CN112406864B - 电动客车双源智能转向系统及转向协同控制方法 - Google Patents

电动客车双源智能转向系统及转向协同控制方法 Download PDF

Info

Publication number
CN112406864B
CN112406864B CN202011131557.0A CN202011131557A CN112406864B CN 112406864 B CN112406864 B CN 112406864B CN 202011131557 A CN202011131557 A CN 202011131557A CN 112406864 B CN112406864 B CN 112406864B
Authority
CN
China
Prior art keywords
steering
electric motor
inverter
layer controller
motor coach
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
Application number
CN202011131557.0A
Other languages
English (en)
Other versions
CN112406864A (zh
Inventor
付志军
侯俊剑
何文斌
刘晓丽
周放
姚雷
房占鹏
钟玉东
王辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou University of Light Industry
Original Assignee
Zhengzhou University of Light Industry
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhengzhou University of Light Industry filed Critical Zhengzhou University of Light Industry
Priority to CN202011131557.0A priority Critical patent/CN112406864B/zh
Publication of CN112406864A publication Critical patent/CN112406864A/zh
Application granted granted Critical
Publication of CN112406864B publication Critical patent/CN112406864B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units, or advanced driver assistance systems for ensuring comfort, stability and safety or drive control systems for propelling or retarding the vehicle
    • B60W30/18—Propelling the vehicle
    • B60W30/18009—Propelling the vehicle related to particular drive situations
    • B60W30/18145—Cornering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/03—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for supply of electrical power to vehicle subsystems or for
    • B60R16/033—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for supply of electrical power to vehicle subsystems or for characterised by the use of electrical cells or batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D5/00—Power-assisted or power-driven steering
    • B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
    • B62D5/0457—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such
    • B62D5/046—Controlling the motor
    • B62D5/0463—Controlling the motor calculating assisting torque from the motor based on driver input

Abstract

本发明公开了一种电动客车双源智能转向系统，包括环境感知单元、上层控制器、下层控制器、第一逆变器、第二逆变器、48伏低压蓄电池相连接、高压动力电池组相连接、开绕组永磁同步电机、减速器、转矩传感器、转向横拉杆，转向横拉杆、滚珠丝杠和转向传动机构，各转向传动机构分别连接一个转向车轮。本发明还公开了转向协同控制方法，包括多性能目标下的纵横向协同自评判优化决策方法和高低双源主从协同控制方法。本发明为实现L4级自动驾驶提供基础，既能满足电动客车转向时的大功率需求，又利用高低压双动力源协同工作降低转向时的功耗，节省能源，并且可靠性更高，不会使电动客车因单一动力源故障而发生转向事故。

Description

电动客车双源智能转向系统及转向协同控制方法
技术领域
本发明属于车辆智能化转向技术领域，具体涉及一种高压动力电池和48V低压蓄电池双 源供电下双逆变器开绕组永磁同步电机驱动新型智能转向系统及其协同控制方法。
背景技术
自动驾驶是汽车业未来的发展方向，美国汽车工程师学会对自动驾驶汽车进行了分级， 共1－5级，第5级为最高级，无须人类驾驶者进行任何操作。目前国内正在大力推进的是第 4级(即L4)，在限定的道路和环境中进行无人驾驶。
电驱式智能转向是实现电动客车L4级自动驾驶的核心关键技术。目前存在的主要问题 表现在：
对于现行电动客车高压动力电池为主、低压24V蓄电池为辅的供电体系，单纯的24V 供电无法满足前向载荷较大所带来的电驱式智能转向驱动电机功率需求，若采用单纯的高压 动力电池为智能转向电机供电，在中低速特征明显的典型城市工况下，由于客车转向阻力较 大带来的大功率需求而使转向电机时常工作在大电流运行模式，造成能耗过大问题，并且单 一供电模式存在电源发生故障下所带来的可靠性问题。
发明内容
本发明的目的在于解决目前L4级自动驾驶电动客车电驱式智能转向技术研发中存在的 转向电机功率限制与可靠性技术瓶颈问题，提出一种高压动力电池为主、48V低压蓄电池(48V 代表未来的车载低压电源发展趋势)为辅的双源供电下、双逆变器开绕组永磁同步电机(支 持双源输入高功率输出)驱动新型智能转向系统。
为实现上述目的，本发明的电动客车双源智能转向系统包括环境感知单元，环境感知单 元包括车载的激光雷达、毫米波雷达、摄像头、车路通信模块和车车通信单元；
环境感知单元通过线路连接有上层控制器，上层控制器通过线路连接有下层控制器；
下层控制器连接有第一逆变器和第二逆变器；第一逆变器的输入端与48伏低压蓄电池 相连接，第二逆变器的输入端与高压动力电池组相连接；
第一逆变器和第二逆变器均与开绕组永磁同步电机的定子绕组的两端相连接；开绕组永 磁同步电机的输出轴连接有减速器，减速器的转向主销通过转矩传感器连接转向横拉杆，转 向横拉杆的两端分别通过滚珠丝杠连接有转向传动机构，各转向传动机构分别连接一个转向 车轮；
转向横拉杆两端的转向传动机构用于控制电动客车的转向车轮；减速器的转向主销上设 有转角传感器，转角传感器用于产生转矩信号H，转角传感器通过线路与下层控制器相连接；
环境感知单元将车路通信信号A、车车通信信号B、激光雷达信号C、毫米波雷达信号 D和摄像头信号E的集合即环境综合信息F传递给上层控制器；
上层控制器通过环境综合信息F获取电动客车具体行驶环境、车体位移和姿态信息，通 过多性能目标下的纵横向协同自评判优化决策方法得到期望转角信号G并将期望转角信号G 传递给下层控制器；
下层控制器接收期望转角信号G以及转角传感器反馈的转矩信号H，通过高低双源主从 协同控制方法调整第一逆变器第二逆变器的输出功率分配，控制两个逆变器的输出，产生最 优协同转向电机力矩，跟踪上层控制器给定的期望转角。
本发明还公开了上述电动客车双源智能转向系统的转向协同控制方法，按以下步骤进 行：
(1)上层控制器通过环境综合信息F获取电动客车具体行驶环境、车体位移和姿态信 息；
(2)上层控制器根据环境综合信息F以及电动客车具体行驶环境、车体位移和姿态信 息，通过多性能目标下的纵横向协同自评判优化决策方法得到期望转角信号G；
(3)下层控制器接收期望转角信号G以及转角传感器反馈的转矩信号H形成闭环控制， 通过高低双源主从协同控制方法管理开绕组永磁同步电机的输出力矩I；
(4)开绕组永磁同步电机输出的力矩I经过减速器、转向横拉杆、滚珠丝杠和转向传 动机构传递至转向车轮，实现转向车轮对期望转角信号G的跟踪，达到对电动客车行驶方向 的智能转向控制目的。
第(2)步骤中的多性能目标下的纵横向协同自评判优化决策方法按以下步骤进行：
(2.1)获取离线策略d：上层控制器从驾驶员经验数据集a获取离线驾驶历史数据b，利 用多尺度神经网络c进行离线学习从而获得离线策略d；
(2.2)在线强化学习：上层控制器通过与环境综合信息F进行交互，采用最优均衡理论 中的自适应加权和法确定回报函数e，通过回报函数e实现保证纵向和横向各自性能的同时兼 顾整体安全、节能和舒适等多目标性能的整体最优；
(2.3)在线强化学习的过程中，上层控制器通过与环境综合信息F进行交互并得到期望 转角信号G的过程中，上层控制器采取电动客车的速度和方向盘角度形成学习系统的二维动 作与环境交互，并用回报函数e来表述二维动作对行车状态的影响；
(2.4)在线强化学习的过程中，在电动客车执行一系列二维动作后获得最大累积回报来 确定评价函数f，根据评价函数f和评价误差g确定在线学习率h，最后得到在线策略i；
(2.5)每进行一次在线强化学习过程后，将新捕获的在线策略i与历史数据b重新组合， 作为新的离线多尺度神经网络c的训练样本。
第(3)步骤中的高低双源主从协同控制方法按以下步骤进行：
采用最优均衡理论中的领导者－跟随者Stackelberg博弈模型，把高压动力电池和48V低 压蓄电池驱动的第一逆变器和第二逆变器映射为Stackelberg博弈模型中的领导者和跟随者， 从而将两个动力源驱动的两个逆变器的主从协同控制分配问题，转化为最优均衡中的 Stackelberg博弈过程；采用近似动态规划算法确定主从协同控制律，从而控制开绕组永磁同 步电机输出力矩，完成第(3)步骤。
本发明具有如下的优点：
在上层控制器中，从历史数据中学到的离线策略反映了智能驾驶的一般平均行为，而在 线强化学习每次生成的二维动作考虑了实际运行工况的特殊性，这样的学习架构设计，使得 本发明既考虑了一般性，又考虑了特殊性，非常符合L4级智能驾驶的特点；
在下层控制器中，通过将双源驱动的两个逆变器系统的主从协同控制分配问题，转化为 最优均衡中的领导者-跟随者Stackelberg决策过程，可实现客车在不同实际运行工况下实时调 整两个逆变器的输出功率分配，产生最优协同转向力矩，跟踪给定期望转角。
双动力源中，如果低压动力源采用现有技术中采用的24伏蓄电池，则在高压动力电池 失效时，低压动力源独自无法为电动客车转向动作提供足够动力。本发明使用高压动力电池 和48伏蓄电池构建双动力源，在任意一个动力源失效的情况下，另一动力源也能够为转向动 作提供充足动力，因而系统的可靠性更高。
本发明通过组建高低压双动力源，通过转向协同控制方法及其多性能目标下的纵横向协 同自评判优化决策方法和高低双源主从协同控制方法，为实现L4级自动驾驶提供基础，既能 满足电动客车转向时的大功率需求，又利用高低压双动力源协同工作降低转向时的功耗，节 省能源，并且可靠性更高，不会使电动客车因单一动力源故障而发生转向事故。
附图说明
图1是本发明的电动客车双源智能转向系统的原理结构框图；
图2是本发明的转向协同控制方法的原理图。
具体实施方式
如图1至图2所示，本发明的电动客车双源智能转向系统包括环境感知单元，环境感知 单元包括车载的激光雷达、毫米波雷达、摄像头、车路通信模块和车车通信单元；
环境感知单元通过线路连接有上层控制器，上层控制器通过线路连接有下层控制器；
下层控制器连接有第一逆变器和第二逆变器；第一逆变器的输入端与48伏低压蓄电池 相连接，第二逆变器的输入端与高压动力电池组相连接；
第一逆变器和第二逆变器均与开绕组永磁同步电机的定子绕组的两端相连接；开绕组永 磁同步电机的输出轴连接有减速器，减速器的转向主销通过转矩传感器连接转向横拉杆，转 向横拉杆的两端分别通过滚珠丝杠连接有转向传动机构，各转向传动机构分别连接一个转向 车轮；图1中转向传动机构外侧的椭圆即为转向车轮。
转向横拉杆两端的转向传动机构用于控制电动客车的转向车轮；减速器的转向主销上设 有转角传感器，转角传感器用于产生转矩信号H，转角传感器通过线路与下层控制器相连接；
环境感知单元将车路通信信号A、车车通信信号B、激光雷达信号C、毫米波雷达信号 D和摄像头信号E的集合即环境综合信息F传递给上层控制器；
上层控制器通过环境综合信息F获取电动客车具体行驶环境、车体位移和姿态信息，通 过多性能目标下的纵横向协同自评判优化决策方法得到期望转角信号G并将期望转角信号G 传递给下层控制器；
下层控制器接收期望转角信号G以及转角传感器反馈的转矩信号H，通过高低双源主从 协同控制方法做到：
调整第一逆变器第二逆变器的输出功率分配，控制两个逆变器的输出，实现电动客车在 实际运行工况下实时调整两个逆变器的输出功率分配，产生最优协同转向电机力矩，跟踪上 层控制器给定的期望转角；将高压动力电池组和48伏低压蓄电池统称为动力源，将第一逆变 器和第二逆变器统称为逆变器；在两个动力源或两个逆变器中的任何一个发生故障时，自动 切换至无故障的动力源或逆变器，确保转向可靠性。
转向传动机构、转角传感器和逆变器等等均为现有技术，具体结构不再详述。
本发明还提供了上述电动客车双源智能转向系统的转向协同控制方法，按以下步骤进 行：
(1)上层控制器通过环境综合信息F获取电动客车具体行驶环境、车体位移和姿态信 息；
(2)上层控制器根据环境综合信息F以及电动客车具体行驶环境、车体位移和姿态信 息，通过多性能目标下的纵横向协同自评判优化决策方法得到期望转角信号G；
(3)下层控制器接收期望转角信号G以及转角传感器反馈的转矩信号H形成闭环控制， 通过高低双源主从协同控制方法管理开绕组永磁同步电机的输出力矩I；
(4)开绕组永磁同步电机输出的力矩I经过减速器、转向横拉杆、滚珠丝杠和转向传 动机构传递至转向车轮，实现转向车轮对期望转角信号G的跟踪，达到对电动客车行驶方向 的智能转向控制目的。
第(2)步骤中的多性能目标下的纵横向协同自评判优化决策方法按以下步骤进行：
(2.1)获取离线策略d：上层控制器从驾驶员经验数据集a获取离线驾驶历史数据b，利 用多尺度神经网络c进行离线学习从而获得离线策略d；多尺度神经网络为常规技术，具体 不再详述。驾驶员经验数据集a，既可以采用目前公开的公共智能驾驶数据集，如百度智能 云数据集中的驾驶员经验数据集；也可以采用自行采集维护的驾驶员经验数据集；驾驶员经 验数据集a存储于上层控制器内置的存储器中。自行采集时，通过借用有经验的驾驶员通过 实际驾驶采集数据并汇总形成驾驶员经验数据集，在人力和成本允许的条件下，优选对驾驶 员经验数据集补充时效性数据，长期维护和补充驾驶员经验数据集。无论是采用公开的公共 智能驾驶数据集，还是自行采集，均为现有技术，具体不再详述。
(2.2)在线强化学习：上层控制器通过与环境综合信息F进行交互，采用最优均衡理论 中的自适应加权和法确定回报函数e，通过回报函数e实现保证纵向和横向各自性能的同时兼 顾整体安全、节能和舒适等多目标性能的整体最优；自适应加权和法以及回报函数e为常规 算法，具体不再详述。图2中的“环境感知F”即所述的“环境综合信息F”。
(2.3)在线强化学习的过程中，上层控制器通过与环境综合信息F进行交互并得到期望 转角信号G的过程中，上层控制器采取电动客车的速度和方向盘角度形成学习系统的二维动 作与环境交互，并用回报函数e来表述二维动作对行车状态的影响；
(2.4)在线强化学习的过程中，在电动客车执行一系列二维动作后获得最大累积回报来 确定评价函数f，根据评价函数f和评价误差g确定在线学习率h，最后得到在线策略i；
(2.5)每进行一次在线强化学习过程后，将新捕获的在线策略i与历史数据b重新组合， 作为新的离线多尺度神经网络c的训练样本；
多性能目标下的纵横向协同自评判优化决策方法中，本发明所提出的离线和在线强化学 习将结合的学习框架的特点是，当涉及到新捕获的在线策略i时，在线策略可以调整和更新 离线学习中使用的历史数据，而离线策略d又可以作为在线二维动作选择的概率分布数学期 望，非常适合L4级智能转向控制方法的要求。
第(3)步骤中的高低双源主从协同控制方法按以下步骤进行：
开绕组永磁同步电机的输出功率由第一逆变器的输出功率和第二逆变器的输出功率共 同决定；采用最优均衡理论中的领导者－跟随者Stackelberg博弈模型，把高压动力电池和48V 低压蓄电池驱动的第一逆变器和第二逆变器映射为Stackelberg博弈模型中的领导者和跟随 者，从而将两个动力源驱动的两个逆变器的主从协同控制分配问题，转化为最优均衡中的 Stackelberg博弈过程；采用近似动态规划算法确定主从协同控制律，从而控制开绕组永磁同 步电机输出力矩，完成第(3)步骤。
近似动态规划算法为常规算法，最优均衡理论中的领导者－跟随者Stackelberg博弈模型 为常规方法，具体均不再详述。
构建双源(即两个动力源)供电下双逆变器开绕组永磁同步电机驱动智能转向系统模型 如下：
Figure BDA0002735340210000061
其中，x(t)∈Rn为系统状态向量，f(x(t))∈Rn为非线性函数部分，
Figure BDA0002735340210000062
为输入矩 阵，
Figure BDA0002735340210000063
属于容许控制策略集Yi，i∈{1,2,…,N}。
本发明中双源驱动的智能转向系统模型属于(1)式中N＝2的情况，引入如下领导者(L) 跟随者(F)两输入Stackelberg博弈模型：
Figure BDA0002735340210000064
其中，JF,JL分别为跟随者F和领导者L的评价函数，Q1x,Qx2,R11,R12,R21,R22为性能评价 参数，UF,VL为决策空间集，J代表两输入Stackelberg博弈模型。
假设跟随者知道自身控制策略u1,并知道领导者的控制策略u2，两者试图选择自己的策 略使得各自的代价函数最小,那么领导者选择控制策略u2后,跟随者选择策略u1＝T(u2)(T为 从u2到u1的映射),使得
JF＝(u1,T(u1))≤JF(u1,u2) (3)；
对于跟随者的策略u1，领导者选择最优控制策略
Figure BDA0002735340210000065
后，使得
Figure BDA0002735340210000071
那么最优策略
Figure BDA0002735340210000072
称为领导者的Stackelberg策略,而
Figure BDA0002735340210000073
称为跟随者的Stackelberg策略。
Stackelberg均衡解的获取可以解释为跟随者和领导者两级参数优化问题，首先，跟随者 希望找到对领导者政策的最优响应。跟随者只知道领导者的政策。因此，对于固定的策略u2， F的最优成本函数是
Figure BDA0002735340210000074
根据Bellman最优性原理，构造Hamilton函数如下：
Figure BDA0002735340210000075
根据最优性条件
Figure BDA0002735340210000076
可得最优跟随者控制策略和相关的协态Costate方程为：
Figure BDA0002735340210000077
Figure BDA0002735340210000078
协态Costate方程(8)可以用来衡量是跟随者F采取策略(7)后的未来效应，领导者L 在决策时将考虑它产生的影响。构建如下领导者评价函数：
Figure RE-GDA0002908380390000079
其中，ξ表示对应于(8)的拉格朗日算子，
Figure BDA00027353402100000710
用来评估跟随者的策略反应。同理，可 得到领导者L的最优控制策略和相关的协态Costate方程：
Figure BDA00027353402100000711
Figure BDA00027353402100000712
Figure BDA00027353402100000713
于是两输入Stackelberg策略(博弈模型)最优解问题就转化为两个HJ方程式(7)和式 (10)，以及一个协态Costate方程式(12)的求解问题，两个HJ方程式(7)和式(10)通过近似动态规划算法生成两个评价网络实现近似求解，同时，协态Costate方程式(12)根据两个HJ方程的求解同时实现迭代更新。
本发明的技术构思为：为了解决电动客车中由于前轴载荷较大所带来的转向电机功率限 制及可靠性要求主要技术瓶颈问题，首次提出支持大功率输出并可同时使用两种电源的开绕 组永磁同步电机驱动新型智能转向系统，高压由动力电池提供，低压采用48V蓄电池代替目 前的24V系统。
在实践上，为发展电动客车电驱式智能转向系统面临的功率限制及可靠性共性问题的解 决提供了一条有效且可行的技术途径。
同时，针对新型双源(即两个动力源)智能转向技术研发背后所蕴含的核心科学问题， 通过融合并发展强化学习、神经网络以及最优均衡理论，从全新的角度给出了上层控制器中 多性能目标下的纵横向协同自评判优化决策方法，以及下层控制器中的高低双源主从协同控 制方法；
需要指出的是在上层控制器中，从历史数据中学到的离线策略反映了智能驾驶的一般平 均行为，而在线强化学习每次生成的二维动作考虑了实际运行工况的特殊性，这样的学习架 构设计，既考虑了一般性，又考虑了特殊性，非常符合L4级智能驾驶的特点；
在下层控制器中，通过将双源驱动的两个逆变器系统的主从协同控制分配问题，转化为 最优均衡中的领导者-跟随者Stackelberg决策过程，可实现客车在不同实际运行工况下实时调 整两个逆变器的输出功率分配，产生最优协同转向力矩，跟踪给定期望转角。
以上实施例仅用以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行 了详细说明，本领域的普通技术人员应当理解：依然可以对本发明进行修改或者等同替换， 而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围 当中。

Claims (4)

1.电动客车双源智能转向系统，其特征在于：包括环境感知单元，环境感知单元包括车载的激光雷达、毫米波雷达、摄像头、车路通信模块和车车通信单元；
环境感知单元通过线路连接有上层控制器，上层控制器通过线路连接有下层控制器；
下层控制器连接有第一逆变器和第二逆变器；第一逆变器的输入端与48伏低压蓄电池相连接，第二逆变器的输入端与高压动力电池组相连接；
第一逆变器和第二逆变器均与开绕组永磁同步电机的定子绕组的两端相连接；开绕组永磁同步电机的输出轴连接有减速器，减速器的转向主销通过转矩传感器连接转向横拉杆，转向横拉杆的两端分别通过滚珠丝杠连接有转向传动机构，各转向传动机构分别连接一个转向车轮；
转向横拉杆两端的转向传动机构用于控制电动客车的转向车轮；减速器的转向主销上设有转角传感器，转角传感器用于产生转矩信号H，转角传感器通过线路与下层控制器相连接；
环境感知单元将车路通信信号A、车车通信信号B、激光雷达信号C、毫米波雷达信号D和摄像头信号E的集合即环境综合信息F传递给上层控制器；
上层控制器通过环境综合信息F获取电动客车具体行驶环境、车体位移和姿态信息，通过多性能目标下的纵横向协同自评判优化决策方法得到期望转角信号G并将期望转角信号G传递给下层控制器；
下层控制器接收期望转角信号G以及转角传感器反馈的转矩信号H，通过高低双源主从协同控制方法调整第一逆变器第二逆变器的输出功率分配，控制两个逆变器的输出，产生最优协同转向电机力矩，跟踪上层控制器给定的期望转角。
2.权利要求1所述电动客车双源智能转向系统的转向协同控制方法，其特征在于按以下步骤进行：
（1）上层控制器通过环境综合信息F获取电动客车具体行驶环境、车体位移和姿态信息；
（2）上层控制器根据环境综合信息F以及电动客车具体行驶环境、车体位移和姿态信息，通过多性能目标下的纵横向协同自评判优化决策方法得到期望转角信号G；
（3）下层控制器接收期望转角信号G以及转角传感器反馈的转矩信号H形成闭环控制，通过高低双源主从协同控制方法管理开绕组永磁同步电机的输出力矩I；
（4）开绕组永磁同步电机输出的力矩I经过减速器、转向横拉杆、滚珠丝杠和转向传动机构传递至转向车轮，实现转向车轮对期望转角信号G的跟踪，达到对电动客车行驶方向的智能转向控制目的。
3.根据权利要求2所述的转向协同控制方法，其特征在于：第（2）步骤中的多性能目标下的纵横向协同自评判优化决策方法按以下步骤进行：
(2.1) 获取离线策略d：上层控制器从驾驶员经验数据集a获取离线驾驶历史数据b，利用多尺度神经网络c进行离线学习从而获得离线策略d；
(2.2) 在线强化学习：上层控制器通过与环境综合信息F进行交互，采用最优均衡理论中的自适应加权和法确定回报函数e，通过回报函数e实现保证纵向和横向各自性能的同时兼顾整体安全、节能和舒适多目标性能的整体最优；
(2.3) 在线强化学习的过程中，上层控制器通过与环境综合信息F进行交互并得到期望转角信号G的过程中，上层控制器采取电动客车的速度和方向盘角度形成学习系统的二维动作与环境交互，并用回报函数e来表述二维动作对行车状态的影响；
(2.4) 在线强化学习的过程中，在电动客车执行一系列二维动作后获得最大累积回报来确定评价函数f，根据评价函数f和评价误差g确定在线学习率h，最后得到在线策略i；
(2.5)每进行一次在线强化学习过程后，将新捕获的在线策略i与历史数据b重新组合，作为新的离线多尺度神经网络c的训练样本。
4.根据权利要求2或3所述的转向协同控制方法，其特征在于：第（3）步骤中的高低双源主从协同控制方法按以下步骤进行：
采用最优均衡理论中的领导者－跟随者Stackelberg博弈模型，把高压动力电池和48V低压蓄电池驱动的第一逆变器和第二逆变器映射为Stackelberg博弈模型中的领导者和跟随者，从而将两个动力源驱动的两个逆变器的主从协同控制分配问题，转化为最优均衡中的Stackelberg博弈过程；采用近似动态规划算法确定主从协同控制律，从而控制开绕组永磁同步电机输出力矩，完成第（3）步骤。
CN202011131557.0A 2020-10-21 2020-10-21 电动客车双源智能转向系统及转向协同控制方法 Active CN112406864B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011131557.0A CN112406864B (zh) 2020-10-21 2020-10-21 电动客车双源智能转向系统及转向协同控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011131557.0A CN112406864B (zh) 2020-10-21 2020-10-21 电动客车双源智能转向系统及转向协同控制方法

Publications (2)

Publication Number Publication Date
CN112406864A CN112406864A (zh) 2021-02-26
CN112406864B true CN112406864B (zh) 2022-05-03

Family

ID=74841716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011131557.0A Active CN112406864B (zh) 2020-10-21 2020-10-21 电动客车双源智能转向系统及转向协同控制方法

Country Status (1)

Country Link
CN (1) CN112406864B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114919411A (zh) * 2022-06-16 2022-08-19 上汽通用五菱汽车股份有限公司 车辆转向系统的双电池驱动方法、装置、车辆及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080077662A (ko) * 2006-06-06 2008-08-25 도요다 지도샤 가부시끼가이샤 전동 스티어링 장치 및 전동 스티어링 장치를 제어하는방법
CN107284518A (zh) * 2017-04-28 2017-10-24 全兴精工集团有限公司 一种新能源汽车电动助力转向系统
CN206938850U (zh) * 2017-06-05 2018-01-30 聊城中通轻型客车有限公司 一种电动汽车双源转向助力系统
JP2020032995A (ja) * 2018-05-18 2020-03-05 楊安陶 Ｙａｎｇ，Ａｎ−Ｔａｏ 電動車両用冗長ステアリングシステム及びその制御方法
CN111038578A (zh) * 2019-12-11 2020-04-21 南京航空航天大学 一种双源双绕组电机线控转向系统及其容错控制方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4333646B2 (ja) * 2005-07-06 2009-09-16 トヨタ自動車株式会社 電動パワーステアリング装置
WO2011073720A1 (en) * 2009-12-17 2011-06-23 Renault Trucks Steering motors power supply method and power supply system adapted to such a method
JP2018103713A (ja) * 2016-12-26 2018-07-05 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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080077662A (ko) * 2006-06-06 2008-08-25 도요다 지도샤 가부시끼가이샤 전동 스티어링 장치 및 전동 스티어링 장치를 제어하는방법
CN107284518A (zh) * 2017-04-28 2017-10-24 全兴精工集团有限公司 一种新能源汽车电动助力转向系统
CN206938850U (zh) * 2017-06-05 2018-01-30 聊城中通轻型客车有限公司 一种电动汽车双源转向助力系统
JP2020032995A (ja) * 2018-05-18 2020-03-05 楊安陶 Ｙａｎｇ，Ａｎ−Ｔａｏ 電動車両用冗長ステアリングシステム及びその制御方法
CN111038578A (zh) * 2019-12-11 2020-04-21 南京航空航天大学 一种双源双绕组电机线控转向系统及其容错控制方法

Also Published As

Publication number Publication date
CN112406864A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN113165665A (zh) 使用人工智能的驾驶员行为学习和驾驶教练策略
CN111208813A (zh) 一种自动驾驶车辆的动力学预测控制系统和方法
He et al. Energy optimization of electric vehicle’s acceleration process based on reinforcement learning
Xie et al. Intelligent energy-saving control strategy for electric vehicle based on preceding vehicle movement
CN110717218A (zh) 一种电驱动车辆分布式动力驱动系统重构控制方法及车辆
CN112406864B (zh) 电动客车双源智能转向系统及转向协同控制方法
CN113267992B (zh) 一种基于冗余设计的矿卡无人驾驶控制系统
Goodarzi et al. Stability enhancement and fuel economy of the 4-wheel-drive hybrid electric vehicles by optimal tyre force distribution
CN104553740A (zh) 一种六驱混合动力系统及其控制方法
Li et al. Distributed cooperative energy management system of connected hybrid electric vehicles with personalized non-stationary inference
CN113635879A (zh) 一种车辆制动力分配方法
Zhang et al. Model-predictive optimization for pure electric vehicle during a vehicle-following process
Wu et al. Deep Reinforcement Learning based Energy-efficient Decision-making for Autonomous Electric Vehicle in Dynamic Traffic Environments
CN105644566A (zh) 一种基于车联网的电动汽车辅助换道轨迹的跟踪方法
Hu et al. A transfer-based reinforcement learning collaborative energy management strategy for extended-range electric buses with cabin temperature comfort consideration
Li et al. Energy-efficient autonomous vehicle control using reinforcement learning and interactive traffic simulations
CN110001620A (zh) 一种液压轮毂混合动力车辆多模式切换控制方法
CN106494388A (zh) 一种混合动力汽车能量管理及车速调整装置及方法
US11577759B2 (en) Systems and methods for hybrid prediction framework with inductive bias
CN112440974B (zh) 基于分布式深度确定性策略梯度的hev能量管理方法
US20230085422A1 (en) Task-informed behavior planning
WO2023020083A1 (en) A method for adaptative real-time optimization of a power or torque split in a vehicle
CN112477880B (zh) 一种无人驾驶汽车纵向控制方法
Yang et al. Variable optimization domain-based cooperative energy management strategy for connected plug-in hybrid electric vehicles
Zhang et al. Energy-aware optimization of connected and automated electric vehicles considering vehicle-traffic nexus

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