CN111553024B - 一种分布式驱动电动汽车驱动系统多目标优化方法和系统 - Google Patents

Abstract

本发明涉及一种分布式驱动电动汽车驱动系统多目标优化方法和系统。该方法包括：获取最优扭矩分配模型；获取汽车当前的纵向速度，并根据最优扭矩分配模型确定汽车当前各轮毂电机的扭矩值；根据轮毂电机的扭矩值实时完成整车能耗计算，同时得到簧下质量，以整车能耗和所计算得到的簧下质量为优化目标，实现车辆前后轮毂电机尺寸的最优匹配设计。本发明针对分布式驱动电动汽车对经济性和动力性的需求，综合考虑测试工况、整车目标性能需求及最优扭矩分配控制策略，通过多目标优化设计方法合理选择四个轮毂电机的功率及尺寸配置，以在满足车辆最高车速、最大爬坡度和加速能力以及能耗要求的同时，实现分布式驱动电动汽车的驱动系统最优匹配设计。

Description

一种分布式驱动电动汽车驱动系统多目标优化方法和系统

技术领域

本发明涉及电动汽车驱动系统优化领域，特别是涉及一种分布式驱动电动汽车驱动系统多目标优化方法和系统。

背景技术

现有技术中针对电动汽车驱动系统公开了多种优化匹配方法。其中，现有技术中针对双轴驱动电动汽车动力系统匹配测试的过程，提出了一种用于双轴驱动电动汽车动力系统匹配的测试方法及装置(专利CN 106525450 A)。该方法根据车辆配置参数，构建车辆动态模型，根据当前转速、转矩计算车辆负载；根据目标车速，计算需求转矩，判断车辆进入驱动状态还是进入机械或再生制动状态，分配各驱动电机油门信号，以达到目标车速，或模拟机械制动转矩并与车辆负载叠加，再生制动转矩分配各电机刹车深度信号，以达到目标车速。

但是，该方案仅考虑车辆工作状态，未根据测试工况进行驱动系统优化设计，且未考虑液电复合制动转矩的最优分配策略。该方法不适用于分布式驱动构型车辆。

现有技术中还公开了一种适用于电动汽车的动力匹配方法(专利CN103568868A)，该方法首先依据车型采用的驱动方式确定电机数量。然后对主要参数进行列表，包括整车参数、电机参数及电池参数。再根据列表中的参数进行初步动力匹配。接着再根据初步匹配结果确定电池模块数量，之后再确定传动系传动比，完成纯电动汽车的动力匹配。

但是，该方案未根据测试工况进行驱动系统优化设计，仅适用于单电机集中式驱动电动汽车。

现有技术中公开的纯电动载货汽车双基速电机参数匹配方法(专利CN107862325A)，首先获取纯电动汽车整车参数，然后完成低基速电机额定参数匹配，包括额定功率P_v、额定转速n_b、额定转矩T_high；最后完成高基速电机峰值参数匹配，包括峰值功率P_max、峰值转矩T_max、峰值转速n_max；即完成双基速电机参数匹配。

但是，该方案针对纯电动载货汽车双基速电机的参数匹配，仅通过整车的设计目标性能进行参数匹配，并未考虑实际测试工况。该方法不适用与分布式驱动构型车辆。

现有技术中公开的基于多目标规划的电动汽车匹配优化方法(专利CN109033531A)，首先明确了电动汽车的整车性能指标及关键参数；再通过物理公式进行动力系统的初步选型计算，并结合市场等因素确定多种动力系统选型方案；然后使用cruise软件仿真，评价不同动力匹配方案对应的整车性能。

但是，该方案根据测试工况进行了驱动系统优化设计，并未采用最优扭矩分配策略，同时，该方案不适用于分布式驱动电动汽车。

现有技术中公开的电动物流车驱动电机的参数匹配及优化方案(专利CN108491670 A)，其基本步骤包括：以电动物流车的动力性要求为依据，结合行驶工况要求，对驱动电机基本参数进行初选；建立以动力性和经济性为优化目标，以驱动电机额定功率、额定转速及额定转矩为优化变量的驱动电机参数多目标优化模型；利用人工蚁群算法对驱动电机参数多目标优化模型进行求解，获得驱动电机参数优化匹配方案。

但是，该方案根据测试工况和整车性能需求进行的驱动系统优化设计，并未考虑最优扭矩分配策略，不适用于分布式驱动电动汽车。

综上，现有电动汽车驱动系统匹配方法仅单纯考虑了测试工况及整车目标性能需求，且仅适用于单电机或双电机驱动方案。

那么，提供一种分布式驱动电动汽车驱动系统多目标优化方案，以在满足车辆最高车速、最大爬坡度和加速能力以及不同测试工况能耗最优的同时，实现分布式驱动电动汽车驱动系统的最优匹配设计是本领域亟待解决的一个技术问题。

发明内容

本发明的目的是提供一种分布式驱动电动汽车驱动系统多目标优化方法和系统，在满足车辆最高车速、最大爬坡度和加速能力的同时，以不同测试工况下的能耗及簧下质量最优为目标，实现分布式驱动电动汽车驱动系统的最优匹配设计。

为实现上述目的，本发明提供了如下方案：

一种分布式驱动电动汽车驱动系统多目标优化方法，包括：

获取最优扭矩分配模型；所述最优扭矩分配模型为以汽车纵向速度为输入，以汽车各轮毂电机的扭矩为输出的分配模型；

获取汽车当前的纵向速度，并根据所述最优扭矩分配模型确定所述汽车当前各轮毂电机的扭矩值；

根据各所述轮毂电机的扭矩值确定整车能耗和簧下质量，并以所述整车能耗和所述簧下质量为优化目标，确定各所述轮毂电机的尺寸；

根据各所述轮毂电机的尺寸完成对所述汽车驱动系统的控制。

优选的，所述最优扭矩分配模型的建立过程具体包括：

获取整车动力学模型；所述整车动力学模型为以汽车纵向速度和加速度为输入，以整车扭矩需求为输出的动力学模型；所述整车扭矩需求包括整车驱动扭矩和整车制动扭矩；

获取所述汽车的纵向速度和所述汽车的加速度，并根据所述整车动力学模型得到所述汽车的整车扭矩需求；

获取电机效率模型；所述电机效率模型为根据轮毂电机的轴向尺寸和径向尺寸经台架测试得到的电机效率Map表；

获取所述汽车的前后轴的轮毂电机的轴向尺寸和径向尺寸，并根据所述电机效率模型确定所述汽车的前后轴的轮毂电机的效率；

根据所述汽车的整车扭矩需求和所述汽车的前后轴的轮毂电机的效率，以所述汽车的前后轴的轮毂电机的总能耗最小为优化目标构建所述最优扭矩分配模型。

优选的，所述获取整车动力学模型之前，还包括：

获取汽车阻力参数和行使路面的坡度；所述汽车阻力参数包括汽车的质量、纵向速度、空气阻力系数、迎风面积、滚动阻力系数；

根据所述汽车阻力参数和行使路面的坡度确定汽车的滚动阻力、坡度阻力和空气阻力；

获取所述汽车的运行参数；所述运行参数包括：驱动力矩、制动力矩、车轮滚动半径和车轮转动惯量；

根据所述运行参数确定所述汽车的车轮纵向力；

根据所述滚动阻力、所述坡度阻力、所述空气阻力和所述车轮纵向力，通过公式

构建所述整车动力学模型；

式中，m为整车质量，

为汽车加速度，

为车轮纵向力，F_w为空气阻力，F_f为滚动阻，F_i为坡度阻力，ij＝[1，2，3，4]，其中，1表示左前轮，2表示右前轮，3表示左后轮，4表示右后轮。

优选的，所述根据各所述轮毂电机的扭矩值确定整车能耗和簧下质量，并以所述整车能耗和所述簧下质量为优化目标，确定各所述轮毂电机的尺寸，具体包括：

获取电机效率模型；

以车速和轮毂电机的扭矩值为输入，根据所述电机效率模型确定当前工况点的电机能耗和簧下质量；

根据所述电机能耗确定不同测试工况下的整车能耗；

以不同测试工况下的所述整车能耗及所述簧下质量最优为目标，完成前后轴轮毂电机轴向和径向尺寸的最优匹配设计。

一种分布式驱动电动汽车驱动系统多目标优化系统，包括：

最优扭矩分配模型获取模块，用于获取最优扭矩分配模型；所述最优扭矩分配模型为以汽车纵向速度为输入，以汽车各轮毂电机的扭矩为输出的分配模型；

扭矩值确定模块，用于获取汽车当前的纵向速度，并根据所述最优扭矩分配模型确定所述汽车当前各轮毂电机的扭矩值；

尺寸确定模块，用于根据各所述轮毂电机的扭矩值确定整车能耗和簧下质量，并以所述整车能耗和所述簧下质量为优化目标，确定各所述轮毂电机的尺寸；

控制模块，用于根据各所述轮毂电机的尺寸完成对所述汽车驱动系统的控制。

优选的，所述系统还包括：

整车动力学模型获取模块，用于获取整车动力学模型；所述整车动力学模型为以汽车纵向速度和加速度为输入，以整车扭矩需求为输出的动力学模型；所述整车扭矩需求包括整车驱动扭矩和整车制动扭矩；

整车扭矩需求确定模块，用于获取所述汽车的纵向速度和所述汽车的加速度，并根据所述整车动力学模型得到所述汽车的整车扭矩需求；

电机效率模型获取模块，用于获取电机效率模型；所述电机效率模型为根据轮毂电机的轴向尺寸和径向尺寸经台架测试得到的电机效率Map表；

电机效率确定模块，用于获取所述汽车的前后轴的轮毂电机的轴向尺寸和径向尺寸，并根据所述电机效率模型确定所述汽车的前后轴的轮毂电机的效率；

最优扭矩分配模型构建模块，用于根据所述汽车的整车扭矩需求和所述汽车的前后轴的轮毂电机的效率，以所述汽车的前后轴的轮毂电机的总能耗最小为优化目标构建所述最优扭矩分配模型。

优选的，所述系统还包括：

第一参数获取模块，用于获取汽车阻力参数和行使路面的坡度；所述汽车阻力参数包括汽车的质量、纵向速度、空气阻力系数、迎风面积、滚动阻力系数；

阻力确定模块，用于根据所述汽车阻力参数和行使路面的坡度确定汽车的滚动阻力、坡度阻力和空气阻力；

第二参数获取模块，用于获取所述汽车的运行参数；所述运行参数包括：驱动力矩、制动力矩、车轮滚动半径和车轮转动惯量；

车轮纵向力确定模块，用于根据所述运行参数确定所述汽车的车轮纵向力；

整车动力学模型构建模块，用于根据所述滚动阻力、所述坡度阻力、所述空气阻力和所述车轮纵向力，通过公式

构建所述整车动力学模型；

式中，m为整车质量，

为汽车加速度，

为车轮纵向力，F_w为空气阻力，F_f为滚动阻，F_i为坡度阻力，ij＝[1，2，3，4]，其中，1表示左前轮，2表示右前轮，3表示左后轮，4表示右后轮。

优选的，所述尺寸确定模块具体包括：

电机效率模型获取单元，用于获取电机效率模型；

电机能耗和簧下质量确定单元，用于以车速和轮毂电机的扭矩值为输入，根据所述电机效率模型确定当前工况点的电机能耗和簧下质量；

整车能耗确定单元，用于根据所述电机能耗确定不同测试工况下的整车能耗；

匹配设计单元，用于以不同测试工况下的所述整车能耗及所述簧下质量最优为目标，完成前后轴轮毂电机轴向和径向尺寸的最优匹配设计。

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：

本发明通过采用最优扭矩分配模型，可以根据汽车纵向速度和加速度得到各轮毂电机的扭矩，以获得不同测试工况下的整车能耗，以整车能耗和所计算得到的簧下质量为优化目标，可实现分布式驱动车辆前后轮毂电机尺寸的最优匹配设计。并且，本发明所提供的汽车驱动系统多目标优化方法和系统，是针对分布式驱动的电动汽车进行的具体驱动系统匹配优化，这就能够弥补现有技术中没有分布式驱动电动汽车驱动系统的最优匹配设计的空白。

此外，本发明所提供的技术方案，通过采用最优扭矩分配模型还可以满足车辆最高车速、最大爬坡度和加速能力以及能耗的要求。

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为本发明提供的分布式驱动电动汽车驱动系统多目标优化方法的流程图；

图2为外转子永磁同步电机的结构示意图；

图3为采用本发明分布式驱动电动汽车驱动系统多目标优化方法对汽车扭矩进行控制的流程简图；

图4为本发明提供的分布式驱动电动汽车驱动系统多目标优化系统的结构示意图。

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分布式驱动电动汽车驱动系统多目标优化方法和系统，在满足车辆最高车速、最大爬坡度和加速能力的同时，以不同测试工况下的能耗及簧下质量最优为目标，实现分布式驱动电动汽车驱动系统的最优匹配设计。

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为本发明提供的分布式驱动电动汽车驱动系统多目标优化方法的流程图。如图1所示，一种分布式驱动电动汽车驱动系统多目标优化方法，包括：

步骤100：获取最优扭矩分配模型。最优扭矩分配模型为以汽车纵向速度为输入，以汽车各轮毂电机的扭矩为输出的分配模型。

步骤101：获取汽车当前的纵向速度，并根据最优扭矩分配模型确定汽车当前各轮毂电机的扭矩值。

步骤102：根据各所述轮毂电机的扭矩值确定整车能耗和簧下质量，并以所述整车能耗和所述簧下质量为优化目标，确定各所述轮毂电机的尺寸。

步骤103：根据各所述轮毂电机的尺寸完成对所述汽车驱动系统的控制。

上述最优扭矩分配模型的建立过程具体包括：

获取整车动力学模型。整车动力学模型为以汽车纵向速度和加速度为输入，以整车扭矩需求为输出的动力学模型。整车扭矩需求包括整车驱动扭矩和整车制动扭矩。

为准确计算整车在测试工况及动力性指标需求下的扭矩需求，在获取整车动力学模型，本发明所提供的技术方案中还包括构建整车动力学模型。

其中，构建整车动力学模型的过程具体包括：

获取汽车阻力参数和行使路面的坡度。汽车阻力参数包括汽车的质量、纵向速度、空气阻力系数、迎风面积、滚动阻力系数。

根据汽车阻力参数和行使路面的坡度确定汽车的滚动阻力、坡度阻力和空气阻力。

获取汽车的运行参数。运行参数包括：驱动力矩、制动力矩、车轮滚动半径和车轮转动惯量。

根据运行参数确定汽车的车轮纵向力。

根据滚动阻力、坡度阻力、空气阻力和车轮纵向力，通过公式

构建整车动力学模型。

式中，m为整车质量，

为汽车加速度，

为车轮纵向力，F_w为空气阻力，

F_f为滚动阻，F_f＝mgf，F_i为坡度阻力，F_i＝mg sinθ，ij＝[1，2，3，4]，其中，1表示左前轮，2表示右前轮，3表示左后轮，4表示右后轮，C_D为空气阻力系数，A为车辆迎风面积，f为滚动阻力系数，g为重力常数，θ为路面坡度。

其中，纵向力F_x可由单轮动力学模型得：

式中，T_d ^ij、T_b ^ij、R_e、J_ω与

分别代表驱动力矩、制动力矩、车轮滚动半径、车轮转动惯量与车轮旋转角加速度。

获取汽车的纵向速度和汽车的加速度，并根据整车动力学模型得到汽车的整车扭矩需求。

获取电机效率模型。

根据已有的轮毂电机(已有轮毂电机即为通过工程试制得到的轮毂电机)的轴向和径向尺寸和经台架测试得到的电机效率Map建立不同尺寸下的轮毂电机效率模型。

对于设计参数既定的轮毂电机，在不改变电机拓扑方案的前提下，其不同的外特性可以通过改变其定子轴向长度L_a和径向尺寸L_r获得，如图2所示。本发明以永磁同步轮毂电机作为参考电机进行说明。该永磁同步轮毂电机的峰值转矩、峰值功率与电机损耗可表示为

式中，L_a，ref和L_r，ref分别为参考电机定子的轴向和径向尺寸，T_max，ref、P_max，_ref、η_ref分别表示参考电机的峰值扭矩、峰值功率和电机效率函数，ξ为参考电机扭矩系数，该参考电机扭矩系数由电机本身设计方案决定，n_r，ref为电机额定转速，T_ref和n_ref分别为参考电机的实时转矩和转速。

基于上述电机模型，不同轮毂电机(基于参考电机模型进行了轴向和径向尺寸改变)的外特性可表示为：

式中，L_a，scal和L_r，scal分别为优化后电机定子的轴向和径向尺寸，其优化范围为L_a，scal∈[0.7L_a，ref，1.3L_a，ref]，L_r，scal∈[0.7L_r，ref，1.3L_r，ref]。T_max，scal、P_max，_scal和η_scal分别为优化后电机的峰值扭矩、峰值功率和电机效率函数。ε为电机扭矩变换系数。T_scal和n_scal分别为优化电机的实时转矩和转速。值得注意的是，优化后的轮毂电机效率Map分布同原参考电机相似，仅在效率Map扭矩轴方向进行拉伸。

获取汽车的前后轴的轮毂电机的轴向尺寸和径向尺寸，并根据电机效率模型确定汽车的前后轴的轮毂电机的效率。

根据汽车的整车扭矩需求和汽车的前后轴的轮毂电机的效率，以汽车的前后轴的轮毂电机的总能耗最小为优化目标构建最优扭矩分配模型。

上述所确定的整车的总扭矩需求可表示为

式中，T_D为整车总扭矩需求，T1d、T3d、T1b、T3b分别为左前轮驱动转矩、左后轮驱动转矩、左前轮制动转矩和左后轮制动转矩。

定义k为前轴车轮转矩分配系数，k取值为0-1之间，k＝0时，表示后轴驱动。k＝1时，表示后轴驱动。0<k<1时，表示前后轴车轮转矩按优化比例输出。

整车的能耗可表示为：

式中，J为整车单个测试工况的总能耗，n为电机转速。

在整个测试工况内，使得

min{J(T_d ^ij,T_b ^ij,n)}，

利用遗传算法求解上述代价函数即可得到最优扭矩分配Map表。根据得到的最优扭矩分配Map表可以实现对分布式驱动电动汽车驱动系统的多目标优化，整个优化过程如图3所示，具体概括为：

根据测试工况(一般为NEDC、WLTC等标准测试工况)、目标整车动力性设计指标参数(最高车速、最大爬坡度及0-100km/h加速时间)以及车辆模型确定整车扭矩需求。整车扭矩需求的确定：根据测试工况中的速度与加速度采样点，输入车辆模型得到整车纵向力需求，将整车纵向力代入单轮动力学模型得到整车总扭矩需求。

根据已有的轮毂电机(已有轮毂电机即为通过工程试制得到的轮毂电机)的轴向和径向尺寸和经台架测试得到的电机效率Map和损耗Map，即可建立不同尺寸下的轮毂电机效率模型和质量模型。电机效率模型的确定：本发明的电机效率模型即为电机效率Map和损耗Map，在不改变已有轮毂电机拓扑方案的前提下，通过改变电机定子的轴向和径向尺寸即可得到不同峰值输出转矩的轮毂电机，而其效率和损耗Map特性基本不变，仅在扭矩轴方向做拉伸变换，而电机质量也可根据定子轴向和径向尺寸确定。

对于给定的前后轮毂电机尺寸(轴向和径向尺寸)，即可得到前后轴轮毂电机效率模型，然后根据车辆模型输出的整车总扭矩(包含驱动与制动扭矩)需求及前后轴电机效率模型，以四个电机的总能耗最小为优化目标，确定前后轴最优扭矩分配策略，并得到最优扭矩分配Map。

其中，轮毂电机质量模型为：

整车簧下质量主要包括轮毂电机、轮辋、轮胎、制动系统及悬架系统部分组件，在轮辋固定尺寸约束下，轮毂电机尺寸变化基本不影响其他部件质量，因此，簧下质量变化主要由轮毂电机决定。影响轮毂电机质量的主要部件有：电机壳体，绕组，铁芯与永磁体[10]，可表示为：

m_motor＝m_H+m_Cu+m_Fe+m_PM。

其中：m_H、m_Cu、m_Fe和m_PM分别为电机壳体质量、绕组质量、铁芯质量和永磁体质量。

电机主要部件的质量可表示为：

式中，ζ_H,ref为参考电机的壳体质量系数，ζ_cu,slot,ref为参考电机的槽内绕组质量系数，ζ_Cu,ew,ref为参考电机的绕组末端质量系数，ζ_Fe,ref为参考电机的铁芯质量系数，ζ_PM,ref为参考电机的永磁体质量系数。

分布式驱动电动汽车驱动系统设计优化可归纳为多目标优化问题，表示为：

式中，f(x)为代价函数，包括整车能耗和簧下质量。x为设计变量，主要为轮毂电机轴向和径向尺寸。S为等式和不等式约束。

对于多目标优化方法求解，本发明优先采用的方法为带有精英保留策略的快速非支配多目标优化算法，但不限于此，根据实际计算需求还可以采用其他优化算法。

进一步，根据车辆动力学模型，整车在特定工况下的电机输出功率可计算为：

式中，P_drive代表电机的驱动功率，η_drive代表电机驱动工况下的效率。

同样的，制动工况下电机的回收功率为：

式中，P_brake代表电机的驱动功率，η_brake代表电机驱动工况下的效率。

在一个测试工况下，整车的能量消耗可表示为：

E＝∫(P_drive+P_brake)dt。

对应于上述提供的分布式驱动电动汽车驱动系统多目标优化方法，本发明还提供了一种分布式驱动电动汽车驱动系统多目标优化系统。如图4所示，该系统包括：最优扭矩分配模型获取模块1、扭矩值确定模块2、尺寸确定模块3和控制模块4。

其中，最优扭矩分配模型获取模块1用于获取最优扭矩分配模型；所述最优扭矩分配模型为以汽车纵向速度为输入，以汽车各轮毂电机的扭矩为输出的分配模型。

扭矩值确定模块2用于获取汽车当前的纵向速度，并根据所述最优扭矩分配模型确定所述汽车当前各轮毂电机的扭矩值。

尺寸确定模块3用于根据各所述轮毂电机的扭矩值确定整车能耗和簧下质量，并以所述整车能耗和所述簧下质量为优化目标，确定各所述轮毂电机的尺寸。

控制模块4用于根据各所述轮毂电机的尺寸完成对所述汽车驱动系统的控制。

作为本发明的另一实施例，系统还包括：整车动力学模型获取模块、整车扭矩需求确定模块、电机效率模型获取模块、电机效率确定模块和最优扭矩分配模型构建模块。

整车动力学模型获取模块用于获取整车动力学模型。整车动力学模型为以汽车纵向速度和加速度为输入，以整车扭矩需求为输出的动力学模型。整车扭矩需求包括整车驱动扭矩和整车制动扭矩。

整车扭矩需求确定模块用于获取汽车的纵向速度和汽车的加速度，并根据整车动力学模型得到汽车的整车扭矩需求。

电机效率模型获取模块用于获取电机效率模型。电机效率模型为根据轮毂电机的轴向尺寸和径向尺寸经台架测试得到的电机效率Map表。

电机效率确定模块用于获取汽车的前后轴的轮毂电机的轴向尺寸和径向尺寸，并根据电机效率模型确定汽车的前后轴的轮毂电机的效率。

最优扭矩分配模型构建模块用于根据汽车的整车扭矩需求和汽车的前后轴的轮毂电机的效率，以汽车的前后轴的轮毂电机的总能耗最小为优化目标构建最优扭矩分配模型。

作为本发明的另一实施例，系统还包括：第一参数获取模块、阻力确定模块、第二参数获取模块、车轮纵向力确定模块和整车动力学模型构建模块。

第一参数获取模块用于获取汽车阻力参数和行使路面的坡度。汽车阻力参数包括汽车的质量、纵向速度、空气阻力系数、迎风面积、滚动阻力系数。

阻力确定模块用于根据汽车阻力参数和行使路面的坡度确定汽车的滚动阻力、坡度阻力和空气阻力。

第二参数获取模块用于获取汽车的运行参数。运行参数包括：驱动力矩、制动力矩、车轮滚动半径和车轮转动惯量。

车轮纵向力确定模块用于根据运行参数确定汽车的车轮纵向力。

整车动力学模型构建模块用于根据滚动阻力、坡度阻力、空气阻力和车轮纵向力，通过公式

构建整车动力学模型。

式中，m为整车质量，

为汽车加速度，

为车轮纵向力，F_w为空气阻力，F_f为滚动阻，F_i为坡度阻力，ij＝[1，2，3，4]，其中，1表示左前轮，2表示右前轮，3表示左后轮，4表示右后轮。

作为本发明的另一实施例，上述尺寸确定模块具体包括：电机效率模型获取单元、电机能耗和簧下质量确定单元、整车能耗确定单元和匹配设计单元。

电机效率模型获取单元用于获取电机效率模型。

电机能耗和簧下质量确定单元用于以车速和轮毂电机的扭矩值为输入，根据所述电机效率模型确定当前工况点的电机能耗和簧下质量。

整车能耗确定单元用于根据所述电机能耗确定不同测试工况下的整车能耗。

匹配设计单元用于以不同测试工况下的所述整车能耗及所述簧下质量最优为目标，完成前后轴轮毂电机轴向和径向尺寸的最优匹配设计。

相对于现有技术而言，本发明所提供的技术方案还具有以下特点：

1、利用已有的轮毂电机效率模型，推导得到不同轴向和径向尺寸下轮毂电机的输出特性，以单个测试工况下的整车能耗及簧下质量为优化目标，利用多目标(整车能耗和簧下质量)优化算法(带有精英保留策略的快速非支配多目标优化算法)来合理选择四个轮毂电机的功率及尺寸，以在满足车辆最高车速、最大爬坡度和加速能力以及能耗要求的同时，实现分布式驱动电动汽车的驱动系统最优匹配设计。

2、基于已有轮毂电机效率Map模型实现不同轴向和径向尺寸轮毂电机的外特性，可行性高。

3、基于测试工况、整车动力性需求及最优扭矩分配三个方面实现分布式驱动电动汽车的驱动系统最优设计，更实用。

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 (6)

1.一种分布式驱动电动汽车驱动系统多目标优化方法，其特征在于，包括：

获取最优扭矩分配模型；所述最优扭矩分配模型为以汽车纵向速度为输入，以汽车各轮毂电机的扭矩为输出的分配模型；

获取汽车当前的纵向速度，并根据所述最优扭矩分配模型确定所述汽车当前各轮毂电机的扭矩值；

根据各所述轮毂电机的扭矩值确定整车能耗和簧下质量，并以所述整车能耗和所述簧下质量为优化目标，确定各所述轮毂电机的尺寸；

根据各所述轮毂电机的尺寸完成对所述汽车驱动系统的控制；

所述最优扭矩分配模型的建立过程具体包括：

获取整车动力学模型；所述整车动力学模型为以汽车纵向速度和加速度为输入，以整车扭矩需求为输出的动力学模型；所述整车扭矩需求包括整车驱动扭矩和整车制动扭矩；

获取所述汽车的纵向速度和所述汽车的加速度，并根据所述整车动力学模型得到所述汽车的整车扭矩需求；

获取电机效率模型；所述电机效率模型为根据轮毂电机的轴向尺寸和径向尺寸经台架测试得到的电机效率Map表；

获取所述汽车的前后轴的轮毂电机的轴向尺寸和径向尺寸，并根据所述电机效率模型确定所述汽车的前后轴的轮毂电机的效率；

根据所述汽车的整车扭矩需求和所述汽车的前后轴的轮毂电机的效率，以所述汽车的前后轴的轮毂电机的总能耗最小为优化目标构建所述最优扭矩分配模型。

2.根据权利要求1所述的分布式驱动电动汽车驱动系统多目标优化方法，其特征在于，所述获取整车动力学模型之前，还包括：

获取汽车阻力参数和行使路面的坡度；所述汽车阻力参数包括汽车的质量、纵向速度、空气阻力系数、迎风面积、滚动阻力系数；

根据所述汽车阻力参数和行使路面的坡度确定汽车的滚动阻力、坡度阻力和空气阻力；

获取所述汽车的运行参数；所述运行参数包括：驱动力矩、制动力矩、车轮滚动半径和车轮转动惯量；

根据所述运行参数确定所述汽车的车轮纵向力；

根据所述滚动阻力、所述坡度阻力、所述空气阻力和所述车轮纵向力，通过公式

构建所述整车动力学模型；

式中，m为整车质量，

为汽车加速度，

为车轮纵向力，F_w为空气阻力，F_f为滚动阻力，F_i为坡度阻力，ij＝[1，2，3，4]，其中，1表示左前轮，2表示右前轮，3表示左后轮，4表示右后轮。

3.根据权利要求1所述的分布式驱动电动汽车驱动系统多目标优化方法，其特征在于，所述根据各所述轮毂电机的扭矩值确定整车能耗和簧下质量，并以所述整车能耗和所述簧下质量为优化目标，确定各所述轮毂电机的尺寸，具体包括：

获取电机效率模型；

以车速和轮毂电机的扭矩值为输入，根据所述电机效率模型确定当前工况点的电机能耗和簧下质量；

根据所述电机能耗确定不同测试工况下的整车能耗；

以不同测试工况下的所述整车能耗及所述簧下质量最优为目标，完成前后轴轮毂电机轴向和径向尺寸的最优匹配设计。

4.一种分布式驱动电动汽车驱动系统多目标优化系统，其特征在于，包括：

最优扭矩分配模型获取模块，用于获取最优扭矩分配模型；所述最优扭矩分配模型为以汽车纵向速度为输入，以汽车各轮毂电机的扭矩为输出的分配模型；

扭矩值确定模块，用于获取汽车当前的纵向速度，并根据所述最优扭矩分配模型确定所述汽车当前各轮毂电机的扭矩值；

尺寸确定模块，用于根据各所述轮毂电机的扭矩值确定整车能耗和簧下质量，并以所述整车能耗和所述簧下质量为优化目标，确定各所述轮毂电机的尺寸；

控制模块，用于根据各所述轮毂电机的尺寸完成对所述汽车驱动系统的控制；

所述系统还包括：

整车动力学模型获取模块，用于获取整车动力学模型；所述整车动力学模型为以汽车纵向速度和加速度为输入，以整车扭矩需求为输出的动力学模型；所述整车扭矩需求包括整车驱动扭矩和整车制动扭矩；

整车扭矩需求确定模块，用于获取所述汽车的纵向速度和所述汽车的加速度，并根据所述整车动力学模型得到所述汽车的整车扭矩需求；

电机效率模型获取模块，用于获取电机效率模型；所述电机效率模型为根据轮毂电机的轴向尺寸和径向尺寸经台架测试得到的电机效率Map表；

电机效率确定模块，用于获取所述汽车的前后轴的轮毂电机的轴向尺寸和径向尺寸，并根据所述电机效率模型确定所述汽车的前后轴的轮毂电机的效率；

最优扭矩分配模型构建模块，用于根据所述汽车的整车扭矩需求和所述汽车的前后轴的轮毂电机的效率，以所述汽车的前后轴的轮毂电机的总能耗最小为优化目标构建所述最优扭矩分配模型。

5.根据权利要求4所述的分布式驱动电动汽车驱动系统多目标优化系统，其特征在于，所述系统还包括：

第一参数获取模块，用于获取汽车阻力参数和行使路面的坡度；所述汽车阻力参数包括汽车的质量、纵向速度、空气阻力系数、迎风面积、滚动阻力系数；

阻力确定模块，用于根据所述汽车阻力参数和行使路面的坡度确定汽车的滚动阻力、坡度阻力和空气阻力；

第二参数获取模块，用于获取所述汽车的运行参数；所述运行参数包括：驱动力矩、制动力矩、车轮滚动半径和车轮转动惯量；

车轮纵向力确定模块，用于根据所述运行参数确定所述汽车的车轮纵向力；

整车动力学模型构建模块，用于根据所述滚动阻力、所述坡度阻力、所述空气阻力和所述车轮纵向力，通过公式

构建所述整车动力学模型；

式中，m为整车质量，

为汽车加速度，

为车轮纵向力，F_w为空气阻力，F_f为滚动阻力，F_i为坡度阻力，ij＝[1，2，3，4]，其中，1表示左前轮，2表示右前轮，3表示左后轮，4表示右后轮。

6.根据权利要求5所述的分布式驱动电动汽车驱动系统多目标优化系统，其特征在于，所述尺寸确定模块具体包括：

电机效率模型获取单元，用于获取电机效率模型；

电机能耗和簧下质量确定单元，用于以车速和轮毂电机的扭矩值为输入，根据所述电机效率模型确定当前工况点的电机能耗和簧下质量；

整车能耗确定单元，用于根据所述电机能耗确定不同测试工况下的整车能耗；

匹配设计单元，用于以不同测试工况下的所述整车能耗及所述簧下质量最优为目标，完成前后轴轮毂电机轴向和径向尺寸的最优匹配设计。

Images