CN109664774B - 一种用于分布式驱动电动汽车的驱动防滑控制方法及系统 - Google Patents

Abstract

本发明公开一种用于分布式驱动电动汽车的驱动防滑控制方法及系统。所述方法包括：获取车辆信息；对于每个车轮，根据所述车辆信息得到对应车轮的估算车速；根据车辆信息和估算车速计算对应驱动车轮的路面实际滑移率；根据车辆信息计算对应驱动车轮的路面实际附着系数；根据各实际滑移率估计各驱动车轮的路面最优滑移率；根据各实际路面附着系数估计各驱动车轮的路面最大附着系数；计算各驱动车轮的滑移率偏差和附着系数偏差；根据各驱动车轮的滑移率偏差和附着系数偏差，得到对应驱动车轮的理想输出转矩值；根据各理想输出转矩值分配各驱动车轮的驱动力矩值。采用本发明的方法或系统，对各驱动车轮进行稳定控制，能够达到令人满意的驱动防滑效果。

Description

一种用于分布式驱动电动汽车的驱动防滑控制方法及系统

技术领域

本发明涉及汽车控制领域，特别是涉及一种用于分布式驱动电动汽车的驱动防滑控制方法及系统。

背景技术

在驱动防滑控制策略中，车速获取和路面识别是必要的。

车速的精确获取可以的准确车轮滑移率。传统车速的获取方法，一是通过测速装置如GPS获取，但是低精度GPS获取的速度精度较差，且信号易受到外界障碍物遮蔽，而高精度、高频率的GPS成本昂贵,在车上适用性低；二是以汽车从动轮的速度去代替车速，但是分布式驱动汽车不存在从动轮，无法通过此方法获取精确车速；三是通过光学测速装置进行测量，但是成本较高。以上这些原因导致了车辆在运行过程中不能够实时获得车辆绝对速度，这给滑移率的计算带来了误差。

不同的路面附着系数对应不同的轮胎最优滑移率。已有的路面识别方法中，常采用递推最小二乘法(RLS)方法对μ-λ曲线(滑移率与利用附着系数曲线)进行辨识获取路面附着系数，此方法在轮胎低滑移率时精度容易受到噪声影响；还有通过先进的光学测量仪器对路面进行辨识，但同样受限于高昂的设备成本，以及长周期数据处理，难以在实际中得到应用。路面识别的不准确，对应的轮胎最优滑移率也会有误差。

驱动防滑的控制算法中主要是基于不同路面下的轮胎最优滑移率对轮胎实际滑移率进行控制。传统的滑移率控制方法主要有逻辑门限值控制方法、PID控制方法、模糊控制方法等。在逻辑门限值控制中，门限值的设定对于复杂路况难以适应；PID控制多用于线型系统，但是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；模糊控制对规则的建立较为困难。以上几种控制方法的缺陷难以实现令人满意的驱动防滑效果。

发明内容

本发明的目的是提供一种分布式驱动电动汽车的驱动防滑控制方法及系统，从而实现令人满意的驱动防滑效果。

为实现上述目的，本发明提供了如下方案：

一种用于分布式驱动电动汽车的驱动防滑控制方法，所述方法包括：

获取车辆信息，所述车辆信息包括车轮半径、每个车轮的轮速、纵向力和横向力；

对于每个车轮，根据所述车辆信息采用无迹卡尔曼车速估计算法得到对应车轮的估算车速；

根据车轮半径、每个车轮的轮速和估算车速计算车辆中对应驱动车轮的路面实际滑移率；根据每个车轮的纵向力和横向力计算车辆中对应驱动车轮的路面实际附着系数；

根据各所述实际滑移率采用模糊逻辑方法，估计各驱动车轮的路面最优滑移率；根据各所述实际路面附着系数采用模糊逻辑方法，估计各驱动车轮的路面最大附着系数；

计算各所述路面实际滑移率和各所述路面最优滑移率的偏差，得到各驱动车轮的滑移率偏差；

计算各所述路面实际附着系数和各所述路面最大附着系数的偏差，得到各驱动车轮的附着系数偏差；

根据各驱动车轮的滑移率偏差和各驱动车轮的附着系数偏差，得到对应驱动车轮的理想输出转矩值；

根据各所述理想输出转矩值采用驱动力矩分配法分配各驱动车轮的驱动力矩值。

可选的，所述根据车轮半径、每个车轮的轮速和估算车速计算车辆中对应驱动车轮的路面实际滑移率；根据每个车轮的纵向力和横向力计算车辆中对应驱动车轮的路面实际附着系数，具体包括：

根据

计算车辆各驱动车轮的路面实际滑移率λ_ij；

其中，λ_ij为各驱动车轮的路面实际滑移率，ωi_j为车轮轮速，r为所述车轮半径，v为估算车速，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮；

根据

计算车辆各驱动车轮的路面实际附着系数μ_ij；

其中，μ_ij为各驱动车轮的路面实际附着系数，F_{x_ij}为各车轮的纵向力，F_{y_ij}为各车轮的横向力，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮。

可选的，所述根据各所述实际滑移率采用模糊逻辑方法，估计各驱动车轮的路面最优滑移率；根据各所述实际路面附着系数采用模糊逻辑方法，估计各驱动车轮的路面最大附着系数，具体包括：

根据

计算各驱动车轮的路面最优滑移率λ_opt；

其中，λ_opt为当前路面最优滑移率，λ₁，λ₂，λ₃，λ₄分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度；

根据

计算各驱动车轮的路面最大附着系数μ_max；

其中，μ_max为当前路面最大附着系数，μ₁，μ₂，μ₃，μ₄，分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度。

可选的，所述车辆信息还包括车体纵向加速度、车体横向加速度、方向盘转角和车辆横摆角速度。

可选的，所述获取车辆信息，具体包括：通过车辆传感器采集车辆信息。

为实现上述目的，本发明还提供了如下方案：

一种用于分布式驱动电动汽车的驱动防滑控制系统，所述系统包括：

车辆信息获取模块，用于获取车辆信息，所述车辆信息包括车轮半径、每个车轮的轮速、纵向力和横向力；

估算车速计算模块，用于对于每个车轮，根据所述车辆信息采用无迹卡尔曼车速估计算法得到对应车轮的估算车速；

实际滑移率计算模块，用于根据车轮半径、每个车轮的轮速和估算车速计算车辆中对应驱动车轮的路面实际滑移率；

实际附着系数计算模块，用于根据每个车轮的纵向力和横向力计算车辆中对应驱动车轮的路面实际附着系数；

最优滑移率计算模块，用于根据各所述实际滑移率采用模糊逻辑方法，估计各驱动车轮的路面最优滑移率；

最大附着系数计算模块，用于根据各所述实际路面附着系数采用模糊逻辑方法，估计各驱动车轮的路面最大附着系数；

滑移率偏差计算模块，用于计算各所述路面实际滑移率和各所述路面最优滑移率的偏差，得到各驱动车轮的滑移率偏差；

附着系数偏差计算模块，用于计算各所述路面实际附着系数和各所述路面最大附着系数的偏差，得到各驱动车轮的附着系数偏差；

转矩值确定模块，用于根据各驱动车轮的滑移率偏差和各驱动车轮的附着系数偏差，得到对应驱动车轮的理想输出转矩值；

驱动力矩值分配模块，用于根据各所述理想输出转矩值采用驱动力矩分配法分配各驱动车轮的驱动力矩值。

可选的，所述实际滑移率计算模块，具体包括：

根据

计算车辆各驱动车轮的路面实际滑移率λ_ij；

其中，λ_ij为各驱动车轮的路面实际滑移率，ωi_j为车轮轮速，r为所述车轮半径，v为估算车速，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮；

所述实际附着系数计算模块，具体包括：

根据

计算车辆各驱动车轮的路面实际附着系数μ_ij；

其中，μ_ij为各驱动车轮的路面实际附着系数，F_{x_ij}为各车轮的纵向力，F_{y_ij}为各车轮的横向力，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮。

可选的，最优滑移率计算模块，具体包括：

根据

计算各驱动车轮的路面最优滑移率λ_opt；

其中，λ_opt为当前路面最优滑移率，λ₁，λ₂，λ₃，λ₄分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度；

最大附着系数计算模块，具体包括：

根据

计算各驱动车轮的路面最大附着系数μ_max；

其中，μ_max为当前路面最大附着系数，μ₁，μ₂，μ₃，μ₄，分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度。

可选的，所述车辆信息还包括车体纵向加速度、车体横向加速度、方向盘转角和车辆横摆角速度。

可选的，所述车辆信息获取模块通过车辆传感器采集车辆信息。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供一种用于分布式驱动电动汽车的驱动防滑控制方法。通过获取车辆信息；对于每个车轮，根据所述车辆信息得到对应车轮的估算车速；根据车辆信息和估算车速计算对应驱动车轮的路面实际滑移率；根据车辆信息计算对应驱动车轮的路面实际附着系数；根据各实际滑移率估计各驱动车轮的路面最优滑移率；根据各实际路面附着系数估计各驱动车轮的路面最大附着系数；计算各驱动车轮的滑移率偏差和附着系数偏差；根据各驱动车轮的滑移率偏差和附着系数偏差，得到对应驱动车轮的理想输出转矩值；根据各理想输出转矩值分配各驱动车轮的驱动力矩值，通过对各驱动车轮进行稳定控制，能够达到令人满意的驱动防滑效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例用于分布式驱动电动汽车的驱动防滑控制方法流程图；

图2为本发明实施例用于分布式驱动电动汽车的驱动防滑控制系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种种分布式驱动电动汽车的驱动防滑控制方法及系统，从而实现令人满意的驱动防滑效果。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例用于分布式驱动电动汽车的驱动防滑控制方法流程图。如图1所示，一种用于分布式驱动电动汽车的驱动防滑控制方法，所述方法包括：

步骤101：获取车辆信息，通过车辆传感器采集车辆信息，所述车辆信息包括车轮半径、每个车轮的轮速、纵向力、横向力、车体纵向加速度、车体横向加速度、方向盘转角和车辆横摆角速度。

步骤102：对于每个车轮，根据所述车辆信息采用无迹卡尔曼车速估计算法得到对应车轮的估算车速；

步骤103：根据车轮半径、每个车轮的轮速和估算车速计算车辆中对应驱动车轮的路面实际滑移率；具体的，根据

计算车辆各驱动车轮的路面实际滑移率λ_ij；

其中，λ_ij为各驱动车轮的路面实际滑移率，ωi_j为车轮轮速，r为所述车轮半径，v为估算车速，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮；

步骤104：根据每个车轮的纵向力和横向力计算车辆中对应驱动车轮的路面实际附着系数；具体的，根据

计算车辆各驱动车轮的路面实际附着系数μ_ij；

其中，μ_ij为各驱动车轮的路面实际附着系数，F_{x_ij}为各车轮的纵向力，F_{y_ij}为各车轮的横向力，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮。

步骤105：根据各所述实际滑移率采用模糊逻辑方法，估计各驱动车轮的路面最优滑移率；具体的，根据

计算各驱动车轮的路面最优滑移率λ_opt；

其中，λ_opt为当前路面最优滑移率，λ₁，λ₂，λ₃，λ₄分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度；

步骤106：根据各所述实际路面附着系数采用模糊逻辑方法，估计各驱动车轮的路面最大附着系数；具体的，根据

计算各驱动车轮的路面最大附着系数μ_max；

其中，μ_max为当前路面最大附着系数，μ₁，μ₂，μ₃，μ₄，分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度，取值范围为[0,1]，通过输入轮胎的利用附着系数和轮胎的实际滑移率，根据模糊逻辑规则得出路面的最大附着系数和最优滑移率。

步骤107：计算各所述路面实际滑移率和各所述路面最优滑移率的偏差，得到各驱动车轮的滑移率偏差；

步骤108：计算各所述路面实际附着系数和各所述路面最大附着系数的偏差，得到各驱动车轮的附着系数偏差；

步骤109：根据各驱动车轮的滑移率偏差和各驱动车轮的附着系数偏差，得到对应驱动车轮的理想输出转矩值；

步骤110：根据各所述理想输出转矩值采用驱动力矩分配法分配各驱动车轮的驱动力矩值。

本发明提供一种用于分布式驱动电动汽车的驱动防滑控制方法。通过根据各理想输出转矩值分配各驱动车轮的驱动力矩值，通过对各驱动车轮进行稳定控制，能够达到令人满意的驱动防滑效果。

步骤102中，采用无迹卡尔曼滤波算法(UKF)，建立车速估计的非线性离散系统状态预测方程；

其中，v_x、v_y别为车辆纵向、侧向行驶速度；a_x、a_y分别为车辆纵向、侧向加速度；γ为车辆横摆角速度；M_z为绕z轴的旋转力矩；I_z为整车绕z轴的横摆转动惯量；T为传感器信号的采样频率；k为迭代次数。

建立观测方程；

其中，a_x测量、a_y测量、γ_k测量为传感器测得的信号。

(1)状态变量

设待估状态变量为X_s＝[v_x v_yγa_x a_y M_z]，状态变量的初始估计值为

控制输入为u＝[T_ij ω_ij δ]，测量输出y＝[a_x a_y γ]，初始状态估计误差协方差为P_s,0。

(2)状态量无迹变换

确定2n+1个Sigma点，n指状态维数。

式中，

表示方差矩阵P平方根的第i列。

计算这些采样点的相应权值。

式中，带上标m的代表的是均值的相应权值，带上标c的代表的是协方差的相应权值；下标代表的是第几个采样点；λ＝α²(n+κ)-n是一个缩放比例函数，用来降低总的预测误差；α(0.0001≤α≤1)的选取控制了采样点的分布状态；κ是二阶比例参数，其值应该保证(n+λ)P是一个半正定矩阵，n>3时，κ＝0，n≤3时，κ＝3-n；β是一个权重系数，β≥0，其作用是将系统方程的高阶项动差进行合并，面对高斯分布，β＝2最优。

根据式3.17获得Sigma点集以及相应权值。

计算2n+1个Sigma点的进一步预测。

计算系统状态量预测及协方差矩阵。

(3)观测量无迹变换

将上一步计算出的状态预测量通过无迹变换产生预测量的采样点集。

计算Sigma点的观测量。

计算观测值的预测均值，通过加权求和得到系统预测的均值以及协方差。

(4)状态量更新

计算卡尔曼增益。

计算系统的状态更新和协方差更新，即得到估计车速。

步骤103和104中，利用公式(3)中的估算车速v计算车辆行驶时的车辆各驱动车轮的路面实际滑移率λ_ij；

v_x-fr＝(v_x+0.5B_fγ)cosδ+(v_y+aγ)sinδ (4)

其中，ω_ij为车轮轮速，r为车轮滚动半径，B_f为前后轮轮距，δ为前轮转角，γ为横摆角速度，a为前后轴与车辆质心间的距离，v_x、v_y为估计的车辆质心纵向、侧向速度，v_{x_ij}为通过车辆质心车速计算得到的各轮速，ij＝fl,fr,rl,rr,分别表示左前轮、右前轮、左后轮、右轮。

(2)计算利用附着系数μ_ij；

其中，F_{x_ij}、F_{z_ij}分别为各个车轮的纵向力和侧向力。

(3)利用实时滑移率λ_ij和利用附着系数μ_ij，采用Burckhardt提出的曲线表达式作为路面识别算法的基础并以此获得4种标准路面的最大附着系数和最优滑移率

式中，C₁，C₂，C₃为拟合系数，不同的路面采用不同的拟合系数，μ(λ)为实时利用附着系数，μ_max为最大附着系数，λ_opt为最优滑移率。

步骤110中，利用滑模变结构控制器输出滑移率对每个电机进行控制，将滑移率λ_ij作为控制目标，设控制最终目标即理想滑移率为λ_opt，则误差e＝λ_ij-λ_opt，选取滑膜面为：

其中：c₁为待定系数，反映了系统状态对滑膜面S动态特性的影响大小。

切换条件：

驱动防滑控制系统的滑模控制器主要控制车轮的滑移率，控制车轮的滑移率是通过控制作用于车轮上的转矩实现的，为使相轨迹滑向控制目标，选取驱动转矩作为控制变量，对系统进行不连续开关控制：

式中，T⁺为增加驱动转矩，T^-为减小驱动转矩。

为实现上述目的，本发明还提供了如下方案：

图2为本发明实施例用于分布式驱动电动汽车的驱动防滑控制系统结构图。如图2所示，一种用于分布式驱动电动汽车的驱动防滑控制系统，所述系统包括：

车辆信息获取模块201，用于获取车辆信息，所述车辆信息包括车轮半径、每个车轮的轮速、纵向力和横向力；

估算车速计算模块202，用于对于每个车轮，根据所述车辆信息采用无迹卡尔曼车速估计算法得到对应车轮的估算车速；

实际滑移率计算模块203，用于根据车轮半径、每个车轮的轮速和估算车速计算车辆中对应驱动车轮的路面实际滑移率，根据

计算车辆各驱动车轮的路面实际滑移率λ_ij；

其中，λ_ij为各驱动车轮的路面实际滑移率，ωi_j为车轮轮速，r为所述车轮半径，v为估算车速，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮。

实际附着系数计算模块204，用于根据每个车轮的纵向力和横向力计算车辆中对应驱动车轮的路面实际附着系数，根据

计算车辆各驱动车轮的路面实际附着系数μ_ij；

其中，μ_ij为各驱动车轮的路面实际附着系数，F_{x_ij}为各车轮的纵向力，F_{y_ij}为各车轮的横向力，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮。

最优滑移率计算模块205，用于根据各所述实际滑移率采用模糊逻辑方法，估计各驱动车轮的路面最优滑移率，根据

计算各驱动车轮的路面最优滑移率λ_opt；

其中，λ_opt为当前路面最优滑移率，λ₁，λ₂，λ₃，λ₄分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度。

最大附着系数计算模块206，用于根据各所述实际路面附着系数采用模糊逻辑方法，估计各驱动车轮的路面最大附着系数，根据

计算各驱动车轮的路面最大附着系数μ_max；

其中，μ_max为当前路面最大附着系数，μ₁，μ₂，μ₃，μ₄，分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度。

滑移率偏差计算模块207，用于计算各所述路面实际滑移率和各所述路面最优滑移率的偏差，得到各驱动车轮的滑移率偏差。

附着系数偏差计算模块208，用于计算各所述路面实际附着系数和各所述路面最大附着系数的偏差，得到各驱动车轮的附着系数偏差。

转矩值确定模块209，用于根据各驱动车轮的滑移率偏差和各驱动车轮的附着系数偏差，得到对应驱动车轮的理想输出转矩值。

驱动力矩值分配模块210，用于根据各所述理想输出转矩值采用驱动力矩分配法分配各驱动车轮的驱动力矩值。

可选的，所述实际滑移率计算模块，具体包括：

根据

计算车辆各驱动车轮的路面实际滑移率λ_ij；

其中，λ_ij为各驱动车轮的路面实际滑移率，ωi_j为车轮轮速，r为所述车轮半径，v为估算车速，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮；

所述实际附着系数计算模块，具体包括：

根据

计算车辆各驱动车轮的路面实际附着系数μ_ij；

其中，μ_ij为各驱动车轮的路面实际附着系数，F_{x_ij}为各车轮的纵向力，F_{y_ij}为各车轮的横向力，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮。

可选的，最优滑移率计算模块，具体包括：

根据

计算各驱动车轮的路面最优滑移率λ_opt；

其中，λ_opt为当前路面最优滑移率，λ₁，λ₂，λ₃，λ₄分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度；

最大附着系数计算模块，具体包括：

根据

计算各驱动车轮的路面最大附着系数μ_max；

其中，μ_max为当前路面最大附着系数，μ₁，μ₂，μ₃，μ₄，分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度。

可选的，所述车辆信息还包括车体纵向加速度、车体横向加速度、方向盘转角和车辆横摆角速度。

可选的，所述车辆信息获取模块通过车辆传感器采集车辆信息。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种用于分布式驱动电动汽车的驱动防滑控制方法，其特征在于，所述方法包括：

获取车辆信息，所述车辆信息包括车轮半径、每个车轮的轮速、纵向力和横向力；

对于每个车轮，根据所述车辆信息采用无迹卡尔曼车速估计算法得到对应车轮的估算车速；

根据车轮半径、每个车轮的轮速和估算车速计算车辆中对应驱动车轮的路面实际滑移率；

根据每个车轮的纵向力和横向力计算车辆中对应驱动车轮的路面实际附着系数；

根据各所述路面 实际滑移率采用模糊逻辑方法，估计各驱动车轮的路面最优滑移率；

根据各所述路面 实际附着系数采用模糊逻辑方法，估计各驱动车轮的路面最大附着系数；

计算各所述路面实际滑移率和各所述路面最优滑移率的偏差，得到各驱动车轮的滑移率偏差；

计算各所述路面实际附着系数和各所述路面最大附着系数的偏差，得到各驱动车轮的附着系数偏差；

根据各驱动车轮的滑移率偏差和各驱动车轮的附着系数偏差，得到对应驱动车轮的理想输出转矩值；

根据各所述理想输出转矩值采用驱动力矩分配法分配各驱动车轮的驱动力矩值，具体的，利用滑模变结构控制器输出滑移率对每个电机进行控制，将滑移率λ_ij作为控制目标，设控制最终目标即理想滑移率为λ_opt，则误差e＝λ_ij-λ_opt，选取滑模面为：

其中：c₁为待定系数，反映了系统状态对滑模面S动态特性的影响大小；

切换条件：

驱动防滑控制系统的滑模控制器主要控制车轮的滑移率，控制车轮的滑移率是通过控制作用于车轮上的转矩实现的，为使相轨迹滑向控制目标，选取驱动转矩作为控制变量，对系统进行不连续开关控制：

式中，T⁺为增加滑模控制驱动转矩，T^-为减小滑模控制驱动转矩。

2.根据权利要求1所述的用于分布式驱动电动汽车的驱动防滑控制方法，其特征在于，所述根据车轮半径、每个车轮的轮速和估算车速计算车辆中对应驱动车轮的路面实际滑移率；根据每个车轮的纵向力和横向力计算车辆中对应驱动车轮的路面实际附着系数，具体包括：

根据

计算车辆各驱动车轮的路面实际滑移率λ_ij；

其中，λ_ij为各驱动车轮的路面实际滑移率，ωi_j为车轮轮速，r为所述车轮半径，v为估算车速，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮；

根据

计算车辆各驱动车轮的路面实际附着系数μ_ij；

其中，μ_ij为各驱动车轮的路面实际附着系数，F_{x_ij}为各车轮的纵向力，F_{y_ij}为各车轮的横向力，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮。

3.根据权利要求1所述的用于分布式驱动电动汽车的驱动防滑控制方法，其特征在于，所述根据各所述路面 实际滑移率采用模糊逻辑方法，估计各驱动车轮的路面最优滑移率；根据各所述路面 实际附着系数采用模糊逻辑方法，估计各驱动车轮的路面最大附着系数，具体包括：

根据

计算各驱动车轮的路面最优滑移率λ_opt；

其中，λ_opt为当前路面最优滑移率，λ₁，λ₂，λ₃，λ₄分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度；

根据

计算各驱动车轮的路面最大附着系数μ_max；

其中，μ_max为当前路面最大附着系数，μ₁，μ₂，μ₃，μ₄，分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度。

4.根据权利要求1所述的用于分布式驱动电动汽车的驱动防滑控制方法，其特征在于，所述车辆信息还包括车体纵向加速度、车体横向加速度、方向盘转角和车辆横摆角速度。

5.根据权利要求1所述的用于分布式驱动电动汽车的驱动防滑控制方法，其特征在于，所述获取车辆信息，具体包括：通过车辆传感器采集车辆信息。

6.一种用于分布式驱动电动汽车的驱动防滑控制系统，其特征在于，所述系统包括：

车辆信息获取模块，用于获取车辆信息，所述车辆信息包括车轮半径、每个车轮的轮速、纵向力和横向力；

估算车速计算模块，用于对于每个车轮，根据所述车辆信息采用无迹卡尔曼车速估计算法得到对应车轮的估算车速；

实际滑移率计算模块，用于根据车轮半径、每个车轮的轮速和估算车速计算车辆中对应驱动车轮的路面实际滑移率；

实际附着系数计算模块，用于根据每个车轮的纵向力和横向力计算车辆中对应驱动车轮的路面实际附着系数；

最优滑移率计算模块，用于根据各所述路面 实际滑移率采用模糊逻辑方法，估计各驱动车轮的路面最优滑移率；

最大附着系数计算模块，用于根据各所述路面 实际附着系数采用模糊逻辑方法，估计各驱动车轮的路面最大附着系数；

滑移率偏差计算模块，用于计算各所述路面实际滑移率和各所述路面最优滑移率的偏差，得到各驱动车轮的滑移率偏差；

附着系数偏差计算模块，用于计算各所述路面实际附着系数和各所述路面最大附着系数的偏差，得到各驱动车轮的附着系数偏差；

转矩值确定模块，用于根据各驱动车轮的滑移率偏差和各驱动车轮的附着系数偏差，得到对应驱动车轮的理想输出转矩值；

驱动力矩值分配模块，用于根据各所述理想输出转矩值采用驱动力矩分配法分配各驱动车轮的驱动力矩值，具体的，利用滑模变结构控制器输出滑移率对每个电机进行控制，将滑移率λ_ij作为控制目标，设控制最终目标即理想滑移率为λ_opt，则误差e＝λ_ij-λ_opt，选取滑模面为：

其中：c₁为待定系数，反映了系统状态对滑模面S动态特性的影响大小；

切换条件：

驱动防滑控制系统的滑模控制器主要控制车轮的滑移率，控制车轮的滑移率是通过控制作用于车轮上的转矩实现的，为使相轨迹滑向控制目标，选取驱动转矩作为控制变量，对系统进行不连续开关控制：

式中，T⁺为增加滑模控制驱动转矩，T^-为减小滑模控制驱动转矩。

7.根据权利要求6所述的用于分布式驱动电动汽车的驱动防滑控制系统，其特征在于，所述实际滑移率计算模块，具体包括：

根据

计算车辆各驱动车轮的路面实际滑移率λ_ij；

其中，λ_ij为各驱动车轮的路面实际滑移率，ωi_j为车轮轮速，r为所述车轮半径，v为估算车速，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮；

所述实际附着系数计算模块，具体包括：

根据

计算车辆各驱动车轮的路面实际附着系数μ_ij；

其中，μ_ij为各驱动车轮的路面实际附着系数，F_{x_ij}为各车轮的纵向力，F_{y_ij}为各车轮的横向力，ij＝fl，fr，rl，rr，分别表示左前轮、右前轮、左后轮、右后轮。

8.根据权利要求6所述的用于分布式驱动电动汽车的驱动防滑控制系统，其特征在于，最优滑移率计算模块，具体包括：

根据

计算各驱动车轮的路面最优滑移率λ_opt；

其中，λ_opt为当前路面最优滑移率，λ₁，λ₂，λ₃，λ₄分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度；

最大附着系数计算模块，具体包括：

根据

计算各驱动车轮的路面最大附着系数μ_max；

其中，μ_max为当前路面最大附着系数，μ₁，μ₂，μ₃，μ₄，分别为干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的最优滑移率，x₁，x₂，x₃，x₄为当前路面与所述干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面的相似程度。

9.根据权利要求6所述的用于分布式驱动电动汽车的驱动防滑控制系统，其特征在于，所述车辆信息还包括车体纵向加速度、车体横向加速度、方向盘转角和车辆横摆角速度。

10.根据权利要求6所述的用于分布式驱动电动汽车的驱动防滑控制系统，其特征在于，所述车辆信息获取模块通过车辆传感器采集车辆信息。

Images