CN109606382B - 电动汽车动力传动系统控制方法 - Google Patents

电动汽车动力传动系统控制方法 Download PDF

Info

Publication number
CN109606382B
CN109606382B CN201811577164.5A CN201811577164A CN109606382B CN 109606382 B CN109606382 B CN 109606382B CN 201811577164 A CN201811577164 A CN 201811577164A CN 109606382 B CN109606382 B CN 109606382B
Authority
CN
China
Prior art keywords
coefficient
error
pid controller
error vector
controller
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811577164.5A
Other languages
English (en)
Other versions
CN109606382A (zh
Inventor
陈国强
杨志飞
代军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan University of Technology
Original Assignee
Henan University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Henan University of Technology filed Critical Henan University of Technology
Priority to CN201811577164.5A priority Critical patent/CN109606382B/zh
Publication of CN109606382A publication Critical patent/CN109606382A/zh
Application granted granted Critical
Publication of CN109606382B publication Critical patent/CN109606382B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0002—Automatic control, details of type of controller or control system architecture
    • B60W2050/0008—Feedback, closed loop systems or details of feedback error signal
    • B60W2050/0011—Proportional Integral Differential [PID] controller

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种电动汽车动力传动系统控制方法，包含一个模糊推理控制器、一个PID控制器、一个误差合成器；误差合成器有4个输入，分别为：电动机转子角速度误差、电动机轴角速度误差、减差总成角速度误差、半轴传动角速度误差，误差合成器将4个输入误差进行合成得到合成误差矢量；合成误差矢量为PID控制器的输入，合成误差矢量及合成误差矢量的变化率为模糊推理控制器的输入，模糊推理控制器根据合成误差矢量及合成误差矢量的变化率实时调节PID控制器的系数；PID控制器的输出为电动机的期望输出转矩。本发明充分利用模糊控制与PID控制二者的优点，保证了扭转振动抑制的效果，简单有效，具有很强的通用性。

Description

电动汽车动力传动系统控制方法
技术领域
本发明属于汽车动力传动领域，具体涉及一种电动汽车动力传动系统控制方法。
背景技术
动力传动系统是电动汽车的核心部分，影响整车的综合性能。采用前置前驱的动力传动系统如图1所示，由电动机转子1、电动机轴2、减差总成3、左传动半轴4、右传动半轴5、左车轮6、右车轮7、左轮胎8、右轮胎9子模块组成。汽车动力传动系统是一个连续、具有无数自由度的有阻尼系统。驱动电动机1与减差总成3集成在一起，通过左右传动半轴驱动车轮，进而驱动车辆。
不考虑电磁效应的影响，只考虑电动机转子1在转动时的机械振动，其动力学方程为
Figure 507588DEST_PATH_IMAGE001
(1)
式中，
Figure 384277DEST_PATH_IMAGE002
—电动机的输出转矩，
Figure 941160DEST_PATH_IMAGE003
—电动机轴2上的负载转矩，
Figure 473773DEST_PATH_IMAGE004
—电动机转子1的转动惯量，
Figure 734990DEST_PATH_IMAGE005
—电动机转子1的等效阻尼，
Figure 872710DEST_PATH_IMAGE006
—电动机转子1的扭转振动角速度和角加速度。
由于电动机轴2的刚度很大，转动惯量小，可以将其等效为一存在弱阻尼的无质量扭转弹簧。其动力学方程为
Figure 397232DEST_PATH_IMAGE007
(2)
式中，
Figure 476528DEST_PATH_IMAGE008
—电动机轴2的等效扭转刚度，
Figure 947961DEST_PATH_IMAGE009
—电动机轴2的等效阻尼，
Figure 799242DEST_PATH_IMAGE010
—电动机转子1的扭转振动角位移，
Figure 229086DEST_PATH_IMAGE011
—电动机轴2的扭转振动角位移与角速度，变量上面的一个点“.”表示一阶导数，两个点“..”表示二阶导数，下同。
假设齿轮系统的传动轴与支承轴承都是刚性元件，则减差总成3的动力学方程为
Figure 939553DEST_PATH_IMAGE012
(3)
式中，
Figure 808152DEST_PATH_IMAGE013
—主动齿轮的转动惯量，
Figure 451623DEST_PATH_IMAGE014
—从动齿轮的转动惯量，
Figure 521210DEST_PATH_IMAGE015
—从动齿轮的输出转矩，
Figure 312449DEST_PATH_IMAGE016
—电动机轴的扭转振动角加速度，
Figure 125684DEST_PATH_IMAGE017
—从动齿轮的扭转振动角位移、角速度与角加速度，
Figure 889241DEST_PATH_IMAGE018
—齿轮副啮合综合刚度，
Figure 988784DEST_PATH_IMAGE019
—齿轮副啮合等效阻尼，
Figure 408264DEST_PATH_IMAGE020
—主、从动齿轮的基圆半径。
将左传动半轴4与右传动半轴5视为分支对称机构，其动力学方程为
Figure 556348DEST_PATH_IMAGE021
(4)
式中，
Figure 502308DEST_PATH_IMAGE022
—左传动半轴4的传递力矩，
Figure 382539DEST_PATH_IMAGE023
—右传动半轴5的传递力矩，
Figure 413949DEST_PATH_IMAGE024
—左传动半轴4的扭转振动角位移和角速度，
Figure 365724DEST_PATH_IMAGE025
—右传动半轴5的扭转振动角位移和角速度，
Figure 775977DEST_PATH_IMAGE026
—左传动半轴4、右传动半轴5各自的等效扭转刚度，
Figure 482902DEST_PATH_IMAGE027
—左传动半轴4、右传动半轴5各自的等效阻尼。
基于子午线轮胎的结构，左车轮6、右车轮7 、左轮胎8、左轮胎9的动力学方程为
Figure 673712DEST_PATH_IMAGE028
(5)
Figure 366861DEST_PATH_IMAGE029
(6)
Figure 24763DEST_PATH_IMAGE030
(7)
式中，
Figure 574693DEST_PATH_IMAGE031
—左车轮6、右车轮7的等效转动惯量，
Figure 190482DEST_PATH_IMAGE032
—左轮胎8、右轮胎9的等效转动惯量，
Figure 546377DEST_PATH_IMAGE033
—作用在左轮胎8、右轮胎9上的转矩，
Figure 993539DEST_PATH_IMAGE034
—左传动半轴4的扭转振动角加速度，
Figure 917633DEST_PATH_IMAGE035
—右传动半轴5的扭转振动角加速度，
Figure 145352DEST_PATH_IMAGE036
—左轮胎8的扭转振动角位移、角速度与角加速度，
Figure 180304DEST_PATH_IMAGE037
—右轮胎9的扭转振动角位移、角速度与角加速度，
Figure 481972DEST_PATH_IMAGE038
—左车轮6、右车轮7各自的等效扭转刚度，
Figure 701601DEST_PATH_IMAGE039
—左轮胎8的等效阻尼，
Figure 26403DEST_PATH_IMAGE040
—右轮胎9的等效阻尼。
当汽车制动、换档、起步时，这些非稳定工况下动力传动系统由于受非周期的冲击力而产生振动。当电动机激励扭矩的频率接近或与传动系统的某一阶固有频率相重合时，就会产生扭转共振，从而引起传动系统振幅增大。此时传动系统的振动与噪声会明显增大，这不仅使传动系统的零部件承受巨大的应力，同时车身也会受到影响，出现明显振动，从而使乘坐舒适性变差。
发明内容
本发明针对电动汽车动力传动系统的扭转振动问题，提供了一种控制方法，建立自适应模糊PID控制器，通过优化方法进行参数优化，实现对动力传动系统扭转振动的抑制，从而提高汽车的舒适性。
本发明的目的是这样实现的：电动汽车动力传动系统控制方法，包含一个模糊推理控制器、一个PID控制器、一个误差合成器；所述误差合成器有4个输入，分别为：电动机转子角速度误差、电动机轴角速度误差、减差总成角速度误差、半轴传动角速度误差，所述误差合成器将4个输入误差进行合成得到合成误差矢量；所述合成误差矢量为所述PID控制器的输入，所述合成误差矢量及所述合成误差矢量的变化率为所述模糊推理控制器的输入，所述模糊推理控制器根据所述合成误差矢量及所述合成误差矢量的变化率实时调节所述PID控制器的比例系数、积分系数与微分系数；所述PID控制器的输出为电动机的期望输出转矩。
在一些实施方式中，所述合成误差矢量包含一个元素，即将4个输入误差合成为一个误差。
在一些实施方式中，所述合成误差矢量包含2个元素，即将4个输入误差合成为2个误差，将4个输入误差两两结合为分两组，每组的两个误差合成为一个误差，两组合成为两个误差，分别对应于所述合成误差矢量中的2个元素。
进一步地，误差合成方法为方和根法，即输入误差的平方和，再开方。
再进一步地，所述PID控制器的所述比例系数
Figure 661784DEST_PATH_IMAGE041
、所述积分系数
Figure 411434DEST_PATH_IMAGE042
与所述微分系数
Figure 411751DEST_PATH_IMAGE043
的计算方法为
Figure 286166DEST_PATH_IMAGE044
式中，
Figure 787555DEST_PATH_IMAGE045
、
Figure 1498DEST_PATH_IMAGE046
、
Figure 235034DEST_PATH_IMAGE047
分别是所述PID控制器的所述比例系数、所述积分系数、所述微分系数的初始值，
Figure 924641DEST_PATH_IMAGE048
、
Figure 839507DEST_PATH_IMAGE049
、
Figure 235854DEST_PATH_IMAGE050
分别是所述比例系数、所述积分系数、所述微分系数的变化项，
Figure 968186DEST_PATH_IMAGE051
、
Figure 489297DEST_PATH_IMAGE052
、
Figure 270172DEST_PATH_IMAGE053
分别是所述比例系数、所述积分系数、所述微分系数的修正系数，
Figure 845991DEST_PATH_IMAGE054
、
Figure 359012DEST_PATH_IMAGE055
、
Figure 757632DEST_PATH_IMAGE056
分别是所述模糊推理控制器输出的所述PID控制器的所述比例系数、所述积分系数、所述微分系数的整定参数，
Figure 76618DEST_PATH_IMAGE057
为时间；初始值
Figure 119660DEST_PATH_IMAGE058
、
Figure 193796DEST_PATH_IMAGE059
、
Figure 17395DEST_PATH_IMAGE060
与修正系数
Figure 812176DEST_PATH_IMAGE061
、
Figure 365517DEST_PATH_IMAGE062
、
Figure 282657DEST_PATH_IMAGE063
通过优化得到。
更进一步地，优化时的目标函数为
Figure 265657DEST_PATH_IMAGE064
式中，
Figure 254341DEST_PATH_IMAGE065
分别为电动机轴、减差总成以及传动半轴的角加速度，
Figure 334293DEST_PATH_IMAGE066
为采样时间。
本发明具有的有益效果是：
(1)本发明提供的电动汽车动力传动系统控制方法中，设置了一个模糊推理控制器和一个PID(比例-积分-微分控制器)控制器，将模糊控制与PID控制相结合，充分利用二者的优点，在原理上保证了扭转振动抑制的效果；
(2)本发明提供的电动汽车动力传动系统控制方法中，设置了一个误差合成器，将动力传动系统的实际响应误差进行合成，大大简化了控制系统的复杂性，提高了控制方法实际应用过程中的实时性；
(3)本发明提供的电动汽车动力传动系统控制方法中，误差合成方法为方和根法，保持了误差量纲的一致性，并且平方运算保证了误差函数的连续性，提高了合成误差矢量变化率计算的精度；
(4)发明提供的电动汽车动力传动系统控制方法中，PID控制器的比例系数、积分系数与微分系数的初始值与修正系数采用优化方法进行设置，提高了扭转振动抑制的效果。
(5)本发明提供的动力传动系统扭转振动抑制方法调节方便，简单有效，具有很强的通用性。
附图说明
图1为本动力传动系统结构简图
图2为本发明提供的电动汽车动力传动系统控制方法结构图
图3为比例系数
Figure 625597DEST_PATH_IMAGE041
的模糊规则表
图4为积分系数
Figure 220526DEST_PATH_IMAGE042
的模糊规则表
图5为PID控制器参数的初始值及修正系数优化时适应度值收敛过程
图6为角加速度
Figure 888268DEST_PATH_IMAGE067
图7为角加速度
Figure 822726DEST_PATH_IMAGE068
图8为角加速度
Figure 143986DEST_PATH_IMAGE069
图9为角加速度
Figure 429474DEST_PATH_IMAGE070
。
图中：
1为电动机转子 2为电动机轴 3为减差总成
4为左传动半轴 5为右传动半轴 6为左车轮
7为右车轮 8为左轮胎 9为右轮胎。
具体实施方式
以下结合附图及较佳实施例，对依据本发明提供的具体实施方式、结构、特征及其功效，进行说明。电动汽车动力传动系统的结构如图1所示，本发明提供的控制方法如图2所示。
电动汽车动力传动系统控制方法，包含一个模糊推理控制器、一个PID控制器、一个误差合成器；所述误差合成器有4个输入，分别为：电动机转子角速度误差、电动机轴角速度误差、减差总成角速度误差、半轴传动角速度误差，所述误差合成器将4个输入误差进行合成得到合成误差矢量；所述合成误差矢量为所述PID控制器的输入，所述合成误差矢量及所述合成误差矢量的变化率为所述模糊推理控制器的输入，所述模糊推理控制器根据所述合成误差矢量及所述合成误差矢量的变化率实时调节所述PID控制器的比例系数、积分系数与微分系数；所述PID控制器的输出为电动机的期望输出转矩。
如图2所示，
Figure 697644DEST_PATH_IMAGE071
为电动机转子1、电动机轴2、减差总成3、及半轴传动的期望角速度，半轴包括左传动半轴4与右传动半轴5，下同；
Figure 817434DEST_PATH_IMAGE072
为动力传动系统中电动机转子1、电动机轴2、减差总成3、及半轴传动的实际角速度；所述PID控制器输出控制转矩。期望角速度与实际角速度之差则为角速度误差。电动机转子角速度误差、电动机轴角速度误差、减差总成角速度误差、半轴传动角速度误差经过所述误差合成器，得到所述合成误差矢量e。在系统运行的过程中，e是随时间t变化的，可以写作e(t)。合成误差矢量e为所述PID控制器的输入，得到电动机的期望输出转矩。所述合成误差矢量e及e的变化率ec为所述模糊推理控制的输入，利用模糊控制规则在线对所述PID控制器的所述比例系数、所述积分系数与所述微分系数参数进行修改，即所述模糊推理控制器的输入为e(t)与ec，以满足不同时刻的e和ec对所述PID控制器的参数自整定要求。
所述误差合成器在进行误差合成时，有如下4种合成方案：
方案一：所述合成误差矢量包含一个元素，即将4个输入误差合成为一个误差。
方案二：所述合成误差矢量包含2个元素，即将4个输入误差合成为2个误差，将4个输入误差两两结合为分两组，每组的两个误差合成为一个误差，两组合成为两个误差，分别对应于所述合成误差矢量中的2个元素。因为有4个误差输入，有多种排列组合。当然，如果将4个输入误差中的3个进行组合，合成为一个误差；其他的一个直接输出。此时，也有多种组合。
方案三：所述合成误差矢量包含3个元素，即将4个输入误差合成为3个误差，将4个输入误差中的2个进行组合，合成为一个误差；其他2个直接输出。
方案四：所述合成误差矢量包含4个元素，即将4个输入误差直接输出，对应于所述合成误差矢量中的4个元素。
上述4种方案中，误差合成方法为方和根法，即输入误差的平方和，再开方。
下面以方案一为例进行详细说明。此时，所述合成误差矢量只包含一个元素，此处用变量e表示。
根据动力传动系统中电动机转子1、电动机轴2、减差总成3、及半轴(左传动半轴4与右传动半轴5)传动的实际角速度
Figure 184962DEST_PATH_IMAGE072
，以及电动机转子1、电动机轴2、减差总成3、及半轴传动的期望角速度
Figure 20063DEST_PATH_IMAGE073
，得到误差合成矢量e与误差合成矢量的变化率ec，具体方法为
Figure 826344DEST_PATH_IMAGE074
式中，
Figure 407499DEST_PATH_IMAGE075
为角速度误差，
Figure 601719DEST_PATH_IMAGE076
为时间。
在模拟控制系统中，误差为连续的，所述PID控制器输出的控制规律都是连续的。在数字控制系统中，采样时间T内不同时刻的误差合成矢量e由N个采样误差数据e(i)组成，具体表现为
Figure 330641DEST_PATH_IMAGE077
式中，e(i)为第i个采样误差数据。
所述PID控制器的控制规律u(n)具体表示为
Figure 143876DEST_PATH_IMAGE078
式中，
Figure 704171DEST_PATH_IMAGE079
为当前采样序号，
Figure 741397DEST_PATH_IMAGE080
为比例系数，
Figure 160877DEST_PATH_IMAGE081
为积分系数，
Figure 371278DEST_PATH_IMAGE082
为微分系数，e(n)为当前采样误差，
Figure 989341DEST_PATH_IMAGE083
为采样时间间隔。
所述PID控制器的所述比例系数、所述积分系数与所述微分系数的计算方法为
Figure 400731DEST_PATH_IMAGE044
式中，
Figure 166562DEST_PATH_IMAGE084
分别是所述PID控制器的所述比例系数、所述积分系数、所述微分系数的初始值，
Figure 118337DEST_PATH_IMAGE085
分别是所述比例系数、所述积分系数、所述微分系数的变化项，
Figure 794169DEST_PATH_IMAGE086
分别是所述比例系数、所述积分系数、所述微分系数的修正系数，
Figure 235515DEST_PATH_IMAGE087
、
Figure 426325DEST_PATH_IMAGE088
、
Figure 119474DEST_PATH_IMAGE089
分别是所述模糊推理控制器输出的所述PID控制器的所述比例系数、所述积分系数、所述微分系数的整定参数，t为时间；初始值
Figure 774447DEST_PATH_IMAGE090
与修正系数
Figure 58797DEST_PATH_IMAGE091
通过优化得到。
利用优化方法，如遗传算法得到了所述PID控制器的初始值
Figure 940166DEST_PATH_IMAGE092
与修正系数
Figure 293131DEST_PATH_IMAGE086
，进一步得到所述比例系数
Figure 943555DEST_PATH_IMAGE080
、所述积分系数
Figure 664387DEST_PATH_IMAGE081
与所述微分系数
Figure 626526DEST_PATH_IMAGE082
。
设e、ec和
Figure 661479DEST_PATH_IMAGE080
、
Figure 228726DEST_PATH_IMAGE081
、
Figure 182776DEST_PATH_IMAGE082
均服从模糊规则中所设定的隶属度函数，根据各模糊子集的隶属度赋值表和各参数模糊控制模型，应用所述模糊合成推理设计PID控制器参数的模糊矩阵表。在线运行过程中，控制系统通过对模糊逻辑规则进行结果处理、查表和运算，得到相应的整定参数
Figure 773157DEST_PATH_IMAGE093
、
Figure 408538DEST_PATH_IMAGE094
和
Figure 158188DEST_PATH_IMAGE095
。
比例系数
Figure 158505DEST_PATH_IMAGE080
的作用是加快系统的响应速度，提高系统的调节精度。当比例系数越大时，系统的响应速度越快，系统的调节精度越高，但系统很容易出现超调，甚至导致系统不稳定；当比例系数过小时，将使系统的调节精度与响应速度降低，延长调节时间，而使系统的静态、动态特性变差。
积分系数
Figure 32920DEST_PATH_IMAGE081
的作用是消除系统的稳态误差。当积分系数越大时，系统的静态误差消除越快，但当积分系数过大时，容易产生积分过饱和现象，从而导致系统有较大的超调量；当积分系数过小时，系统的静态误差不能及时消除，从而使系统的调节精度降低。
微分系数
Figure 534308DEST_PATH_IMAGE082
的作用是改善系统的动态特性，在响应过程中抑制偏差向任何方向的变化变化。当微分系数过大时，不但使微分项过早起作用、延长调节时间，而且会降低系统的抗干扰性能。
将经过模糊推理控制器得到的所述比例系数、所述积分系数与所述微分系数代入到所述PID控制器中，得到控制转矩。所述控制转矩作为电动汽车动力传动系统模型的输入转矩，此时在电动汽车动力传动系统模型中生成新的扭振数据。实时检测电动汽车动力传动系统模型中电动机转子1、电动机轴2、减差总成3、及半轴传动的实际角速度
Figure 748252DEST_PATH_IMAGE072
，与电动机转子1、电动机轴2、减差总成3、及半轴传动的期望角速度
Figure 981787DEST_PATH_IMAGE096
按照方案一的方法重新生成新的误差合成矢量e和误差合成矢量的变化率ec。
利用优化方法对所述PID控制器的初始值
Figure 405815DEST_PATH_IMAGE097
与修正系数
Figure 586261DEST_PATH_IMAGE098
进行参数优化时，需建立相应的优化目标函数。例如采用遗传算法进行优化时，可用目标函数作为适应度值的输出。动力传动系统扭转振动产生的原因主要是齿轮传动与轴的转动，齿轮传动主要集中在减差总成中，轴的转动主要包括电动机轴与传动半轴的转动，因此建立的优化目标函数包含电动机轴、减差总成和传动半轴的角加速度。
优化时的目标函数为
Figure 717028DEST_PATH_IMAGE064
式中，
Figure 449361DEST_PATH_IMAGE065
分别为电动机轴、减差总成以及传动半轴的角加速度，
Figure 236051DEST_PATH_IMAGE066
为采样时间。
利用遗传算法对所述PID控制器的初始值
Figure 16925DEST_PATH_IMAGE090
与修正系数
Figure 330095DEST_PATH_IMAGE091
进行参数优化，具体步骤为：
步骤S1：产生初始种群。对于优化参数利用均交设计方法产生一定规模的初始群体，设定初始种群大小，确定了种群的取值范围，对种群范围进行二进制编码，使每一个参数与二进制数值一一对应。
步骤S2：计算初始种群中个体的适应度值。在执行遗传算法的过程中按照优化目标函数来对种群中每个个体进行适应度值的计算，根据适应度值的大小选出当前最优个体。
步骤S3：遗传操作。设定交叉概率、变异概率，进行复制、交叉和变异操作，具体为选择一个个体复制到新群体，选择两个个体进行交叉插入到新群体，选择一个个体进行变异插入到新群体，从而产生新的种群。
步骤S4：计算新种群中个体的适应度值。设定最大迭代次数，当迭代次数小于设定最大迭代次数时，更新种群中每个个体的适应度值；当迭代次数等于设定最大迭代次数时，对最优个体进行解码，输出所述PID控制器的初始值
Figure 843116DEST_PATH_IMAGE090
与修正系数
Figure 179419DEST_PATH_IMAGE086
的最优值。
制定模糊规则，对误差合成矢量e和误差合成矢量变化率ec进行模糊化处理，其中，误差合成矢量
Figure 829231DEST_PATH_IMAGE099
与误差合成矢量变化率ec论域的变化范围定义为[-1,1]。需要对所述模糊推理控制器的两个输入变量空间做模糊分割，假如用7个模糊集合做模糊分割，则将e和ec分别定义为7个模糊子集，表示为e,ec={NB,NM,NS,ZO,PS,PM,PB}。其中，NB的隶属函数选为Z型隶属度函数；NM，NS，ZO，PS，PM的隶属函数选为三角型隶属度函数；PB的隶属函数选为S型隶属度函数。将确定的隶属函数曲线离散化，在每个模糊子集上得到相应模糊变量所对应的隶属度。
Z型隶属度函数可表示为
Figure 872273DEST_PATH_IMAGE100
。
三角型隶属度函数可表示为
Figure 946409DEST_PATH_IMAGE101
。
S型隶属度函数可表示为
Figure 770008DEST_PATH_IMAGE102
。
各个模糊子集隶属函数中两个控制参数
Figure 564789DEST_PATH_IMAGE103
的值如下：NB为-1、-0.7，NM为-0.8、-0.4，NS为-0.5、-0.1，ZO为-0.2、0.2，PS为0.1、0.5，PM为0.4、0.8，PB为0.7、1。
如果设定所述微分系数
Figure 852551DEST_PATH_IMAGE082
为0，仅考虑PI参数整定，此时必须考虑在不同时刻所述比例系数
Figure 35270DEST_PATH_IMAGE080
和所述积分系数
Figure 18270DEST_PATH_IMAGE081
的作用以及相互之间的互联关系，则
Figure 6954DEST_PATH_IMAGE080
、
Figure 86906DEST_PATH_IMAGE081
两个参数模糊规则分别如图3和图4所示。
如果设定所述微分系数为0，此时所述PID控制器变为PI控制器。设初始种群大小为100，交叉概率为0.8，变异概率为0.05，最大迭代次数为300，理想角速度
Figure 378210DEST_PATH_IMAGE104
为阶跃函数。在满足迭代停止条件后，PI控制器的初始值与修正系数优化时适应度值收敛过程如图5所示。
平均适应度值的收敛速度很快，且逐渐向最优适应度值逼近，在完成设定迭代过程之后，得到所述PID控制器的的所述比例系数、所述积分系数、所述微分系数的初始值与修正系数的最优值。在应用本发明提供的控制方法前后，动力传动系统几个关键角加速度的变化如图6-图9所示，图中的原始数据指的是优化前的参数下动力传动系统的几个关键角加速度的变化，模糊PID抑制数据指的是经过遗传算法进行参数优化后的几个关键角加速度的变化。可以明显看出，本发明提供的一种电动汽车动力传动系统的扭转振动控制方法，成功实现对电动汽车动力传动系统的扭转振动的抑制。
上述具体应用中，所述误差合成器在进行误差合成时，误差和成方法为方和根法，采用方案一。误差合成方法采用加权方和根法也是可选的方案；也就是说，将输入误差中参与合成的每个误差都乘以加权系数，然后平方求和，再开方。实际上，采用方案二、方案三或方案四时，动力传动系统的扭转振动抑制的效果将会更好。因为，此时所述合成误差矢量包含的元素个数分别为2、3、4，也就是说，自由度加大。这样带来的益处是：所述模糊推理控制器中的模糊规则增多，在用优化方法确定所述PID控制器系数的所述比例系数、所述积分系数、所述微分系数的初始值与修正系数时，得到的最优解可能更优。因此，可以采用如下集中实施方式：(1)方式一：针对方案二，在所有的排列组合下分别进行优化，选择最优的一组；(2)方式二：针对方案三，在所有的排列组合下分别进行优化，选择最优的一组；(3)方式三：针对方案一、方案二、方案三、方案四单独进行优化，选择最优的方案及排列组合方式。

Claims (5)

1.电动汽车动力传动系统控制方法，其特征在于，包含一个模糊推理控制器、一个PID控制器、一个误差合成器；所述误差合成器有4个输入，分别为：电动机转子角速度误差、电动机轴角速度误差、减差总成角速度误差、半轴传动角速度误差，所述误差合成器将4个输入误差进行合成得到合成误差矢量；所述合成误差矢量为所述PID控制器的输入，所述合成误差矢量及所述合成误差矢量的变化率为所述模糊推理控制器的输入，所述模糊推理控制器根据所述合成误差矢量及所述合成误差矢量的变化率实时调节所述PID控制器的比例系数、积分系数与微分系数；所述PID控制器的输出为电动机的期望输出转矩。
2.根据权利要求1所述的电动汽车动力传动系统控制方法，其特征在于，所述合成误差矢量包含一个元素，即将4个输入误差合成为一个误差。
3.根据权利要求2所述的电动汽车动力传动系统控制方法，其特征在于，误差合成方法为方和根法，即输入误差的平方和，再开方。
4.根据权利要求3所述的电动汽车动力传动系统控制方法，其特征在于，所述PID控制器的所述比例系数kP、所述积分系数kI与所述微分系数kD的计算方法为
Figure FDA0002370772830000011
式中，kP0、kI0、kD0分别是所述PID控制器的所述比例系数、所述积分系数、所述微分系数的初始值，ΔkP、ΔkI、ΔkD分别是所述比例系数、所述积分系数、所述微分系数的变化项，kP1、kI1、kD1分别是所述比例系数、所述积分系数、所述微分系数的修正系数，cP(t)、cI(t)、cD(t)分别是所述模糊推理控制器输出的所述PID控制器的所述比例系数、所述积分系数、所述微分系数的整定参数，t为时间；初始值kP0、kI0、kD0与修正系数kP1、kI1、kD1通过优化得到。
5.根据权利要求4所述的电动汽车动力传动系统控制方法，其特征在于，优化时的目标函数为
Figure FDA0002370772830000012
式中，
Figure FDA0002370772830000013
分别为电动机轴、减差总成以及传动半轴的角加速度，T为采样时间。
CN201811577164.5A 2018-12-24 2018-12-24 电动汽车动力传动系统控制方法 Active CN109606382B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811577164.5A CN109606382B (zh) 2018-12-24 2018-12-24 电动汽车动力传动系统控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811577164.5A CN109606382B (zh) 2018-12-24 2018-12-24 电动汽车动力传动系统控制方法

Publications (2)

Publication Number Publication Date
CN109606382A CN109606382A (zh) 2019-04-12
CN109606382B true CN109606382B (zh) 2020-04-03

Family

ID=66011252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811577164.5A Active CN109606382B (zh) 2018-12-24 2018-12-24 电动汽车动力传动系统控制方法

Country Status (1)

Country Link
CN (1) CN109606382B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111181559B (zh) * 2019-10-10 2023-05-05 中国第一汽车股份有限公司 一种旋变软解码方法、装置、设备和存储介质
CN111038516B (zh) * 2019-12-31 2021-07-27 智车优行科技（上海）有限公司 一种改善电动汽车半轴扭振的方法、系统及电动汽车
CN114859735A (zh) * 2022-07-07 2022-08-05 天津市天锻压力机有限公司 一种锻造液压机的速度自适应控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102420553A (zh) * 2011-12-09 2012-04-18 南京理工大学 基于改进型相邻交叉耦合的多电机比例同步控制算法
CN102968055A (zh) * 2012-12-07 2013-03-13 上海电机学院 基于遗传算法的模糊pid控制器及其控制方法
DE102013210672A1 (de) * 2013-06-07 2014-12-11 Bayerische Motoren Werke Aktiengesellschaft Parkassistenzsystem umfassend einen Geschwindigkeitsregler mit I-Anteil zur Überwindung eines Bodenhindernisses
CN104483833A (zh) * 2014-10-22 2015-04-01 东南大学 一种电动汽车驱动防滑的微分模糊组合控制方法
DE102016204356A1 (de) * 2016-03-16 2017-09-21 Ford Global Technologies, Llc Verfahren und Vorrichtung zur Längsregelung eines Kraftfahrzeugs
CN108880339A (zh) * 2018-06-20 2018-11-23 长安大学 一种三直流电机反向串联控制系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102420553A (zh) * 2011-12-09 2012-04-18 南京理工大学 基于改进型相邻交叉耦合的多电机比例同步控制算法
CN102968055A (zh) * 2012-12-07 2013-03-13 上海电机学院 基于遗传算法的模糊pid控制器及其控制方法
DE102013210672A1 (de) * 2013-06-07 2014-12-11 Bayerische Motoren Werke Aktiengesellschaft Parkassistenzsystem umfassend einen Geschwindigkeitsregler mit I-Anteil zur Überwindung eines Bodenhindernisses
CN104483833A (zh) * 2014-10-22 2015-04-01 东南大学 一种电动汽车驱动防滑的微分模糊组合控制方法
DE102016204356A1 (de) * 2016-03-16 2017-09-21 Ford Global Technologies, Llc Verfahren und Vorrichtung zur Längsregelung eines Kraftfahrzeugs
CN108880339A (zh) * 2018-06-20 2018-11-23 长安大学 一种三直流电机反向串联控制系统及方法

Also Published As

Publication number Publication date
CN109606382A (zh) 2019-04-12

Similar Documents

Publication Publication Date Title
CN109606382B (zh) 电动汽车动力传动系统控制方法
Li et al. Multi-objective optimization of active suspension system in electric vehicle with In-Wheel-Motor against the negative electromechanical coupling effects
CN110304043B (zh) 基于混合驱动的低频扭振消减控制系统构建方法
CN107977497B (zh) 一种电动轮轮内减振系统参数优化方法
Zhang et al. Modelling and active damping of engine torque ripple in a power-split hybrid electric vehicle
CN112052513A (zh) 一种电动轮汽车底盘集成系统分层控制器设计方法
CN112883587A (zh) 双电机驱动车辆动力传动系统扭振建模分析与抑制方法
He et al. Vertical vibration control of an in‐wheel motor‐driven electric vehicle using an in‐wheel active vibration system
Zhao et al. Integrated optimisation of active steering and semi-active suspension based on an improved Memetic algorithm
Wang et al. Research and optimisation of the dynamic parameters of the QZSS embedded in the seat suspension system of the vehicles
Nan et al. Simulation and experimental research on active suspension system with time-delay feedback control
Hao et al. Double‐Target Switching Control of Vehicle Longitudinal Low‐Frequency Vibration Based on Fuzzy Logic
Moulik et al. Size and parameter adjustment of a hybrid hydraulic powertrain using a global multi-objective optimization algorithm
CN115099035B (zh) 随机位移激励下含负刚度和惯容协作的悬架减振设计方法
CN115723590A (zh) 一种轮毂电机驱动汽车的节能转矩矢量控制方法
CN113428157B (zh) 一种混动汽车传动系扭振自适应前馈主动控制方法及系统
Jidu et al. Research on vehicle anti-braking system control algorithm based on fuzzy immune adaptive PID control
CN111559361B (zh) 一种四轮独立驱动车辆转向制动协同控制方法
Li et al. Hierarchical Control for Distributed Drive Electric Vehicles Considering Handling Stability and Energy Efficiency
Wang et al. Integrated hierarchical control strategy of active suspension and differential assisted steering system for electric-wheel vehicle
Aldair et al. Regeneration energy for nonlinear active suspension system using electromagnetic actuator
Zech et al. Analysis of the potential of a new control approach for traction control considering a P2‑Hybrid drivetrain
Kassa Mersha et al. Active damping control of HEVs using Ansys and Matlab/Simulink software
CN114905976B (zh) 一种电动车驱动轮防打滑的控制方法
CN112668094B (zh) 一种双电机耦合驱动电动汽车动力传动系统扭振分析方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant