CN115489318A - 一种用于分布式驱动电动汽车的故障诊断和失效控制方法 - Google Patents

Abstract

本发明公开了一种用于分布式驱动电动汽车的故障诊断和失效控制方法，涉及分布式四驱分层控制模块，期望总驱动力矩和期望横摆力矩计算层用于计算期望总驱动力矩和期望横摆力矩；基于目标函数的驱动力矩一次分配层将输入的期望总驱动力矩和期望横摆力矩进行分配，得到转矩初始分配结果；基于故障诊断的驱动力矩二次分配层，根据输入的转矩初始分配结果和电机实际响应转矩，传感器估算值和测量值进行故障诊断，并识别失效模式对驱动力矩进行二次分配，以电机转矩作为输出，实现车辆失效控制。本发明能够及时诊断分布式驱动电动汽车的失效模式，发挥分布式驱动汽车动力系统的冗余潜力，保证车辆的稳定性和动力性，提高车辆失效状况下的可行使能力。

Description

一种用于分布式驱动电动汽车的故障诊断和失效控制方法

技术领域

本发明属于分布式驱动电动汽车控制技术领域，具体涉及一种用于分布式驱动电动汽车的故障诊断和失效控制方法。

背景技术

环境污染与能源短缺是现代化工业发展亟待解决的问题，而电动汽车的发展推广是解决这一问题的有效措施。作为电动汽车的重要发展方向，由于在动力系统、车身结构以及算法控制等方面具有明显的优势，分布式四驱电动汽车将会作为智能网联汽车的主要实现方式之一。

分布式驱动电动汽车通常采用四个相互独立的轮毂电机或轮边电机作为驱动系统动力输出的执行器。但是由于分布式驱动电动汽车使用大量的电气元件代替原有的机械部件，导致汽车容易出现电气元器件失效或者过载输出能力下降的问题，容易导致汽车失稳而引发安全问题。

现阶段失效控制系统对电机发生任何故障时所采取的策略往往是令故障电机停止工作，即故障轮变为从动轮。这种控制策略没有充分利用分布式四驱电动汽车的电机冗余特性，并不是所有的电机故障都是不可逆的，需要通过停止电机工作来避免后续更严重的情况发生，很多情况下电机只是处于短时间的过流或过温这类软性故障。目前的失效控制系统较少研究传感器故障对驱动系统的影响，当传感器故障时，横摆角速度和质心侧偏角的测量值与实际值有较大偏差，影响了期望横摆力矩的制定，期望横摆力矩会影响总驱动力矩的分配，进而对车辆的预期行驶轨迹产生影响。

发明内容

为了克服上述技术问题，本发明提出了一种用于分布式驱动电动汽车的故障诊断和失效控制方法，通过获取分布式驱动电动汽车的驱动电机故障情况和传感器故障情况，根据所述传感器故障利用估算值代替测量值，根据所述驱动电机故障数量和位置将失效情况分为六种模式，依据驱动系统的故障信息和行驶工况信息对四个驱动轮的驱动电机的转矩输出重新分配，能最大程度发挥驱动系统的动力和优势。

为达到上述目的，本发明采用的技术方案如下：

一种用于分布式驱动电动汽车的故障诊断和失效控制方法，基于失效因子建立分布式四驱分层控制模块，通过对车辆的期望总驱动力矩的两次分配获得左前轮、右前轮、左后轮和右后轮驱动电机的输出转矩，并按照所述输出转矩控制左前轮、右前轮、左后轮和右后轮；

所述失效因子包括电机失效因子和传感器失效因子，电机失效因子λ_i为电机反馈的实际输出转矩T_i与期望输出转矩T_is的比值，其中i∈{fl，fr，rl，rr}，fl表示左前轮，fr表示右前轮，rl表示左后轮，rr表示右后轮；传感器失效因子为传感器测量值与相应信号估算值的比值，所述的传感器包括用于测量质心侧偏角的第一传感器和用于测量横摆角速度的第二传感器；

所述分布式分层控制模块由期望总驱动力矩和期望横摆力矩计算层、基于目标函数的驱动力矩一次分配层和基于故障诊断的驱动力矩二次分配层组成；所述的期望总驱动力矩和期望横摆力矩计算层用于根据油门踏板开度、前轮转角、纵侧向车速、质心侧偏角实际值和横摆角速度实际值，计算得到质心侧偏角估算值、横摆角速度估算值和期望横摆力矩；所述的基于目标函数的驱动力矩一次分配层用于根据期望总驱动力矩和期望横摆力矩，对总驱动力矩进行初始分配，得到四个驱动电机的转矩初始分配结果；所述的基于故障诊断的驱动力矩二次分配层组成用于根据质心侧偏角测量值及估算值、横摆角速度测量值及估算值、四个驱动电机的实际输出转矩、四个驱动电机的转矩初始分配结果，计算电机和传感器的失效因子，进而判断失效模式，并根据失效模式对驱动力矩进行二次分配，获得左前轮、右前轮、左后轮和右后轮驱动电机的最终输出转矩。

作为本发明的优选，所述的所述期望总驱动力矩和期望横摆力矩计算层由车辆参考模型和期望横摆力矩制定器组成；

车辆参考模型的输入为油门踏板开度、前轮转角和纵侧向车速，输出为车辆的期望总驱动力矩、期望横摆角速度、期望质心侧偏角、横摆角速度估算值和质心侧偏角估算值；

所述期望横摆力矩制定器是对车辆的期望横摆角速度和期望质心侧偏角采用模糊控制进行跟踪控制，输入为质心侧偏角实际值和期望值的偏差，以及横摆角速度实际值和期望值的偏差，输出为期望横摆力矩。

作为本发明的优选，所述的车辆的期望总驱动力矩、期望横摆角速度、期望质心侧偏角、横摆角速度估算值和质心侧偏角估算值的计算公式分别为：

T_d＝k_pdT_max；

式中，T_d为车辆的期望总驱动力矩，k_pd为油门踏板开度，T_max为车辆总驱动力矩上限，u为纵向车速；K为稳定性因数，

a、b为车辆质心距前后轴的距离，L为轴距，m为车辆总质量，K_f、K_r为前后车轮的侧偏刚度；ω_d为期望横摆角速度，μ为路面附着系数，g为重力加速度，δ为前轮转角，sgn(.)是符号函数，β_d为期望质心侧偏角，ω_e为横摆角速度估算值，ω_r为前轴右轮轮速，ω_l为前轴左轮轮速，v为侧向车速，

为侧向加速度，r为轮胎滚动半径，β_e为质心侧偏角估算值，B为前轮轮距，ω为横摆角速度实际值。

作为本发明的优选，所述的四个车轮驱动电机的转矩初始分配结果为：

式中，T_fl0、T_fr0、T_rl0、T_rr0分别为分别左前轮、右前轮、左后轮和右后轮驱动电机的转矩初始分配结果。

作为本发明的优选，所述的基于故障诊断的驱动力矩二次分配层，其由故障诊断器和失效模式识别及驱动力再分配器组成；

所述故障诊断器的输入为车辆动力学模型反馈的四个驱动电机实际转矩、四个驱动电机期望输出转矩、实际质心侧偏角、实际横摆角速度、以及由车辆参考模型输出的横摆角速度估算值和质心侧偏角估算值，输出为四个电机的失效因子和两个传感器的失效因子；

所述失效模式识别和驱动力再分配器的输入为基于目标函数的驱动力矩一次分配层输出的转矩初始分配结果、故障诊断器输出的四个电机的失效因子和两个传感器的失效因子，根据失效因子识别电机失效模式和传感器失效模式，电机失效模式与传感器失效模式互相独立；根据失效模式对驱动力矩进行二次分配，获得左前轮、右前轮、左后轮和右后轮驱动电机的转矩二次分配结果，所述的转矩二次分配结果作为四个驱动电机期望输出转矩。

作为本发明的优选，根据电机故障的位置和数量，分为六种类型电机故障模式：单电机故障、同轴两电机故障、同侧两电机故障、异轴异侧两电机故障、三电机故障和四电机故障；通过失效因子值的大小进行失效模式识别：

作为本发明的优选，对驱动力矩再分配时，根据识别得到的电机失效模式，调整正常工作电机的转矩来补偿故障电机，纵向驱动力的损失可通过降低故障电机的输出转矩上限、增加正常工作电机的输出转矩上限来补偿，侧向驱动力的损失可通过地面对轮胎的侧向反力在一定范围内进行补偿，或通过驾驶员调整方向盘转角来进行补偿，以维持期望的行驶状态，若无法维持期望的行驶状态，则所有电机转矩均输出为0，尽快停车；

其中，电机软性故障下的驱动力矩再分配策略如下：

单电机故障时，减小故障电机输出扭矩上限并减小其对角线电机输出扭矩，增大剩余两电机输出扭矩；当同轴两电机故障时，减小故障轴两电机输出转矩上限，增大正常轴两电机的输出转矩；同侧两电机故障时，无法保持期望行驶状态，根据车辆行驶状态相应减小故障侧两电机输出转矩上限，并随之调整正常轴两电机的输出转矩，当处于直线行驶或小转角转向工况时，优先保证动力性，当处于大转角转向工况时，优先保证稳定性；异轴异侧两电机故障时，减小对角线故障两电机输出转矩上限，增大剩余两电机输出转矩上限；多电机故障时，无法保持期望行驶状态，根据车辆行驶状态相应减小故障侧两电机输出转矩上限，并随之调整正常轴两电机的输出转矩，当处于直线行驶或小转角转向工况时，优先保证动力性，当处于大转角转向工况时，优先保证稳定性；

电机硬性故障下的驱动力矩再分配策略如下：

单电机故障和同轴两电机故障时，故障轴两电机输出转矩均变为0，其余两电机输出转矩增加为原来2倍；异轴异侧两电机故障时，无法保持期望行驶状态，损失部分纵向加速性能，故障两电机输出转矩均变为0，其余两电机输出转矩按比例增加；同侧两电机故障和多电机故障时，无法保持期望行驶状态，四电机输出转矩均变为0，尽快靠边停车。

作为本发明的优选，检测到传感器故障后，采用相应信号的估算值代替传感器采集值：

其中，λ_β表示质心侧偏角传感器失效因子，λ_ω表示横摆角速度传感器失效因子，β₀、β_e、β分别表示质心侧偏角测量值、估算值和实际值，ω₀、ω_e、ω分别表示横摆角速度测量值、估算值和实际值。

本发明的有益效果是：

(1)本发明针对驱动电机发生故障的程度，考虑轮毂电机在部分失效的情况下依然能提供部分动力，将电机故障模式分为正常工作、软性失效和硬性失效三类，能够充分发挥软性故障电机的驱动潜力；

(2)本发明针对失效情况的分类，根据失效驱动电机的数量和位置分为六种失效模式，该分类方法能够考虑更全面的失效情况并同时能在更全面的失效情况下保证车辆的行驶能力；

(3)本发明针对失效后的转矩再分配，考虑失效模式和行驶工况，兼顾动力性和稳定性，对驱动电机转矩进行重新分配，提高了分布式驱动电动汽车在驱动系统失效情况下的稳定性和部分动力性；

(4)本发明针对传感器故障，传感器故障后采用估算值代替测量值，提高了传感器的容错能力，保证了转矩分配的有效性。

附图说明

图1为本发明实施例示出的用于分布式驱动电动汽车的故障诊断和失效控制方法的流程示意图。

具体实施方式

下面结合具体实施方式，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的一种用于分布式驱动电动汽车的故障诊断和失效控制方法，如图1所示，步骤如下：

(一)基于失效因子建立分布式四驱分层控制模块。

失效因子包括电机失效因子和传感器失效因子，电机失效因子λ_i为电机反馈的实际输出转矩T_i与期望输出转矩T_i0的比值，其中i∈{fl，fr，rl，rr}，fl表示左前轮，fr表示右前轮，rl表示左后轮，rr表示右后轮；传感器失效因子λ为传感器测量值与相应信号估算值的比值，包含两个传感器，分别用于测量质心侧偏角和横摆角速度。

在本发明的一项具体实施中，分布式四驱分层控制模块由期望总驱动力矩和期望横摆力矩计算层、基于目标函数的驱动力矩一次分配层和基于故障诊断的驱动力矩二次分配层组成；

其中，(1)期望总驱动力矩和期望横摆力矩计算层由车辆参考模型和期望横摆力矩制定器组成。本实施例中，车辆参考模型为线性二自由度模型和七自由度模型，车辆参考模型的输入为驾驶员提供的油门踏板开度、前轮转角和纵侧向车速，输出为车辆的期望总驱动力矩、期望横摆角速度、期望质心侧偏角、横摆角速度估算值和质心侧偏角估算值；所述的车辆的期望总驱动力矩、期望横摆角速度、期望质心侧偏角、横摆角速度估算值和质心侧偏角估算值的计算公式分别为：

T_d＝k_pdT_max；

式中，T_d为车辆的期望总驱动力矩，k_pd为油门踏板开度，T_max为车辆总驱动力矩上限，u为纵向车速；K为稳定性因数，

a、b为车辆质心距前后轴的距离，L为轴距，m为车辆总质量，K_f、K_r为前后车轮的侧偏刚度；ω_d为期望横摆角速度，μ为路面附着系数，g为重力加速度，δ为前轮转角，sgn(.)是符号函数，β_d为期望质心侧偏角，ω_e为横摆角速度估算值，ω_r为前轴右轮轮速，ω_l为前轴左轮轮速，v为侧向车速，

为侧向加速度，r为轮胎滚动半径，β_e为质心侧偏角估算值，B为前轮轮距，ω为横摆角速度实际值。

期望横摆力矩制定器是对车辆的期望横摆角速度ω_d和期望质心侧偏角β_d采用模糊控制进行跟踪控制，并获得期望横摆力矩；期望横摆力矩采用模糊控制制定，模糊控制器输入为质心侧偏角实际值和期望值的偏差e_β＝β-β_d，横摆角速度实际值和期望值的偏差e_ω＝ω-ω_d，输出为期望横摆力矩M_d；

(2)基于目标函数的驱动力矩一次分配层，其输入为期望总驱动力矩T_d和期望横摆力矩M_d，根据不同的优化目标，对总驱动力矩进行初始分配。

在本发明的一项具体实施中，为了提高车辆行驶的稳定性，前后轴线性分配，其中左前轮、右前轮、左后轮和右后轮驱动电机的转矩初始分配结果为：

式中，T_fl0、T_fr0、T_rl0、T_rr0分别为分别左前轮、右前轮、左后轮和右后轮驱动电机的转矩初始分配结果。

(3)基于故障诊断的驱动力矩二次分配层，其由故障诊断器和失效模式识别及驱动力再分配器组成；

在本发明的一项具体实施中，所述的故障诊断器的输入为车辆动力学模型反馈的四个实际电机转矩(T_fl1、T_fr1、T_rl1、T_rr1)、实际质心侧偏角、实际横摆角速度、由转矩一次分配结果以及车辆参考模型输出的横摆角速度估算值和质心侧偏角估算值，输出为四个电机的失效因子和两个传感器的失效因子，其中，电机失效因子为电机反馈的实际输出转矩T_i与期望输出转矩T_is的比值，所述的期望输出转矩T_is为转矩二次分配结果；传感器失效因子为传感器测量值与相应信号估算值的比值。

所述的失效模式识别和驱动力再分配器，其输入为基于目标函数的驱动力矩一次分配层输出的转矩初始分配结果、故障诊断器输出的四个电机的失效因子和两个传感器的失效因子，根据失效因子识别电机失效模式和传感器失效模式，并根据失效模式对驱动力矩进行二次分配，获得左前轮、右前轮、左后轮和右后轮驱动电机的转矩二次分配结果，记为T_fls、T_frs、T_rls、T_rrs。

在本发明的一项具体实施中，根据驱动电机故障的位置和数量，将失效情况分为6种类型电机故障模式：单电机故障、同轴两电机故障、同侧两电机故障、异轴异侧两电机故障、三电机故障和四电机故障。传感器故障与电机故障互相独立。

针对某一电机故障的故障情况，通过失效因子值的大小进行失效模式识别：

其中，λ_i为电机失效因子，i∈{fl，fr，rl，rr}，fl表示左前轮，fr表示右前轮，rl表示左后轮，rr表示右后轮。

在本发明的一项具体实施中，当检测到传感器故障后，采用相应信号的估算值代替传感器采集值：

其中，λ_β表示质心侧偏角传感器失效因子，λ_ω表示横摆角速度传感器失效因子，β₀、β_e、β分别表示质心侧偏角测量值、估算值和实际值，ω₀、ω_e、ω分别表示横摆角速度测量值、估算值和实际值。

对驱动力再分配时，根据识别得到的电机失效模式，调整正常工作电机的转矩来补偿故障电机。本实施例中，纵向驱动力的损失可通过降低故障电机的输出转矩上限、增加正常工作电机的输出转矩上限来补偿；侧向驱动力的损失可通过地面对轮胎的侧向反力在一定范围内进行补偿，或通过驾驶员调整方向盘转角来进行补偿，以维持期望的行驶状态，若无法维持期望的行驶状态，则所有电机均输出为0，尽快停车。

电机软性失效模式的驱动力再分配控制策略如下表1所示：

表1驱动力再分配控制策略(一)

电机硬性失效模式的驱动力再分配控制策略如下表2所示：

表2驱动力再分配控制策略(二)

为了更好地说明本发明所设计的转矩再分配策略，本发明以单电机故障和同轴双电机故障为例进行说明。

通过失效因子λ_i，能明确故障发生时的电机输出扭矩值，即：

T_{f_i}＝λ_iT_i0

其中，T_{f_i}表示故障发生时电机输出扭矩值。

因此，电机的输出转矩不应超过这个阈值，即：

0≤T_i≤T_{f_i}

以单电机故障为例，假设左前轮电机发生故障，其输出扭矩损失了T，则T_fls＝T_fl0-T，得到：

其中，T_{d_new}、M_{d_new}分别为驱动力再分配时期望总驱动力矩，期望横摆力矩。

若要使车辆能够维持期望的行驶状态，则必须保证：

由于左前轮电机故障而损失的侧向力可以通过增加右前轮电机转矩输出来补偿，而纵向力的损失可以通过调整其余正常电机来进行补偿，即：

若同轴两电机发生故障，其输出扭矩分别损失了T₁和T₂，则T_fls＝T_fl0-T₁、T_frs＝T_fr0-T₂，纵向力的损失可以通过降低故障轴两电机的输出扭矩上限，增加正常轴两电机的输出扭矩上限来实现，而侧向驱动力的损失可以通过地面对轮胎的侧向反作用力在一定范围内进行补偿，或通过驾驶员调整方向盘转角来进行补偿。假设T₁＜T₂，调整后的四个驱动电机的输出转矩为：

同理，对于同侧两电机故障、异轴异侧两电机故障、三电机故障和四电机故障，也可以根据期望总驱动力矩和期望横摆力矩的约束得到相应的四轮驱动电机转矩输出解。

最后通过将经过二次分配后的驱动力矩输入到电机控制分布式驱动电动汽车，使其能够跟随期望路径。

本发明不局限于本实施例，任何在本发明披露的技术范围内的等同构思或者改变，均列为本发明的保护范围。

Claims (8)

1.一种用于分布式驱动电动汽车的故障诊断和失效控制方法，其特征在于，基于失效因子建立分布式四驱分层控制模块，通过对车辆的期望总驱动力矩的两次分配获得左前轮、右前轮、左后轮和右后轮驱动电机的输出转矩，并按照所述输出转矩控制左前轮、右前轮、左后轮和右后轮；

所述失效因子包括电机失效因子和传感器失效因子，电机失效因子λ_i为电机反馈的实际输出转矩T_i与期望输出转矩T_is的比值，其中i∈{fl，fr，rl，rr}，fl表示左前轮，fr表示右前轮，rl表示左后轮，rr表示右后轮；传感器失效因子为传感器测量值与相应信号估算值的比值，所述的传感器包括用于测量质心侧偏角的第一传感器和用于测量横摆角速度的第二传感器；

所述分布式分层控制模块由期望总驱动力矩和期望横摆力矩计算层、基于目标函数的驱动力矩一次分配层和基于故障诊断的驱动力矩二次分配层组成；所述的期望总驱动力矩和期望横摆力矩计算层用于根据油门踏板开度、前轮转角、纵侧向车速、质心侧偏角实际值和横摆角速度实际值，计算得到质心侧偏角估算值、横摆角速度估算值和期望横摆力矩；所述的基于目标函数的驱动力矩一次分配层用于根据期望总驱动力矩和期望横摆力矩，对总驱动力矩进行初始分配，得到四个驱动电机的转矩初始分配结果；所述的基于故障诊断的驱动力矩二次分配层组成用于根据质心侧偏角测量值及估算值、横摆角速度测量值及估算值、四个驱动电机的实际输出转矩、四个驱动电机的转矩初始分配结果，计算电机和传感器的失效因子，进而判断失效模式，并根据失效模式对驱动力矩进行二次分配，获得左前轮、右前轮、左后轮和右后轮驱动电机的最终输出转矩。

2.根据权利要求1所述的用于分布式驱动电动汽车的故障诊断和失效控制方法，其特征在于，所述的所述期望总驱动力矩和期望横摆力矩计算层由车辆参考模型和期望横摆力矩制定器组成；

车辆参考模型的输入为油门踏板开度、前轮转角和纵侧向车速，输出为车辆的期望总驱动力矩、期望横摆角速度、期望质心侧偏角、横摆角速度估算值和质心侧偏角估算值；

所述期望横摆力矩制定器是对车辆的期望横摆角速度和期望质心侧偏角采用模糊控制进行跟踪控制，输入为质心侧偏角实际值和期望值的偏差，以及横摆角速度实际值和期望值的偏差，输出为期望横摆力矩。

3.根据权利要求2所述的用于分布式驱动电动汽车的故障诊断和失效控制方法，其特征在于，所述的车辆的期望总驱动力矩、期望横摆角速度、期望质心侧偏角、横摆角速度估算值和质心侧偏角估算值的计算公式分别为：

T_d＝k_pdT_max；

式中，T_d为车辆的期望总驱动力矩，k_pd为油门踏板开度，T_max为车辆总驱动力矩上限，u为纵向车速；K为稳定性因数，

a、b为车辆质心距前后轴的距离，L为轴距，m为车辆总质量，K_f、K_r为前后车轮的侧偏刚度；ω_d为期望横摆角速度，μ为路面附着系数，g为重力加速度，δ为前轮转角，sgn(.)是符号函数，β_d为期望质心侧偏角，ω_e为横摆角速度估算值，ω_r为前轴右轮轮速，ω_l为前轴左轮轮速，v为侧向车速，

为侧向加速度，r为轮胎滚动半径，β_e为质心侧偏角估算值，B为前轮轮距，ω为横摆角速度实际值。

4.根据权利要求1所述的用于分布式驱动电动汽车的故障诊断和失效控制方法，其特征在于，所述的四个车轮驱动电机的转矩初始分配结果为：

式中，T_fl0、T_fr0、T_rl0、T_rr0分别为分别左前轮、右前轮、左后轮和右后轮驱动电机的转矩初始分配结果。

5.根据权利要求1所述的用于分布式驱动电动汽车的故障诊断和失效控制方法，其特征在于，所述的基于故障诊断的驱动力矩二次分配层，其由故障诊断器和失效模式识别及驱动力再分配器组成；

所述故障诊断器的输入为车辆动力学模型反馈的四个驱动电机实际转矩、四个驱动电机期望输出转矩、实际质心侧偏角、实际横摆角速度、以及由车辆参考模型输出的横摆角速度估算值和质心侧偏角估算值，输出为四个电机的失效因子和两个传感器的失效因子；

所述失效模式识别和驱动力再分配器的输入为基于目标函数的驱动力矩一次分配层输出的转矩初始分配结果、故障诊断器输出的四个电机的失效因子和两个传感器的失效因子，根据失效因子识别电机失效模式和传感器失效模式，电机失效模式与传感器失效模式互相独立；根据失效模式对驱动力矩进行二次分配，获得左前轮、右前轮、左后轮和右后轮驱动电机的转矩二次分配结果，所述的转矩二次分配结果作为四个驱动电机期望输出转矩。

6.根据权利要求1所述的用于分布式驱动电动汽车的故障诊断和失效控制方法，其特征在于，根据电机故障的位置和数量，分为六种类型电机故障模式：单电机故障、同轴两电机故障、同侧两电机故障、异轴异侧两电机故障、三电机故障和四电机故障；通过失效因子值的大小进行失效模式识别：

7.根据权利要求6所述的用于分布式驱动电动汽车的故障诊断和失效控制方法，其特征在于，对驱动力矩再分配时，根据识别得到的电机失效模式，调整正常工作电机的转矩来补偿故障电机，纵向驱动力的损失可通过降低故障电机的输出转矩上限、增加正常工作电机的输出转矩上限来补偿，侧向驱动力的损失可通过地面对轮胎的侧向反力在一定范围内进行补偿，或通过驾驶员调整方向盘转角来进行补偿，以维持期望的行驶状态，若无法维持期望的行驶状态，则所有电机转矩均输出为0，尽快停车；

其中，电机软性故障下的驱动力矩再分配策略如下：

单电机故障时，减小故障电机输出扭矩上限并减小其对角线电机输出扭矩，增大剩余两电机输出扭矩；当同轴两电机故障时，减小故障轴两电机输出转矩上限，增大正常轴两电机的输出转矩；同侧两电机故障时，无法保持期望行驶状态，根据车辆行驶状态相应减小故障侧两电机输出转矩上限，并随之调整正常轴两电机的输出转矩，当处于直线行驶或小转角转向工况时，优先保证动力性，当处于大转角转向工况时，优先保证稳定性；异轴异侧两电机故障时，减小对角线故障两电机输出转矩上限，增大剩余两电机输出转矩上限；多电机故障时，无法保持期望行驶状态，根据车辆行驶状态相应减小故障侧两电机输出转矩上限，并随之调整正常轴两电机的输出转矩，当处于直线行驶或小转角转向工况时，优先保证动力性，当处于大转角转向工况时，优先保证稳定性；

电机硬性故障下的驱动力矩再分配策略如下：

单电机故障和同轴两电机故障时，故障轴两电机输出转矩均变为0，其余两电机输出转矩增加为原来2倍；异轴异侧两电机故障时，无法保持期望行驶状态，损失部分纵向加速性能，故障两电机输出转矩均变为0，其余两电机输出转矩按比例增加；同侧两电机故障和多电机故障时，无法保持期望行驶状态，四电机输出转矩均变为0，尽快靠边停车。

8.根据权利要求1所述的用于分布式驱动电动汽车的故障诊断和失效控制方法，其特征在于，检测到传感器故障后，采用相应信号的估算值代替传感器采集值：

其中，λ_β表示质心侧偏角传感器失效因子，λ_ω表示横摆角速度传感器失效因子，β₀、β_e、β分别表示质心侧偏角测量值、估算值和实际值，ω₀、ω_e、ω分别表示横摆角速度测量值、估算值和实际值。

Images