CN113147422B - 一种分布式驱动电动汽车直接横摆力矩控制系统及方法 - Google Patents

Abstract

本发明公开了一种分布式驱动电动汽车直接横摆力矩控制系统及方法，通过分析熟练驾驶员的驾驶行为，揭示熟练驾驶员调整车辆运动状态的动力学机理并用于计算车辆横向稳定性控制目标理论值；基于自适应容积卡尔曼滤波NACKF算法设计车辆状态观测器；根据控制目标的理论值和车辆状态的观测值的偏差基于自适应模糊滑模FSMC算法设计直接横摆力矩系统，决策出所需的附加横摆力矩值，再通过电机控制系统和电子液压制动系统相结合的分配方法将附加横摆力矩分配给各个车轮从而达到控制汽车横向稳定性的目的。本发明提出的方法在保证操纵稳定性的基础上能够代替驾驶员的部分工作并降低其操作负荷，并提高车辆横向稳定性控制精度。

Description

一种分布式驱动电动汽车直接横摆力矩控制系统及方法

技术领域

本发明涉及电动车横向稳定性控制领域，特别是涉及考虑熟练驾驶员意图的分布式驱动电动汽车直接横摆力矩控制系统及方法。

背景技术

驾驶员在交通事故预防中有着重要作用，驾驶员不仅要处理道路交通信息，还要根据车辆状态快速做出决策，从而控制车辆按照驾驶员的预期行驶，因此驾驶员的驾驶行为直接影响车辆的行驶安全。如何结合驾驶员的意图实时精确的观测分布式驱动电动汽车的行驶状态，从而实时判断车辆的横向稳定状态，并通过及时协调各轮毂电机输出转矩，进而施加一个附加直接横摆力矩纠正车身姿态，提高车辆的横向稳定性，防止车辆横向失稳的发生，是一项具有重大意义的主动安全技术研究。

国家专利201710134285.1基于驾驶员意图的抗饱和积分滑模变结构控制器使得当驾驶员意图力矩不足以使车轮打滑时，控制器将最终产生与驾驶员需求相同的力矩。当驾驶员意图力矩比路面峰值附着力矩更大时，控制器可以使车轮工作在目标滑移率上，实现最优驱动。但该方法没有过多的考虑车辆的横向稳定性问题。国家专利202010216520.1通过建立一种参数时变的车辆横摆角速度预测模型来获取车辆横摆角速度预测值，并对车辆横摆角速度测量值中的噪声具有一定的滤波效果，在一定程度上能够提高车辆的横摆稳定。但是该方法是以汽车本身的横向稳定性控制为主，缺乏关于驾驶员技能差异对行车安全的影响的考虑。

发明内容

为了解决现有技术中存在的不足，本发明提出了一种分布式驱动电动汽车直接横摆力矩控制系统及方法，在保证操纵稳定性的基础上能够代替驾驶员的部分工作并降低其操作负荷，并提高车辆横向稳定性控制精度。

本发明所采用的技术方案如下：

一种分布式驱动电动汽车直接横摆力矩控制系统，包括信号输入模块、上层控制器模块和下层控制器模块；

信号输入模块包括信号采集单元和计算目标稳定性因素单元；所述信号采集单元采集方向盘转角δ_sw；计算目标稳定性因素单元根据方向盘转角δ_sw得到驾驶员意图，并基于驾驶员意图输出稳定性因素K；

上层控制器模块包括车辆目标设定单元、基于NACKF的车辆状态观测器和基于FSMC直接横摆力矩控制单元；车辆目标设定单元接收基于方向盘转角δ_sw、稳定性因素K和车辆纵向车速v_x并求解出期望横摆角速度γ_d；基于NACKF的车辆状态观测器连接执行器模块，用于接收车辆前轮转角δ、纵向加速度a_x和侧向加速度a_y；基于NACKF的车辆状态观测器用于输出车辆纵向车速v_x、质心侧偏角观测值β和横摆角速度观测值γ；基于FSMC直接横摆力矩控制单元接收车辆目标设定单元和基于NACKF的车辆状态观测器输出的质心侧偏角和横摆角速度的偏差，并输出车辆附加横摆力矩ΔM_Z；

下层控制器模块包括电机控制系统和电子液压制动系统，下层控制器模块接收基于FSMC直接横摆力矩控制单元输出的车辆附加横摆力矩ΔM_Z；由电机控制系统和电子液压制动系统对车辆附加横摆力矩ΔM_Z进行分配；

进一步，计算目标稳定性因素单元内输出稳定性因素K的方法为：

其中，表示驾驶员意图，δ_sw表示方向盘转角，/>表示方向盘转角变化率，C_k0和C_k1分别为驾驶员进入弯道和驶出弯道时传递函数的增益，τ₀和τ₁分别为进入弯道和驶出弯道时传递函数的时间常数，/>表示符号函数，s为传递函数的变量。

进一步，求解出期望横摆角速度γ_d的方法为：

其中，γ_t为不考虑路面附着系数影响的理想横摆角速度，表示为γ_t＝δ×G(s)；μ表示路面附着系数；g表示重力加速度；v_x表示车辆纵向车速，δ表示车辆前轮转角，δ＝δ_sw/i,δ_sw为方向盘转角，i为转向器传动比；G(s)为目标转向响应特性模型，表示为G_r表示稳态横摆角速度增益；ω_n表示车辆的固有频率，L表示车辆质心到前轴的长度与质心到后轴的长度之和，τ_r表示时间常数，s为传递函数的变量；s为传递函数的变量；K是稳定性因素；ζ表示车辆阻尼比，I_z表示汽车绕轴转动惯量，m表示整车车重。

进一步，下层控制器模块的切换规则是：

在稳定工况下，由电机控制系统对车辆附加横摆力矩ΔM_Z进行分配；

在极限工况下，由电机控制系统和所述电子液压制动系统协同对车辆附加横摆力矩ΔM_Z进行分配。

进一步，当由电机控制系统独立工作时：

T_di＝F_xi·R

其中，J为轮胎利用率；系数l_a,l_b为拟合椭圆曲线得到的数值；F_xi为第i个车轮的纵向力，F_zi为第i个车轮的法向力，μ为路面附着系数，T_di为第i个车轮扭矩，i＝1、2、3、4，R为车轮半径，ΔM_ZM为电机提供的附加横摆力矩。

进一步，当由电机控制系统和电子液压制动系统协同工作时：

ΔM_ZH＝ΔM_Z-ΔM_ZM

其中，ΔM_ZH为电子液压制动系统提供的附加横摆力矩，ΔM_Z为车辆附加横摆力矩。

进一步，还包括执行器模块，执行器模块为执行机构，包含轮毂电机、电子液压制动系统和车辆本体，轮毂电机、电子液压制动系统用于执行下层控制器分配的力矩；车辆本体用于反馈传感器参数，形成闭环控制。

一种分布式驱动电动车横向稳定性控制方法，包括如下步骤：

S1、实时采集方向盘转角δ_sw得到驾驶员意图，并基于驾驶员意图获取目标稳定性因数K；

S2、将S1采集的方向盘转角δ_sw输入至车辆目标设定单元得到车辆质心侧偏角β_d和期望横摆角速度γ_d；

S3、实时采集前轮转角δ、纵向加速度a_x、横向加速度a_y；

S4、将S3中采集的数据输入至基于NACKF的车辆状态观测器单元得到质心侧偏角观测值β和横摆角速度观测值γ；

S5、将S2和S3的数据输入至基于FSMC直接横摆力矩控制单元得到车辆附加横摆力矩ΔM_Z；

S6、将S5中得到的车辆附加横摆力矩ΔM_Z输入至下层控制器模块对附加横摆力矩进行分配。

本发明的有益效果：

本发明涉及一种分布式驱动电动汽车直接横摆力矩控制系统及方法，通过分析熟练驾驶员的驾驶行为，揭示熟练驾驶员调整车辆运动状态的动力学机理并用于计算车辆横向稳定性控制目标理论值；基于自适应容积卡尔曼滤波(NACKF)算法设计车辆状态观测器；根据控制目标的理论值和车辆状态的观测值的偏差基于自适应模糊滑模(FSMC)算法设计直接横摆力矩系统，决策出所需的附加横摆力矩值，再通过电机控制系统和电子液压制动系统相结合的分配方法将附加横摆力矩分配给各个车轮从而达到控制汽车横向稳定性的目的。本发明提出的方法在保证操纵稳定性的基础上能够代替驾驶员的部分工作并降低其操作负荷，并提高车辆横向稳定性控制精度。

附图说明

图1为本发明分布式驱动电动车辆横向稳定控制系统结构图；

图2为本发明基于NACKF算法的观测器设计示意图；

图3为本发明实施例中基于FSMC算法的车辆附加横摆力矩决策示意图；

图4为本发明实施例中分布式驱动电动车辆附加横摆扭矩分配图；

图中，1、信号输入模块，2、车辆目标设定单元，3、基于NACKF的车辆状态观测器，4、基于FSMC直接横摆力矩控制单元，5、电机控制系统，6、电子液压制动系统，7、执行器模块。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。

本发明分布式驱动电动车横向稳定性控制系统的结构如图1所示，包括：信号输入模块1、上层控制器模块、下层控制器模块和执行器模块7。具体如下：

信号输入模块1包括信号采集单元和计算目标稳定性因素单元；信号采集单元由传感器组成，用于采集方向盘转角δ_sw；信号采集单元与计算目标稳定性因素单元之间通过信号连接，信号采集单元将所采集的方向盘转角δ_sw输入计算目标稳定性因素单元。计算目标稳定性因素单元内根据方向盘转角δ_sw得到驾驶员意图，并基于驾驶员意图输出稳定性因素K；具体如下：

其中，表示驾驶员意图，δ_sw表示方向盘转角，/>表示方向盘转角变化率，C_k0和C_k1分别为驾驶员进入弯道和驶出弯道时传递函数的增益，τ₀和τ₁分别为进入弯道和驶出弯道时传递函数的时间常数，/>表示符号函数，s为传递函数的变量。

上层控制器模块包括车辆目标设定单元2、基于NACKF的车辆状态观测器3和基于FSMC直接横摆力矩控制单元4；车辆目标设定单元2的输入端信号连接信号采集单元的输出端、计算目标稳定性因素单元的输出端和基于NACKF的车辆状态观测器3的输出端；车辆目标设定单元2接收信号采集单元所采集的方向盘转角δ_sw、计算目标稳定性因素单元输出的稳定性因素K以及基于NACKF的车辆状态观测器3输出的车辆纵向车速v_x。车辆目标设定单元2基于方向盘转角δ_sw、稳定性因素K和车辆纵向车速v_x求解出期望横摆角速度γ_d；求解过程如下：

式中，G(s)为目标转向响应特性模型；G_r表示稳态横摆角速度增益；ω_n表示车辆的固有频率，L表示车辆质心到前轴的长度与质心到后轴的长度之和，v_x表示车辆纵向车速，k₁、k₂分别表示前轴、后轴的侧倾刚度，I_z表示汽车绕轴转动惯量，m表示整车车重；τ_r表示时间常数，/>a表示车辆质心到前轴的长度；s为传递函数的变量；ζ表示车辆阻尼比；δ表示车辆前轮转角，δ＝δ_sw/i,δ_sw为方向盘转角，i为转向器传动比；μ表示路面附着系数；g表示重力加速度；γ_t为不考虑路面附着系数影响的理想横摆角速度；sign(γ_t)表示符号函数；

如图2所示构造基于NACKF的车辆状态观测器3的方法为：

基于整车三自由度汽车模型：

式中，b为车辆质心到后轴的长度，k₁、k₂分别为前后轴的侧偏刚度，γ为横摆角速度观测值，是γ的一阶导数；β为质心侧偏角观测值，/>是β一阶导数，v_x为纵向车速，/>是纵向车速变化率，v_y为侧向车速，δ为前轮转角，a_x为纵向加速度，a_y为侧向加速度。

根据整车三自由度汽车模型(式5)建立估计状态方程与量测方程：

其中，状态变量x(t)＝[γ(t),β(t),v_x(t)]^T＝[x(1),x(2),x(3)]^T，γ(t)为横摆角速度时间函数，β(t)为质心侧偏角时间函数，v_x(t)为纵向车速时间函数，x(1),x(2),x(3)分别是横摆角速度状态函数、质心侧偏角状态函数、纵向车速状态函数；控制输入u(t)＝[δ(t),a_x(t)]^T＝[u(1),u(2)]^T，δ(t)为前轮转角时间函数，a_x(t)为纵向加速度时间函数，u(1),u(2)分别是前轮转角和纵向加速度状态函数；量测量y(t)＝a_y(t)＝[z]，a_y(t)为横向加速度时间函数，z为横向加速度状态函数；f(*)为状态函数；h(*)为量测函数；w(t)为状态噪声；v(t)为量测噪声。

则函数f(*)和h(*)的导数表达式为：

其中，是状态量导数的状态函数，i＝1、2、3。

所构建的基于NACKF的车辆状态观测器3的滤波过程可分为预测、更新及自适应三个部分：

(1)预测

状态预测：

状态均方误差预测P_k∣k-1：

其中，x_k/k-1为状态一步预测值矩阵，m为容积点个数，P_k∣k-1为状态均方误差预测方程；为状态噪声自适应矩阵。

(2)更新

滤波增益K_k：

其中

状态观测：

状态均方误差估计P_k/k：

P_k/k＝P_k/k-1-K_kP_zz,k∣k-1K_k ^T (12)

式中，x_k/k为状态观测函数，m为容积点个数，分别为状态容积点传播函数和量测容积点传播函数，R_k为量测噪声自适应矩阵，K_k为状态增益矩阵，P_xz，k|k-1和P_zz，k|k-1分别为误差协方差和互协方差矩阵；z_k为k时刻的量测值，/>为k时刻的量测预测值。

(3)自适应

利用Sage-Husa估值器对过程噪声协方差实时估计，其无偏噪声估值器的递推形式为：

其中，ε_k为量测量测量值与上一次估计值的差值，表示为

已证明的结论给出次优无偏极大值后验估计(MAP)常值量测噪声统计估计器，对于所有时刻k：

构建好的基于NACKF的车辆状态观测器3的输入端连接执行器模块7，用于接收车辆前轮转角δ、纵向加速度a_x和侧向加速度a_y；基于NACKF的车辆状态观测器3用于输出车辆纵向车速v_x、质心侧偏角观测值β和横摆角速度观测值γ。基于NACKF的车辆状态观测器3所输出的质心侧偏角观测值β与质心侧偏角期望值β_d作差得到其两者差值e_β，横摆角速度观测值γ与横摆角速度期望值γ_d作差得到其两者差值e_γ。

如图3，基于FSMC直接横摆力矩控制单元4接收e_β和e_γ，基于FSMC直接横摆力矩控制单元4基于FSMC算法决策出车辆附加横摆力矩ΔM_Z；具体过程如下：

首先滑模面s的定义如下：

s＝γ-γ_d+ρ(β-β_d) (15)

对等式(15)两边求导有：

其中，为γ的一阶导数；/>为γ_d的一阶导数；ρ为质心侧偏角的控制权重因子，为β的一阶导数；/>为β_d的一阶导数。

表示整车横摆运动的动力学方程为：

将式16中的带入式17得到：

在本申请中，选择趋近律函数为：

其中，k为表示系统的运动点趋近切换面s＝0的速率，b′为正常数；

将式19代入式18得到：

最后，以公式(19)为控制律，分析了系统的稳定性。稳定性证明如下：

考虑以下Lyapunov函数：

通过替换公式(19)的控制律，我们可以获得：

根据公式(20)，符号函数的存在可以有效地消除未知的干扰项，同时不可避免地导致抖动。因此，本发明采用模糊逼近算法构造离散符号函数的连续性。可以从根本上减少抖动现象。

下面描述模糊近似的设计过程。

使用乘积推论引擎，单值歧义和中心平均歧义解析器。模糊系统的输出y(x)可以写为：

其中，y^j为模糊输出元素；

式中开关函数s(t)作为模糊系统的输入，为其模糊集{NB NS ZO PS PB}，为输入变量s_i的隶属函数：

模糊系统被用作连续逼近εsgns输出

式中，φ(s)为满足此形式的模糊向量，/>为调节程度。

为了实时生成并使其无限接近εsgns，设计了以下自适应定律来调整/>

式中，为真实调整参数，r是根据系统设置的一个常数。

最佳的调整参数由式(22)确定：

式中，Ω为调整参数θ的一个集合。

目的是使调整误差最小。

引入之后，公式(20)可以重写为：

下层控制器模块包括电机控制系统5和电子液压制动系统6，下层控制器模块接收基于FSMC直接横摆力矩控制单元4输出的车辆附加横摆力矩ΔM_Z；在稳定工况下，由电机控制系统5对车辆附加横摆力矩ΔM_Z进行分配；在极限工况下，由电机控制系统5和所述电子液压制动系统6协同对车辆附加横摆力矩ΔM_Z进行分配，如图4。

当由电机控制系统5独立工作时：

式中，J为轮胎利用率；系数l_a,l_b为拟合椭圆曲线得到的数值；F_xi为第i个车轮的纵向力，F_zi为第i个车轮的法向力，μ为路面附着系数，T_di为第i个车轮扭矩，i＝1、2、3、4，下标分别表示左前轮、右前轮、左后轮和右后轮，R为车轮半径，ΔM_ZM为电机提供的附加横摆力矩。

当由电机控制系统5和电子液压制动系统6协同工作时：

式中，ΔM_ZH为电子液压制动系统提供的附加横摆力矩，ΔM_Z为车辆附加横摆力矩；为电子液压制动系统提供的制动压力；d为制动轮缸直径，K_pbi为制动液压缩系数。

执行器模块7为执行机构，包含轮毂电机、电子液压制动系统和车辆本体，其中，轮毂电机、电子液压制动系统用于执行下层控制器分配的力矩；车辆本体用于反馈传感器参数，形成闭环控制。

基于本申请所提出的分布式驱动电动车横向稳定性控制系统，本申请还提出了一种分布式驱动电动车横向稳定性控制方法，包括如下步骤：

S1、实时采集方向盘转角δ_sw得到驾驶员意图，并基于驾驶员意图获取目标稳定性因数K；

S2、将S1采集的方向盘转角δ_sw输入至车辆目标设定单元2得到车辆质心侧偏角β_d和期望横摆角速度γ_d；

S3、实时采集前轮转角δ、纵向加速度a_x、横向加速度a_y；

S4、将S3中采集的数据输入至基于NACKF的车辆状态观测器单元3得到质心侧偏角β和横摆角速度观测值γ；

S5、将S2和S3的数据输入至基于FSMC直接横摆力矩控制单元4得到车辆附加横摆力矩ΔM_Z；

S6、将S5中得到的车辆附加横摆力矩ΔM_Z输入至下层控制器模块6对附加横摆力矩进行分配。

以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。

Claims (6)

1.一种分布式驱动电动汽车直接横摆力矩控制系统，其特征在于，包括信号输入模块(1)、上层控制器模块和下层控制器模块；

信号输入模块(1)包括信号采集单元和计算目标稳定性因素单元；所述信号采集单元采集方向盘转角δ_sw；计算目标稳定性因素单元根据方向盘转角δ_sw得到驾驶员意图，并基于驾驶员意图输出稳定性因素K；

上层控制器模块包括车辆目标设定单元(2)、基于NACKF的车辆状态观测器(3)和基于FSMC直接横摆力矩控制单元(4)；车辆目标设定单元(2)接收基于方向盘转角δ_sw、稳定性因素K和车辆纵向车速v_x并求解出期望横摆角速度γ_d；基于NACKF的车辆状态观测器(3)接收车辆前轮转角δ、纵向加速度a_x和侧向加速度a_y；基于NACKF的车辆状态观测器(3)用于输出车辆纵向车速v_x、质心侧偏角观测值β和横摆角速度观测值γ；基于FSMC直接横摆力矩控制单元(4)接收车辆目标设定单元(2)和基于NACKF的车辆状态观测器(3)输出的质心侧偏角和横摆角速度的偏差，并输出车辆附加横摆力矩ΔM_Z；

下层控制器模块包括电机控制系统(5)和电子液压制动系统(6)，下层控制器模块接收基于FSMC直接横摆力矩控制单元(4)输出的车辆附加横摆力矩ΔM_Z；由电机控制系统(5)和电子液压制动系统(6)对车辆附加横摆力矩ΔM_Z进行分配；

计算目标稳定性因素单元内输出稳定性因素K的方法为：

其中，表示驾驶员意图，δ_sw表示方向盘转角，/>表示方向盘转角变化率，C_k0和C_k1分别为驾驶员进入弯道和驶出弯道时传递函数的增益，τ₀和τ₁分别为进入弯道和驶出弯道时传递函数的时间常数，/>表示符号函数，s为传递函数的变量；

求解出期望横摆角速度γ_d的方法为：

其中，γ_t为不考虑路面附着系数影响的理想横摆角速度，表示为γ_t＝δ×G(s)；μ表示路面附着系数；g表示重力加速度；v_x表示车辆纵向车速，δ表示车辆前轮转角，δ＝δ_sw/i,δ_sw为方向盘转角，i为转向器传动比；G(s)为目标转向响应特性模型，表示为G_r表示稳态横摆角速度增益，表示为/>ω_n表示车辆的固有频率，/>L表示车辆质心到前轴的长度与质心到后轴的长度之和，τ_r表示时间常数，s为传递函数的变量；K是稳定性因素；ζ表示车辆阻尼比，I_z表示汽车绕轴转动惯量，m表示整车车重；k₁、k₂分别表示前轴和后轴的侧倾刚度。

2.根据权利要求1所述的一种分布式驱动电动汽车直接横摆力矩控制系统，其特征在于，下层控制器模块的切换规则是：

在稳定工况下，由电机控制系统(5)对车辆附加横摆力矩ΔM_Z进行分配；

在极限工况下，由电机控制系统(5)和所述电子液压制动系统(6)协同对车辆附加横摆力矩ΔM_Z进行分配。

3.根据权利要求2所述的一种分布式驱动电动汽车直接横摆力矩控制系统，其特征在于，当由电机控制系统(5)独立工作时：

T_di＝F_xi·R

其中，J为轮胎利用率；系数l_a,l_b为拟合椭圆曲线得到的数值；F_xi为第i个车轮的纵向力，F_zi为第i个车轮的法向力，μ为路面附着系数，T_di为第i个车轮扭矩，i＝1、2、3、4，R为车轮半径，ΔM_ZM为电机提供的附加横摆力矩。

4.根据权利要求3所述的一种分布式驱动电动汽车直接横摆力矩控制系统，其特征在于，当由电机控制系统(5)和电子液压制动系统(6)协同工作时：

ΔM_ZH＝ΔM_Z-ΔM_ZM

其中，ΔM_ZH为电子液压制动系统提供的附加横摆力矩，ΔM_Z为车辆附加横摆力矩；为电子液压制动系统提供的制动压力；d为制动轮缸直径，K_pbi为制动液压缩系数。

5.根据权利要求1-4任意一项权利要求所述的一种分布式驱动电动汽车直接横摆力矩控制系统，其特征在于，还包括执行器模块(7)，执行器模块(7)为执行机构，包含轮毂电机、电子液压制动系统和车辆本体，轮毂电机、电子液压制动系统用于执行下层控制器分配的力矩；车辆本体用于反馈传感器参数，形成闭环控制。

6.一种基于权利要求1所述的分布式驱动电动汽车直接横摆力矩控制系统的控制方法，其特征在于，

包括如下步骤：

S1、实时采集方向盘转角δ_sw得到驾驶员意图，并基于驾驶员意图获取目标稳定性因数K；

S2、将S1采集的方向盘转角δ_sw输入至车辆目标设定单元(2)得到车辆质心侧偏角β_d和期望横摆角速度γ_d；

S3、实时采集前轮转角δ、纵向加速度a_x、横向加速度a_y；

S4、将S3中采集的数据输入至基于NACKF的车辆状态观测器(3)得到质心侧偏角观测值β和横摆角速度观测值γ；

S5、将S2和S3的数据输入至基于FSMC直接横摆力矩控制单元(4)得到车辆附加横摆力矩ΔM_Z；

S6、将S5中得到的车辆附加横摆力矩ΔM_Z输入至下层控制器模块对附加横摆力矩进行分配。