CN112644455B - 一种分布式驱动车辆行驶稳定性控制方法 - Google Patents
一种分布式驱动车辆行驶稳定性控制方法 Download PDFInfo
- Publication number
- CN112644455B CN112644455B CN202110021906.1A CN202110021906A CN112644455B CN 112644455 B CN112644455 B CN 112644455B CN 202110021906 A CN202110021906 A CN 202110021906A CN 112644455 B CN112644455 B CN 112644455B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- control
- target
- yaw moment
- wheel
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000013528 artificial neural network Methods 0.000 claims abstract description 24
- 238000004590 computer program Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 10
- 230000001687 destabilization Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013021 overheating Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 239000000446 fuel Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000368 destabilizing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000282372 Panthera onca Species 0.000 description 1
- 241001620634 Roger Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
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
- B60W30/02—Control of vehicle driving stability
-
- 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
- B60W30/18172—Preventing, or responsive to skidding of wheels
Abstract
本发明提供了一种分布式驱动车辆行驶稳定性控制方法,具体为:在稳定域内以理想横摆角速度和质心侧偏角为控制目标,在稳定域外以车辆失稳度为控制目标;以模糊神经网络控制器和PID两种控制器联合决策横摆力矩;针对得到的横摆力矩进行转矩矢量分配至后轴的驱动轮,并对车轮滑转率进行控制,防止车轮过度滑转而失控。本发明能够最大限度地提高车辆的行驶稳定性和安全性。
Description
技术领域
本发明涉及新能源汽车控制技术领域,特别是一种分布式驱动车辆行驶稳定性控制方法。
背景技术
随着世界范围内电动汽车的快速发展,许多世界著名汽车公司也相继宣布禁售燃油车的计划。沃尔沃公司也曾宣布,自2019年开始不再推出燃油车;宝马、林肯、捷豹、路虎等汽车厂商也相继宣布,在2022年以前实现以纯电动或插电混动版本取代现阶段燃油车型的目标。丰田也将于2050年全部停止销售纯汽油动力汽车。梅赛德斯奔驰公司也宣布,到2022年,奔驰旗下所有车型都只提供混合动力或纯电动版本。国内学者也对中国燃油汽车退出时间作了相关研究。由此可见,国内外汽车厂商大力推广电动汽车的举措是大势所趋,是减轻环境污染和缓解石油危机的有效途径。新能源汽车是汽车产业发展的新方向之一,同时也体现了未来汽车工业实现电动化的大趋势。
相比传统集中式驱动汽车的直接横摆力矩控制系统,分布式驱动电动汽车的直接横摆力矩控制系统可以通过各车轮驱动力、制动力协同控制来实现。因此如何通过控制各车轮转矩产生转矩差来实现直接横摆力矩控制(DYC)或稳定性控制(VSC),提高车辆行驶稳定性与安全性成为分布式电动汽车驱动系统控制技术的研究热点,具有重要的实际意义和应用价值。
发明内容
有鉴于此,本发明的目的是提出一种分布式驱动车辆行驶稳定性控制方法,能够最大限度地提高车辆的行驶稳定性和安全性。
本发明采用以下方案实现:一种分布式驱动车辆行驶稳定性控制方法,具体为:
在稳定域内以理想横摆角速度和质心侧偏角为控制目标,在稳定域外以车辆失稳度为控制目标;
以模糊神经网络控制器和PID两种控制器联合决策横摆力矩;
针对得到的横摆力矩进行转矩矢量分配至后轴的驱动轮,并对车轮滑转率进行控制,防止车轮过度滑转而失控。
进一步地,所述在稳定域内以理想横摆角速度和质心侧偏角为控制目标,在稳定域外以车辆失稳度为控制目标具体包括以下步骤:
基于相平面计算出当前时刻的车辆失稳度e(d),然后根据失稳度来判断车辆是否处于失稳状态,如果车辆没有失稳,则进入稳定区控制域,通过驾驶员方向盘转角信号和车速信号,结合车辆二自由度车辆动力学模型计算出当前时刻下车辆的目标横摆角速度与质心侧偏角的实际值与的目标值的偏差e(β)和e(γ);若车辆已经失稳,则会进入失稳区控制,启动失稳区控制算法控制车辆,使车辆当前失稳度降为零,恢复至稳定状态。
进一步地,采用车辆二自由度车辆动力学模型计算目标横摆角速度γd和目标质心侧偏角βd,公式如下:
式中,k2为后轮的侧偏刚度;a、b为质心到前后轴的距离;δ为转向轮转角;m为汽车质量;L为前后轴轴距;K为稳定性因素;u为横向车速;μ为路面附着系数。
进一步地,所述以模糊神经网络控制器和PID两种控制器联合决策横摆力矩具体为:
在稳定区域内,训练一自适应模糊神经网络,通过向该自适应模糊神经网络输入当前时刻下车辆的目标横摆角速度与质心侧偏角的实际值与的目标值的偏差e(β)和e(γ),得到当下时刻车辆所需的横摆力矩M1;
当车辆失稳时,根据车辆当前时刻的失稳度e(d),设计PID控制器得出横摆力矩M2为:
式中,kp、ki、kd分别为比例系数、积分系数、微分系数;
在联合控制域内,自适应模糊神经网络和PID控制器共同作用,引入权重系数λ,总横摆力矩Mz的计算公式如下:
Mz=λM1+(1-λ)M2。
进一步地,对比计算得到的总横摆力矩Mz与地面能够提供的最大横摆力矩Mzmax,将较小值作为最终的总横摆力矩M,进行后续的力矩分配。
进一步地,所述针对得到的横摆力矩进行转矩矢量分配至后轴的驱动轮,并对车轮滑转率进行控制,防止车轮过度滑转而失控具体为:
基于相平面不同控制域来分配驱动轮转矩,同时考虑包括轮胎滑转率在内的因素,当车辆在相平面稳定边界内,车辆未发生失稳情况,采用平均分配原则:外侧驱动轮增加ΔT,内侧驱动轮减少ΔT的控制方式,ΔT的计算如下:
ΔT=M×R/B;
式中,M为最终的总横摆力矩,R表示驱动轮半径,B表示轮距;
在失稳区时车辆已经出现失稳现象,采用二次规划算法来优化失稳区的转矩分配,以最小轮胎利用率作为目标优化函数,提高车辆在极限工况下行驶时的稳定性,目标优化函数如下:
式中,Fxi为轮胎驱动力,Fzi表示轮胎垂直载荷,μ表示路面附着系数。
进一步地,当有电机因为过温过热导致电机故障时,令电机立马停止转矩输出,以此来保护电机。
进一步地,在车辆起步加速时,采用逻辑门限值控制滑转率,根据当前滑转率与预设的目标值作对比,当实际值超出目标范围时,设计PID控制器来输出修正转矩ΔTi并将其与目标转矩Ti相叠加,最终将修正后的内侧轮转矩Tin与外侧轮转矩Tout发送至各电机控制器,进而控制被控车辆。
本发明还提供了一种分布式驱动车辆行驶稳定性控制系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如上文所述的方法步骤。
本发明还提供了一种计算机可读存储介质,其上存储有能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如上文所述的方法步骤。
与现有技术相比,本发明有以下有益效果:
1、本发明采用分层的控制系统架构,根据车辆的稳定情况,实时调节左右轮的输出转矩,使车辆更加精确地跟随驾驶员的驾驶意图。
2、本发明基于相平面图,将车辆的控制域划分为稳定区控制域、联合控制域和失稳区控制域,并且不同的控制域内采用不同的控制方法,使车辆在各种情况下行驶时,能够发挥最佳的动力性和行驶稳定性。
3、本发明在不同控制区域内使用不同的控制器决策车辆附加横摆力矩,当车辆状态位于相平面稳定域内,采用模糊神经网络控制器来决策横摆力矩,使车辆跟随目标横摆角速度与质心侧偏角,当车辆处于稳定区之外时,基于失稳度和模糊神经网络联合控制策略使车辆恢复至稳定域内,防止车辆过度失稳。
附图说明
图1为本发明实施例的系统框架示意图。
图3为本发明实施例的车辆二自由度模型受力分析图。
图4为本发明实施例的横摆角速度偏差隶属度函数图。
图5为本发明实施例的质心侧偏角偏差隶属度函数图。
图6为本发明实施例的模糊规则库三维MAP图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示,本实施例提供了一种分布式驱动车辆行驶稳定性控制方法,采用分层式控制架构,包括上、中、下三层,上层为控制参数设计层,稳定域内以理想横摆角速度和质心侧偏角为控制目标,稳定域外以车辆失稳度为控制目标。中层为横摆力矩决策层,以模糊神经网络控制器和PID两种控制器联合决策横摆力矩,控制系统根据相平面实时判断车辆的稳定程度来权衡两种控制器的作用域;下层是车辆扭矩分配及滑转率控制层,针对中层输出的横摆力矩进行转矩矢量分配至后轴的驱动轮,并对车轮滑转率进行控制,防止车轮过度滑转而失控。
本实施例的方法具体为:
在稳定域内以理想横摆角速度和质心侧偏角为控制目标,在稳定域外以车辆失稳度为控制目标;
以模糊神经网络控制器和PID两种控制器联合决策横摆力矩;
针对得到的横摆力矩进行转矩矢量分配至后轴的驱动轮,并对车轮滑转率进行控制,防止车轮过度滑转而失控。
首先,控制系统的上层为控制参数设计层,是用于设计系统的目标控制变量,目标控制变量包括两部分:一部分是稳定区控制目标,分别为目标横摆角速度γd和目标质心侧偏角βd,另一部分是失稳度控制目标,为车辆当前时刻的失稳度e(d)。在本实施例中,所述在稳定域内以理想横摆角速度和质心侧偏角为控制目标,在稳定域外以车辆失稳度为控制目标具体包括以下步骤:
基于相平面计算出当前时刻的车辆失稳度e(d),然后根据失稳度来判断车辆是否处于失稳状态,如果车辆没有失稳,则进入稳定区控制域,通过驾驶员方向盘转角信号和车速信号,结合车辆二自由度车辆动力学模型计算出当前时刻下车辆的目标横摆角速度与质心侧偏角的实际值与的目标值的偏差e(β)和e(γ);若车辆已经失稳,则会进入失稳区控制,启动失稳区控制算法控制车辆,使车辆当前失稳度降为零,恢复至稳定状态。
进一步说明,如图2所示为车辆相平面图,可以用来判断车辆的稳定性程度,对于相平面稳定域的划分,通常采用平行且关于原点对称的两条直线将相轨迹划分为稳定区和失稳区,其中两条边界线所包围的区域为稳定区,相平面的稳定区边界方程为:
进一步说明,k为稳定边界线斜率;c为边界线的截距;k和c的取值与相平面影响因素有关。相平面失稳度计算:根据公式(1)可得,状态点满足时,车辆处于相平面稳定域内,但是当时,车辆处于失稳区域。故车辆的失稳度为不稳定的状态点到稳定边界的距离,计算如下:
进一步说明,车辆的实际质心侧偏角无法通过车载的传感器获取,因此需要通过质心侧偏角观测器来估算实际的质心侧偏角和质心侧偏角速度信号。
进一步说明,如图3所示为车辆线性二自由度受力平衡图,图中,α1与α2为前后轮侧偏角;γ为横摆角速度;β为质心侧偏角;FY1与FY2为前后轮胎侧向力;δ为转向轮转角;u1与u2为前后轮轮速;a、b为质心到前后轴的距离;L为前后轴轴距;u为车速沿x轴的分量;v为车速沿y轴的分量;v1为车速。车辆处于稳定状态时,主要是为了控制横摆角速度和质心侧偏角,在本实施例中,采用车辆二自由度车辆动力学模型计算目标横摆角速度γd和目标质心侧偏角βd,公式如下:
式中,k2为后轮的侧偏刚度;a、b为质心到前后轴的距离;δ为转向轮转角;m为汽车质量;L为前后轴轴距;K为稳定性因素;u为横向车速;μ为路面附着系数。
进一步说明,系统的中层为横摆力矩决策层,横摆力矩决策层包括三部分:基于模糊神经网络控制器决策的横摆力矩M1、基于相平面失稳度控制器决策的横摆力矩M2和总横摆力矩Mz。
具体的,在稳定区域内,横摆力矩决策层采用基于自适应模糊神经网络的控制方法,通过对期望横摆角速度与实际横摆角速度的偏差e(γ)、期望质心侧偏角与实际质心侧偏角的偏差e(β)与车辆行驶时所需的横摆力矩的关系进行提前训练,通过学习输入变量e(γ)、e(β)与输出变量M1的关系,精准训练模糊隶属函数的最佳参数,再根据实时期望值与实际值的偏差,进而推算出车辆实时所需的横摆力矩M1,如图4、5为神经网络训练后的横摆角速度偏差和质心侧偏角偏差隶属度函数,图6为训练后的模糊规则库三维MAP图。
在本实施例中,所述以模糊神经网络控制器和PID两种控制器联合决策横摆力矩具体为:
在稳定区域内,训练一自适应模糊神经网络,通过向该自适应模糊神经网络输入当前时刻下车辆的目标横摆角速度与质心侧偏角的实际值与的目标值的偏差e(β)和e(γ),得到当下时刻车辆所需的横摆力矩M1;
当车辆失稳时,根据车辆当前时刻的失稳度e(d),设计PID控制器得出横摆力矩M2为:
式中,kp、ki、kd分别为比例系数、积分系数、微分系数;具体的,如图7所示为相平面控制域划分,在相平面稳定区域内,轮胎处于线性区,主要以模糊神经网络控制器起作用;当车辆进入失稳区或临界失稳区时,基于相平面失稳度的PID控制器起主导作用,因此需在相平面的稳定边界内增加联合控制区域,联合控制域内两个控制器共同决策横摆力矩。
在联合控制域内,自适应模糊神经网络和PID控制器共同作用,为了权衡两种控制器的作用比例,故引入权重系数λ,总横摆力矩Mz的计算公式如下:
Mz=λM1+(1-λ)M2。
进一步说明,如图8所示为横摆力矩权重系数λ与相平面稳定边界的关系。在相平面稳定区控制域,此时λ=1,基于模糊神经网络控制器决策总横摆力矩:Mz=M1;当车辆进入联合控制域时,基于相平面失稳度的PID控制器开始起作用,此时权重系数λ∈[0,1],且随着车辆失稳的趋势增大,权重系数λ越小。当车辆失稳时,此时λ=0,完全由失稳度的PID控制器决策总横摆力矩,即:Mz=M2。
进一步说明,当横摆力矩决策层输出的横摆力矩超出地面附着条件的限制时,车轮出现滑转而失稳,因此需要限制横摆力矩的最大值。对比计算得到的总横摆力矩Mz与地面能够提供的最大横摆力矩Mzmax,将较小值作为最终的总横摆力矩M,进行后续的力矩分配。
在本实施例中,所述针对得到的横摆力矩进行转矩矢量分配至后轴的驱动轮,并对车轮滑转率进行控制,防止车轮过度滑转而失控具体为:
基于相平面不同控制域来分配驱动轮转矩,同时考虑包括轮胎滑转率在内的因素,当车辆在相平面稳定边界内,车辆未发生失稳情况,采用平均分配原则:外侧驱动轮增加ΔT,内侧驱动轮减少ΔT的控制方式,ΔT的计算如下:
ΔT=M×R/B;
式中,M为最终的总横摆力矩,R表示驱动轮半径,B表示轮距;
进一步说明,在失稳区时车辆已经出现失稳现象,轮胎侧偏力与侧偏角呈非线性关系,当轮胎利用率增加时,容易出现附着能力饱和的情况,车辆越难恢复至稳定状态。因此本实施例基于轮胎利用率,采用二次规划算法来优化失稳区的转矩分配,以最小轮胎利用率作为目标优化函数,提高车辆在极限工况下行驶时的稳定性,目标优化函数如下:
式中,Fxi为轮胎驱动力,Fzi表示轮胎垂直载荷,μ表示路面附着系数。
进一步说明,本实施例还考虑电机失效控制的情况,当有电机因为过温过热导致电机故障时,令电机立马停止转矩输出,以此来保护电机。
在本实施例中,在车辆起步加速时,电机输出的转矩过大会导致驱动轮滑转现象,因此需要将滑转率控制在最佳范围内。本实施例采用逻辑门限值控制滑转率,根据当前滑转率与预设的目标值作对比,当实际值超出目标范围时,设计PID控制器来输出修正转矩ΔTi并将其与目标转矩Ti相叠加,最终将修正后的内侧轮转矩Tin与外侧轮转矩Tout发送至各电机控制器,进而控制被控车辆。
本实施例还提供了一种分布式驱动车辆行驶稳定性控制系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如上文所述的方法步骤。
本实施例还提供了一种计算机可读存储介质,其上存储有能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如上文所述的方法步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (3)
1.一种分布式驱动车辆行驶稳定性控制方法,其特征在于,
在稳定域内以理想横摆角速度和质心侧偏角为控制目标,在稳定域外以车辆失稳度为控制目标;
以模糊神经网络控制器和PID两种控制器联合决策横摆力矩;
针对得到的横摆力矩进行转矩矢量分配至后轴的驱动轮,并对车轮滑转率进行控制,防止车轮过度滑转而失控;
所述在稳定域内以理想横摆角速度和质心侧偏角为控制目标,在稳定域外以车辆失稳度为控制目标具体包括以下步骤:
基于相平面计算出当前时刻的车辆失稳度e(d),然后根据失稳度来判断车辆是否处于失稳状态,如果车辆没有失稳,则进入稳定区控制域,通过驾驶员方向盘转角信号和车速信号,结合车辆二自由度车辆动力学模型计算出当前时刻下车辆的目标横摆角速度与质心侧偏角的实际值与的目标值的偏差e(β)和e(γ);若车辆已经失稳,则会进入失稳区控制,启动失稳区控制算法控制车辆,使车辆当前失稳度降为零,恢复至稳定状态;
采用车辆二自由度车辆动力学模型计算目标横摆角速度γd和目标质心侧偏角βd,公式如下:
式中,k2为后轮的侧偏刚度;a、b为质心到前后轴的距离;δ为转向轮转角;m为汽车质量;L为前后轴轴距;K为稳定性因素;u为横向车速;μ为路面附着系数;
所述以模糊神经网络控制器和PID两种控制器联合决策横摆力矩具体为:
在稳定区域内,训练一自适应模糊神经网络,通过向该自适应模糊神经网络输入当前时刻下车辆的目标横摆角速度与质心侧偏角的实际值与的目标值的偏差e(β)和e(γ),得到当下时刻车辆所需的横摆力矩M1;
当车辆失稳时,根据车辆当前时刻的失稳度e(d),设计PID控制器得出横摆力矩M2为:
式中,kp、ki、kd分别为比例系数、积分系数、微分系数;
在联合控制域内,自适应模糊神经网络和PID控制器共同作用,引入权重系数λ,总横摆力矩Mz的计算公式如下:
Mz=λM1+(1-λ)M2;
对比计算得到的总横摆力矩Mz与地面能够提供的最大横摆力矩Mzmax,将较小值作为最终的总横摆力矩M,进行后续的力矩分配;
所述针对得到的横摆力矩进行转矩矢量分配至后轴的驱动轮,并对车轮滑转率进行控制,防止车轮过度滑转而失控具体为:
基于相平面不同控制域来分配驱动轮转矩,同时考虑包括轮胎滑转率在内的因素,当车辆在相平面稳定边界内,车辆未发生失稳情况,采用平均分配原则:外侧驱动轮增加ΔT,内侧驱动轮减少ΔT的控制方式,ΔT的计算如下:
ΔT=M×R/B;
式中,M为最终的总横摆力矩,R表示驱动轮半径,B表示轮距;
在失稳区时车辆已经出现失稳现象,采用二次规划算法来优化失稳区的转矩分配,以最小轮胎利用率作为目标优化函数,提高车辆在极限工况下行驶时的稳定性,目标优化函数如下:
式中,Fxi为轮胎驱动力,Fzi表示轮胎垂直载荷,μ表示路面附着系数;
当有电机因为过温过热导致电机故障时,令电机立马停止转矩输出,以此来保护电机;
在车辆起步加速时,采用逻辑门限值控制滑转率,根据当前滑转率与预设的目标值作对比,当实际值超出目标范围时,设计PID控制器来输出修正转矩ΔTi并将其与目标转矩Ti相叠加,最终将修正后的内侧轮转矩Tin与外侧轮转矩Tout发送至各电机控制器,进而控制被控车辆。
2.一种分布式驱动车辆行驶稳定性控制系统,其特征在于,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如权利要求1所述的方法步骤。
3.一种计算机可读存储介质,其上存储有能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如权利要求1所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110021906.1A CN112644455B (zh) | 2021-01-08 | 2021-01-08 | 一种分布式驱动车辆行驶稳定性控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110021906.1A CN112644455B (zh) | 2021-01-08 | 2021-01-08 | 一种分布式驱动车辆行驶稳定性控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112644455A CN112644455A (zh) | 2021-04-13 |
CN112644455B true CN112644455B (zh) | 2022-04-12 |
Family
ID=75367594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110021906.1A Expired - Fee Related CN112644455B (zh) | 2021-01-08 | 2021-01-08 | 一种分布式驱动车辆行驶稳定性控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112644455B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113221257B (zh) * | 2021-06-11 | 2022-05-31 | 吉林大学 | 考虑控制区域的极限工况下车辆横纵向稳定控制方法 |
CN113460055B (zh) * | 2021-06-11 | 2022-05-31 | 吉林大学 | 在线的车辆行驶控制区域划分及区域边界估计方法 |
CN113408062A (zh) * | 2021-07-09 | 2021-09-17 | 中国石油大学(华东) | 自动驾驶全工况路面自适应mpc轨迹跟踪控制及评价方法 |
CN113370980B (zh) * | 2021-08-16 | 2021-11-02 | 清华大学 | 极限工况下车辆失稳与碰撞综合风险评估方法及装置 |
CN116176563B (zh) * | 2022-09-28 | 2023-12-08 | 长安大学 | 基于可拓演化博弈的分布式驱动电动汽车稳定性控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108248601A (zh) * | 2018-01-10 | 2018-07-06 | 大连理工大学 | 一种基于四轮独立驱动电动车的转向稳定性控制系统及方法 |
CN109017778A (zh) * | 2018-07-31 | 2018-12-18 | 大连民族大学 | 四轮独立驱动车辆的期望路径主动转向控制方法 |
CN109522666A (zh) * | 2018-11-27 | 2019-03-26 | 袁小芳 | 一种分布式电动汽车稳定性控制方法 |
CN110154781A (zh) * | 2019-04-22 | 2019-08-23 | 福州大学 | 一种适用于分布式驱动车辆的行车控制方法 |
CN110979304A (zh) * | 2019-12-24 | 2020-04-10 | 大连理工大学 | 车辆在变附着工况下力矩分配方法 |
CN111976504A (zh) * | 2020-08-26 | 2020-11-24 | 合肥工业大学 | 一种四电机驱动汽车的扭矩分配控制器、控制方法、设备及存储介质 |
-
2021
- 2021-01-08 CN CN202110021906.1A patent/CN112644455B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108248601A (zh) * | 2018-01-10 | 2018-07-06 | 大连理工大学 | 一种基于四轮独立驱动电动车的转向稳定性控制系统及方法 |
CN109017778A (zh) * | 2018-07-31 | 2018-12-18 | 大连民族大学 | 四轮独立驱动车辆的期望路径主动转向控制方法 |
CN109522666A (zh) * | 2018-11-27 | 2019-03-26 | 袁小芳 | 一种分布式电动汽车稳定性控制方法 |
CN110154781A (zh) * | 2019-04-22 | 2019-08-23 | 福州大学 | 一种适用于分布式驱动车辆的行车控制方法 |
CN110979304A (zh) * | 2019-12-24 | 2020-04-10 | 大连理工大学 | 车辆在变附着工况下力矩分配方法 |
CN111976504A (zh) * | 2020-08-26 | 2020-11-24 | 合肥工业大学 | 一种四电机驱动汽车的扭矩分配控制器、控制方法、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
分布式驱动电动方程式赛车扭矩分配策略;周增城等;《福州大学学报( 自然科学版)》;20201228;第48卷(第6期);第1455页第1段-第1460页第2段以及附图1-6 * |
基于相平面法的车辆直接横摆力矩控制研究;刘学成等;《合肥工业大学学报(自然 科学版 )》;20191130;第42卷(第11期);第733页第1段-第737页第3段以及附图1-8 * |
Also Published As
Publication number | Publication date |
---|---|
CN112644455A (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112644455B (zh) | 一种分布式驱动车辆行驶稳定性控制方法 | |
Zhou et al. | Coordinated longitudinal and lateral motion control for four wheel independent motor-drive electric vehicle | |
CN108177692B (zh) | 一种电动轮驱动汽车差动助力转向与稳定性协调控制方法 | |
CN104443022B (zh) | 一种四轮独立驱动电动汽车稳定性控制方法及系统 | |
CN104773170B (zh) | 一种车辆稳定性集成控制方法 | |
CN106004870A (zh) | 一种基于变权重模型预测算法的车辆稳定性集成控制方法 | |
Kim et al. | Drive control algorithm for an independent 8 in-wheel motor drive vehicle | |
Mashadi et al. | Integrated AFS/DYC sliding mode controller for a hybrid electric vehicle | |
Huang et al. | Lateral stability control of four-wheel independent drive electric vehicles based on model predictive control | |
Salehpour et al. | Vehicle path tracking by integrated chassis control | |
Xin et al. | Vehicle stability control based on driver’s emergency alignment intention recognition | |
Zhang et al. | Human-centered torque vectoring control for distributed drive electric vehicle considering driving characteristics | |
Kim et al. | Drive control system design for stability and maneuverability of a 6WD/6WS vehicle | |
Zheng et al. | Comparison of active front wheel steering and differential braking for yaw/roll stability enhancement of a coach | |
Mokhiamar et al. | Lateral motion control of skid steering vehicles using full drive-by-wire system | |
Ahangarnejad et al. | Active longitudinal load transfer control for improving vehicle's stability | |
Hu et al. | Integrated control of AFS and DYC for in-wheel-motor electric vehicles based on operation region division | |
Laghmara et al. | Yaw moment lyapunov based control for in-wheel-motor-drive electric vehicle | |
Li et al. | Longitudinal and lateral control for four wheel steering vehicles | |
Kim et al. | Development of a driving control algorithm and performance verification using real-time simulator for a 6WD/6WS vehicle | |
Ghosh et al. | Active yaw control of a vehicle using a fuzzy logic algorithm | |
Ahmed et al. | Development of active rear axles steering controller for 8x8 combat vehicle | |
Liu et al. | Cooperative Control of Path Tracking and Driving Stability for Intelligent Vehicles on Potholed Road | |
Wang et al. | Rollover prevention control of electric vehicles based on multi-objective optimization coordination under extreme conditions | |
Doumiati et al. | Dynamics control of an in-wheel electric vehicle with steer-by-wire |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220412 |
|
CF01 | Termination of patent right due to non-payment of annual fee |