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
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 Download PDFInfo
- Publication number
- CN109664774B CN109664774B CN201810261880.6A CN201810261880A CN109664774B CN 109664774 B CN109664774 B CN 109664774B CN 201810261880 A CN201810261880 A CN 201810261880A CN 109664774 B CN109664774 B CN 109664774B
- Authority
- CN
- China
- Prior art keywords
- wheel
- slip
- road surface
- adhesion coefficient
- driving wheel
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
- B60L2240/423—Torque
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
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
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:
其中,λij为各驱动车轮的路面实际滑移率,ωij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;
其中,μij为各驱动车轮的路面实际附着系数,Fx_ij为各车轮的纵向力,Fy_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:
其中,λopt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;
其中,μmax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:
其中,λij为各驱动车轮的路面实际滑移率,ωij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:
其中,μij为各驱动车轮的路面实际附着系数,Fx_ij为各车轮的纵向力,Fy_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:
其中,λopt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:
其中,μmax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;
其中,λij为各驱动车轮的路面实际滑移率,ωij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;
其中,μij为各驱动车轮的路面实际附着系数,Fx_ij为各车轮的纵向力,Fy_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。
其中,λopt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;
其中,μmax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,vx、vy别为车辆纵向、侧向行驶速度;ax、ay分别为车辆纵向、侧向加速度;γ为车辆横摆角速度;Mz为绕z轴的旋转力矩;Iz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,ax测量、ay测量、γk测量为传感器测得的信号。
(1)状态变量
(2)状态量无迹变换
确定2n+1个Sigma点,n指状态维数。
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λij;
vx-fr=(vx+0.5Bfγ)cosδ+(vy+aγ)sinδ (4)
其中,ωij为车轮轮速,r为车轮滚动半径,Bf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,vx、vy为估计的车辆质心纵向、侧向速度,vx_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μij;
其中,Fx_ij、Fz_ij分别为各个车轮的纵向力和侧向力。
(3)利用实时滑移率λij和利用附着系数μij,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,μmax为最大附着系数,λopt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λij作为控制目标,设控制最终目标即理想滑移率为λopt,则误差e=λij-λopt,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;
其中,λij为各驱动车轮的路面实际滑移率,ωij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。
其中,μij为各驱动车轮的路面实际附着系数,Fx_ij为各车轮的纵向力,Fy_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。
其中,λopt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。
其中,μmax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:
其中,λij为各驱动车轮的路面实际滑移率,ωij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:
其中,μij为各驱动车轮的路面实际附着系数,Fx_ij为各车轮的纵向力,Fy_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:
其中,λopt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:
其中,μmax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λij作为控制目标,设控制最终目标即理想滑移率为λopt,则误差e=λij-λopt,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:
其中,λij为各驱动车轮的路面实际滑移率,ωij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;
其中,μij为各驱动车轮的路面实际附着系数,Fx_ij为各车轮的纵向力,Fy_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:
其中,λopt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;
其中,μmax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λij作为控制目标,设控制最终目标即理想滑移率为λopt,则误差e=λij-λopt,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。
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:
其中,λopt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:
其中,μmax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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810261880.6A CN109664774B (zh) | 2018-03-28 | 2018-03-28 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810261880.6A CN109664774B (zh) | 2018-03-28 | 2018-03-28 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109664774A CN109664774A (zh) | 2019-04-23 |
CN109664774B true CN109664774B (zh) | 2020-08-28 |
Family
ID=66142625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810261880.6A Active CN109664774B (zh) | 2018-03-28 | 2018-03-28 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109664774B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113060124A (zh) * | 2019-12-16 | 2021-07-02 | 北京宝沃汽车股份有限公司 | 车辆及其附着能力识别方法和装置 |
CN110949344B (zh) * | 2019-12-18 | 2021-01-29 | 北京理工大学 | 一种分布式驱动电动汽车制动防抱死控制方法及系统 |
CN110979304B (zh) * | 2019-12-24 | 2023-03-31 | 大连理工大学 | 车辆在变附着工况下力矩分配方法 |
CN111469855A (zh) * | 2020-04-20 | 2020-07-31 | 北京易控智驾科技有限公司 | 一种车辆运动参数的计算方法 |
CN112579966B (zh) * | 2021-03-01 | 2021-05-14 | 天津所托瑞安汽车科技有限公司 | Abs参考车速的计算方法、装置、电子设备和介质 |
WO2023146970A1 (en) * | 2022-01-28 | 2023-08-03 | Worcester Polytechnic Institute | Optimizing vehicle mobility performance |
CN116968700A (zh) * | 2023-09-22 | 2023-10-31 | 华东交通大学 | 一种基于路面识别的分布式驱动电动汽车制动力控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103245610B (zh) * | 2013-05-17 | 2015-07-15 | 清华大学 | 一种分布式驱动电动汽车的路面峰值附着系数估算方法 |
JP2015100149A (ja) * | 2013-11-18 | 2015-05-28 | Ntn株式会社 | アンチロックブレーキ制御装置 |
CN105835721B (zh) * | 2016-03-31 | 2017-10-31 | 电子科技大学 | 一种四轮轮毂电动汽车车速控制方法 |
CN107016157B (zh) * | 2017-02-20 | 2020-08-18 | 同济大学 | 分布式驱动电动汽车路面自适应纵向车速估计系统及方法 |
CN106985703B (zh) * | 2017-03-08 | 2019-10-18 | 同济大学 | 一种分布式驱动电动汽车路面自适应防滑控制系统及方法 |
CN107117073A (zh) * | 2017-05-08 | 2017-09-01 | 电子科技大学 | 一种四轮轮毂电动汽车牵引力控制方法 |
-
2018
- 2018-03-28 CN CN201810261880.6A patent/CN109664774B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109664774A (zh) | 2019-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109664774B (zh) | 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 | |
CN108482379B (zh) | 轮毂电机驱动车辆路面附着系数及路面坡度同步实时估算系统及方法 | |
Li et al. | Comprehensive tire–road friction coefficient estimation based on signal fusion method under complex maneuvering operations | |
CN109421552B (zh) | 分布式驱动电动汽车路面自适应驱动防滑控制方法及系统 | |
CN107009916B (zh) | 考虑驾驶员意图分布式驱动电动汽车防滑控制系统及方法 | |
US6745112B2 (en) | Method of estimating quantities that represent state of vehicle | |
CN107016157B (zh) | 分布式驱动电动汽车路面自适应纵向车速估计系统及方法 | |
CN110562263A (zh) | 一种基于多模型融合的轮毂电机驱动车辆车速估计方法 | |
CN109606378A (zh) | 面向非高斯噪声环境的车辆行驶状态估计方法 | |
CN103279675B (zh) | 轮胎-路面附着系数与轮胎侧偏角的估计方法 | |
CN111301180A (zh) | 一种电动汽车防溜坡方法及系统 | |
CN108715166A (zh) | 基于深度学习的车辆稳定性指标估计方法 | |
US6853886B2 (en) | Method of estimating quantities that represent state of vehicle | |
CN111942399A (zh) | 一种基于无迹卡尔曼滤波的车速估算方法及系统 | |
CN111688715A (zh) | 四轮驱动电动汽车基于融合技术的质心侧偏角观测方法 | |
WO2020183871A1 (en) | System and method for determining friction curve of tire | |
CN111231976B (zh) | 一种基于变步长的车辆状态估计方法 | |
CN112896494A (zh) | 基于模型预测控制的飞机防滑刹车控制方法 | |
CN116653977A (zh) | 基于智能轮胎多传感器信息融合的四轮驱动汽车路面附着系数估计方法及装置 | |
Chen et al. | On-board estimation of road adhesion coefficient based on ANFIS and UKF | |
CN112758109B (zh) | 横向跟踪稳态偏差补偿方法及装置 | |
CN110861647B (zh) | 车辆转向时稳定性控制的路面附着系数估计方法及系统 | |
Haudum et al. | Vehicle state estimation from a sports-car application point of view focusing on handling dynamics | |
CN111332278A (zh) | 一种分布式驱动电动车辆横向稳定控制方法及系统 | |
Guo et al. | Vehicle velocities estimation based on mixed EKF |
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 |