CN112644455B - 一种分布式驱动车辆行驶稳定性控制方法 - Google Patents

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

一种分布式驱动车辆行驶稳定性控制方法

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γ_d和目标质心侧偏角β_d，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，k_p、k_i、k_d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M_z的计算公式如下：

M_z＝λM₁+(1-λ)M₂。

进一步地，对比计算得到的总横摆力矩M_z与地面能够提供的最大横摆力矩M_zmax，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，F_xi为轮胎驱动力，F_zi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ΔT_i并将其与目标转矩T_i相叠加，最终将修正后的内侧轮转矩T_in与外侧轮转矩T_out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2为本发明实施例的车辆

相平面图。

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。

图7为本发明实施例的车辆

相平面控制区域图。

图8为本发明实施例的权重系数λ与

相平面控制域关系曲线图。

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γ_d和目标质心侧偏角β_d，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；F_Y1与F_Y2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γ_d和目标质心侧偏角β_d，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M_z。

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，k_p、k_i、k_d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M_z的计算公式如下：

M_z＝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：M_z＝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：M_z＝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M_z与地面能够提供的最大横摆力矩M_zmax，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，F_xi为轮胎驱动力，F_zi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ΔT_i并将其与目标转矩T_i相叠加，最终将修正后的内侧轮转矩T_in与外侧轮转矩T_out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γ_d和目标质心侧偏角β_d，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，k_p、k_i、k_d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M_z的计算公式如下：

M_z＝λM₁+(1-λ)M₂；

对比计算得到的总横摆力矩M_z与地面能够提供的最大横摆力矩M_zmax，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，F_xi为轮胎驱动力，F_zi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ΔT_i并将其与目标转矩T_i相叠加，最终将修正后的内侧轮转矩T_in与外侧轮转矩T_out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。

Images