CN110641290B - 基于模型预测算法的四轮独立电驱动车辆速度控制方法 - Google Patents

Abstract

本发明公开了一种基于模型预测算法的四轮独立电驱动车辆速度控制方法，四轮独立电驱动车辆速度由控制器控制，整体控制器分为上层控制器和下层控制器，首先在上层控制器中设计预测模型、目标控制函数，同时为了减少车辆在加速和减速切换过程中出现震荡，造成乘坐不舒适，设计约束控制律和加速度输出控制律；在下层控制器中根据上层控制器求解出的期望加速度，运用牛顿第二定律求解出期望的扭矩力输入给四轮独立电驱动汽车的驱动控制系统，进而实现控制车辆的实际速度。

Description

基于模型预测算法的四轮独立电驱动车辆速度控制方法

技术领域

本发明涉及四轮独立电驱动车辆速度控制方法技术领域，尤其涉及一种基于模型预测算法的四轮独立电驱动车辆速度控制方法。

背景技术

近年来，四轮独立电动汽车由于其具有对环境污染少，独立传动效率更高，没有传统的机械传动部件，控制更加灵活，更受大众喜爱。其中对于车辆速度控制方法研究取得了一定的研究成果，但目前对于四轮独立电驱动车辆的速度控制依然存在速度控制不平稳，车辆乘坐舒适性差的问题。

发明内容

本发明的目的在于提供一种基于模型预测算法的四轮独立电驱动车辆速度控制方法，旨在解决目前对于四轮独立电驱动车辆的速度控制依然存在速度控制不平稳，车辆乘坐舒适性差的问题。

为实现上述目的，本发明提供了一种基于模型预测算法的四轮独立电驱动车辆速度控制方法，包括：

基于第一函数组建立速度和加速度一阶惯性模型，并转换成状态空间方程；状态空间方程，包括：

x＝[v a]^T,u＝a_des；

其中，x∈R²是系统状态量，u∈R是系统的输出控制量；

基于前向欧拉法进行离散化处理，得到基于第二函数组组建的预测模型；

基于模型预测算法，建立对应的目标控制函数，约束控制律，加速度输出控制律；目标控制函数，包括：

其中，y_p(k+i|k)和y_ref(k+i|k)分别为在当前预测时域内的实际测量输出和期望输出，H_P为预测时域，H_C为控制时域，Δu(k+i)和u(k+i)分别为随着预测时域H_P变化的控制量增长变量和控制量，Q为控制系统速度跟踪误差权重；R为控制增长量的权重，S为控制量输出的权重；

约束控制律，包括：

Δu_min,acc≤Δu_acc(k+i)≤Δu_max,acc；

Δu_min,dec≤Δu_dec(k+i)≤Δu_max,dec；

u_min≤u(k+i)≤u_max；

其中，Δu_min,acc和Δu_max,acc分别是加速模式下加速度增量的最小值和最大值，Δu_min,dec和Δ_max,dec分别是减速模式下加速度增量的最小值和最大值，Δu_acc(k+i)为加速模式下的加速度增量，Δu_dec(k+i)为减速模式下的加速度增量，u_min和u_max分别为随着预测时域H_P变化的控制量的最小值和最大值；

加速度输出控制律，包括：

a_P＝Δu/n；

其中，t为当前系统运行的时间，t₀为模型预测控制当前总的采样时间，T_S为系统的采样周期，a_P为加速度增量在周期T内的加速度增量平均值，Δu为预测控制器求解的期望加速度增量，

为在预测模型采样周期T内，随着j＝1,…,n变化的期望加速度，a_des(k-1)为k时刻中上一时刻求解的期望加速度；

基于所述预测模型、所述目标控制函数、所述约束控制律和所述加速度输出控制律得到期望加速度a_des；

基于期望加速度a_des和牛顿第二定律得到期望输入扭矩力，输入给电机驱动器。

在一实施方式中，第一函数组，包括：

其中，a是车辆的加速度，v是车辆的质心速度，ε＝1.0是系统的增益，τ＝0.3是时间常数，a_des为期望加速度。

在一实施方式中，第二函数组，包括：

x(k+1)＝Ax(k)+Bu(k)；

x＝[v a]^T,u＝a_des；

其中，T为预测模型的采样值。

在一实施方式中，所述方法还包括：

约束控制律中加速和减速模式下的切换是基于上一时刻期望速度的正负决定的，具体为：

Δu_min≤Δu(k+i)≤Δu_max；

其中，a_des(k-1)为上一时刻求解的期望加速度，Δu_max和Δu_min分别为加速度增量的最大值和最小值。

在一实施方式中，基于牛顿第二定律得到期望输入扭矩力F，包括：F＝ma_des；

其中，m为车身质量。

本发明的一种基于模型预测算法的四轮独立电驱动车辆速度控制方法，通过四轮独立电驱动车辆速度由控制器控制，整体控制器分为上层控制器和下层控制器，首先在上层控制器中设计预测模型、目标控制函数，同时为了减少车辆在加速和减速切换过程中出现震荡，造成乘坐不舒适，设计约束控制律和加速度输出控制律；在下层控制器中根据上层控制器求解出的期望加速度，运用牛顿第二定律求解出期望的扭矩力输入给四轮独立电驱动汽车的驱动控制系统，进而实现控制车辆的实际速度。模型预测算法具有自适应性、对外界干扰有良好的鲁棒性，能够有效提高车辆速度控制的稳定性、精确性，提高乘坐的舒适性。

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，下面将对实施例或现有技术描述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的前提下，还可以根据这些附图获得其他的附图。

图1是本发明基于模型预测算法的四轮独立电驱动车辆速度控制方法的流程示意图；

图2是加入加速度输出控制律和未加入加速度输出控制律速度对比图；

图3是加入加速度输出控制律和未加入加速度输出控制律加速度对比图；

图4是不同级别车辆速度对比图；

图5是不同级别车辆加速度对比图；

图6是不同控制算法车辆速度控制对比图；

图7是不同控制算法车辆实际加速度对比图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

请参阅图1，是本发明提供一种基于模型预测算法的四轮独立电驱动车辆速度控制方法的流程示意图，具体可以包括以下步骤：

S101、基于第一函数组建立速度和加速度一阶惯性模型，并转换成状态空间方程。

在本发明实施例中，四轮独立电驱动车辆速度由控制器控制，整体控制器分为上层控制器和下层控制器。分析车辆纵向速度控制特点，基于第一函数组建立速度和加速度一阶惯性模型，并转换成状态空间方程，第一函数组，包括：

其中，a是车辆的加速度，v是车辆的质心速度，ε＝1.0是系统的增益，τ＝0.3是时间常数，a_des为期望加速度。

状态空间方程，包括：

x＝[v a]^T,u＝a_des；

其中，x∈R²是系统状态量，u∈R是系统的输出控制量。

S102、基于前向欧拉法进行离散化处理，得到基于第二函数组组建的预测模型。

在本发明实施例中，欧拉法是一种一阶数值方法，用以对给定初值的常微分方程(即初值问题)求解。它是一种解决数值常微分方程的最基本的一类显型方法。第二函数组，包括：

x(k+1)＝Ax(k)+Bu(k)；

x＝[v a]^T,u＝a_des；

其中，T为预测模型的采样值。

S103、基于模型预测算法，建立对应的目标控制函数；设计约束控制律；设计加速度输出控制律。

在本发明实施例中，模型预测算法是一类特殊的控制方法，它的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控制作用。这是它与那些使用预先计算控制律的算法的最大不同。本质上模型预测控制求解一个开环最优控制问题。它的思想与具体的模型无关，但是实际则与模型有关。考虑到速度跟踪过程存在较大的外部干扰，比如路面凹凸不平，上下坡路面等都会对控制器造成一定的影响，考虑模型预测控制算法对参数的不确定性具有较强的鲁棒性，对外部干扰也具有很好的自适应性，因此，将x∈R²作为系统状态量，期望加速度度a_des作为控制输入。为了能够精确的、稳定的跟踪期望的速度，建立对应的目标控制函数，包括：

其中，y_p(k+i|k)和y_ref(k+i|k)分别为在当前预测时域内的实际测量输出和期望输出，由于实际测量只能测量当前时间点，无法测量未来的实际点，因此，未来的实际点的输出采用误差递推方法进行估计，以确保速度跟踪的准确性，H_P为预测时域，H_C为控制时域，Δu(k+i)和u(k+i)分别为随着预测时域H_P变化的控制量增长变量和控制量，Q为控制系统速度跟踪误差权重，其作用是保证速度跟踪的精度；R为控制增长量的权重，其作用是保证控制量变化平滑，S为控制量输出的权重，其作用是保证控制量不超过最大的执行器作用范围。

约束控制律，包括：

Δu_min,acc≤Δu_acc(k+i)≤Δu_max,acc；

Δu_min,dec≤Δu_dec(k+i)≤Δu_max,dec；

u_min≤u(k+i)≤u_max；

其中，Δu_min,acc和Δu_max,acc分别是加速模式下加速度增量的最小值和最大值，其作用是，能够保证控制的稳定性，Δu_min,dec和Δ_max,dec分别是减速模式下加速度增量的最小值和最大值。

约束控制律中加速和减速模式下的切换是基于上一时刻期望速度的正负决定的，具体为：

Δu_min≤Δu(k+i)≤Δu_max；

其中，a_des(k-1)为上一时刻求解的期望加速度，Δu_max和Δu_min分别为加速度增量的最大值和最小值。

设计加速度输出控制律，保证在加速度变化较大时，能够保证加速度平滑自然，提高乘坐的舒适性，加速度输出控制律，包括：

a_P＝Δu/n；

其中，t为当前系统运行的时间，t₀为模型预测控制当前总的采样时间，T_S为系统的采样周期，a_P为加速度增量在周期T内的加速度增量平均值，Δu为模型预测控制器求解的期望加速度增量，

为在预测模型采样周期T内，随着j＝1,…,n变化的期望加速度，a_des(k-1)为k时刻中上一时刻求解的期望加速度。

S104、基于牛顿第二定律得到期望输入扭矩力，输入给电机驱动器。

在本发明实施例中，基于所述预测模型、所述目标控制函数、所述约束控制律和所述加速度输出控制律得到期望加速度a_des，在下层控制器中基于期望加速度a_des和牛顿第二定律得到期望输入扭矩力，输入给电机驱动器，实现四轮独立电驱动的控制，基于牛顿第二定律得到期望输入扭矩力，包括：

F＝ma_des；

其中，m为车身质量。

现举例进行测试说明，控制器的求解参数如表1所示，车辆参数如表2所示。

表1控制器求解参数

表2车辆参数

车型	A-Class	C-Class	D-Class	E-Class
					整车质量	750(kg)	1270(kg)	1800(kg)	1650(kg)
轮胎滚动有效半径	0.28(m)	0.29(m)	0.32(m)	0.32(m)

首先，测试S103中，加速度输出控制律是否影响速度跟踪控制精度，仿真测试如图2，图3所示，其中图中控制器A为加入了期望加速度输出控制律，控制器B为未加入期望加速度输出控制律，由图2可以看出，加入加速度输出控制律控制器对比未加入加速度输出控制律的控制器在速度跟踪性能上没有影响，基本一致，从加速度图3中看出，控制器A产生的实际反馈加速度平滑自然，而采用控制器B的车辆反馈的加速度则出现一定的震荡，说明加速度输出控制律的有效性。

接着，为了测试所提出速度控制方法是否适用于其他车型，也就是为了测试该方法是否易于移植，通过改变对应型号的近似的车身质量和轮胎滚动有效半径，仿真分别测试了A型车、C型车、E型车，结果如图4、5所示，该测试结果可以看出，该控制方法运用在不同级别的车型上具有良好的控制效果，能够克服不同级别车辆参数的影响，具有良好的鲁棒性，说明了该方法易移植在不同车型中。

为了对比其他控制方法和本文设计的方法的性能，对比PID控制器效果，这里PID控制器表达式如下：

其中k_P＝3,k_I＝0.2。

测试结果如图6，图7所示，从图中可以看出采用本文设计的控制方法对比PI控制器方法在速度跟踪精度上更高，且跟踪过程未出现超调，跟踪过程平稳，从图7加速度对比发现，PI控制器在起步阶段出现震荡，且在加减速过程出现一定的震荡，采用本文提出的设计方法在起步阶段和加减速过程中车辆实际加速度变化平稳自然。

本发明提供的一种基于模型预测算法的四轮独立电驱动车辆速度控制方法，分析纵向速度控制特点，建立速度和加速度一阶惯性模型，并转换为状态空间方程，基于前向欧拉法进行离散化处理，得到基于第二函数组组建的预测模型，针对车辆加速和减速过程中速度震荡抖动问题，保证速度控制的稳定性，同时考虑在控制过程中，防止车辆速度控制过程中大的加速度控制量造成乘坐不舒适，设计加速度输出控制律，进一步保证车辆的稳定性，以提高乘坐舒适性。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (4)

1.一种基于模型预测算法的四轮独立电驱动车辆速度控制方法，其特征在于，包括：

基于第一函数组建立速度和加速度一阶惯性模型，并转换成状态空间方程；状态空间方程，包括：

x＝[v a]^T,u＝a_des；

其中，x∈R²是系统状态量，u∈R是系统的输出控制量；

基于前向欧拉法进行离散化处理，得到基于第二函数组组建的预测模型；

基于模型预测算法，建立对应的目标控制函数，约束控制律，加速度输出控制律；目标控制函数，包括：

其中，y_p(k+i|k)和y_ref(k+i|k)分别为在当前预测时域内的实际测量输出和期望输出，H_P为预测时域，H_C为控制时域，Δu(k+i)和u(k+i)分别为随着预测时域H_P变化的控制量增长变量和控制量，Q为控制系统速度跟踪误差权重；R为控制增长量的权重，S为控制量输出的权重；

约束控制律，包括：

Δu_min,acc≤Δu_acc(k+i)≤Δu_max,acc；

Δu_min,dec≤Δu_dec(k+i)≤Δu_max,dec；

u_min≤u(k+i)≤u_max；

其中，Δu_min,acc和Δu_max,acc分别是加速模式下加速度增量的最小值和最大值，Δu_min,dec和Δ_max,dec分别是减速模式下加速度增量的最小值和最大值，Δu_acc(k+i)为加速模式下的加速度增量，Δu_dec(k+i)为减速模式下的加速度增量，u_min和u_max分别为随着预测时域H_P变化的控制量的最小值和最大值；

加速度输出控制律，包括：

a_P＝Δu/n；

其中，t为当前系统运行的时间，t₀为模型预测控制当前总的采样时间，T_S为系统的采样周期，a_P为加速度增量在周期T内的加速度增量平均值，Δu为预测控制器求解的期望加速度增量，

为在预测模型采样周期T内，随着j＝1,…,n变化的期望加速度，a_des(k-1)为k时刻中上一时刻求解的期望加速度；

基于所述预测模型、所述目标控制函数、所述约束控制律和所述加速度输出控制律得到期望加速度a_des；

基于期望加速度a_des和牛顿第二定律得到期望输入扭矩力，输入给电机驱动器；

第一函数组，包括：

其中，a是车辆的加速度，v是车辆的质心速度，ε＝1.0是系统的增益，τ＝0.3是时间常数，a_des为期望加速度。

2.如权利要求1所述的基于模型预测算法的四轮独立电驱动车辆速度控制方法，其特征在于，第二函数组，包括：

x(k+1)＝Ax(k)+Bu(k)；

x＝[v a]^T,u＝a_des；

其中，T为预测模型的采样值。

3.如权利要求1所述的基于模型预测算法的四轮独立电驱动车辆速度控制方法，其特征在于，所述方法还包括：

约束控制律中加速和减速模式下的切换是基于上一时刻期望速度的正负决定的，具体为：

Δu_min≤Δu(k+i)≤Δu_max；

其中，a_des(k-1)为上一时刻求解的期望加速度，Δu_max和Δu_min分别为加速度增量的最大值和最小值。

4.如权利要求1所述的基于模型预测算法的四轮独立电驱动车辆速度控制方法，其特征在于，基于牛顿第二定律得到期望输入扭矩力F，包括：

F＝ma_des；

其中，m为车身质量。

Images