CN110615032B - 一种基于信息物理系统的主动前轮转向参数优化方法 - Google Patents
一种基于信息物理系统的主动前轮转向参数优化方法 Download PDFInfo
- Publication number
- CN110615032B CN110615032B CN201910869755.8A CN201910869755A CN110615032B CN 110615032 B CN110615032 B CN 110615032B CN 201910869755 A CN201910869755 A CN 201910869755A CN 110615032 B CN110615032 B CN 110615032B
- Authority
- CN
- China
- Prior art keywords
- steering
- model
- front wheel
- active front
- optimization
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 230000002068 genetic effect Effects 0.000 claims abstract description 13
- 230000035945 sensitivity Effects 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013139 quantization Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 230000008878 coupling Effects 0.000 abstract description 10
- 238000010168 coupling process Methods 0.000 abstract description 10
- 238000005859 coupling reaction Methods 0.000 abstract description 10
- 238000013016 damping Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/025—Active steering aids, e.g. helping the driver by actively influencing the steering system after environment evaluation
-
- 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
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明公开了一种基于信息物理系统的主动前轮转向参数优化方法,包括步骤:建立主动前轮转向系统模型、整车二自由度模型和轮胎模型;结合上述模型,以转向灵敏度,转向路感为目标函数,建立上述各模型的优化模型;选取合适的结构参数与控制参数作为设计变量,设置约束条件;采用改进多目标遗传算法NSGA‑II对主动前轮转向系统进行仿真优化。本发明的方法充分考虑转向系统物理结构与控制器之间的耦合关系,对结构参数和控制参数进行协同优化,以进一步提高主动转向系统的综合性能。
Description
技术领域
本发明属于汽车转向系统技术领域,尤其涉及一种基于信息物理系统的主动前轮转向参数优化方法。
背景技术
在汽车系统中,转向系统是汽车的关键部件之一,它不仅保证汽车能按驾驶员的意志进行转向行驶,还与汽车操纵稳定性密切相关。主动转向系统,不仅可以实现转向助力,而且能够在驾驶员输入的基础上对转向系统施加主动附加转角,从而实现变传动比和转向干预稳定性控制等功能。
为了获得更好的转向性能,通常会对转向系统的结构参数或控制参数进行优化。传统的优化方法通常将两个部分作为独立系统进行处理,忽略了两者的耦合关系。但由于汽车转向系统是一个复杂的耦合系统,汽车结构与控制器互相影响,如果忽略了两者的耦合关系,即使结构参数或控制器设计地足够好,汽车的性能也会受到限制,无法发挥系统的最大潜力。而采用集成优化方法进行优化则可以很好的解决这一问题。信息物理系统(Cyber Physic System,简称CPS)是最近新兴的概念,其为一个分散式网络系统,将物理世界和信息世界连接起来,具有多学科设计优化特征。作为一个复杂的CPS系统,主动转向系统包含两个子系统,即物理结构和控制器。采用CPS方法对主动转向系统进行优化,充分考虑两者之间的耦合关系,能够很好的改善主动转向系统的整体性能。
目前,针对主动前轮转向系统的研究主要集中于控制方面,例如中国发明专利申请号201910128292.X,专利名称为“一种控制参数可自动调节的电动车主动前轮转向控制方法”提出了一种控制参数可自动调节的电动车主动前轮转向控制方法,可根据环境自动调节转向控制器的控制参数,提高主动前轮转向系统的精度,降低交通事故的发生;中国发明专利申请号201610824993.3,专利名称为“一种用于线控转向汽车主动前轮转向控制系统的控制方法”将遗传算法优化后的自适应神经模糊推理模型应用于主动转向控制器,提高了汽车转向时的稳定性,保证驾驶员的安全性;中国发明专利申请号为201710758041.0,专利名称为“一种基于可拓控制理论的智能车辆主动转向控制方法”利用可拓控制理论,将矛盾问题转化为相容问题,扩大了控制范围,保证车辆主动转向时的快速响应和平稳转向。
由此可见,针对主动转向系统的研究主要集中在车辆稳定性控制以及控制器的设计方面,针对主动转向系统的优化的研究相对较少,并且在优化过程中若不考虑结构参数与控制参数的耦合,系统的性能无法达到最优,因此有必要考虑转向系统结构参数与控制参数的耦合关系,对转向系统进行协同优化,使转向系统整体性能达到最优。
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基于信息物理系统的主动前轮转向参数优化方法,以解决现有技术中未考虑结构参数与控制参数的耦合关系,汽车转向系统整体性能无法达到最优的问题;本发明的方法充分考虑转向系统物理结构与控制器之间的耦合关系,对结构参数和控制参数进行协同优化,以进一步提高主动转向系统的综合性能。
为达到上述目的,本发明采用的技术方案如下:
本发明的一种基于信息物理系统的主动前轮转向参数优化方法,包括以下步骤:
步骤1):建立主动前轮转向系统模型、整车二自由度模型和轮胎模型;
步骤2):结合上述模型,以转向灵敏度,转向路感为目标函数,建立上述各模型的优化模型;
步骤3):选取合适的结构参数与控制参数作为设计变量,设置约束条件;
步骤4):采用改进多目标遗传算法NSGA-II对主动前轮转向系统进行仿真优化。
优选地,所述步骤1)具体包括:
11)建立主动前轮转向系统模型、整车二自由度模型和轮胎模型,具体包括:
所述主动前轮转向系统模型包括:转向盘与转向轴模型、双行星齿轮系模型、转向电机模型及齿轮齿条模型,具体包括:
所述转向盘与转向轴模型为:
Ts=Kc(θsw-θs1)
式中,Jc为转向盘的转动惯量;Kc为转矩传感器扭杆刚度系数;Bc为转向盘的阻尼系数;θsw为转向盘转角;θs1为输入太阳轮转角;Td为驾驶员输入转矩;Ts为转矩传感器输出转矩;fc为转向盘与转向轴的库仑摩擦力常数;
所述双行星齿轮系模型为:
式中,α为行星齿轮齿圈与太阳轮的齿数比;ωs1为输入太阳轮的角速度;ωs2为输出太阳轮的角速度;ωr2为下排行星齿轮齿圈的角速度;Ts1为输入太阳轮的力矩;Ts2为输出太阳轮的力矩;
所述转向电机模型为:
式中,Tam为转向电机电磁转矩;Jam为转向电机的转动惯量;Bam为转向电机阻尼系数;TL为转向电机负载转矩;fam为转向电机转子处库仑摩擦力常数;θam为转向电机转角;Gam为转向电机减速机构减速比;Tr2为下排行星齿轮齿圈的力矩;
所述齿轮齿条模型为:
式中,Mr为齿条质量;Br为齿条阻尼系数;θs2为输出太阳轮转角;xr为齿条位移;rp为小齿轮半径;fr为齿条库仑摩擦力常数;TR为等效到转向柱上的轮胎回正力矩,dr为等效到转向柱上的路面随机干扰力矩;fp为转向柱上的库仑摩擦力常数;Ta为助力电机负载转矩;
所述整车二自由度模型为:
式中,m为整车质量,V为车速,Iz为汽车绕Z轴的转动惯量,a为前轴到汽车质心的距离,b为后轴到汽车质心的距离,Cf为前轮侧偏刚度系数,Cr为后轮侧偏刚度系数,β为汽车质心侧偏角,r为横摆角速度,δf为前轮转角;
所述轮胎模型为魔术公式经验模型:
y(x)=Dsin{C arctan[Bx-E(Bx-arctan(Bx))]}
式中,y(x)为侧偏力、回正力矩;x为轮胎侧偏角或滑移率;D为峰值因子;C为曲线形状因子;B为刚度因子;E为曲线曲率因子;
12)初始化各模型参数。
优选地,所述步骤2)具体包括:
21)以转向灵敏度,转向路感为目标函数,具体包括:
转向灵敏度具体量化公式:
式中,b0=CfCr(a+b)V,b1=CfamV2,a0=CfCr(a+b)2+(Crb-Cfa)mV2,
a1=[Cf(Iz+a2m)+Cr(Iz+b2m)]V,a2=IzmV2;
转向路感具体量化公式:
式中,TR为轮胎回正力矩,Ts为转矩传感器输出力矩,d为轮胎拖距,α为行星齿轮齿圈与太阳轮的齿数比,αf为前轮侧偏角,G为齿轮齿条转向器传动比,Gam为转向电机减速机构减速比,TL为转向电机负载转矩;
系统的目标函数为:
f(x)=f(x1)-f(x2)
式中,f(x1)为转向灵敏度,f(x2)为转向路感;
22)分析主动前轮转向系统主要结构参数与控制参数对转向灵敏度、转向路感的影响;
23)根据步骤22)的分析结果,选择影响较大的结构参数和控制参数,将两者同时作为设计变量以构成信息物理系统,所选参数具体包括:转矩传感器刚度系数KC,行星齿轮齿圈和太阳轮齿数比α,控制参数KP和KI;
24)以侧向加速度为约束条件,建立优化模型。
优选地,所述步骤3)具体包括:
31)将计算所得的目标函数值输出;
32)建立步骤23)中所选择的设计变量,以计算所得的目标函数值为输入。
优选地,所述步骤4)具体包括:
41)设置设计变量取值范围;
42)设置约束条件取值范围,具体包括:
43)采用改进多目标遗传算法NSGA-II对主动前轮转向系统进行协同优化。
优选地,所述步骤43)中的改进多目标遗传算法NSGA-II,具体步骤如下:
431)随机生成规模为N的初始父代种群Pt(Kc,α,KP,KI),设置代数Gen=1,根据设计变量初始值对种群进行初始化;
432)对父代种群Pt进行非支配排序和拥挤度计算,得到非支配层级低的非支配集Z以及非支配层级高的非支配集Z’;
433)分别将非支配集Z和非支配集Z’进行选择交叉变异,并将子代合并产生子代种群Qt;
434)将种群Pt和种群Qt合并,进行非支配排序和拥挤度计算,产生下一代种群Pt+1;
435)判断Gen是否等于设置的最大代数,若等于,则算法结束退出优化,生成Pareto最优解集;否则Gen=Gen+1,执行步骤432)。
本发明的有益效果:
本发明考虑了主动前轮转向系统物理结构与控制器之间的耦合关系,将结构参数与控制参数同时作为设计变量,采用改进的多目标遗传算法NSGA-II对转向系统进行协同优化,使系统整体性能达到最优。
本发明对多目标遗传算法NSGA-II进行改进,父代种群通过进行非支配排序和拥挤度计算,得到较优的子代种群,提高了算法的收敛速度。
附图说明
图1为主动前轮转向系统结构图;
图2为本发明基于信息物理系统的主动前轮转向参数优化方法流程图;
图3为改进的多目标遗传算法NSGA-II流程图。
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。
参照图1所示,本发明的一种基于信息物理系统的主动前轮转向参数优化方法,其中,主动前轮转向系统包括:转向盘与转向轴、双行星齿轮系、转向电机、助力电机及齿轮齿条机构。转向盘通过转向轴和双行星齿轮系与齿轮齿条机构连接;转向电机通过双行星齿轮系下排行星齿轮齿圈给系统提供附加转角;助力电机通过在转向轴上施加力矩实现转向助力功能。
上述各部件的数学模型分别为:
转向盘与转向轴模型为:
Ts=Kc(θsw-θs1)
式中,Jc为转向盘的转动惯量;Kc为转矩传感器扭杆刚度系数;Bc为转向盘的阻尼系数;θsw为转向盘转角;θs1为输入太阳轮转角;Td为驾驶员输入转矩;Ts为转矩传感器输出转矩;fc为转向盘与转向轴的库仑摩擦力常数;
双行星齿轮系模型为:
式中,α为行星齿轮齿圈与太阳轮的齿数比;ωs1为输入太阳轮的角速度;ωs2为输出太阳轮的角速度;ωr2为下排行星齿轮齿圈的角速度;Ts1为输入太阳轮的力矩;Ts2为输出太阳轮的力矩;
转向电机模型为:
式中,Tam为转向电机电磁转矩;Jam为转向电机的转动惯量;Bam为转向电机阻尼系数;TL为转向电机负载转矩;fam为转向电机转子处库仑摩擦力常数;θam为转向电机转角;Gam为转向电机减速机构减速比;Tr2为下排行星齿轮齿圈的力矩;
所述齿轮齿条模型为:
式中,Mr为齿条质量;Br为齿条阻尼系数;θs2为输出太阳轮转角;xr为齿条位移;rp为小齿轮半径;fr为齿条库仑摩擦力常数;TR为等效到转向柱上的轮胎回正力矩,dr为等效到转向柱上的路面随机干扰力矩;fp为转向柱上的库仑摩擦力常数;Ta为助力电机负载转矩。
本发明的方法具体包括步骤如下:
步骤1:在Matlab/Simulink中建立主动前轮转向系统模型、整车二自由度模型和轮胎模型;
所述整车二自由度模型为:
式中,m为整车质量,V为车速,Iz为汽车绕Z轴的转动惯量,a为前轴到汽车质心的距离,b为后轴到汽车质心的距离,Cf为前轮侧偏刚度系数,Cr为后轮侧偏刚度系数,β为汽车质心侧偏角,r为横摆角速度,δf为前轮转角;
所述轮胎模型为魔术公式经验模型:
y(x)=Dsin{Carctan[Bx-E(Bx-arctan(Bx))]}
式中,y(x)为侧偏力、回正力矩;x为轮胎侧偏角或滑移率;D为峰值因子;C为曲线形状因子;B为刚度因子;E为曲线曲率因子;
初始化模型参数,将仿真结果导入Matlab工作空间。
步骤2:分析主动前轮转向系统主要结构参数与控制参数对转向灵敏度、转向路感的影响;
根据上述分析结果,选择影响较大的结构参数和控制参数,将两者同时作为设计变量以构成信息物理系统,所选参数具体包括:转矩传感器刚度系数KC,行星齿轮齿圈和太阳轮齿数比α,控制参数KP和KI;
步骤3:将Matlab计算所得的目标函数值输出到ISIGHT软件中;
在ISIGHT软件中建立步骤23)中所选择的设计变量输出到Matlab中,以Matlab计算所得的目标函数值为输入。
步骤4:设置设计变量取值范围;
设置约束条件取值范围,具体包括:
采用改进多目标遗传算法NSGA-II对主动前轮转向系统进行协同优化。
其中所述步骤4中的改进多目标遗传算法NSGA-II,具体步骤如下:
41、随机生成规模为N的初始父代种群Pt(Kc,α,KP,KI),设置代数Gen=1,根据设计变量初始值对种群进行初始化;
42、对父代种群Pt进行非支配排序和拥挤度计算,得到非支配层级低的非支配集Z以及非支配层级高的非支配集Z’;
43、分别将非支配集Z和非支配集Z’进行选择交叉变异,并将子代合并产生子代种群Qt;
44、将种群Pt和种群Qt合并,进行非支配排序和拥挤度计算,产生下一代种群Pt+1;
45、判断Gen是否等于设置的最大代数,若等于,则算法结束退出优化,生成Pareto最优解集;否则Gen=Gen+1,执行步骤42。
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 (5)
1.一种基于信息物理系统的主动前轮转向参数优化方法,其特征在于,包括以下步骤:
步骤1):建立主动前轮转向系统模型、整车二自由度模型和轮胎模型;
步骤2):结合上述模型,以转向灵敏度,转向路感为目标函数,建立上述各模型的优化模型;
步骤3):选取合适的结构参数与控制参数作为设计变量,设置约束条件;
步骤4):采用改进多目标遗传算法NSGA-II对主动前轮转向系统进行仿真优化;
所述步骤2)具体包括:
21)以转向灵敏度,转向路感为目标函数,具体包括:
转向灵敏度具体量化公式:
式中,b0=CfCr(a+b)V,b1=CfamV2,a0=CfCr(a+b)2+(Crb-Cfa)mV2,a1=[Cf(Iz+a2m)+Cr(Iz+b2m)]V,a2=IzmV2;m为整车质量,V为车速,Iz为汽车绕Z轴的转动惯量,a为前轴到汽车质心的距离,b为后轴到汽车质心的距离,Cf为前轮侧偏刚度系数,Cr为后轮侧偏刚度系数;
转向路感具体量化公式:
式中,TR为轮胎回正力矩,Ts为转矩传感器输出力矩,d为轮胎拖距,α为行星齿轮齿圈与太阳轮的齿数比,αf为前轮侧偏角,G为齿轮齿条转向器传动比,Gam为转向电机减速机构减速比,TL为转向电机负载转矩;
系统的目标函数为:
f(x)=f(x1)-f(x2)
式中,f(x1)为转向灵敏度,f(x2)为转向路感;
22)分析主动前轮转向系统主要结构参数与控制参数对转向灵敏度、转向路感的影响;
23)根据步骤22)的分析结果,选择影响大的结构参数和控制参数,将两者同时作为设计变量以构成信息物理系统,所选参数具体包括:转矩传感器刚度系数KC,行星齿轮齿圈和太阳轮齿数比α,控制参数KP和KI;
24)以侧向加速度为约束条件,建立优化模型。
2.根据权利要求1所述的基于信息物理系统的主动前轮转向参数优化方法,其特征在于,所述步骤1)具体包括:
11)建立主动前轮转向系统模型、整车二自由度模型和轮胎模型;
所述主动前轮转向系统模型包括:转向盘与转向轴模型、双行星齿轮系模型、转向电机模型、助力电机模型及齿轮齿条模型;
所述整车二自由度模型为:
式中,β为汽车质心侧偏角,r为横摆角速度,δf为前轮转角;
所述轮胎模型为魔术公式经验模型:
y(x)=Dsin{Carctan[Bx-E(Bx-arctan(Bx))]}
式中,y(x)为侧偏力、回正力矩;x为轮胎侧偏角或滑移率;D为峰值因子;C为曲线形状因子;B为刚度因子;E为曲线曲率因子;
12)初始化各模型参数。
3.根据权利要求1所述的基于信息物理系统的主动前轮转向参数优化方法,其特征在于,所述步骤3)具体包括:
31)将计算所得的目标函数值输出;
32)建立步骤23)中所选择的设计变量,以计算所得的目标函数值为输入。
5.根据权利要求4所述的基于信息物理系统的主动前轮转向参数优化方法,其特征在于,所述步骤43)中的改进多目标遗传算法NSGA-II,具体步骤如下:
431)随机生成规模为N的初始父代种群Pt(Kc,α,KP,KI),设置代数Gen=1,根据设计变量初始值对种群进行初始化;
432)对父代种群Pt进行非支配排序和拥挤度计算,得到非支配层级低的非支配集Z以及非支配层级高的非支配集Z’;
433)分别将非支配集Z和非支配集Z’进行选择交叉变异,并将子代合并产生子代种群Qt;
434)将种群Pt和种群Qt合并,进行非支配排序和拥挤度计算,产生下一代种群Pt+1;
435)判断Gen是否等于设置的最大代数,若等于,则算法结束退出优化,生成Pareto最优解集;否则Gen=Gen+1,执行步骤432)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910869755.8A CN110615032B (zh) | 2019-09-16 | 2019-09-16 | 一种基于信息物理系统的主动前轮转向参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910869755.8A CN110615032B (zh) | 2019-09-16 | 2019-09-16 | 一种基于信息物理系统的主动前轮转向参数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110615032A CN110615032A (zh) | 2019-12-27 |
CN110615032B true CN110615032B (zh) | 2021-10-01 |
Family
ID=68922949
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910869755.8A Active CN110615032B (zh) | 2019-09-16 | 2019-09-16 | 一种基于信息物理系统的主动前轮转向参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110615032B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104155931B (zh) * | 2014-07-04 | 2015-11-18 | 广东工业大学 | 基于nsga-ii的轮胎模具加工及装配集成优化方法 |
CN105137758B (zh) * | 2015-09-06 | 2017-12-26 | 上海理工大学 | 电动助力转向系统的多学科优化设计方法 |
CN105279309B (zh) * | 2015-09-16 | 2018-11-09 | 南京航空航天大学 | 基于回正力矩估计的主动转向理想方向盘转矩设计方法 |
JP6790807B2 (ja) * | 2016-12-26 | 2020-11-25 | トヨタ自動車株式会社 | 車両走行制御装置及び自動運転制御方法 |
CN107600173B (zh) * | 2017-09-20 | 2024-03-19 | 南京航空航天大学 | 一种汽车液压变传动比转向系统及其多目标优化方法 |
CN109969255B (zh) * | 2018-12-28 | 2023-06-23 | 南京航空航天大学 | 一种基于磁流变液的循环球式电液转向系统及其优化方法 |
-
2019
- 2019-09-16 CN CN201910869755.8A patent/CN110615032B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110615032A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109849899B (zh) | 一种电动轮汽车电液复合车身稳定控制系统及方法 | |
CN111152834B (zh) | 一种基于阿克曼转向修正的电动汽车电子差速控制方法 | |
CN103057436B (zh) | 一种基于多智能体的独立驱动电动汽车横摆力矩控制方法 | |
CN107215329B (zh) | 一种基于atsm的分布式驱动电动汽车横向稳定性控制方法 | |
Chen et al. | Comprehensive chassis control strategy of FWIC‐EV based on sliding mode control | |
CN109291932A (zh) | 基于反馈的电动汽车横摆稳定性实时控制装置及方法 | |
JP7471517B2 (ja) | 電気自動車の四駆トルク配分方法、システム及び車両 | |
Chu et al. | Coordinated control of electronic stability program and active front steering | |
CN113733929B (zh) | 轮毂电机驱动车辆的车轮转矩协调控制方法及装置 | |
Silva et al. | Parameter influence analysis in an optimized fuzzy stability control for a four-wheel independent-drive electric vehicle | |
Amdouni et al. | Optimal control approach developed to four-wheel active steering vehicles | |
Li et al. | Optimal model following control of four-wheel active steering vehicle | |
CN106672072A (zh) | 一种用于线控转向汽车主动前轮转向控制系统的控制方法 | |
CN110615032B (zh) | 一种基于信息物理系统的主动前轮转向参数优化方法 | |
Zhang et al. | A fuzzy control strategy and optimization for four wheel steering system | |
CN108275200A (zh) | 一种电动轮驱动汽车复合节能助力转向装置及其控制方法 | |
CN115723590A (zh) | 一种轮毂电机驱动汽车的节能转矩矢量控制方法 | |
CN113044047B (zh) | 一种基于类pid-stsm的afs/dyc集成控制方法 | |
CN114519233B (zh) | Echbps转向系统中电机助力曲线的自动标定方法 | |
Szosland | Fuzzy logic approach to four-wheel steering of motor vehicle | |
CN114684109A (zh) | 一种电动汽车横摆稳定性控制方法及装置 | |
Sun et al. | Research on the application of CarSim in vehicle simulation and development | |
CN110154788A (zh) | 分布式驱动车辆无转向轮侧方位出车的一种控制方法 | |
Cui et al. | Active Front Steering Controller for Distributed Drive Electric Vehicles based on Sliding Mode Control | |
Li et al. | Hierarchical Control for Distributed Drive Electric Vehicles Considering Handling Stability and Energy Efficiency |
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 |