CN110481334B - 基于扰动观测的四轮独立驱动电动汽车鲁棒自适应容错控制方法 - Google Patents

Abstract

本发明公开了一种基于扰动观测的四轮独立驱动电动汽车鲁棒自适应容错控制方法，主要步骤为：1、结合扰动观测器建立车辆动力学模型；2、根据车辆横摆角速度结合车辆二自由度模型构造车辆的质心侧偏角观测器；3、基于自适应滑模控制理论设计上层控制器以获得虚拟控制量；4、基于故障信息设计容错分配层将电机控制信号分配正常的驱动电机，以保证车辆故障时的稳定性；5、建立滑移率控制层，将车轮的滑移率控制在合理范围内。本发明的优点：考虑了4WID‑EV驱动电机的失效情况，引入故障因子对下层信号重新分配，并且建立了扰动观测器对车辆的扰动进行补偿，采用了自适应滑模控制提高系统的鲁棒性，对滑移率进行控制防止车轮发生不合理的滑移。

Description

基于扰动观测的四轮独立驱动电动汽车鲁棒自适应容错控制 方法

技术领域

本发明涉及基于扰动观测的四轮独立驱动电动汽车(4WID-EV)的自适应鲁棒容错控制方法，特别涉及扰动观测以及容错分配控制方法。

背景技术

在环境保护以及能源消耗的双重问题下，电动汽车的发展越来越受到人们的关注。4WID-EV取消了传统汽车复杂的传动机构，直接将驱动电机安装于车辆的轮毂中，具有转矩相应快，传动效率高的特点，成为了国内外学者的研究热点。车辆的质心侧偏角是衡量车辆行驶稳定的重要指标之一，然而，车辆质心侧偏角很难精确检测出来，相关的高精度传感器非常昂贵。随着执行机构数量的增加，执行机构发生故障的概率就会大大增加，会影响车辆的行驶稳定性,因此需要设计相关的容错控制策略对4WID-EV进行协调控制，容错控制可以在系统的执行机构发生故障的情况下根据已有的故障信息利用正常的机构进行补偿，以降低对系统的不利影响，为了防止车轮在容错状态下因为力矩变化产生滑移，建立了滑移率控制器。同时，扰动也是影响车辆稳定性的重要因素，这些扰动很难确定，对于4WID-EV，车辆的扰动主要来自于车轮载荷的变化、模型的不确定性以及其他为建模因素诸如横向风和滚转阻力。这些扰动很难确定，没有办法完全消除，这就需要对其进行深入的研究。由于固有的对系统不确定性、外部干扰和系统参数变化的鲁棒性，滑模控制(SMC)被用来提高车辆的运动性能。但是，传统的滑模控制通常需要很大的控制增益来保证系统的控制效果，因此就会存在抖震。

发明内容

为了解决4WID-EV的稳定控制问题，本发明提出一种基于扰动观测的4WID-EV的自适应鲁棒容错控制方法，提高了车辆在执行器故障以及受到外界扰动的情况下的安全性和稳定性。

本发明的技术方案为：一种基于扰动观测的四轮独立驱动电动汽车鲁棒自适应容错控制方法，包括如下步骤：

步骤1，将故障因子以及外部不确定扰动引入车辆动力学模型中，根据故障因子取值，将车辆执行器设计为无故障，部分失效，完全故障以及故障下扰动的情况，建立扰动观测器对含有不确定扰动项进行观测，并将观测值引入车辆模型中；

步骤2，测量车辆实际横摆角速度γ，同时根据车辆侧向加速度模型结合车辆二自由度模型构造状态观测器，估计出车辆的实际质心侧偏角β；

步骤3，将车辆模型得到的理想值与获得的实际值的偏差输入上层控制器中，利用自适应滑模控制算法计算出维持车辆稳定所需要的横摆力矩M_z；

步骤4，结合故障因子与扰动信息设计力矩分配层，根据上层控制器得到的M_z和F_x采用优化控制算法对四轮的电机进行优化分配；

步骤5，设计车轮滑移率控制器，采用自适应滑模控制将力矩分配层给出的力矩限制在合理的范围。

本发明具有以下技术效果：

1)将故障因子以及外部不确定扰动引入车辆动力学模型中，根据故障因子取值，可以将车辆执行器设计为无故障，部分失效，完全故障以及故障下扰动等情况。建立扰动观测器对含有不确定扰动项进行观测，并将观测值引入车辆模型中，使车辆模型更加准确。

2)本发明的最重要的发明点在于建立了力矩分配层，具有容错分配效果，在执行器失效的情况下只要结合故障信息就能对执行器的控制信号重新分配，同时，建立滑移率控制器，提高了车辆的安全性。

3)利用观测器对车辆质心侧偏角进行观测。采用了自适应滑模控制获得虚拟控制信号，提高了系统的鲁棒性。

附图说明

图1为分布式驱动电动汽车自适应鲁棒容错控制框图；

图2为扰动观测器框图；

图3为采用dSPACE为控制器的实验流程图；

图4为本发明算法单移线工况下控制效果；(a)横摆角速度(b)质心侧偏角(c)车辆位移。

具体实施方式

本发明提供了一种基于扰动观测的四轮独立驱动电动汽车(4WID-EV)的自适应鲁棒容错控制方法。为使本发明目的明确、技术方案及效果更加明确，以下结合图对本发明作进一步的解释。

图1所示的是本发明4WID-EV控制策略的各模块结构框图，它主要包括1、车辆参考模型，车辆参考模型主要根据加速转角信号生成理想的质心侧偏角，横摆角速度以及纵向车速等，其中，质心侧偏角信号以及横摆角速度信号送入自适应滑模控制器中，理想纵向车速送入PI控制模块，2、质心侧偏角观测器模块根据车辆模型反馈的横向加速度a_y观测出的质心侧偏角β作为实际值反馈给自适应滑模控制器(ASM)中，3、基于扰动观测器(DOB)的自适应滑模控制器(ASM)主要生成附加横摆力矩给容错力矩分配层(FT-CA)，4、PI控制模块，理想纵向车速V_ref与实际纵向车速v_x的偏差经过PI控制模块生成纵向驱动力F_x，5、容错分配模块(FT-CA)主要生成纵向驱动力F_xi，6，滑移率控制模块生成理想的执行器控制量u_p，7、执行器模块，根据执行器控制量u_p生成电机转矩T_i，8、Carsim整车模型，根据电机转矩T_i运行生成纵向车速v_x，横摆角速度γ跟横向角速度a_y反馈到上述模块中形成闭环控制。

基于上述模块，下面通过采用Carsim软件以及MATLAB软件进行联合仿真，详细说明本发明的控制方法：

采用的车辆参数如表1所示

一种基于扰动观测的四轮独立驱动电动汽车(4WID-EV)的自适应鲁棒容错控制方法，所述的方法的实现过程为：

步骤1：含有车辆执行器故障以及不确定扰动项的车辆模型设计如下：

考虑执行器的控制增益为

i分别表示四个电机，i＝fl,fr,rl,rr，分别表示左前轮，右前轮，左后轮，右后轮，下文中凡是带有下标i的字母均表示此意，ρ_i表示四个执行器故障因子(0≤ρ≤1)，分别表示电机的失效程度，当第i个电机完全失效时ρ_i＝1，k_si表示第i个执行器的不确定扰动，k_i表示四个电机的控制增益，

表示执行器综合控制增益，u_i表示电机控制信号，σ取值为0或1，T_i为电机力矩；

σ∈{0,1} (3)

忽视车辆的俯仰跟横摆运动，4WID-EV的动力学模型如下：

其中，V_x和γ分别表示车辆纵向速度以及横摆角速度，m表示车辆的总质量，F_x表示车辆的纵向力，M_z表示车辆的横摆力矩，ΔM_z表示横摆扰动，ΔF_x表示纵向扰动，l_f和l_r分别表示车辆质心到前后车轴的距离，C_f和C_r分别表示前后车轮的侧偏刚度，I_z分别表示车辆的转动惯量，M_z表示车辆的横摆力矩。δ_f和β表示车辆的前轮转角以及质心侧偏角。

车辆在行驶过程中执行器失效或者路面波动产生不确定扰动，会直接对车辆的纵向以及横摆运动表示产生干扰，将原系统改写成如下形式：

其中

采用扰动观测器进行观测表示成如下形式：

其中L₁,L₂是观测器增益，z₁,z₂是中间变量。

重新建立车辆模型：

R是车轮半径，

表示执行器综合控制增益，u_i表示电机控制信号，i＝fl,fr,rl,rr，分别表示左前轮，右前轮，左后轮，右后轮，令B_eq等于

则将观测值引入车辆模型表示如下：

步骤2：结合车辆二自由度模型构造状态观测器，估计出车辆的实际质心侧偏角β如下

采用传统滑模算法设计车辆质心侧偏角观测器，将车辆实际横摆角速度γ和车辆横向加速度a_y作为观测器的反馈量，

是横向加速度的估计值，以

和

作为反馈量对模型误差进行补偿，车辆侧向加速度定义如下：

当车辆速度V_x恒定时，可车辆二自由度模型可以表示成如下形式：

其中Y＝a_y,u＝δ_f

基于上述模型，采用质心侧偏角观测器估计出车辆的实际质心侧偏角：

其中q_i(i＝1,2,3,4)是滑模观测器的控制增益，

以及

是偏差。

步骤3：基于自适应滑模控制理论设计上层控制器以获得虚拟控制量M_z步骤如下：

本发明将横摆角速度以及质心侧偏角的跟随偏差作为控制量，以此来设计系统滑模面：

其中,γ_d表示理想横摆角速度，γ表示，β_d表示理想质心侧偏角，

是质心侧偏角观测值，ξ>0是权重系数，代表质心侧偏角偏差在总偏差中占的比重；选取如下变指数趋近律：

其中，ε>0,0<ζ<1,0<α<1,λ>0,ω>0,δ>0均表示滑模控制参数,ξ>0是权重系数，x是系统状态变量的一阶范数，sat(s/Δ)是饱和函数，Δ是边界厚度。

根据步骤1中车辆横摆角速度状态方程，系统的控制率表达成如下形式：

步骤4：容错分配层设计如下：

该步骤中需要使车轮的力矩输出满足上层控制器计算出的虚拟控制量：

本文以轮胎利用率最小为控制目标来建立优化函数，定义轮胎利用率如下：

其中F_zi是车辆的垂直载荷,μ是车胎与路面的摩擦系数，R是车轮半径。建立目标函数：

同时电机的控制信号还要满足上层控制器计算出的虚拟控制量，因此优化分配问题建立成如下形式：

其中v＝[F_x M_z]^T,u和

分别表示电机控制信号的上下限，c₁表示权重系数。以下将优化分配函数转换成标准二次规划化形式：

X_max表示最大输出信号，X表示当前输出信号。展开J₁,J₂得到：

其中a_p＝-[B_equ-v],可以得到：

令

其中H₁,H₂∈R^4×4是优化分配算法的海森矩阵，

是一次项，P₁,P₂∈R^1×1是常数项，因此可以得到：

H＝2(H₁+H₂),

P＝P₁+P₂ (23)

可以得到二次规划问题：

当车辆执行器失效时，电机的控制增益将会降低，此时二次规划问题中的海森矩阵H也会随之发生变化，对执行器的控制信号重新分配，从而起到了容错控制功能。本发明中二次规划问题采用有效集求解方式。

本四轮独立驱动电动汽车容错控制发明适用于如下故障情况,.考虑如下公式：

当S_i＝0(i＝fl,fr,rl,rr)时，表示第i个电机失效，S_i＝1表示第i个电机正常工作，考虑如下公式：

θ＝(S_fl||S_fr)&&(S_rl||S_rr) (26)

当θ＝0时，本容错算法将不再适用。

步骤5：滑移率控制器设计如下：

考虑车轮的转动力学模型：

其中，J_w是车轮的转动惯量，ω_i是车轮旋转角速度，T_i是车轮的驱动力矩，R是车轮的有效半径，F_xi是车轮的纵向力；

车轮滑移率λ计算公式为：

在容错状态下轮毂电机失效后轮毂电机对故障侧力矩进行补偿，力矩会增大，此时认为车轮进入加速状态，对加速状态下的滑移率进行求导：

将车轮的转动模型代入：

选取滑模面为：

s_i＝λ_i-λ_i,d (31)

其中λ_i,d是车辆理想的滑移率，区间为[-0.18,0.18],选取步骤3中自适应滑移率，可以得到最终的力矩输出为：

同理，减速状态下，力矩输出为：

上述说明是对于本发明实施方式的说明，并非用于限制本发明的保护防伪，凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于扰动观测的四轮独立驱动电动汽车鲁棒自适应容错控制方法，其特征在于，包括如下步骤：

步骤1，将故障因子以及外部不确定扰动引入车辆动力学模型中，根据故障因子取值，将车辆执行器设计为无故障，部分失效，完全故障以及故障下扰动的情况，建立扰动观测器对含有不确定扰动项进行观测，并将观测值引入车辆模型中；

步骤2，测量车辆实际横摆角速度γ，同时根据车辆侧向加速度模型结合车辆二自由度模型构造状态观测器，估计出车辆的实际质心侧偏角β；

步骤3，将车辆模型得到的理想值与获得的实际值的偏差输入上层控制器中，利用自适应滑模控制算法计算出维持车辆稳定所需要的横摆力矩M_z；

步骤4，结合故障因子与扰动信息设计力矩分配层，根据上层控制器得到的横摆力矩M_z和车辆的纵向力F_x采用优化控制算法对四轮的电机进行优化分配；

步骤5，设计车轮滑移率控制器，采用自适应滑模控制将力矩分配层给出的力矩限制在合理的范围；

步骤1的具体过程设计如下：

考虑车辆执行器的控制增益为

i分别表示四个电机，i＝fl,fr,rl,rr，分别表示左前轮，右前轮，左后轮，右后轮，ρ_i表示四个执行器故障因子，0≤ρ≤1，分别表示电机的失效程度，当第i个电机完全失效时ρ_i＝1，k_si表示第i个执行器的不确定扰动，k_i表示四个电机的控制增益，

表示执行器综合控制增益，u_i表示电机控制信号，σ取值为0或1，T_i为电机力矩；

建立扰动观测器对含有不确定扰动项进行观测，需要将车辆动力学模型写为：

其中，

的含义为横摆角速度的导数，

的含义为纵向加速度；V_x和γ分别表示车辆纵向速度以及横摆角速度，m表示车辆的总质量，F_x表示车辆的纵向力，M_z表示车辆的横摆力矩，ΔM_z表示横摆扰动，ΔF_x表示纵向扰动，l_f和l_r分别表示车辆质心到前后车轴的距离，C_f和C_r分别表示前后车轮的侧偏刚度，I_z分别表示车辆的转动惯量，δ_f和β分别表示车辆的前轮转角以及质心侧偏角；

将上述车辆动力学模型改写成如下形式：

其中

采用一类扰动观测器对ΔM_z和ΔF_x进行观测

其中L₁,L₂是观测器增益，z₁,z₂是中间变量；

的含义分别为观测器的内部状态；

重新建立车辆模型：

R是车轮半径，

表示执行器综合控制增益，u_i表示电机控制信号，i＝fl,fr,rl,rr，分别表示左前轮，右前轮，左后轮，右后轮，d的含义为车辆前后轮轮距；令B_eq等于

则将观测值引入车辆模型表示如下：

步骤3中，利用自适应滑模控制算法计算出维持车辆稳定所需要的横摆力矩M_z步骤如下：

将横摆角速度以及质心侧偏角的跟随偏差作为控制量，以此来设计系统滑模面：

其中,γ_d表示理想横摆角速度，γ表示横摆角速度，β_d表示理想质心侧偏角，

是质心侧偏角观测值，ξ是权重系数，代表质心侧偏角偏差在总偏差中占的比重；

选取如下变指数趋近律：

其中，ε>0,0<σ<1,0<α<1,λ>0,ω>0,δ>0均表示滑模控制参数,ξ>0是权重系数，x是系统状态变量的一阶范数，sat(s/Δ)是饱和函数，Δ是边界厚度，sgn(s/Δ)的含义为阶跃函数；

根据步骤1中车辆横摆角速度状态方程，系统的控制律表达成如下形式：

其中，

的含义为理想横摆角速度的导数，ζ的含义为控制增益，

的含义为质心侧偏角观测值的导数，

的含义为车辆质心侧偏角的导数；

步骤5中，车轮滑移率控制器设计如下：

考虑车轮的转动力学模型：

其中，J_w是车轮的转动惯量，ω_i是车轮旋转角速度，T_i是电机力矩，R是车轮半径，F_xi是车轮的纵向力；

车轮滑移率λ计算公式为：

选取滑模面为：

s_i＝λ_i-λ_i,d

其中λ_i,d是车辆理想的滑移率，λ_i>0,区间为[-0.18,0.18],选取步骤3中自适应滑移率，可以得到加速状态下最终的力矩输出为：

Δ是边界厚度；同理，减速状态下，力矩输出为：

2.根据权利要求1所述的基于扰动观测的四轮独立驱动电动汽车鲁棒自适应容错控制方法，其特征在于，步骤2中，车辆横向加速度模型为：

采用传统滑模算法设计车辆质心侧偏角观测器，将车辆实际横摆角速度γ和车辆横向加速度a_y作为观测器的反馈量，

是横向加速度的估计值，以

和

作为反馈量对模型误差进行补偿，车辆横向加速度定义如下：

当车辆速度V_x恒定时，车辆二自由度模型可以表示成如下形式：

其中Y＝a_y,u＝δ_f

基于上述模型，采用质心侧偏角观测器估计出车辆的实际质心侧偏角：

其中q_i(i＝1,2,3,4)是滑模观测器的控制增益，

以及

是偏差，c₁₃均为观测器控制增益。

3.根据权利要求1所述的基于扰动观测的四轮独立驱动电动汽车鲁棒自适应容错控制方法，其特征在于，步骤4中，根据上层控制器得到的M_z和F_x采用优化控制算法对四轮的电机进行优化分配设计如下：

步骤4中需要使车轮的力矩输出满足上层控制器计算出的虚拟控制量：

以轮胎利用率最小为控制目标来建立优化函数，定义轮胎利用率η_i如下：

其中F_xi是车轮的纵向力，F_zi是车辆的垂直载荷,μ是车胎与路面的摩擦系数，R是车轮半径，建立目标函数：

根据上层控制器得到的M_z和F_x采用优化控制算法对四轮的电机进行优化分配：

其中v＝[F_x M_z]^T,u和

分别表示电机控制信号的上下限，c₁表示权重系数，以下将优化分配函数转换成标准二次规划化形式：

s.t.0≤X≤X_max

X_max表示最大输出信号，X表示当前输出信号，展开J₁,J₂得到：

其中a_p＝-[B_equ-v]，并采用二次规划有效集解法求解优化控制算法。

Images