CN112836289A - 一种基于mbd的电动自行车行驶动力优化策略 - Google Patents
一种基于mbd的电动自行车行驶动力优化策略 Download PDFInfo
- Publication number
- CN112836289A CN112836289A CN202011366759.3A CN202011366759A CN112836289A CN 112836289 A CN112836289 A CN 112836289A CN 202011366759 A CN202011366759 A CN 202011366759A CN 112836289 A CN112836289 A CN 112836289A
- Authority
- CN
- China
- Prior art keywords
- resistance
- electric bicycle
- sensor
- power
- electric
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims abstract description 25
- 230000005284 excitation Effects 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000033228 biological regulation Effects 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims description 9
- 230000001276 controlling effect Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 230000006978 adaptation Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000005484 gravity Effects 0.000 description 8
- 230000003750 conditioning effect Effects 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 229910052573 porcelain Inorganic materials 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005288 electromagnetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62J—CYCLE SADDLES OR SEATS; AUXILIARY DEVICES OR ACCESSORIES SPECIALLY ADAPTED TO CYCLES AND NOT OTHERWISE PROVIDED FOR, e.g. ARTICLE CARRIERS OR CYCLE PROTECTORS
- B62J45/00—Electrical equipment arrangements specially adapted for use as accessories on cycles, not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62M—RIDER PROPULSION OF WHEELED VEHICLES OR SLEDGES; POWERED PROPULSION OF SLEDGES OR SINGLE-TRACK CYCLES; TRANSMISSIONS SPECIALLY ADAPTED FOR SUCH VEHICLES
- B62M6/00—Rider propulsion of wheeled vehicles with additional source of power, e.g. combustion engine or electric motor
- B62M6/40—Rider propelled cycles with auxiliary electric motor
- B62M6/45—Control or actuating devices therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Evolutionary Computation (AREA)
- Chemical & Material Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种基于MBD的电动自行车行驶动力优化策略,包括电驱动力优化单元、空气阻力优化单元、坡度阻力优化单元、路面阻力优化单元和MBD模型。电驱动力优化单元利用电流传感器、电压传感器、转速传感器建立电驱动力感知和控制组件;空气阻力优化单元利用风力传感器和转速传感器建立空气阻力感知和控制组件;坡度阻力优化单元利用倾角传感器建立坡度阻力感知和控制组件;路面阻力优化单元利用力传感器建立路面激振感知和控制组件;MBD模型根据动力和阻力信息,优化输出电动自行车的合动力。本发明基于MBD对电动自行车的行驶阻力和电驱动力因素进行优化,使电动自行车在行驶过程中保持动力适配。
Description
技术领域
本发明属于电动自行车控制技术领域,具体涉及一种基于MBD的电动自行车行驶动力优化策略。
背景技术
电动自行车,是一种以蓄电池或锂电池作为动力源,外加轮毂电机、链条、轮胎、制动器、控制器、显示装置等动力装置和控制装置,并依附在车架上的一种个人交通工具。
截止2019年11月,我国电动自行车的保有量超过3亿辆,位居世界第一。相比汽车、飞机,电动自行车还没有形成独立规范的行驶动力优化规范,对于这一个拥有亿万消费者、百亿年产值的关系亿万人人身健康的重要产品,寻找合理的电动自行车行驶动力优化策略对广大消费者来说既加强了电动自行车的使用安全,又优化了其动力输出,起到节省消费的作用。在过去近三十年的时间里,电动自行车在中国发展了三个重要阶段。在电动自行车的早期阶段,国内主要的制造厂家主要对电动自行车的四大件——电机、电池、充电器和控制器进行摸索性技术研究,例如:该阶段的电动自行车电池充一次电只能跑30KM,电池寿命短,爬坡能力差,磨损较快,很多电机都是有刷无齿电机,但是这些技术的实现奠定了国内电动自行车的发展技术基础;在电动自行车的快速发展阶段,随着关键技术的突破和电动自行车的性能不断提升,电动自行车逐渐开始代替摩托车和自行车作为个人出行的交通工具;在电动自行车的技术完善阶段,蓄电池的寿命大幅度提升,爬坡能力和载重能力大大增强,与此同时,其制造成本也在逐渐下降。目前的电动自行车正在往精益化管理和控制方向发展,该方向的技术发展可以进一步增加能量利用效率,保证绿色环保,给消费者带来更好的驾驶体验,从而可以进一步提高电动自行车的市场竞争力。
多体动力学MBD(Multibody Dynamics),全称“多体系统动力学”,是研究多体系统(一般由若干个柔性和刚性物体互相连接所组成)运动规律的科学,其包括多体系统动力学包括多刚体系统动力学和多柔体系统动力学。随着计算机技术的发展,各类多体动力学分析软件也进步迅速,尤其是移动端的处理器制造工艺和边缘计算技术的进步,对MBD在电动自行车行驶动力优化中的应用起到了促进作用。目前的多体动力学分析形成了比较系统的研究方法,在工程中常用拉格朗日方法、牛顿-欧拉方程矢量学方法、图论方法、凯恩方法和变分方法等。电动自行车的的多体动力学分析是在动力学建模的基础上,根据用户的使用而产生的电动自行车行驶动力和阻力信息,对整车的动力进行适配性调节。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于MBD的电动自行车行驶动力优化策略,本发明基于多体动力学对电动自行车的行驶阻力和电驱动力因素进行优化,使电动自行车在行驶过程中保持动力适配。
本发明采用以下技术方案:
基于MBD对电动自行车进行动力学分析,得出电动自行车主要受到空气阻力、坡度阻力、路面阻力的作用;空气阻力指的是骑手驾驶电动自行车在行驶过程中,与空气进行摩擦而产生的阻碍效应的作用力;坡度阻力指的是电动自行车行驶在含有倾角的路面时,因重力作用在沿路面方向出现的作用力,此处的坡度阻力具有广义性,当倾角方向与行驶方向相反时(即电动自行车下坡行驶),坡度阻力对电动自行车的行驶起到促进作用;路面阻力指的是电动自行车在崎岖路面上行驶时,由实际路况对电动自行车产生阻碍效应,总体的效果体现在电动自行车的前进,因此路面阻力的作用方向可以大致看作沿行驶路面。电动自行车收到阻力之外,还有电驱动力驱动电动自行车的轮胎进行行驶,电驱动力属于动力范畴,其主要是轮毂电机在电压的作用下,根据电磁效应对外输出力矩,并同轴输出到驱动轮,驱动轮与地面相互作用产生摩擦从而使电动自行车运动。
一种电动自行车行驶动力优化策略,包括电驱动力优化单元、空气阻力优化单元、坡度阻力优化单元、路面阻力优化单元和MBD模型;电驱动力优化单元利用电流传感器、电压传感器、转速传感器建立电驱动力感知和控制组件;空气阻力优化单元利用风力传感器和转速传感器建立空气阻力感知和控制组件;坡度阻力优化单元利用倾角传感器建立坡度阻力感知和控制组件;路面阻力优化单元利用力传感器建立路面激振感知和控制组件;MBD模型根据动力和阻力信息,优化输出电动自行车的合动力。
进一步的,电动自行车从受力分析的角度,受到动力和阻力作用。电动自行车的起步阶段,动力和大于阻力和,加速运动;电动自行车的减速阶段,动力和小于阻力和,减速运动;电动自行车的匀速阶段,动力和等于阻力和,匀速运动。但是,电动自行车的行驶过程是动态变化的,尤其是由于风速变化、坡度变化、实际路况变化,导致其阻力发生变化,使其合力发生变化,从而使电动自行车的运动状态发生改变。合理调节动力,避免动力提供过剩和不足,可以有效地使电动自行车行驶平稳,提高骑手的驾驶舒适感。
可选的,电驱动力优化单元利用霍尔瓷平衡电流传感器、霍尔瓷平衡电压传感器、磁电式转速传感器建立电驱动力感知和控制组件。电流传感器用于实时检测供电回路的电流变化,电压传感器用于实时检测电池系统的电量和输出电压,转速传感器用于实时检测轮毂电机的转速,根据电流传感器、电压传感器、转速传感器得到的数值,可以计算出轮毂电机的输出扭矩,轮毂电机的转速和输出扭矩成负相关,呈现出转速小扭矩大,转速大扭矩小的特点。当外部阻力变化时,根据反馈电路系统根据轮毂电机的特性对应该达到的输出扭矩进行调节,最终使电动自行车的输出动力适配。
可选的,空气阻力优化单元是一种基于风力传感器和转速传感器的空气阻力感知和控制组件。由于电动自行车在行驶的过程中存在因外形导致的空气阻力作用,风力传感器安装在电动自行车的主要迎风表面且采用多点安装的方式,得到尽可能多的风力数据。根据每个传感器周围的车体形状特征,计算出各个点的周围的空气阻力,并得出合空气阻力,从而将数据传输给MBD模型并指导电驱动力优化。
可选的,坡度阻力优化单元是一种基于倾角传感器的空气阻力感知和控制组件。由于电动自行车在行驶的过程中存在坡度变化的实际场景,将倾角传感器安装在电动自行车上,并实现水平位置的标定对准。在电动自行车在上下坡时,根据倾角传感器测量的数值,计算出坡度阻力或助力,从而将数据传输给MBD模型并指导电驱动力优化。
可选的,路面阻力优化单元是一种基于力传感器的路面激振感知和控制组件。由于电动自行车的实际行驶路况是非理想的平坦路面,在行驶过程中会出现因路面变化而引起的路面阻力,这种现象是一种概率事件。通过不同路面的不同激振,构建出一系列的模糊路面阻力,根据力传感器的数值,计算出模糊隶属度从而匹配相对性的路面阻力,并将数据传输给MBD模型指导电动驱动力优化。
可选的,MBD模型是在对电动自行车行驶过程进行动力学分析的基础上建立的一种包含电驱动力、空气阻力、坡度阻力、路面阻力的力学模型。该模型主要包括动力和阻力两大部分,电驱动力属于动力,空气阻力、坡度阻力、路面阻力属于阻力,遵循阻力需求决定动力提供的原则,计算目标速度下的各项主要阻力并根据电池电量,调节动力,使得电动自行车的动力输出处于适配的状态。
电动自行车的动力变化包括以下内容:
S1、电动自行车起步,并初始化空气阻力、路面阻力,坡度阻力根据起步环境确定;
S2、随着电动自行车加速,空气阻力、路面阻力开始增加,并满足与速度有关的函数关系;
S3、电动自行车在行驶过程中,收到的坡度阻力为一定值;
S4、随着电动自行车在行驶过程中的阻力实时增加(或减小),轮毂电机的动力输出会跟随变化,并保持电动自行车的合动力保持基本稳定;
S5、随着电动自行车减速,空气阻力、路面阻力开始减小;
S6、电动自行车减速至静止,空气阻力、路面阻力初始化。
进一步的,电动自行车在行驶过程中的受力表达式如下:
Ft=∑Fp+∑f
其中Ft为总的电动自行车牵引力,Fp为电驱动力,f为所有阻力和。
进一步的,电驱动力在大多数情况下指的是轮毂电机的输出扭矩,其表达公式如下所示:
由上式可知,输出扭矩T由电机功率P和电机转速n决定,其中电机功率P和电机转速n的表达公式如下所示:
P=UI
此处的p为电机极对数,为一定值。电驱动力单元包括电流传感器、电压传感器、转速传感器,可以分别测量驱动电路电流I、电机电压U、电机转速n,从而表示电机驱动扭矩T。
进一步的,空气阻力优化单元包含空气阻力测量组件、车速指导调节组件,其中每个测量点处的风力值为pi,空气阻力fw是各个pi作用下的合力,其表达式如下所示:
利用风力传感器可以测出各个风力值pi,再根据累加器和放大器得出总的空气阻力值f,从而将其传输给多体动力学模型,得到速度调节指令,对所期望的车速进行调节。
进一步的,坡度阻力优化单元包含倾角测量组件、车速指导调节组件,其中坡度阻力一般是一个定值fp,该值与倾角θ、人车总重G有关,其表达式如下所示:
fp=Gsinθ
利用倾角传感器可以测出电动平衡车的与水平面的夹角θ,结合人车总重G,可以得到坡度阻力fp,从而将其传输给多体动力学模型,得到速度调节指令,对所期望的车速进行调节。
进一步的,路面阻力优化单元包含力传感器、车速指导调节组件,其中路面阻力一般属于模糊量,可以大致分为微小冲击、小冲击、中等冲击、大冲击、略大冲击等路面阻力fI,上述冲击事件存在模糊性,需要用模糊隶属函数μ(r)来描述这一不确定性。设冲击集I={I1,I2,I3,I4,I5},分别表达微小冲击到略大冲击的冲击程度,其隶属关系表达式如下所示:
r=h(f)
利用力传感器可以测出路面对电动自行车的振幅f,从而可以得到r和μ(r),并根据隶属度函数得到冲击载荷的大小并匹配冲击力fI,从而将其传输给多体动力学模型,得到速度调节指令,对所期望的车速进行调节。
附图说明
图1为本发明的总体系统框图;
图2为本发明所涉及的电动自行车传感器件布置示意图;
图3为本发明的硬件关系图;
图4为本发明所涉及的电动自行车行驶过程广义受力图;
图5为本发明的建模求解框架图;
图6为本发明的动力优化策略流程图。
具体实施方式
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:
请参阅图1,本发明提供了一种基于MBD的电动自行车行驶动力优化策略,包括电驱动力优化单元、空气阻力优化单元、坡度阻力优化单元、路面阻力优化单元以及多体动力学模型。电驱动力优化单元实时对电驱动力和电量进行感知,将得到的信息反馈给多体动力学模型,通过多体动力学分析,对预调节的电驱动力进行控制;空气阻力优化单元通过空气阻力感知,将得到的信息反馈给多体动力学模型,通过多体动力学分析,分析一定速度下的空气阻力变化,对电驱动力的调节提供可靠信息支持;坡度阻力优化单元通过对电动自行车在一定倾角的坡度下所产生的阻力进行感知,将得到的信息反馈给多体动力学模型,通过多体动力学分析,分析一定坡度倾角下的坡度阻力变化,对电驱动力的调节提供可靠信息支持;路面阻力优化单元通过对电动自行车在具有一定颠簸程度的路面上行驶所产生的阻力进行感知,将得到的信息反馈给多体动力学模型,通过多体动力学分析,分析一定颠簸程度的路面上的路面阻力变化,对电驱动力的调节提供可靠信息支持;多体动力学模型,对电动自行车一些典型部位在行驶过程中受到的主要阻力和轮毂电机输出的动力进行分析,得到控制优化模型,便于根据所感知的各类作用力进行动力调节。
请参阅图2,表示本发明中的电驱动力优化单元、空气阻力优化单元、坡度阻力优化单元、路面阻力优化单元以及多体动力学模型分析中心的布置位置。图中的风力传感器1主要安装分布在前轮挡板、转向把以及链条保护罩处,此类布置方式可以较为代表性地测量主要迎风面的风压力;倾角传感器2安装在电动自行车的电池盒处,此类布置方式为水平布置方式,可以较为代表性地测量非水平状态下的电动自行车倾斜姿态,以得出其在一定坡度路面上的坡度阻力;力传感器和编码器3安装在电动自行车的前轮和后轮轴上,便于测量来源于路面变化带来的冲击力和轮胎转速,从而估计路面阻力和电动自行车的行驶速度;多体动力学模型分析中心元器件安装在电动自行车的后座置物盒中,此处是电动自行车的电器元件总成安置处,便于与控制器等元器件进行集成。
请参阅图3,本发明的硬件关系图,主要包含电动自行车车体、传感器及处理器、外部网络及数据库。
电动自行车车体包括控制器及输出驱动模块、轮毂电机、轮胎、电池组、横梁、车座、迎风面等主要部件,其中控制器将接收到的电机调节信号通过输出驱动模块进行功率放大从而驱动轮毂电机转动,并通过轮胎与地面的摩擦和滑移使电动自行车达到行驶的目的动力要求;电池组的功能有两部分,一是为输出驱动模块、轮毂电机组成的电驱动动力源提供电力能量,属于强电部分;二是通过直流稳压电压为控制类的电器元件提供电源支持,属于弱电部分;横梁是倾角传感器的主要载体和测量对象,通过测量横梁与实际水平面之间的夹角,从而得到电动自行车所处坡度下的坡度阻力;车座是重力传感器的主要载体和测量对象,通过测量驾驶者的实际重力,再加上车本身的重力,可以得到实际的总重力,为坡度阻力的计算提供数据;迎风面是产生空气阻力的主要部位,其特点是多点法向力,因此布置多处风压传感器可以有效地测量空气阻力。
传感器及处理器包括传感元器件和信号调理数据处理核心,其中传感元器件主要有振动传感器、编码器、倾角传感器、重力传感器、风压传感器。振动传感器主要安装在前轮轴和后轮轴上,用于测量路面变化带来的路面阻力;编码器用来测量轮毂电机的转速,从而计算出电动自行车的行驶速度;倾角传感器安装在横梁上,用来测量电动自行车行驶路面的坡度倾角,从而计算出所处坡度的坡度阻力;重力传感器主要安装在车座下方,便于检测重力;风压传感器安装在各个主要的迎风面,便于有代表性地测量出空气阻力。信号调理数据处理核心包括信号调理模块和多体动力学分析MCU,信号调理模块主要对传感元器件得到的模拟量进行A/D转换,从而得到可以进行计算机处理的数据;多体动力学分析MCU由直流稳压电源供电,与信号调理模块进行通信,处理其得到的数据并将处理后的数据传输给信号调理模块和控制器,从而实现各个控制量的调节。
外部网络及数据库,是建立在电动自行车段数据可靠有分析价值的基础上,通过多体动力学分析MCU的对外接口,将数据传输到互联网或“云端”并建立起数据库,其中用户及服务商可以通过PC和手机等终端设备对数据进行分析、算法处理、优化等;通过大数据分析和优化算法处理后的数据可以通过互联网传输给电动自行车的离线终端,可以升级本地数据信息,从而起到更好指导电动自行车的动力优化。
请参阅图4,本发明所涉及的电动自行车行驶过程广义受力图,主要包括电驱动力、空气阻力、坡度阻力、路面阻力。
电动自行车在行驶过程中的受力表达式如下:
Ft=∑Fp+∑f
其中Ft为总的电动自行车牵引力,Fp为电驱动力,f为所有阻力和。
电驱动力在大多数情况下指的是轮毂电机的输出扭矩,其表达公式如下所示:
由上式可知,输出扭矩T由电机功率P和电机转速n决定,其中电机功率P和电机转速n的表达公式如下所示:
P=UI
此处的p为电机极对数,为一定值。电驱动力单元包括电流传感器、电压传感器、转速传感器,可以分别测量驱动电路电流I、电机电压U、电机转速n,从而表示电机驱动扭矩T。
空气阻力优化单元包含空气阻力测量组件、车速指导调节组件,其中每个测量点处的风力值为pi,空气阻力fw是各个pi作用下的合力,其表达式如下所示:
利用风力传感器可以测出各个风力值pi,再根据累加器和放大器得出总的空气阻力值f,从而将其传输给多体动力学模型,得到速度调节指令,对所期望的车速进行调节。
坡度阻力优化单元包含倾角测量组件、车速指导调节组件,其中坡度阻力一般是一个定值fp,该值与倾角θ、人车总重G有关,其表达式如下所示:
fp=Gsinθ
利用倾角传感器可以测出电动平衡车的与水平面的夹角θ,结合人车总重G,可以得到坡度阻力fp,从而将其传输给多体动力学模型,得到速度调节指令,对所期望的车速进行调节。
路面阻力优化单元包含力传感器、车速指导调节组件,其中路面阻力一般属于模糊量,可以大致分为微小冲击、小冲击、中等冲击、大冲击、略大冲击等路面阻力fI,上述冲击事件存在模糊性,需要用模糊隶属函数μ(r)来描述这一不确定性。设冲击集I={I1,I2,I3,I4,I5},分别表达微小冲击到略大冲击的冲击程度,其隶属关系表达式如下所示:
r=h(f)
利用力传感器可以测出路面对电动自行车的振幅f,从而可以得到r和μ(r),并根据隶属度函数得到冲击载荷的大小并匹配冲击力fI,从而将其传输给多体动力学模型,得到速度调节指令,对所期望的车速进行调节。
请参阅图5,本发明的建模求解框架图,其主要包括建模和求解两大过程。建模过程主要包括车体建模、力学建模、数学建模以及求解过程建模,根据车体实体的模型,受力分析可以得到力学模型,再抽象为具体的数学问题得到数学模型,根据实际场景的边界条件和约束条件可以得到求解结果。求解模型是在已知数学模型的基础上,根据电动自行车在实际场景中的启动、匀速、减速等过程的初始条件,组合为方程组集,再利用GA、PSO等智能算法构建迭代模型,这组合为整个问题的求解器,即求解模型。
请参阅图6,本发明的动力优化策略流程图,主要包括模型参数的设置、电动自行车行驶状态分析、求解分析过程。模型参数的设置主要包括空气阻力计算模型的设置、坡度阻力计算模型的设置、路面阻力计算模型的设置以及路面阻力计算模型的设置,该类魔性的设置主要基于图3的硬件关系图建立设置的。电动自行车行驶状态主要包括电动自行车的启动、匀速、减速,其中启动阶段可以近似看作匀加速直线运动,此时加速度恒定;匀速阶段加速度为0,速度保持在一定的水平;减速阶段可以近似看作匀减速直线运动,此时减速度恒定。电动自行车的多体动力学模型求解主要采用微分的思想,即实时调节控制动力输出。t0时刻,根据图4的本发明所涉及的电动自行车行驶过程广义受力图,得出实时状态下的空气阻力、坡度阻力以及路面阻力,再根据合力调节原理,计算出应调节的电驱动力,并根据轮毂电机的动力特性和相关参数输出预设的电驱动力,如果达到动力适配调节要求,则来到t1时刻的调节,迭代t0时刻的算法直到tn时刻,从而保证整个行驶阶段的动力适配。
最后通过数次迭代和远程算法处理、优化迭代,得到最优的动力调节策略参数。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (11)
1.一种基于MBD的电动自行车行驶动力优化策略,其特征在于,包括电驱动力优化单元、空气阻力优化单元、坡度阻力优化单元、路面阻力优化单元和MBD模型;电驱动力优化单元利用电流传感器、电压传感器、转速传感器建立电驱动力感知和控制组件;空气阻力优化单元利用风力传感器建立空气阻力感知和控制组件;坡度阻力优化单元利用倾角传感器建立坡度阻力感知和控制组件;路面阻力优化单元利用力传感器建立路面激振感知和控制组件;MBD模型根据动力和阻力信息,优化输出电动自行车的合动力。
2.根据权利要求1所述的一种基于MBD的电动自行车行驶动力优化策略,其特征在于,电驱动力优化单元利用电流传感器、电压传感器、转速传感器建立电驱动力感知和控制组件。电流传感器用于实时检测供电回路的电流变化,电压传感器用于实时检测电池系统的电量和输出电压,转速传感器用于实时检测轮毂电机的转速,根据电流传感器、电压传感器、转速传感器得到的数值,可以计算出轮毂电机的输出扭矩,从而根据反馈电路系统对应该达到的输出扭矩进行调节,最终使电动自行车的输出动力适配。
3.根据权利要求1所述的一种基于MBD的电动自行车行驶动力优化策略,其特征在于,空气阻力优化单元是一种基于风力传感器和转速传感器的空气阻力感知和控制组件。由于电动自行车在行驶的过程中存在因外形导致的空气阻力作用,风力传感器安装在电动自行车的主要迎风表面且采用多点安装的方式,得到尽可能多的风力数据。根据每个传感器周围的车体形状特征,计算出各个点的周围的空气阻力,并得出合空气阻力,从而将数据传输给MBD模型并指导电驱动力优化。
4.根据权利要求1所述的一种基于MBD的电动自行车行驶动力优化策略,其特征在于,坡度阻力优化单元是一种基于倾角传感器的空气阻力感知和控制组件。由于电动自行车在行驶的过程中存在坡度变化的实际场景,将倾角传感器安装在电动自行车上,并实现水平位置的标定对准。在电动自行车在上下坡时,根据倾角传感器测量的数值,计算出坡度阻力或助力,从而将数据传输给MBD模型并指导电驱动力优化。
5.根据权利要求1所述的一种基于MBD的电动自行车行驶动力优化策略,其特征在于,路面阻力优化单元是一种基于力传感器的路面激振感知和控制组件。由于电动自行车的实际行驶路况是非理想的平坦路面,在行驶过程中会出现因路面变化而引起的路面阻力,这种现象是一种概率事件。通过不同路面的不同激振,构建出一系列的模糊路面阻力,根据力传感器的数值,计算出模糊隶属度从而匹配相对性的路面阻力,并将数据传输给MBD模型指导电动驱动力优化。
6.根据权利要求1所述的一种基于MBD的电动自行车行驶动力优化策略,其特征在于,MBD模型是在对电动自行车行驶过程进行动力学分析的基础上建立的一种包含电驱动力、空气阻力、坡度阻力、路面阻力的力学模型。该模型主要包括动力和阻力两大部分,电驱动力属于动力,空气阻力、坡度阻力、路面阻力属于阻力,遵循阻力需求决定动力提供的原则,计算目标速度下的各项主要阻力并根据电池电量,调节动力,使得电动自行车的动力输出处于适配的状态。
7.根据权利要求1所述的一种基于MBD的电动自行车行驶动力优化策略,其特征在于,电动自行车的动力变化包括以下内容:
S1、电动自行车起步,并初始化空气阻力、路面阻力,坡度阻力根据起步环境确定。
S2、随着电动自行车加速,空气阻力、路面阻力开始增加,并满足与速度有关的函数关系;
S3、电动自行车在行驶过程中,收到的坡度阻力为一定值;
S4、随着电动自行车在行驶过程中的阻力实时增加(或减小),轮毂电机的动力输出会跟随变化,并保持电动自行车的合动力保持基本稳定;
S5、随着电动自行车减速,空气阻力、路面阻力开始减小;
S6、电动自行车减速至静止,空气阻力、路面阻力初始化。
10.根据权利要求4所述的一种基于MBD的电动自行车行驶动力优化策略,其特征在于,坡度阻力优化单元包含倾角测量组件、车速指导调节组件,其中坡度阻力一般是一个定值fp,该值与倾角θ、人车总重G有关,其表达式如下所示:
fp=Gsinθ
利用倾角传感器可以测出电动平衡车的与水平面的夹角θ,结合人车总重G,可以得到坡度阻力fp,从而将其传输给多体动力学模型,得到速度调节指令,对所期望的车速进行调节。
11.根据权利要求5所述的一种基于MBD的电动自行车行驶动力优化策略,其特征在于,路面阻力优化单元包含力传感器、车速指导调节组件,其中路面阻力一般属于模糊量,可以大致分为微小冲击、小冲击、中等冲击、大冲击、略大冲击等路面阻力fI,上述冲击事件存在模糊性,需要用模糊隶属函数μ(r)来描述这一不确定性。设冲击集I={I1,I2,I3,I4,I5},分别表达微小冲击到略大冲击的冲击程度,其隶属关系表达式如下所示:
r=h(f)
利用力传感器可以测出路面对电动自行车的振幅f,从而可以得到r和μ(r),并根据隶属度函数得到冲击载荷的大小并匹配冲击力fI,从而将其传输给多体动力学模型,得到速度调节指令,对所期望的车速进行调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011366759.3A CN112836289A (zh) | 2020-11-27 | 2020-11-27 | 一种基于mbd的电动自行车行驶动力优化策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011366759.3A CN112836289A (zh) | 2020-11-27 | 2020-11-27 | 一种基于mbd的电动自行车行驶动力优化策略 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112836289A true CN112836289A (zh) | 2021-05-25 |
Family
ID=75923372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011366759.3A Pending CN112836289A (zh) | 2020-11-27 | 2020-11-27 | 一种基于mbd的电动自行车行驶动力优化策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836289A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1765692A (zh) * | 2005-11-03 | 2006-05-03 | 李平 | 小型电动/助力自行车/三轮车及其控制器与传感器 |
WO2010012379A1 (de) * | 2008-07-26 | 2010-02-04 | Daimler Ag | Verfahren zum betreiben eines fahrzeugs |
CN102765380A (zh) * | 2012-07-23 | 2012-11-07 | 刘厚荣 | 电动车变速驱动系统及自动变速控制方法 |
TW201524841A (zh) * | 2013-12-24 | 2015-07-01 | J D Components Co Ltd | 助力自行車之助力提供系統 |
CN109062056A (zh) * | 2018-09-17 | 2018-12-21 | 长安大学 | 一种电动自行车智能控制系统及其控制方法 |
-
2020
- 2020-11-27 CN CN202011366759.3A patent/CN112836289A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1765692A (zh) * | 2005-11-03 | 2006-05-03 | 李平 | 小型电动/助力自行车/三轮车及其控制器与传感器 |
WO2010012379A1 (de) * | 2008-07-26 | 2010-02-04 | Daimler Ag | Verfahren zum betreiben eines fahrzeugs |
CN102765380A (zh) * | 2012-07-23 | 2012-11-07 | 刘厚荣 | 电动车变速驱动系统及自动变速控制方法 |
TW201524841A (zh) * | 2013-12-24 | 2015-07-01 | J D Components Co Ltd | 助力自行車之助力提供系統 |
CN109062056A (zh) * | 2018-09-17 | 2018-12-21 | 长安大学 | 一种电动自行车智能控制系统及其控制方法 |
Non-Patent Citations (2)
Title |
---|
李书江、解莉、汪国梁、徐荣政: "《汽车多体动力学及计算机仿真》", 31 December 1998, 长春:吉林科学技术出版社, pages: 30 - 12 * |
李书江、解莉、汪国梁、徐荣政: "《汽车文化与概论》", 西安交通大学出版社, pages: 30 - 33 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guanetti et al. | Optimal energy management in series hybrid electric bicycles | |
US20210170883A1 (en) | Method for dual-motor control on electric vehicle based on adaptive dynamic programming | |
CN103529850B (zh) | 两轮自平衡车控制方法 | |
US20030231022A1 (en) | Speed limiting for a balancing transporter | |
US9085341B2 (en) | Electric power assist device and driving method for electric vehicle | |
US20170036543A1 (en) | System and approach for dynamic vehicle speed optimization | |
US6324464B1 (en) | Intelligent system for regulating the speed of an electric motorcycle | |
CN113085860B (zh) | 一种跟车环境下的燃料电池混合动力汽车的能量管理方法 | |
Salem | Modeling and control solutions for electric vehicles | |
Sajadi-Alamdari et al. | Nonlinear model predictive extended eco-cruise control for battery electric vehicles | |
CN113415373B (zh) | 助力车能量回收方法、装置、电子设备及存储介质 | |
CN113561793A (zh) | 一种动态约束的智能燃料电池汽车能量管理策略 | |
Brahim et al. | A novel 4WD electric vehicle control strategy based on direct torque control space vector modulation technique | |
CN115583154A (zh) | 一种基于挂车自感知的智能编组卡车混合驱动系统及方法 | |
Hicham et al. | A Novel Method of Electric Scooter Torque Estimation Using the Space Vector Modulation Control. | |
WO2003106250A2 (en) | Control features for a balancing transporter | |
CN105501070B (zh) | 主动式电力驱动车辆供耗电平衡控制方法 | |
CN112836289A (zh) | 一种基于mbd的电动自行车行驶动力优化策略 | |
Li et al. | Regenerative braking control strategies with fixed ratio and variable ratio braking forces optimization distribution for electric vehicles during downhill process | |
JPH11334677A (ja) | 補助動力源を備えた移動装置及びその制御方法 | |
WO2023175518A1 (en) | Method and system for optimizing energy management and use quality of vehicles for the mobility of people and materials equipped with electric or electrified propulsion | |
Abdelfatah et al. | Artificial intelligence application’s for 4WD electric vehicle control system | |
CN111487545A (zh) | 二次电池状态检测系统、检测装置以及检测方法 | |
Bianchessi et al. | A novel electric vehicle for smart indoor mobility | |
CN205417916U (zh) | 一种电动智能平板车 |
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 |