CN112109705A - 增程式分布驱动电动车辆避撞优化控制系统及控制方法 - Google Patents

Abstract

本发明涉及一种增程式分布驱动电动车辆避撞优化控制系统及控制方法，该控制系统包括环境感知模块、避障路径规划模块、多目标避撞路径跟踪优化控制模块及增程式分布驱动电动车辆。各模块的主要功能包括：环境感知模块探测得到障碍物信息以及车辆自身状态，避障路径规划模块规划出动态安全避撞路径，多目标避撞路径跟踪优化控制模块根据路径跟踪精度及纵向冲击度要求，采用结合径向基神经网络的模型预测控制方法决策转向盘转角与驱/制动力矩以完成路径跟踪，实现对车辆的避撞控制。与现有技术相比，本发明具有能够在保障路径跟踪精度与车辆稳定性的同时提高避撞车辆安全性与驾驶员舒适度等优点。

Description

增程式分布驱动电动车辆避撞优化控制系统及控制方法

技术领域

本发明涉及汽车先进驾驶辅助技术领域，尤其是涉及一种考虑纵向冲击度的增程式分布驱动电动车辆避撞多目标优化控制系统及控制方法。

背景技术

智能汽车融合现代通信与网络技术，并搭载先进的车载传感器、控制器以及执行器，具有复杂环境感知、智能决策与协同控制等功能，可综合提高车辆的安全性、舒适性及能量经济性。

近年来，碰撞在高速公路交通事故中的比重居高不下，其中约40％为车辆追尾碰撞、20％为车辆与静止物体碰撞，近一半的驾驶员在危险情况下采取了避撞动作，但仍无法避免交通事故。因此实现避撞工况下智能汽车安全稳定控制是智能汽车技术发展的必由之路。

智能汽车驾驶辅助技术的发展可以提高车辆避撞工况下的行驶安全性。然而，目前的避撞路径跟踪控制方法大多以保障避撞过程安全性为主，对驾驶员主观感受考虑较少，且鲜有结合车辆动力传动系统及底盘控制系统进行具体分析。专利号CN107878453A公开了一种躲避动障碍物的汽车避撞一体式控制方法，该方法实时优化车辆避撞时前轮转角和车轮滑移率，并通过电动助力转向力矩补偿模块，减小转向盘突变力矩，实现人机和谐的车辆避撞。该方法考虑了避撞过程中驾驶员对转向盘力矩突变的可接受程度，但没有考虑制动系统在避撞时产生的冲击度变化对驾乘舒适度的影响。专利号CN105676643A公开了一种智能车辆转向和制动自适应协调控制方法，该方法采用反步滑模控制技术实现车辆对期望避撞路径和制动速度的精确跟踪控制，考虑了车辆转向和制动之间的耦合关系，但缺乏对避撞过程驾乘舒适度的考虑。

综上，现有的车辆避撞控制方法对车辆驾乘舒适度考虑不足，在车辆避撞过程中常产生较大的纵向冲击度。这一方面会引起驾驶员恐慌，极易引发驾驶员误操作并导致交通事故；另一方面会降低驾驶员对驾驶辅助系统的信任度，减少驾驶辅助系统的使用率，故仅仅考虑避撞安全性的车辆避撞路径跟踪控制方法已无法满足智能汽车技术发展的需求。此外，搭载分布增程式动力传动系统和线控底盘的增程式分布驱动电动车辆，作为现阶段一种较为理想的车辆结构型式，已得到关注与研发：一方面，由于动力电池技术的制约，其在续驶里程方面具有明显的优势，且具有多种驱动模式可进一步提高整车的能量经济性；另一方面，AFS系统和线控液压制动系统技术已较为成熟并得到了广泛的应用。因此，提供一种考虑纵向冲击度的增程式分布驱动电动车辆避撞多目标优化控制系统及方法，是智能汽车发展过程中亟待解决的问题。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种能够在保障路径跟踪精度与车辆稳定性的同时提高避撞车辆安全性与驾驶员舒适度的增程式分布驱动电动车辆避撞优化控制系统及控制方法。

本发明的目的可以通过以下技术方案来实现：

一种增程式分布驱动电动车辆避撞优化控制系统，其特征在于，所述的控制系统包括：

环境感知模块，用于获取车辆行驶环境中障碍物信息和车辆自身运动状态，并将信息传送给避障路径规划模块与多目标避撞路径跟踪优化控制模块；

避障路径规划模块，根据环境感知模块输出的车辆自身状态信息、障碍物及周边环境信息，实时动态规划车辆安全避撞路径及安全速度，并将其作为控制目标传送给多目标避撞路径跟踪优化控制模块；

多目标避撞路径跟踪优化控制模块，根据环境感知模块和避障路径规划模块输出的车辆自身状态信息与目标避撞路径，综合考虑轨迹跟踪精度、车辆稳定性和纵向冲击度要求，决策车辆期望前轮转角与期望驱/制动力矩，并输出相应控制信号作用于增程式分布驱动电动车辆；

增程式分布驱动电动车辆，其后轴由两个轮毂电机分别驱动两个后轮，前轴由驱动电机后接两挡变速箱驱动前轮；所述的增程式分布驱动电动车辆的底盘系统包括主动前轮转向子系统AFS和线控液压制动子系统；所述AFS子系统通过集成在转向柱上的双行星齿轮机构使伺服电机主动介入驾驶员转向过程以实现车辆主动转向；所述线控液压制动子系统将制动踏板行程与制动液压解耦，实现制动压力主动控制。

优选地，所述的环境感知模块包括若干个用于采集车辆环境数据的数据采集传感器。

优选地，所述的多目标避撞路径跟踪优化控制模块包括驾驶辅助域控制器(301)、底盘域控制器(302)和动力总成域控制器(303)；所述的驾驶辅助域控制器(301)的输出端分别与底盘域控制器(302)的输入端和动力总成域控制器(303)的输入端相连；所述的底盘域控制器(302)的输出端分别与主动前轮转向子系统AFS和线控液压制动子系统相连；所述的动力总成域控制器(303)的输出端分别与轮毂电机、驱动电机和两档变速箱相连；

所述的底盘域控制器包括：

主动转向子控制器，与主动前轮转向子系统AFS相连，控制AFS子系统跟踪驾驶辅助域控制器输出的期望前轮转角；

线控制动子控制器，与线控液压制动子系统相连，控制线控液压制动子系统跟踪驾驶辅助域控制器输出的期望液压制动力矩；

所述的动力总成域控制器具体为：

动力总成域控制器根据驾驶辅助域控制器输出控制驱动电机、轮毂电机和两档变速箱跟随期望电机力矩。

更加优选地，所述的驾驶辅助域控制器(301)包括：

路径跟踪控制器，根据当前环境信息和车辆状态信息，基于径向基神经网络和模型预测控制方法，综合考虑路径跟踪精度、车辆稳定性及驾乘舒适度构建多目标优化性能指标，决策车辆期望前轮转角、期望制动力矩及附加横摆力矩；

力矩分配控制器，根据制动强度、附加横摆力矩及车辆纵向冲击度要求分配动力传动系统电机力矩与底盘线控液压制动力矩；

所述的路径跟踪控制器与力矩分配控制器串联。

一种用于上述控制系统的增程式分布驱动电动车辆避撞优化控制方法，该方法内嵌于所述控制系统的驾驶辅助域控制器中，包括：

步骤1：获取避撞工况下驾驶员行为及增程式分布驱动电动车辆状态参数数据样本；

步骤2：对数据样本进行预处理；

步骤3：构建增程式分布驱动电动车辆避撞工况下行驶状态预测模型；

步骤4：使用数据样本对模型进行训练；

步骤5：结合车辆状态预测模型与模型预测控制方法构建多目标优化性能指标，优化求解得到车辆期望前轮转角、期望制动力矩及附加横摆力矩。

步骤6：分配动力传动系统电机力矩与底盘系统液压制动力矩。

优选地，所述的步骤2具体为：

采集数据经剔除无效样本及滤除噪声后，采用Z-Score正规化方法对原始样本数据进行标准化处理，如下：

其中，x为原始数据，μ为样本均值，σ为样本标准差，x'为标准化处理后的样本数据。

优选地，所述的步骤3具体为：

构建径向基神经网络，并将其作为预测模型，对预测时域内车辆状态参数进行预测；

每个径向基神经网络有n_B·n_u+n_A个输入节点和K个隐含层节点，n_u为输入参数的个数，n_B和n_A均为RBF模型的阶数，输入层到隐含层权值设定为1，隐含层的非线性激活函数为：

每个隐含层节点包括一个独立的中心向量

其和

共同决定第j个节点的幅值；

隐含层节点的输出乘以加权系数

即可获取的模型的输出y_mi(k)，即

其中，

为第i个信号的输出偏置，x_i(k)为节点输入量，

为非线性激活函数；

优选地，所述的步骤5具体为：

避撞工况下车辆的轨迹跟踪性能和稳定性能以径向基神经网络预测的车辆行驶横向位移和横摆角速度(系统输出量η)和规划路径期望的横向位移和横摆角速度(系统期望值η_ref)误差的二范数为评价标准，表达式如下：

其中，P为预测时域，Q为跟踪性能及车辆稳定性权重矩阵，t表示当前时刻；驾乘舒适度以控制量变化率的二范数为评价标准，如下式：

其中，R为控制增量权重矩阵，控制量U为车辆前轮转角、制动力矩及车辆附加横摆力矩；

综合考虑路径跟踪性能、车辆稳定性及驾乘舒适性的多目标控制性能指标可转化为以下形式：

其中，H和G均为二次规划标准系数矩阵；

则路径跟踪多目标优化控制问题转化为求解以下带约束的二次规划问题：

s.t.ΔU_min≤ΔU(k)≤ΔU_max,k＝t,…t+N-1

U_min≤U(t-1)+∑ΔU(i)≤U_max,k＝t,…t+N-1

η_min≤η(t)≤η_max

利用有效集法求解该二次规划问题，在每一个控制周期内，求解以上目标函数，即可得到控制时域内的控制序列：

控制序列的第一个元素作为实际控制增量，与上一个时刻的控制增量叠加，得到本次控制周期的实际控制量：

u(t)＝u(t-1)+Δu(t|t)

直到下一个控制周期，系统更新所有状态，并重新求解目标函数，计算控制增量，如此不断循环，直到控制结束。

优选地，所述的步骤6具体为：

力矩分配控制器根据制动强度、附加横摆力矩及车辆纵向冲击度要求分配动力传动系统电机力矩与底盘系统液压制动力矩，包括驱动-制动模式切换过程以及复合制动过程，具体包括以下步骤：

在增程式分布驱动电动车辆避撞工况下驱动模式至制动模式切换过程中，车辆总驱动力逐渐降低至零，基于路径跟踪控制器输出的期望前轮转角、制动力矩及附加横摆力矩需求，考虑纵向冲击度大小，协调前驱动电机与轮毂电机输出力矩；

在复合制动过程中，用响应较快的电机制动力矩补偿延迟较大的液压制动力矩，减小由于二者响应速度不同导致的过渡工况下较大的制动冲击度；复合制动过程包括制动力的建立阶段，保持阶段和减小阶段；

制动力建立阶段具体为：驱动电机和轮毂电机响应迅速，首先跟随期望制动力矩建立部分制动力，并保留部分制动能力；液压制动力矩介入后，电机对由于液压制动系统响应延迟造成的制动冲击度进行补偿；目标电机制动力矩和电机补偿力矩叠加后作为期望电机制动力矩；

制动力保持阶段具体为：当车速大于等于车速阈值v_m时，液压制动力和电机制动力保持不变；当车速小于车速阈值v_m时，此时驱动电机转速降低至临界转速，电机发热严重，为了保护电机，电机制动力逐渐撤出，液压制动力逐渐增大，保持总制动力不变，所述车速阈值v_m由驱动电机临界转速决定；

制动力减小阶段具体为：液压制动力逐渐撤出，电机对由于液压制动系统响应延迟造成的制动冲击度波动进行补偿。

与现有技术相比，本发明具有以下优点：

针对具有新型动力传动及线控底盘结构的增程分布式电动车辆，提出了考虑纵向冲击度的车辆避撞工况多目标优化控制系统及方法，在保障路径跟踪精度与车辆稳定性的同时，确保避撞过程中车辆纵向冲击度处于合理范围，有助于减小避撞过程中驾驶员心理压力，提高避撞过程车辆安全性以及车辆控制过程中的驾乘舒适度，跟踪精度更高，车辆控制更加平稳。

附图说明

图1为本发明实施例中避撞工况场景示意图；

图2为本发明中增程式分布驱动电动车辆避撞优化控制系统的结构示意图；

图3为本发明中增程式分布驱动电动车辆避撞优化控制方法的流程示意图；

图4为本发明中RBF神经网络的结构示意图；

图5为本发明中力矩分配控制器模式切换示意图；

图6为本发明实施例中复合制动模式下力矩分配控制器工作流程示意图；

图7为本发明实施例中增程分布式电动车辆动力传动系统的结构示意图；

图8为本发明实施例中主动前轮转向子系统AFS的结构示意图；

图9为本发明实施例中线控制动子系统的结构示意图。

图中标号所示：

1、环境感知模块，2、避障路径规划模块，3、多目标避撞路径跟踪优化控制模块，4、增程式分布驱动电动车辆，301、驾驶辅助域控制器，302、底盘域控制器，303、动力总成域控制器。

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，所描述的实施例是本发明的一部分实施例，而不是全部实施例。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的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

本申请提出一种考虑纵向冲击度的增程式分布驱动电动车辆避撞多目标优化控制系统及方法，该车辆避撞多目标优化控制系统包括环境感知模块1、避障路径规划模块2、多目标避撞路径跟踪优化控制模块3以及增程式分布驱动电动车辆4。该系统通过对车辆动力传动系统及底盘系统进行协调控制以保证车辆避撞过程中的安全性，并确保避撞过程中车辆纵向冲击度处于合理范围内，保障驾驶员的驾乘舒适度。本实施例中，避撞工况是指车辆开始避撞时与前方障碍物间TTC(time to collision，TTC)小于2s，如图1所示，其中虚线为车辆理想避撞轨迹。

如图2所示，本实施例中的控制系统包括：

环境感知模块1，用于获取车辆行驶环境中障碍物信息和车辆自身运动状态，并将信息传送给避障路径规划模块与多目标避撞路径跟踪优化控制模块；通过布置于前后挡风玻璃的摄像头采集交通标志及车道线等信息；通过安装于车辆顶部中心位置的激光雷达检测周围环境信息；通过GPS/INS组合导航系统采集车辆姿态、速度及精确的位置信息；通过分布在车辆上的其他传感器采集电机转矩转速及制动轮缸压力等信息；将传感器信息通过CAN总线输入给规划模块和控制模块。

避障路径规划模块2，根据环境感知模块输出的车辆自身状态信息、障碍物及周边环境信息，实时动态规划车辆安全避撞路径及安全速度，并将其作为控制目标传送给多目标避撞路径跟踪优化控制模块；

多目标避撞路径跟踪优化控制模块3，根据环境感知模块和避障路径规划模块输出的车辆自身状态信息与目标避撞路径，综合考虑轨迹跟踪精度、车辆稳定性和纵向冲击度要求，决策车辆期望前轮转角与期望驱/制动力矩，并输出相应控制信号作用于增程式分布驱动电动车辆4；

本实施例中的环境感知模块(1)包括若干个用于采集车辆环境数据的数据采集传感器，例如Radar/Lidar/摄像头、GPS/IMU、V2X设备以及其他用于环境感知的传感器或设备。

本实施例中的增程式分布驱动电动车辆4为系统控制对象，其后轴由两个轮毂电机分别驱动两个后轮，可以实现电子差速并在转弯行驶时通过驱动转矩控制以保证车辆行驶稳定性；前轴由驱动电机后接两挡变速箱驱动前轮，可通过挡位决策实现前后轴转矩分配，以使驱动电机、两后轮轮毂电机工作在高效区；当动力电池电量不足时，增程器工作补电；所述增程式分布驱动电动车辆，其底盘系统包括主动前轮转向子系统(Active FrontSteering，AFS)及线控液压制动子系统；AFS子系统通过集成在转向柱上的双行星齿轮机构使伺服电机主动介入驾驶员转向过程以实现车辆主动转向；线控液压制动子系统将制动踏板行程与制动液压解耦，其踏板特性可调且占用体积较小。

多目标避撞路径跟踪优化控制模块3包括驾驶辅助域控制器301、底盘域控制器302和动力总成域控制器303，驾驶辅助域控制器301的输出端分别与底盘域控制器302的输入端和动力总成域控制器303的输入端相连，底盘域控制器302的输出端分别与主动前轮转向子系统AFS和线控液压制动子系统相连，动力总成域控制器303的输出端分别与轮毂电机、驱动电机和两档变速箱相连。

底盘域控制器302包括：

主动转向子控制器，与主动前轮转向子系统AFS相连，控制AFS子系统跟踪驾驶辅助域控制器301输出的期望前轮转角；

线控制动子控制器，与线控液压制动子系统相连，控制线控液压制动子系统跟踪驾驶辅助域控制器301输出的期望液压制动力矩；

动力总成域控制器303具体为：

动力总成域控制器303根据驾驶辅助域控制器301输出控制驱动电机、轮毂电机和两档变速箱跟随期望电机力矩。

驾驶辅助域控制器301包括：

路径跟踪控制器，根据当前环境信息和车辆状态信息，基于径向基神经网络和模型预测控制方法，综合考虑路径跟踪精度、车辆稳定性及驾乘舒适度构建多目标优化性能指标，决策车辆期望前轮转角、期望制动力矩及附加横摆力矩；

力矩分配控制器，根据制动强度、附加横摆力矩及车辆纵向冲击度要求分配动力传动系统电机力矩与底盘线控液压制动力矩；路径跟踪控制器与力矩分配控制器相连。

本实施例所采用的路径跟踪控制器，基于径向基神经网络与模型预测控制方法，综合考虑路径跟踪精度、车辆稳定性及驾乘舒适度构建多目标优化性能指标；基于径向基神经网络建立准确的车辆状态参数预测模型，将径向基神经网络预测车辆横向位移输出量与规划量的差值二范数作为车辆路径跟踪精度指标，反映车辆对目标避撞路径跟踪性能；将径向基神经网络预测车辆横摆角速度输出量与规划量的差值二范数作为车辆稳定性指标；用控制量变化率的二范数作为驾乘舒适度指标，反映车辆避撞工况下转向制动过程的舒适度要求；并最终使用序列二次规划方法进行求解。

所述的力矩分配控制器，对驱动电机与轮毂电机力矩进行协调控制，以满足驱动模式至制动模式切换过程中的冲击度要求，在复合制动过程中用响应较快的电机力矩补偿延迟较大的液压制动力矩，减小由于二者响应速度不同导致的复合制动过程中较大的纵向冲击度。

控制方法的流程如图3所示，具体包括：

步骤1：基于驾驶员在环的避撞试验台架及实车试验平台获取避撞工况下驾驶员行为及增程式车辆状态参数数据样本；采集的驾驶员行为及车辆状态参数样本包括但不限于：转向时刻TTC值、方向盘转角、方向盘转速、制动主缸压力、车辆纵向加速度、车辆横向加速度、车辆横摆角速度、车辆纵向位移、车辆横向位移等。

步骤2：对数据样本进行预处理；

具体为：采集数据经剔除无效样本及滤除噪声后，采用Z-Score正规化方法对原始样本数据进行标准化处理，如下：

其中，x为原始数据，μ为样本均值，σ为样本标准差，x'为标准化处理后的样本数据；

步骤3：构建增程式分布驱动电动车辆避撞工况下行驶状态预测模型；

具体为：

构建如图4所示的径向基神经网络，并将其作为预测模型，对预测时域内车辆状态参数进行预测；

每个径向基神经网络有n_B·n_u+n_A个输入节点和K个隐含层节点，n_u为输入参数的个数，n_B和n_A均为RBF模型的阶数，输入层到隐含层权值设定为1，隐含层的非线性激活函数为：

每个隐含层节点包括一个独立的中心向量

其和

共同决定第j个节点的幅值；

隐含层节点的输出乘以加权系数

即可获取的模型的输出y_mi(k)，即

其中，

为第i个信号的输出偏置，x_i(k)为节点输入量，

为非线性激活函数；

步骤4：使用数据样本对模型进行训练；

步骤5：基于车辆状态预测模型，构建综合考虑路径跟踪精度、车辆稳定性及驾乘舒适度的多目标优化性能指标，并进行优化求解。

避撞工况下车辆的轨迹跟踪性能和稳定性能以径向基神经网络预测的车辆行驶横向位移和横摆角速度(系统输出量η)和规划路径期望的横向位移和横摆角速度(系统期望值η_ref)误差的二范数为评价标准，表达式如下：

其中，P为预测时域，Q为跟踪性能及车辆稳定性权重矩阵，t表示当前时刻；

驾乘舒适度以控制量变化率的二范数为评价标准，如下式：

其中，R为控制增量权重矩阵，控制量U为车辆前轮转角、制动力矩及车辆附加横摆力矩；

综合考虑路径跟踪性能、车辆稳定性及驾乘舒适性的多目标控制性能指标可转化为以下形式：

其中，H和G均为二次规划标准系数矩阵；

则路径跟踪多目标优化控制问题转化为求解以下带约束的二次规划问题：

s.t.ΔU_min≤ΔU(k)≤ΔU_max,k＝t,…t+N-1

U_min≤U(t-1)+∑ΔU(i)≤U_max,k＝t,…t+N-1

η_min≤η(t)≤η_max

利用有效集法求解该二次规划问题，在每一个控制周期内，求解以上目标函数，即可得到控制时域内的控制序列：

控制序列的第一个元素作为实际控制增量，与上一个时刻的控制增量叠加，得到本次控制周期的实际控制量：

u(t)＝u(t-1)+Δu(t|t)

直到下一个控制周期，系统更新所有状态，并重新求解目标函数，计算控制增量，如此不断循环，直到控制结束；

步骤6：力矩分配控制器，根据制动强度、附加横摆力矩及车辆纵向冲击度要求分配动力传动系统电机力矩与底盘系统液压制动力矩，如图5所示，主要包括驱动-制动模式切换过程以及复合制动过程，具体为：

在增程式分布驱动电动车辆避撞工况下驱动模式至制动模式切换过程中，车辆总驱动力逐渐降低至0，基于路径跟踪控制器输出的期望前轮转角、制动力矩及附加横摆力矩需求，考虑纵向冲击度大小，协调前驱动电机与轮毂电机输出力矩，使模式切换过程中驱动力矩平稳变化，减小车辆纵向冲击度，提高驾乘舒适度；

在复合制动过程中，用响应较快的电机制动力矩补偿延迟较大的液压制动力矩，减小由于二者响应速度不同导致的过渡工况下较大的制动冲击度；复合制动过程包括制动力的建立阶段，保持阶段和减小阶段，如图6所示。

制动力建立阶段，驱动电机和轮毂电机响应迅速，首先跟随期望制动力矩建立部分制动力，并保留部分制动能力；液压制动力矩介入后，电机对由于液压制动系统响应延迟造成的制动冲击度进行补偿；目标电机制动力矩和电机补偿力矩叠加后作为期望电机制动力矩；

制动力保持阶段，当车速大于等于车速阈值v_m时，液压制动力和电机制动力保持不变；当车速小于车速阈值v_m时，此时驱动电机转速降低至临界转速，电机发热严重，为了保护电机，电机制动力逐渐撤出，液压制动力逐渐增大，保持总制动力不变。所述车速阈值v_m由驱动电机临界转速决定；

制动力减小阶段，液压制动力逐渐撤出，电机对由于液压制动系统响应延迟造成的制动冲击度波动进行补偿。

底盘域控制器中的主动转向子控制器及线控制动子控制器分别控制主动前轮转向系统与线控液压制动系统，使其跟踪驾驶辅助域控制器输出的期望前轮转角与液压制动力矩；动力总成域控制器根据驾驶辅助域控制器输出控制驱动电机、轮毂电机等跟随期望电机力矩；

增程式分布驱动电动车辆，其动力传动系统后轴由两个轮毂电机分别驱动两个后轮，前轴由驱动电机后接两挡变速箱驱动前轮；底盘系统包括主动前轮转向系统及线控液压制动系统；各执行器根据多目标避撞路径跟踪控制模块的控制信号进行动作，并将车辆状态信息反馈至感知模块、避障路径规划模块及多目标避撞路径跟踪控制模块。

本实施例中分布增程式电动车辆结构如图7所示：后轴由两个轮毂电机分别驱动两个后轮，可以实现电子差速并在转弯行驶时通过驱动转矩控制以保证行驶稳定性；前轴由驱动电机后接两挡变速箱驱动前轮，可通过挡位决策实现前后轴转矩分配，以使驱动电机、两后轮轮毂电机工作在高效区；且当动力电池电量不足时，增程器工作补电。

如图8所示，AFS子系统有2个输入端：驾驶员通过驱动转向盘带动左侧主动太阳轮旋转以及伺服电机通过自锁式蜗轮蜗杆带动右侧行星齿轮旋转，通过叠加两者转角输入，输出最终转向角度。集成在转向柱上的双行星齿轮机构伺服电机主动介入驾驶员转向过程以实现车辆主动转向。

如图9所示，基于iBooster的线控制动系统由iBooster机电伺服制动系统和ESP(Electronic Stability Program)液压调节单元组成，系统将制动踏板行程与制动液压解耦实现踏板特性可调、再生制动、辅助驾驶等多种功能。在iBooster模式下，控制单元根据底盘域控制器控制信号，计算出电机应产生的扭矩，再由二级齿轮装置将该扭矩转化为伺服制动力。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种增程式分布驱动电动车辆避撞优化控制系统，其特征在于，所述的控制系统包括：

环境感知模块(1)，用于获取车辆行驶环境中障碍物信息和车辆自身运动状态，并将信息传送给避障路径规划模块与多目标避撞路径跟踪优化控制模块；

避障路径规划模块(2)，根据环境感知模块输出的车辆自身状态信息、障碍物及周边环境信息，实时动态规划车辆安全避撞路径及安全速度，并将其作为控制目标传送给多目标避撞路径跟踪优化控制模块；

多目标避撞路径跟踪优化控制模块(3)，根据环境感知模块和避障路径规划模块输出的车辆自身状态信息与目标避撞路径，综合考虑轨迹跟踪精度、车辆稳定性和纵向冲击度要求，决策车辆期望前轮转角、期望制动力矩及附加横摆力矩，并输出相应控制信号作用于增程式分布驱动电动车辆(4)；

分布驱动电动车辆(4)，用作控制系统的被控对象。

2.根据权利要求1所述的一种增程式分布驱动电动车辆避撞优化控制系统，其特征在于，所述的增程式分布驱动电动车辆(4)的后轴由两个轮毂电机分别驱动两个后轮，前轴由驱动电机后接两挡变速箱驱动前轮；所述的增程式分布驱动电动车辆(4)的底盘系统包括主动前轮转向子系统AFS和线控液压制动子系统；所述AFS子系统通过集成在转向柱上的双行星齿轮机构使伺服电机主动介入驾驶员转向过程以实现车辆主动转向；所述线控液压制动子系统将制动踏板行程与制动液压解耦，实现制动压力主动控制。

3.根据权利要求1所述的一种增程式分布驱动电动车辆避撞优化控制系统，其特征在于，所述的环境感知模块(1)包括若干个用于采集车辆状态与周围环境数据的数据采集传感器。

4.根据权利要求3所述的一种增程式分布驱动电动车辆避撞优化控制系统，其特征在于，所述的多目标避撞路径跟踪优化控制模块(3)包括驾驶辅助域控制器(301)、底盘域控制器(302)和动力总成域控制器(303)；所述的驾驶辅助域控制器(301)的输出端分别与底盘域控制器(302)的输入端和动力总成域控制器(303)的输入端相连；所述的底盘域控制器(302)的输出端分别与主动前轮转向子系统AFS和线控液压制动子系统相连；所述的动力总成域控制器(303)的输出端分别与轮毂电机、驱动电机和两档变速箱相连；

所述的底盘域控制器(302)包括：

主动转向子控制器，与主动前轮转向子系统AFS相连，控制AFS子系统跟踪驾驶辅助域控制器(301)输出的期望前轮转角；

线控制动子控制器，与线控液压制动子系统相连，控制线控液压制动子系统跟踪驾驶辅助域控制器(301)输出的期望液压制动力矩；

所述的动力总成域控制器(303)具体为：

动力总成域控制器(303)根据驾驶辅助域控制器(301)输出控制驱动电机、轮毂电机和两档变速箱跟随期望电机力矩。

5.根据权利要求4所述的一种增程式分布驱动电动车辆避撞优化控制系统，其特征在于，所述的驾驶辅助域控制器(301)包括：

路径跟踪控制器，根据当前环境信息和车辆状态信息，基于径向基神经网络和模型预测控制方法，综合考虑路径跟踪精度、车辆稳定性及驾乘舒适度构建多目标优化性能指标，决策车辆期望前轮转角、期望制动力矩及附加横摆力矩；

力矩分配控制器，根据制动强度、附加横摆力矩及车辆纵向冲击度要求分配动力传动系统电机力矩与底盘线控液压制动力矩；

所述的路径跟踪控制器与力矩分配控制器串联。

6.一种用于如权利要求1所述控制系统的增程式分布驱动电动车辆避撞优化控制方法，该方法内嵌于所述控制系统的驾驶辅助域控制器，其特征在于，包括：

步骤1：获取避撞工况下驾驶员行为及增程式分布驱动电动车辆状态参数数据样本；

步骤2：对数据样本进行预处理；

步骤3：构建增程式分布驱动电动车辆避撞工况下行驶状态神经网络预测模型；

步骤4：使用数据样本对模型进行训练；

步骤5：基于车辆状态预测模型与模型预测控制方法构建多目标优化性能指标，优化求解得到车辆期望前轮转角、期望制动力矩及附加横摆力矩。

步骤6：分配动力传动系统电机力矩与底盘系统液压制动力矩。

7.根据权利要求6所述的一种增程式分布驱动电动车辆避撞优化控制方法，其特征在于，所述的步骤2具体为：

采集数据经剔除无效样本及滤除噪声后，采用Z-Score正规化方法对原始样本数据进行标准化处理，如下：

其中，x为原始数据，μ为样本均值，σ为样本标准差，x'为标准化处理后的样本数据。

8.根据权利要求6所述的一种增程式分布驱动电动车辆避撞优化控制方法，其特征在于，所述的步骤3具体为：

构建径向基神经网络，并将其作为预测模型，对预测时域内车辆状态参数进行预测；

每个径向基神经网络有n_B·n_u+n_A个输入节点和K个隐含层节点，n_u为输入参数的个数，n_B和n_A均为RBF模型的阶数，输入层到隐含层权值设定为1，隐含层的非线性激活函数为：

每个隐含层节点包括一个独立的中心向量

其和

共同决定第j个节点的幅值；

隐含层节点的输出乘以加权系数

即可获取的模型的输出y_mi(k)，即

其中，

为第i个信号的输出偏置，x_i(k)为节点输入量，

为为非线性激活函数。

9.根据权利要求6所述的一种增程式分布驱动电动车辆避撞优化控制方法，其特征在于，所述的步骤5具体为：

避撞工况下车辆的轨迹跟踪性能和稳定性能以径向基神经网络预测的车辆行驶横向位移和横摆角速度和规划路径期望的横向位移和横摆角速度误差的二范数为评价标准，表达式如下：

其中，P为预测时域；Q为跟踪性能及车辆稳定性权重矩阵；t表示当前时刻；η为系统的输出量，表示径向基神经网络预测的车辆行驶横向位移和横摆角速度；η_ref为系统期望值，表示规划路径期望的横向位移和横摆角速度；

驾乘舒适度以控制量变化率的二范数为评价标准，如下式：

其中，R为控制增量权重矩阵，控制量U为车辆前轮转角、制动力矩及车辆附加横摆力矩；

综合考虑路径跟踪性能、车辆稳定性及驾乘舒适性的多目标控制性能指标可转化为以下形式：

其中，H和G均为二次规划标准系数矩阵；

则路径跟踪多目标优化控制问题转化为求解以下带约束的二次规划问题：

s.t.ΔU_min≤ΔU(k)≤ΔU_max,k＝t,…t+N-1

U_min≤U(t-1)+∑ΔU(i)≤U_max,k＝t,…t+N-1

η_min≤η(t)≤η_max

利用有效集法求解该二次规划问题，在每一个控制周期内，求解以上目标函数，即可得到控制时域内的控制序列：

控制序列的第一个元素作为实际控制增量，与上一个时刻的控制增量叠加，得到本次控制周期的实际控制量：

u(t)＝u(t-1)+Δu(t|t)

直到下一个控制周期，系统更新所有状态，并重新求解目标函数，计算控制增量，如此不断循环，直到控制结束。

10.根据权利要求6所述的一种增程式分布驱动电动车辆避撞优化控制方法，其特征在于，所述的步骤6具体为：

力矩分配控制器根据制动强度、附加横摆力矩及车辆纵向冲击度要求分配动力传动系统电机力矩与底盘系统液压制动力矩，包括驱动-制动模式切换过程以及复合制动过程，具体包括以下步骤：

在增程式分布驱动电动车辆避撞工况下驱动模式至制动模式切换过程中，车辆总驱动力逐渐降低至零，基于路径跟踪控制器输出的期望前轮转角、制动力矩及附加横摆力矩需求，考虑纵向冲击度大小，协调前驱动电机与轮毂电机输出力矩；

在复合制动过程中，用响应较快的电机制动力矩补偿延迟较大的液压制动力矩，减小由于二者响应速度不同导致的过渡工况下较大的制动冲击度；复合制动过程包括制动力的建立阶段，保持阶段和减小阶段；

制动力建立阶段具体为：驱动电机和轮毂电机响应迅速，首先跟随期望制动力矩建立部分制动力，并保留部分制动能力；液压制动力矩介入后，电机对由于液压制动系统响应延迟造成的制动冲击度进行补偿；目标电机制动力矩和电机补偿力矩叠加后作为期望电机制动力矩；

制动力保持阶段具体为：当车速大于等于车速阈值v_m时，液压制动力和电机制动力保持不变；当车速小于车速阈值v_m时，此时驱动电机转速降低至临界转速，电机发热严重，为了保护电机，电机制动力逐渐撤出，液压制动力逐渐增大，保持总制动力不变，所述车速阈值v_m由驱动电机临界转速决定；

制动力减小阶段具体为：液压制动力逐渐撤出，电机对由于液压制动系统响应延迟造成的制动冲击度波动进行补偿。

Images