

25)悬架平顺性具体量化公式：

。

5.根据权利要求4所述的电动轮汽车底盘集成系统的多学科优化方法，其特征在于，所述步骤3)具体包括：

31)系统级目标函数为：

f(X)＝w₁f₁(X)+w₂f₂(X)+w₃f₃(X)+w₄f₄(X)+w₅f₅(X)

式中，

式中，w_i为设定的权重，f₁(X),f₂(X)为转向路感和转向灵敏度在路面信息有效频率范围(0，ω₀)内的频域能量平均值，t为设定的有效时间，f₃(X),f₄(X)为转向能耗和驱动能耗在一定时间范围(0，t)内的平均值，f为频率，

为路面功率谱密度，f₅(X)为振动响应量的均方根值；

32)选取的设计变量为：

转向输出轴和小齿轮等效阻尼系数B_e和等效转动惯量J_e，轮毂电机转矩系数K_a，轮毂电机转矩增益差值K_m，转矩转角传感器刚度K_s，前悬架刚度C₁，后悬架刚度C₂，前悬架阻尼系数D₁，后悬架阻尼系数D₂；

33)设置的约束条件为：

转向灵敏度量化公式的分母满足劳斯判据，转向输出轴和小齿轮等效阻尼系数0.3<B_e<2.8，转向输出轴和小齿轮等效转动惯量0.08<J_e<1.25，轮毂电机转矩系数0.5<K_a<5.2，轮毂电机转矩增益差值1.76<K_m<5，转矩转角传感器刚度147<K_s<202，前悬架刚度30000<C₁<70000，后悬架刚度20000<C₂<60000，前悬架阻尼系数2000<D₁<5000，后悬架阻尼系数2000<D₂<5000。

6.根据权利要求5所述的电动轮汽车底盘集成系统的多学科优化方法，其特征在于，所述步骤4)中具体包括：

41)初始化系统，包括初始化全局设计变量，各个子学科的局部设计变量和学科间的耦合变量，对系统做多学科可行分析保证在初始阶段耦合变量之间的一致性；

42)针对更新过的设计变量，对各个学科进行分析并更新其输出变量；

43)基于聚类分析结果得到各个簇中所包含的学科及其学科间的耦合关系，在设计空间中增加相应的约束保证簇间耦合变量的一致性；

44)针对每一个簇通过拓扑解耦的策略对簇内的学科进行序列化，通过删除最少的边去掉原有拓扑结构中所有的环；

45)对每个簇进行簇内分析，根据其有向图树状拓扑结构有序地求解每个学科所包含的输出变量，不需要循环地进行学科分析；

46)使用萤火虫优化算法进行求解并产生新的设计变量；

47)重复执行42)～46)直至系统优化目标收敛。

7.根据权利要求6所述的电动轮汽车底盘集成系统的多学科优化方法，其特征在于，所述的萤火虫优化算法流程如下：

a)初始化算法基本参数，设置萤火虫数目m，最大吸引度β₀，光强吸收系数γ，步长因子α，最大迭代次数maxT，或搜索精度ε；

b)随机初始化萤火虫的位置，计算萤火虫的目标函数值作为各自最大萤光亮度I₀；

c)计算群体中萤火虫的相对亮度I和吸引度β，根据相对亮度决定萤火虫的移动方向；

d)更新萤火虫的空间位置，对处在最佳位置的萤火虫进行随机扰动；

e)根据更新后萤火虫的位置，重新计算萤火虫的亮度；

f)当满足搜索精度或达到最大搜索次数则转g)；否则，搜索次数增加1，转c)进行下一次搜索；

g)输出全局极值点和最优个体值；算法的时间复杂度为O(m²)，m是萤火虫数目。

Images