CN113190055A - 一种电动汽车速度跟踪控制方法 - Google Patents

一种电动汽车速度跟踪控制方法 Download PDF

Info

Publication number
CN113190055A
CN113190055A CN202110588429.7A CN202110588429A CN113190055A CN 113190055 A CN113190055 A CN 113190055A CN 202110588429 A CN202110588429 A CN 202110588429A CN 113190055 A CN113190055 A CN 113190055A
Authority
CN
China
Prior art keywords
control
electric automobile
expected
acceleration
speed
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.)
Granted
Application number
CN202110588429.7A
Other languages
English (en)
Other versions
CN113190055B (zh
Inventor
马立玲
冯善浩
汪首坤
王军政
赵江波
沈伟
李静
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110588429.7A priority Critical patent/CN113190055B/zh
Publication of CN113190055A publication Critical patent/CN113190055A/zh
Application granted granted Critical
Publication of CN113190055B publication Critical patent/CN113190055B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D13/00Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover
    • G05D13/62Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover characterised by the use of electric means, e.g. use of a tachometric dynamo, use of a transducer converting an electric value into a displacement
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/60Other road transportation technologies with climate change mitigation effect
    • Y02T10/72Electric energy management in electromobility

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种电动汽车速度跟踪控制方法,能够提升控制精度和干扰抑制性能。该方法建立分层式控制器,用于将电动汽车的速度跟踪问题转化为由期望速度到期望加速度,再到期望油门踏板和制动踏板开合度的解算问题;所述分层式控制器包括上层控制器和下层控制器;所述上层控制器基于电动汽车的运动学模型构建,由期望速度和反馈速度预测期望加速度ades;所述下层控制器基于电动汽车的逆纵向动力学模型构建,根据所述期望加速度ades求解油门踏板和制动踏板的开合度控制量,实现对电动汽车的速度跟踪控制。

Description

一种电动汽车速度跟踪控制方法
技术领域
本发明涉及新能源汽车技术领域,具体涉及一种电动汽车速度跟踪控制方法。
背景技术
随着世界石油资源短缺和环境污染日益严重,寻找新形式的能源代替石油为汽车提供动力已成为必然的趋势,而电动汽车则是新能源汽车中的主力军。在汽车研发设计过程中很重要的一项工作就是汽车整车试验。在转鼓试验台中对汽车的驾驶性能、动力性、操作性、耐久性、排放性能等多方面进行试验,这些试验往往都是高重复性且需要大量时间来完成。采用自动驾驶机器人来完成这些试验成为未来汽车试验的主流。自动驾驶机器人可以接收控制模块的指挥,作为执行机构向电动汽车施加控制量。
在电动汽车转鼓实验中如何精确控制速度是影响试验结果的重要因素,在车辆行驶过程中,电机或车辆传动系统参数的变化以及系统外界干扰的引入会直接影响电机的控制性能,进而影响车辆的行驶特性。传统的控制方法多采用经典控制算法,控制精度不足。
发明内容
有鉴于此,本发明提供了一种电动汽车速度跟踪控制方法,能够提升控制精度和干扰抑制性能。
为了解决上述技术问题,本发明是这样实现的。
一种电动汽车速度跟踪控制方法,包括:
建立分层式控制器,用于将电动汽车的速度跟踪问题转化为由期望速度到期望加速度,再到期望油门踏板和制动踏板开合度的解算问题;
所述分层式控制器包括上层控制器和下层控制器;
所述上层控制器基于电动汽车的运动学模型构建,由期望速度和反馈速度预测期望加速度ades
所述下层控制器基于电动汽车的逆纵向动力学模型构建,根据所述期望加速度ades求解油门踏板和制动踏板的开合度控制量,实现对电动汽车的速度跟踪控制。
优选地,上层控制器采用模型预测控制算法实现;下层控制器构建时,首先建立逆纵向动力学模型,从中提取出含有未知量的车辆传动参数,并将油门踏板和制动踏板的开合度控制量采用所述车辆传动参数表达;采用自适应辨识算法确定车辆传动参数,代入开合度控制量表达式,获得开合度控制量。
优选地,所述上层控制器采用模型预测控制算法实现,具体为:
根据电动汽车的运动学模型,将传动系统采用一阶惯性系统设计,构建出传动系统的离散状态空间方程:
x(k+1)=Ax(k)+Bua(k)
y(k)=Cx(k),C=[1 0]
Figure BDA0003088394310000021
x(k)=[v a],ua(k)=ades
式中,x为状态向量,ua为上层控制器的控制量输出,y(k)为输出方程,括号中的k表示当前采样时刻,k+1表示下一采样时刻,T为采样周期,ades为期望加速度,a为实际加速度,K为系统增益,τd为时间常数,v为实际车速;
为避免过大的加速度和冲击度,惩罚函数定义为:
Figure BDA0003088394310000022
Figure BDA0003088394310000031
式中,Δua(k)表示控制输入的增量,Hp表示为预测步长,Hc为控制步长,yp(k+i|k)为控制输出预测值;yref(k+i|k)为控制输出参考值;(k+i|k)表示根据k采样时刻的信息来预测k+i时刻的值,其中i=1,……,Hp;ua(k+i)和Δua(k+i)分别是k+i时刻控制输入和控制输入增量,其中i=1,......Hc-1;Q,R,S分别是系统输出量、控制增量和控制量权重系统矩阵;
利用离散状态空间方程和惩罚函数进行模型预测控制,预测出期望加速度提供给下层控制器。
优选地,所述逆纵向动力学模型构建方式为:
(1)构建电动汽车在行驶中的动力学模型:
Figure BDA0003088394310000032
其中,Fx(t)为前后轮轮胎纵向力之和,g(t)为包含前轮滚动阻力、后轮滚动阻力、纵向的空气阻力、行驶路面阻力的总阻力,m为整车的总质量,v(t)为实际车速,t为时间;
(2)将电动汽车的驱动电机输出扭矩Te(t)与油门踏板开合度控制量uth(t)关系表示为一阶系统:
Figure BDA0003088394310000033
其中,kth(t)是驱动电机动力学时变比例增益,τth(t)是第一一阶时间常数;
(3)将电动汽车的制动器输出扭矩Tb(t)与制动踏板开合度控制量ub(t)关系表示为一阶系统:
Figure BDA0003088394310000034
其中,kb(t)是制动器动力学时变比例增益,τb(t)是第二一阶时间常数;
(4)在无滑移条件下,轮胎纵向力表示为发动机净转矩与制动转矩之和:
Figure BDA0003088394310000041
其中,其中rg为减速比,Reff为轮胎有效半径;
(5)联立公式(1)~(4),引入时变车辆传动参数λth(t),λd(t),G(t),得到逆纵向动力学模型如下:
Figure BDA0003088394310000042
其中
Figure BDA0003088394310000043
优选地,将油门踏板和制动踏板的开合度控制量采用所述车辆传动参数表达为:
设立用来防止频繁切换油门和刹车系统的开关裕度h,设计油门踏板和制动踏板的自适应控制器为:
Figure BDA0003088394310000044
Figure BDA0003088394310000045
优选地,该方法应用于电动汽车的实际控制或者是转鼓试验中。
有益效果:
(1)本发明能够实现车辆转鼓试验过程中所需的速度跟踪操作。采用分层式控制方法,将电动汽车速度跟踪问题转化为由期望速度到期望加速度到期望油门踏板和制动踏板开合度转化的问题,通过控制踏板来控制车辆加速度能够更加平稳精确地实现速度跟踪。
(2)上层控制器采用模型预测控制方法,基于车辆纵向运动学模型,根据车辆期望速度与实际速度,求解出合适的期望加速度,从而实现高精度速度跟踪。上层根据理论动力学模型自适应调节加速度,将不确定因素放到下层控制器,即便下层控制器实现的加速度不准确,也可由上层来自适应调节来保持较好的跟踪效果。
(3)为适应不同车型,下层控制器采用自适应控制方法,将电动汽车驱动部分与制动部分整合,建立整个系统的非线性数学模型。为了实现车辆参数的在线实时估算,采用了自适应辨识方法。由于上层控制器可以实时调整期望加速度的大小,下层控制器不需要太高的辨识精度即可实现精准速度跟踪,降低了参数辨识的精度要求。
(4)考虑车辆平稳驾驶因素,为防止踏板控制器频繁切换,设计了切换阈值,当自适应控制器输出的踏板开合度大于切换阈值时将输出量作用于车辆。
附图说明
图1为系统整体控制框图;
图2为车辆受力分析示意图;
图3为目标速度与实际速度曲线示意图;
图4为速度误差示意图;
图5为油门踏板开度示意图;
图6为制动踏板开度示意图。
具体实施方式
本发明提供了一种电动汽车速度跟踪控制方法,该方法建立分层式控制器,用于将电动汽车速度跟踪问题转化为由期望速度到期望加速度,再到期望油门踏板和制动踏板开合度的解算问题。所述分层式控制器包括上层控制器和下层控制器;其中,上层控制器基于电动汽车的运动学模型构建,由期望速度和反馈速度预测期望加速度;所述下层控制器基于电动汽车的逆纵向动力学模型构建:根据车辆属性,建立车辆动力学模型,继而获得车辆逆动力学模型,根据所述期望加速度ades求解油门踏板和制动踏板的开合度控制量,实现对电动汽车的速度跟踪控制。
可见,本发明将电动汽车速度跟踪问题转化为由期望速度到期望加速度再到期望油门踏板和制动踏板开合度的问题,中间加入了加速度作为中间控制量,通过控制踏板来控制车辆加速度能够更加平稳精确地实现速度跟踪。
优选地,上层控制器采用模型预测控制方法;下层控制器在求解踏板开合度控制量时,在所述车辆逆动力学模型中引入不确定的时变参数λth(t),λb(t),G(t),通过自适应参数辨识求解时变参数λth(t),λb(t),G(t)最优解,通过这些参数获得确定的车辆逆动力学模型,即可利用该车辆逆动力学模型求解期望加速度对应的油门踏板和制动踏板开合度uth(t),ub(t),实现速度跟踪控制。这样,上层根据理论动力学模型自适应调节加速度,将不确定因素放到下层控制器,即便下层控制器实现的加速度不准确,也可由上层来自适应调节来保持较好的跟踪效果。
下面结合附图并举实施例,对本发明进行详细描述。
如图1所示,该方法具体包括如下步骤:
步骤1:建立分层式控制器。上层控制器基于电动汽车的运动学模型构建,,由期望速度和反馈速度预测期望加速度ades;下层控制器基于电动汽车的逆纵向动力学模型构建,根据所述期望加速度ades求解油门踏板和制动踏板的开合度控制量,实现对电动汽车的速度跟踪控制。
步骤2:上层控制器采用模型预测控制算法实现,采用模型预测控制方法由期望速度和反馈速度预测期望加速度ades
本步骤包括如下子步骤:
步骤201、对于车辆纵向运动学模型,采用一阶惯性系统进行设计
Figure BDA0003088394310000071
式中,ades为期望加速度,a为被测车辆反馈的实际加速度,K=1为系统增益;τd为时间常数。
步骤202、上述一阶惯性系统状态方程可以表述为
Figure BDA0003088394310000072
式中,x∈R2为一阶惯性系统的状态向量;ua∈R为一阶惯性系统的控制输入。
步骤203、实际过程中,传感器采集的数值并非连续值,因此根据前向欧拉法Forward Euler,FE)建立系统的离散状态空间方程:
x(k+1)=Ax(k)+Bua(k)
Figure BDA0003088394310000073
式中,k为当前采样时刻;k+1为下一采样时刻;T为采样周期,x(k)表示采样时刻k的状态向量,ua(k)表示采样时刻k上层控制器的控制量输出。
输出变量为车速v,输出方程可以表示为
y(k)=Cx(k),C=[1 0] (4)
步骤304、系统控制目标是速度跟踪精度,同时为避免过大的加速度和冲击度(加速度变化率绝对值),惩罚函数定义为:
Figure BDA0003088394310000074
Figure BDA0003088394310000081
式中,Hp为预测步长;Hc为控制步长;yp(k+i|k)为控制输出预测值;yref(k+i|k)为控制输出参考值;(k+i|k)表示根据k采样时刻的信息来预测k+i时刻的值,其中i=1,……,Hp;ua(k+i)和Δua(k+i)分别是k+i时刻控制输入和控制输入增量,其中i=1,......Hc-1;Q,R,S分别是系统输出量、控制增量和控制量权重系统矩阵。表达式中第一项反映的是系统对于参考轨迹的跟随能力,第二项反映的是系统对于控制量平稳变化的要求,第三项反映的是系统能量损耗的大小。
步骤205、得到控制时域内的一系列输入增量:
ΔU*=[Δua(k)*,Δua(k+1)*,……Δua(Hc-1)*]T (6)
其中,ΔU*表示最优控制输入增量序列,Δua(k)*表示第k个最优输入增量。将控制序列的第一列作为实际输入的增量作用于系统,即
ua(k)=ua(k-1)+Δua(k)* (7)
上式中,ua(k)为期望加速度,结合实际系统中的控制周期等参数,系统根据状态信息预测下一时刻的输出,得到新的控制量序列,即期望加速度,直至完成速度跟随。
步骤3:根据车辆属性,建立车辆动力学模型。
本步骤通过分析电动汽车在行驶过程中的受力,可以得到电动汽车传动系统的模型如下:
ma=Fxf+Fxr-Rxf-Rxr-Faero-mgsinθ (8)
其中,m为整车的总质量;a为车辆在质心上的纵向加速度;Fxf为前轮轮胎的纵向力;Fxr为后轮轮胎纵向力;Rxf为前轮的滚动阻力;Rxr为后轮的滚动阻力;Faero为纵向的空气阻力;g为重力加速度;θ为电动汽车行驶路面的坡度。
车辆行驶的过程中,车辆自身受到行驶方向上空气作用力的分力空气阻力为Faero
Figure BDA0003088394310000091
其中,ρ为空气密度,Cd为空气阻力系数,v为车辆纵向速度,vwind为纵向风速,Af为车辆迎风面积。
车辆行驶过程中,受到车辆自身的轮胎形变产生滚动阻力Rxf和Rxr
Rxf+Rxr=fR(Fzf+Fzr) (10)
其中,Fzf为车辆前轮的垂直载,Fzr为车辆后轮的垂直载荷,fR为车辆自身的滚动阻力系数,通常状态下滚动阻力系数与自车速度成正比。
车辆在行驶中动力学模型可改写为:
Figure BDA0003088394310000092
其中Fx(t)=Fxf+Fxr为前、后轮轮胎纵向力之和,g(t)=Rxf+Rxr+Faero+mgsinθ是总阻力,m为车辆质量。
步骤4:求解车辆逆动力学模型,求解车辆油门踏板和制动踏板开合度与车辆加速度的关系。
车辆的驱动电机输出扭矩Te(t)与油门踏板开合度uth(t)关系如下:
Figure BDA0003088394310000093
其中,kth(t)是驱动电机动力学时变比例增益,uth(t)是油门踏板开合度,τth(t)是第一一阶时间常数。
制动器输出扭矩Tb(t)与制动踏板开合度ub(t)关系如下:
Figure BDA0003088394310000094
其中,kb(t)是制动器动力学时变比例增益,ub(t)是油门踏板开合度,τb(t)是第二一阶时间常数。
在无滑移条件下,轮胎纵向力之和Fx(t)可表示为发动机净转矩与制动转矩之和:
Figure BDA0003088394310000101
其中,rg为减速比,Reff为轮胎有效半径。
联立式(11)、(12)、(13)、(14)引入时变车辆传动参数λth(t),λd(t),G(t),得
Figure BDA0003088394310000102
其中,
Figure BDA0003088394310000103
上述问题可描述为自适应控制问题,定义控制系统不确定参数为λth(t),λb(t),G(t),选取系统状态为e1(t)=ades(t)-a(t);
Figure BDA0003088394310000104
Figure BDA0003088394310000105
e1(t)也是加速度误差。
Figure BDA0003088394310000106
Figure BDA0003088394310000107
分别为λi(t)和
Figure BDA0003088394310000108
的估计值。
对于上述系统,定义控制系统不确定参数为λth(t),λb(t),G(t),考虑到切换时不考虑道路阻力、风力等变化,因此假设
Figure BDA0003088394310000109
以油门踏板为例:
Figure BDA00030883943100001010
上式,表示为期望车辆油门踏板开合度与期望加速度的关系,但是考虑到在车辆运行中,当实际速度接近目标速度时,上位控制器输出的期望加速度会在0上下切换,对应到下位控制器的输出为油门踏板和刹车踏板频繁切换,这样不符合常规驾驶习惯。因此需引入切换阈值。
设计平滑的自适应控制器为:
Figure BDA00030883943100001011
Figure BDA0003088394310000111
其中,uth(t),ub(t)为踏板开合度,h是用来防止频繁切换油门和刹车系统的开关裕度,当期望踏板开合度大于设定阈值时进行踏板切换。
可见,需要求解λth(t)uth(t),G(t),然后代入公式(17)、(18),即可得到控制量。求解参数可以采用自适应参数辨识实现。
自适应参数辨识方法为:
采用反步递归构造李雅普诺夫函数求得参数自适应律:
Figure BDA0003088394310000112
其中,k1,k2,k3是随时间变化的参数,也是自适应参数辨识想要在线确定的参数,相应控制系统在平衡点处是李雅普诺夫稳定的,且系统状态e1(t),e2(t),e3(t)收敛到0。根据自适应控制理论,在系统稳定的情况下,通过特定自适应律调节可调模型的参数能使状态误差e趋向于零。
通过式19自适应律不断调整k1,k2,k3使系统状态收敛到0,得到此时不确定参数λth(t),λb(t),G(t)最优解。
步骤5:根据上述步骤求取的λth(t),uth(t),G(t)代入公式17,18,即可求解期望加速度对应踏板开合度uth(t),ub(t),实现期望速度到期望加速度到期望踏板开合度的转化,实现速度跟踪控制。
为了验证所提方法的有效性,本发明对所提出控制器的控制效果进行仿真验证,所选用的电动汽车传动系统的标称值为:整车质量1620kg,车轮转动惯量145kg㎡,迎风面积2.36㎡,风阻系数0.28,空气密度1.205kg/m3,轮胎滚动阻力系数0.0075,轮胎常数0.088,轮胎滚动半径323mm,重力加速度9.8m/s2
期望速度为全球轻型汽车测试循环工况(WLTC),采用Matlab求解器quadprog求解期望加速度,逆纵向动力学模型参数设为k1=k2=150,k3=0.25。
基于上述的一系列参数,图3示出了目标速度与实际速度曲线,图4示出了速度误差,图5示出了油门踏板开度,图6示出了制动踏板开度,从图3-图6的仿真结果可以看出,所设计的控制器可以实现高精度的速度跟踪与干扰抑制性。
以上的具体实施例仅描述了本发明的设计原理,该描述中的部件形状,名称可以不同,不受限制。所以,本发明领域的技术人员可以对前述实施例记载的技术方案进行修改或等同替换;而这些修改和替换未脱离本发明创造宗旨和技术方案,均应属于本发明的保护范围。

Claims (6)

1.一种电动汽车速度跟踪控制方法,其特征在于,包括:
建立分层式控制器,用于将电动汽车的速度跟踪问题转化为由期望速度到期望加速度,再到期望油门踏板和制动踏板开合度的解算问题;
所述分层式控制器包括上层控制器和下层控制器;
所述上层控制器基于电动汽车的运动学模型构建,由期望速度和反馈速度预测期望加速度ades
所述下层控制器基于电动汽车的逆纵向动力学模型构建,根据所述期望加速度ades求解油门踏板和制动踏板的开合度控制量,实现对电动汽车的速度跟踪控制。
2.如权利要求1所述的方法,其特征在于,上层控制器采用模型预测控制算法实现;下层控制器构建时,首先建立逆纵向动力学模型,从中提取出含有未知量的车辆传动参数,并将油门踏板和制动踏板的开合度控制量采用所述车辆传动参数表达;采用自适应辨识算法确定车辆传动参数,代入开合度控制量表达式,获得开合度控制量。
3.如权利要求2所述的方法,其特征在于,所述上层控制器采用模型预测控制算法实现,具体为:
根据电动汽车的运动学模型,将传动系统采用一阶惯性系统设计,构建出传动系统的离散状态空间方程:
x(k+1)=Ax(k)+Bua(k)
y(k)=Cx(k),C=[1 0]
Figure FDA0003088394300000011
x(k)=[v a],ua(k)=ades
式中,x为状态向量,ua为上层控制器的控制量输出,y(k)为输出方程,括号中的k表示当前采样时刻,k+1表示下一采样时刻,T为采样周期,ades为期望加速度,a为实际加速度,K为系统增益,τd为时间常数,v为实际车速;
为避免过大的加速度和冲击度,惩罚函数定义为:
Figure FDA0003088394300000021
式中,Δua(k)表示控制输入的增量,Hp表示为预测步长,Hc为控制步长,yp(k+i|k)为控制输出预测值;yref(k+i|k)为控制输出参考值;(k+i|k)表示根据k采样时刻的信息来预测k+i时刻的值,其中i=1,......,Hp;ua(k+i)和Δua(k+i)分别是k+i时刻控制输入和控制输入增量,其中i=1,.......Hc-1;Q,R,S分别是系统输出量、控制增量和控制量权重系统矩阵;
利用离散状态空间方程和惩罚函数进行模型预测控制,预测出期望加速度提供给下层控制器。
4.如权利要求2所述的方法,其特征在于,所述逆纵向动力学模型构建方式为:
(1)构建电动汽车在行驶中的动力学模型:
Figure FDA0003088394300000022
其中,Fx(t)为前后轮轮胎纵向力之和,g(t)为包含前轮滚动阻力、后轮滚动阻力、纵向的空气阻力、行驶路面阻力的总阻力,m为整车的总质量,v(t)为实际车速,t为时间;
(2)将电动汽车的驱动电机输出扭矩Te(t)与油门踏板开合度控制量uth(t)关系表示为一阶系统:
Figure FDA0003088394300000023
其中,kth(t)是驱动电机动力学时变比例增益,τth(t)是第一一阶时间常数;
(3)将电动汽车的制动器输出扭矩Tb(t)与制动踏板开合度控制量ub(t)关系表示为一阶系统:
Figure FDA0003088394300000031
其中,kb(t)是制动器动力学时变比例增益,τb(t)是第二一阶时间常数;
(4)在无滑移条件下,轮胎纵向力表示为发动机净转矩与制动转矩之和:
Figure FDA0003088394300000032
其中,其中rg为减速比,Reff为轮胎有效半径;
(5)联立公式(1)~(4),引入时变车辆传动参数λth(t),λd(t),G(t),得到逆纵向动力学模型如下:
Figure FDA0003088394300000033
其中
Figure FDA0003088394300000034
5.如权利要求4所述的方法,其特征在于,将油门踏板和制动踏板的开合度控制量采用所述车辆传动参数表达为:
设立用来防止频繁切换油门和刹车系统的开关裕度h,设计油门踏板和制动踏板的自适应控制器为:
Figure FDA0003088394300000035
Figure FDA0003088394300000036
6.如权利要求1-5任意一项所述的方法,其特征在于,该方法应用于电动汽车的实际控制或者是转鼓试验中。
CN202110588429.7A 2021-05-28 2021-05-28 一种电动汽车速度跟踪控制方法 Active CN113190055B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110588429.7A CN113190055B (zh) 2021-05-28 2021-05-28 一种电动汽车速度跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110588429.7A CN113190055B (zh) 2021-05-28 2021-05-28 一种电动汽车速度跟踪控制方法

Publications (2)

Publication Number Publication Date
CN113190055A true CN113190055A (zh) 2021-07-30
CN113190055B CN113190055B (zh) 2023-02-17

Family

ID=76985634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110588429.7A Active CN113190055B (zh) 2021-05-28 2021-05-28 一种电动汽车速度跟踪控制方法

Country Status (1)

Country Link
CN (1) CN113190055B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113602274A (zh) * 2021-08-30 2021-11-05 吉林大学 一种基于电控助力制动的智能车辆纵向运动控制方法
CN113928339A (zh) * 2021-10-21 2022-01-14 东风悦享科技有限公司 一种基于状态判断和误差反馈的车辆纵向运动控制系统及方法
CN116714579A (zh) * 2023-08-04 2023-09-08 交通运输部公路科学研究所 基于车路协同的自动驾驶车辆预见性安全控制方法及系统
CN117087669A (zh) * 2023-10-20 2023-11-21 小米汽车科技有限公司 车辆速度跟踪控制方法、装置、车辆及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5235512A (en) * 1991-06-24 1993-08-10 Ford Motor Company Self-tuning speed control for a vehicle
US6098007A (en) * 1996-08-10 2000-08-01 Daimlerchrysler Ag Control arrangement for longitudinal dynamics of a motor vehicle
CN104283484A (zh) * 2013-07-05 2015-01-14 发那科株式会社 具备前馈控制的电动机控制装置
US20150291277A1 (en) * 2014-04-11 2015-10-15 Sikorsky Aircraft Corporation Deceleration to hover modulation
CN107808027A (zh) * 2017-09-14 2018-03-16 上海理工大学 基于改进模型预测控制的自适应跟车算法
CN110435623A (zh) * 2019-08-28 2019-11-12 吉林大学 一种自动调整的电动车分级自动紧急制动控制系统
CN110641290A (zh) * 2019-09-29 2020-01-03 桂林电子科技大学 基于模型预测算法的四轮独立电驱动车辆速度控制方法
CN111897223A (zh) * 2020-08-11 2020-11-06 哈尔滨工业大学 一种考虑自动驾驶仪动态特性的速度追踪制导方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5235512A (en) * 1991-06-24 1993-08-10 Ford Motor Company Self-tuning speed control for a vehicle
US6098007A (en) * 1996-08-10 2000-08-01 Daimlerchrysler Ag Control arrangement for longitudinal dynamics of a motor vehicle
CN104283484A (zh) * 2013-07-05 2015-01-14 发那科株式会社 具备前馈控制的电动机控制装置
US20150291277A1 (en) * 2014-04-11 2015-10-15 Sikorsky Aircraft Corporation Deceleration to hover modulation
CN107808027A (zh) * 2017-09-14 2018-03-16 上海理工大学 基于改进模型预测控制的自适应跟车算法
CN110435623A (zh) * 2019-08-28 2019-11-12 吉林大学 一种自动调整的电动车分级自动紧急制动控制系统
CN110641290A (zh) * 2019-09-29 2020-01-03 桂林电子科技大学 基于模型预测算法的四轮独立电驱动车辆速度控制方法
CN111897223A (zh) * 2020-08-11 2020-11-06 哈尔滨工业大学 一种考虑自动驾驶仪动态特性的速度追踪制导方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵江波 等: "液压足式机器人单腿变刚度控制弹跳研究", 《北京理工大学学报》 *
马立玲 等: "基于一种改进的一维卷积神经网络电机故障诊断方法", 《北京理工大学学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113602274A (zh) * 2021-08-30 2021-11-05 吉林大学 一种基于电控助力制动的智能车辆纵向运动控制方法
CN113602274B (zh) * 2021-08-30 2024-04-19 吉林大学 一种基于电控助力制动的智能车辆纵向运动控制方法
CN113928339A (zh) * 2021-10-21 2022-01-14 东风悦享科技有限公司 一种基于状态判断和误差反馈的车辆纵向运动控制系统及方法
CN116714579A (zh) * 2023-08-04 2023-09-08 交通运输部公路科学研究所 基于车路协同的自动驾驶车辆预见性安全控制方法及系统
CN116714579B (zh) * 2023-08-04 2023-10-24 交通运输部公路科学研究所 基于车路协同的自动驾驶车辆预见性安全控制方法及系统
CN117087669A (zh) * 2023-10-20 2023-11-21 小米汽车科技有限公司 车辆速度跟踪控制方法、装置、车辆及存储介质
CN117087669B (zh) * 2023-10-20 2024-01-30 小米汽车科技有限公司 车辆速度跟踪控制方法、装置、车辆及存储介质

Also Published As

Publication number Publication date
CN113190055B (zh) 2023-02-17

Similar Documents

Publication Publication Date Title
CN113190055B (zh) 一种电动汽车速度跟踪控制方法
Borrelli et al. An MPC/hybrid system approach to traction control
Lin et al. Self-learning fuzzy sliding-mode control for antilock braking systems
CN112613253B (zh) 考虑环境因素的车辆质量和道路坡度联合自适应估计方法
Borhan et al. MPC-based energy management of a power-split hybrid electric vehicle
CN107168104B (zh) 基于观测器的纯电动智能汽车纵向车速控制方法
CN109131350B (zh) 一种混合动力汽车能量管理方法及系统
CN111497859B (zh) 一种结合重量参数辨识的车辆纵向控制方法
CN110615003B (zh) 基于策略梯度在线学习算法的巡航控制系统及设计方法
Peng Evaluation of driver assistance systems-a human centered approach
CN113954846B (zh) 一种车辆行驶中坡道信息的估算及系统
CN113386768B (zh) 一种纯电动汽车单踏板的非线性模型预测控制方法
CN114670828A (zh) 一种采用复合模型预测控制器的自适应巡航控制方法
US9744974B2 (en) Vehicle driver-model controller with energy economy rating adjustments
Murgovski et al. A methodology and a tool for evaluating hybrid electric powertrain configurations
CN111114522A (zh) 使用无级变速器来稳态控制基于模型预测控制的动力系统
Rödönyi et al. Identification of the nonlinear steering dynamics of an autonomous vehicle
CN116252039A (zh) 一种惯性摩擦焊机智能控制方法和系统
Sharp A method for predicting minimum-time capability of a motorcycle on a racing circuit
Musa et al. MPC-Based Cooperative Longitudinal Control for Vehicle Strings in a Realistic Driving Environment
CN113561976A (zh) 基于反馈优化的车辆节能预测自适应巡航控制方法和装置
Topalov et al. Neuro-fuzzy control of antilock braking system using variable-structure-systems-based learning algorithm
CN106968814A (zh) 一种电子节气门控制系统的控制方法
Vedula et al. An adaptive neuro-fuzzy logic based systematic approach of modelling virtual driver for real world driving
CN111332278A (zh) 一种分布式驱动电动车辆横向稳定控制方法及系统

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