CN117021977B - 一种多轮独立电驱动车辆驱动力集成控制策略生成方法 - Google Patents
一种多轮独立电驱动车辆驱动力集成控制策略生成方法 Download PDFInfo
- Publication number
- CN117021977B CN117021977B CN202311300356.2A CN202311300356A CN117021977B CN 117021977 B CN117021977 B CN 117021977B CN 202311300356 A CN202311300356 A CN 202311300356A CN 117021977 B CN117021977 B CN 117021977B
- Authority
- CN
- China
- Prior art keywords
- wuyangull
- optimal
- driving force
- electric drive
- control strategy
- 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.)
- Active
Links
- 238000011217 control strategy Methods 0.000 title claims abstract description 54
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 241000272168 Laridae Species 0.000 claims description 41
- 230000035772 mutation Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 230000001133 acceleration Effects 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 230000002776 aggregation Effects 0.000 claims description 7
- 238000004220 aggregation Methods 0.000 claims description 7
- 238000013508 migration Methods 0.000 claims description 5
- 230000005012 migration Effects 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 4
- 241000272161 Charadriiformes Species 0.000 claims description 3
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 8
- 230000009347 mechanical transmission Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 210000002304 esc Anatomy 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241000283153 Cetacea Species 0.000 description 2
- 241001368940 Onychoprion fuscatus Species 0.000 description 2
- 241000287127 Passeridae Species 0.000 description 2
- 241000287436 Turdus merula Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000282461 Canis lupus Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000019637 foraging behavior Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/20—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles for control of the vehicle or its driving motor to achieve a desired performance, e.g. speed, torque, programmed variation of speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L15/00—Methods, circuits, or devices for controlling the traction-motor speed of electrically-propelled vehicles
- B60L15/32—Control or regulation of multiple-unit electrically-propelled vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2220/00—Electrical machine types; Structures or applications thereof
- B60L2220/40—Electrical machine applications
- B60L2220/44—Wheel Hub motors, i.e. integrated in the wheel hub
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
- B60L2240/421—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/42—Drive Train control parameters related to electric machines
- B60L2240/423—Torque
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供一种多轮独立电驱动车辆驱动力集成控制策略生成方法，包括：根据多轮独立电驱动车辆分布式控制系统，确定待生成的参数，并初始化参数；根据多轮独立电驱动车辆驱动力集成控制策略参数的技术要求和约束条件，构建目标函数；根据目标函数，采用改进型乌燕鸥优化算法搜索最优的多轮独立电驱动车辆驱动力集成控制策略的参数；改进型乌燕鸥优化算法引入哈里斯鹰优化算法的位置更新方式，对原乌燕鸥优化算法中的位置更新方式进行改进；根据最优的多轮独立电驱动车辆驱动力集成控制策略的参数，生成多轮独立电驱动车辆驱动力集成控制策略。该方法提升了多轮独立电驱动车辆驱动力集成控制策略的生成效率，并且有效提高了控制策略的控制效果。
Description
技术领域
本发明涉及车辆主动安全技术领域，具体涉及一种多轮独立电驱动车辆驱动力集成控制策略生成方法。
背景技术
随着电机设计、轮毂集成等技术的发展，基于轮毂电机驱动的分布式驱动方式已成为轮式装甲车辆电传动技术发展的主流，其电机和减速器集成于车辆车轮内，能量通过电缆传递到驱动电机，摆脱了传统机械传动的设计约束，同时也让车辆的行驶控制变得更加灵活。
目前，涉及车辆主动安全技术主要包括电子稳定性控制系统（ElectronicStability Control，ESC）、牵引力控制系统（Traction Control System，TCS）、防抱死制动系统（Anti-lock Braking System，ABS）等。
ESC适用于在高、低附着系数路面上对车辆侧翻、偏航和侧向滑移的控制。传统的ESC主要包括三种控制方法：主动转向控制（Active Steering Control，ASC）、侧倾刚度控制(Roll Stiffness Control，RSC)和直接横摆力矩控制（Direct Yaw Control，DYC），其中，DYC是使用最为普遍的稳定性控制方法。传统机械传动车辆的DYC是基于制动防抱死系统（ABS）产生的纵向制动力实现转向横摆力矩需求，属于制动型DYC，其缺点是在控制过程中降低了车辆的过弯车速，且无法与其它基于驱动控制的控制系统进行融合。而新型多轮独立电驱动车辆，可同时控制驱动电机的驱动/制动力来实现期望的转向横摆力矩需求，有效克服了传统机械传动车辆控制中的缺陷。
TCS是为优化车辆驱动力分配而发展起来的，传统机械传动车辆TCS是独立于ESC控制外的一个单独控制系统，其控制方式主要是通过调节发动机转矩输出来实现整车牵引力的控制，控制精度不高，而新型多轮独立电驱动车辆可直接控制驱动电机的转矩输出实现牵引力的优化控制，由于电机转矩响应快速以及输出转矩可精确测量，因而可有效提高TCS的控制精度。
单一的主动安全控制系统往往达不到理想的控制效果，因而现阶段越来越多的尝试集成控制方法，传统机械传动车辆中比较常见的集成控制方法有：主动转向控制+直接横摆力矩（AFS+DYC）集成控制、防抱死制动系统+直接横摆力矩（ABS+DYC）集成控制，这些都是某一领域内的算法集成，由于控制对象不同，传统机械车辆还无法实现诸如牵引力控制系统+直接横摆力矩控制（TCS+DYC）的集成控制。相比与传统机械传动车辆，多轮轮毂电机驱动车辆DYC和TCS控制可同时通过控制电机的驱动/制动力矩来实现，因此，可以通过控制驱动电机的转矩输出实现两者功能的集成。
智能优化算法作为人工智能的热点研究内容之一，在各类电气领域的控制方法和控制策略研究中有着广泛的应用。乌燕鸥优化算法（Sooty tern optimizationalgorithm，STOA）是一种模拟乌燕鸥觅食行为的新型智能优化算法，同样可以应用于生成多轮独立电驱动车辆驱动力集成控制策略问题。但是，乌燕鸥优化算法存仍然存在有一些缺陷，使得算法容易陷入局部最优和收敛精度不高，在生成多轮独立电驱动车辆驱动力集成控制策略时，生成效率较低，并且往往达不到理想的控制效果。
发明内容
为解决多轮独立电驱动车辆驱动力集成控制策略的生成效率，以及提升该控制策略的控制效果，本发明提供一种多轮独立电驱动车辆驱动力集成控制策略生成方法：
一种多轮独立电驱动车辆驱动力集成控制策略生成方法，包括以下步骤：
根据多轮独立电驱动车辆分布式控制系统，确定待生成的多轮独立电驱动车辆驱动力集成控制策略的参数，并初始化多轮独立电驱动车辆驱动力集成控制策略的参数；
根据多轮独立电驱动车辆驱动力集成控制策略参数的技术要求和约束条件，构建目标函数；
根据目标函数，采用改进型乌燕鸥优化算法搜索最优的多轮独立电驱动车辆驱动力集成控制策略的参数；其中，所述改进型乌燕鸥优化算法引入哈里斯鹰优化算法的位置更新方式，对原乌燕鸥优化算法中的位置更新方式进行改进；
根据最优的多轮独立电驱动车辆驱动力集成控制策略的参数，生成多轮独立电驱动车辆驱动力集成控制策略。
优选地，所述多轮独立电驱动车辆驱动力集成控制策略的参数包括：控制性能指标、车辆的状态变量、转向轮转角、横摆力矩、质心侧偏角、横摆角速度、加速转矩总需求、车辆俯仰角和车辆加速度。
优选地，所述所述采用改进型乌燕鸥优化算法搜索最优的多轮独立电驱动车辆驱动力集成控制策略的参数，包括以下步骤：
确定多轮独立电驱动车辆驱动力集成控制策略参数的上下限，并通过高斯映射初始化乌燕鸥种群位置，并根据目标函数，计算最优适应度值和最优乌燕鸥位置；
引入哈里斯鹰优化算法的位置更新方式，对原乌燕鸥优化算法中的位置更新方式进行改进；通过改进后的位置更新方式进行位置更新，记录当前迭代后最优适应度值和位置；
对最优乌燕鸥位置进行双向sine变异，将变异前后适应度值最优的乌燕鸥位置，作为更新后的最优乌燕鸥位置；
根据预设的最大迭代次数依次更新最优乌燕鸥位置，确定最优乌燕鸥位置；根据最优乌燕鸥位置确定最优的多轮独立电驱动车辆驱动力集成控制策略的参数。
优选地，所述通过高斯映射初始化乌燕鸥种群位置，包括以下步骤：
确定种群的大小N，乌燕鸥寻优下边界LB和乌燕鸥寻优上边界UB；
通过高斯映射产生下一个随机数xt+1：
式中，mod(·)为求余函数，xt为当前随机数；
利用产生的高斯随机数初始化乌燕鸥位置：
。
优选地，所述通过改进后的位置更新方式进行位置更新，记录当前迭代后最优适应度值和位置，包括以下步骤：
冲突避免：模拟乌燕鸥的冲突避免行为过程，用如下公式表达：
式中：表示当前第t次迭代的乌燕鸥的位置；/>表示的是在不与其他乌燕鸥碰撞的情况下乌燕鸥的新位置；/>代表一个避免碰撞的变量因素，用来计算避免碰撞后的位置，它的约束条件公式如下：
式中：为用来调整/>的控制变量；t表示当前迭代次数；/>随着迭代次数的增加，从/>逐渐减小为0；假设/>为2，/>将从2逐渐减小为0；Miter为迭代次数；
聚集：聚集是指当前乌燕鸥在避免冲突的前提下向相邻乌燕鸥中最好的位置靠拢，也就是向最优位置靠拢，其数学表达式如下：
式中：是第t次迭代乌燕鸥的最优位置；/>表示在不同位置/>向最优位置/>移动的过程；/>是一个使勘探更加全面的随机变量，按照以下公式变化：
式中：rand为0到1的随机数；
更新：更新是指当前乌燕鸥朝着最优位置的所在方向进行移动，更新位置，其数学表达式为：
式中：是乌燕鸥从当前位置向最优位置方向移动的距离；
攻击行为：在迁移过程中，乌燕鸥通过翅膀提高飞行高度，调整自身的速度和攻击角度，在攻击猎物的时候，它们在空中的盘旋行为定义为以下数学模型：
式中：r是每个螺旋的半径；θ是[0，2π]范围内的随机角度值；u和v是定义螺旋形状的相关常数，均设定为1；e是自然对数的底数；
引入哈里斯鹰优化算法的位置更新方式，考虑根据随机数大小来切换位置的更新模式、本次迭代乌燕鸥最优位置、随机乌燕鸥位置、随机M个乌燕鸥位置的平均值和最优乌燕鸥能量值的因素更新乌燕鸥位置：
式中：为更新后的第t+1次迭代的乌燕鸥位置；/>表示第t次迭代的最佳位置；/>为当前乌燕鸥的位置；/>是乌燕鸥从当前位置向最优位置方向移动的距离；/>表示第t次迭代中的一个随机位置；/>表示第t次迭代中随机M个位置的平均值；E为最优乌燕鸥能量值；/>、/>和/>为[0,1]之间的随机数；
式中：是第t次迭代的第k个乌燕鸥位置；M是[1,N]之间的随机数；
式中：是最优乌燕鸥的初始能量值，为[-1,1]之间的随机数，每次迭代时自动更新；t为当前迭代次数，T为最大迭代次数。
计算适应度值：
式中，为适应度值计算函数；
记录当次迭代中最优乌燕鸥。
优选地，所述对最优乌燕鸥位置进行双向sine变异，将变异前后适应度值最优的乌燕鸥位置，作为更新后的最优乌燕鸥位置，包括以下步骤：
对于维度j，根据当前迭代次数计算sine混沌值，并等概率切换正负方向：
式中，rand为0到1的随机数；x0为迭代序列值；
对最优位置进行变异扰动：
式中：表示第t+1次迭代的最优位置/>的第j维；/>为变异扰动后的最优位置/>的第j维；
贪婪更新：
式中，每个维度都进行变异后，停止变异。
本发明的有益效果：
本发明提出一种多轮独立电驱动车辆驱动力集成控制策略生成方法，采用改进型乌燕鸥优化算法生成车辆控制策略的各项基本参数要素，形成多轮独立电驱动车辆驱动力集成控制策略。通过对乌燕鸥的位置更新方式进行了改进，引入哈里斯鹰优化算法，综合考虑了根据随机数大小来切换位置的更新模式、本次迭代乌燕鸥最优位置、随机乌燕鸥位置、随机M个乌燕鸥位置的平均值、最优乌燕鸥能量值等因素更新乌燕鸥位置，实现了算法搜索范围的增大，算法的适应性得以增强，进而提升了多轮独立电驱动车辆驱动力集成控制策略的生成效率，并且有效提高了控制策略的控制效果。
附图说明
图1是本发明实施例的分布式驱动协调控制系统结构图；
图2是本发明实施例的多轮独立电驱动车辆驱动力集成控制策略生成方法的流程图；
图3是本发明实施例的多轮独立电驱动车辆驱动力集成控制策略的迭代过程曲线。
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仅用以解释本发明，并不用于限定本发明。
实施例1
本实施例针对多轮独立电驱动车辆行驶中驱动力分配与控制问题，基于一种提高车辆动力性能和操纵稳定性的用于轮毂电机驱动8×8装甲车辆的分布式控制系统，生成其控制策略。该分布式控制系统如图1所示，具体包括电传操控装置、电传控制器、车辆姿态传感器、4台电机控制器和Flexray总线网络，电传操控装置包括加速踏板、制动踏板、方向盘、选档杆；电机控制器包括控制单元、驱动单元与逆变单元，每个电机控制器控制左右对称的2台电机；Flexray总线网络包括Flexray总线通信板卡、Flexray通信电缆。
具体的：电传控制器分别与电传操控装置、电机控制器、车辆姿态传感器的接头相连；电传操控装置的加速踏板、制动踏板、方向盘转角传感器、选档杆输出电信号给电传控制器；车辆姿态传感器输出车辆横摆角速度、纵向加速度给电传控制器。电传控制器、4台电机控制器内分别嵌入Flexray总线通信板卡，Flexray总线通信板卡之间通过电缆接头、通信电缆相连；电传控制器通过Flexray总线输出电机扭矩目标值、电机控制字给对应的4台电机控制器，电机控制器通过Flexray总线反馈电机实际转速和扭矩给电传控制器。
电传控制器程序主要包括驾驶意图解释模块、横摆控制模块、左侧转矩分配模块、右侧转矩分配模块、状态观测模块。
驾驶意图解释模块，用于采集并处理加速踏板开度、制动踏板开度、方向盘转角信号，接收状态观测单元提供的车速、车轮转向角等状态参数，根据单轨二自由度车辆参考模型计算横摆角速度参考值，以车辆稳定性边界为约束条件，设计双模转向控制目标优化函数，采用寻优算法获得双模转向系数，进而确定横摆角速度控制目标值，输出给横摆控制模块；
横摆控制模块，用于以驾驶员意图解释单元输入的横摆角速度为控制目标值，采用滑模控制算法计算横摆力矩值，进而计算出左侧四轮的总扭矩、右侧四轮的总扭矩，分别输出给左侧转矩分配模块和右侧转矩分配模块；
左侧转矩分配模块，用于以车辆姿态传感器输入的车辆俯仰角度、车辆纵向加速度为输入变量，采用模糊控制算法，输出左侧4台轮毂电机的扭矩分配系数，进而根据横摆控制模块输入的左侧四轮的总扭矩需求，计算出左侧4台轮毂电机的扭矩目标值，输出给对应的电机控制器；右侧转矩分配模块，与左侧转矩分配模块算法相同，计算出右侧4台轮毂电机的扭矩目标值，输出给对应的电机控制器；
状态观测模块，用于根据电机控制器反馈的各个电机的转速，以及姿态传感器输入的测量值，估算车辆的车速、质心侧偏角等参数。
电机控制器的控制单元接收轮毂电机的转矩目标值，运行基于磁链规划的转矩优化控制算法，输出PWM控制脉冲给驱动单元；驱动单元根据PWM脉冲信号控制逆变单元的三相桥式逆变电路，逆变输出三相交流电施加在电机上，使电机各自输出期望的转矩。
电机控制器的控制单元，用于接收电传控制器经总线输入的车速信号，并根据电机实际转速估算对应车轮的滑转率，采用最优滑转率控制算法对电机的转矩目标值进行调整，实现单轮牵引力的优化控制。
针对上述装甲车辆的分布式控制系统，确定多轮独立电驱动车辆驱动力集成控制策略的基本要素，包括控制性能指标、车辆的状态变量、转向轮转角、横摆力矩、质心侧偏角、横摆角速度、加速转矩总需求、车辆俯仰角、车辆加速度等，本实施例基于上述多轮独立电驱动车辆驱动力集成控制策略的基本要素，采用智能优化算法进行参数更新，获得较佳的控制策略。
具体的，多轮独立电驱动车辆驱动力集成控制策略生成方法的流程如图2所示，具体步骤如下：
S1：根据所要生成多轮独立电驱动车辆驱动力集成控制策略的基本要素，包括：控制性能指标、车辆的状态变量、转向轮转角、横摆力矩、质心侧偏角、横摆角速度、加速转矩总需求、车辆俯仰角、车辆加速度等，初始化多轮独立电驱动车辆驱动力集成控制策略的参数信息。
S2：建立基于改进乌燕鸥优化算法的多轮独立电驱动车辆驱动力集成控制策略的目标函数funtion。
S3：进行参数设置，主要包括：乌燕鸥种群的大小N，即乌燕鸥个体的数量；迭代的最大次数Miter，即迭代停止的条件；乌燕鸥寻优下边界LB；乌燕鸥寻优上边界UB。
S4：利用高斯映射初始化乌燕鸥种群位置：
高斯映射随机数产生：
利用产生的高斯随机数初始化乌燕鸥位置：
S5：乌燕鸥的迁移行为：
乌燕鸥的迁移行为，即算法的勘探部分，主要分为三个阶段：冲突避免，聚集和更新。
a)冲突避免。
模拟乌燕鸥的冲突避免行为过程，用如下公式表达：
式中：表示当前第t次迭代的乌燕鸥的位置；/>表示的是在不与其他乌燕鸥碰撞的情况下乌燕鸥的新位置；/>代表了一个避免碰撞的变量因素，用来计算避免碰撞后的位置，它的约束条件公式如下：
式中：为用来调整/>的控制变量；t表示当前迭代次数；/>随着迭代次数的增加，从/>逐渐减小为0；如假设/>为2，/>将从2逐渐减小为0。
b）聚集。
聚集是指当前乌燕鸥在避免冲突的前提下向相邻乌燕鸥中最好的位置靠拢，也就是向最优位置靠拢，其数学表达式如下：
式中：是第t次迭代乌燕鸥的最优位置；/>表示在不同位置/>向最优位置/>移动的过程；/>是一个使勘探更加全面的随机变量，按照以下公式变化：
式中：rand [0,1]范围内的随机数。
c) 更新。
更新是指当前乌燕鸥朝着最优位置的所在方向进行移动，更新位置，其数学表达式为：
式中：是乌燕鸥从当前位置向最优位置方向移动的距离。
S6：攻击行为：
在迁移过程中，乌燕鸥可以通过翅膀提高飞行高度，也可以调整自身的速度和攻击角度，在攻击猎物的时候，它们在空中的盘旋行为可定义为以下数学模型：
式中：r是每个螺旋的半径；θ是[0，2π]范围内的随机角度值；u和v是定义螺旋形状的相关常数，均可设定为1；e是自然对数的底数。
原始乌燕鸥算法中，只利用最优乌燕鸥位置进行引导，来更新乌燕鸥位置，为了更加有效的提高乌燕鸥的全局搜索能力，引入哈里斯鹰优化算法的位置更新机制来改进乌燕鸥位置更新方式，综合考虑了根据随机数大小来切换位置的更新模式、本次迭代乌燕鸥最优位置、随机乌燕鸥位置、随机M个乌燕鸥位置的平均值、最优乌燕鸥能量值等因素更新乌燕鸥位置，避免每次迭代中出现局部最优，进而提高乌燕鸥算法的全局搜索能力。
借鉴哈里斯鹰优化算法，改进后的乌燕鸥位置更新公式如下：
其中：为更新后的第t+1次迭代的乌燕鸥位置；/>表示第t次迭代的最佳位置；/>为当前乌燕鸥的位置；/>是乌燕鸥从当前位置向最优位置方向移动的距离；/>表示第t次迭代中的一个随机位置；/>表示第t次迭代中随机M个位置的平均值；E为最优乌燕鸥能量值；/>、/>和/>为[0,1]之间的随机数。
其中：是第t次迭代的第k个乌燕鸥位置；M是[1,N]之间的随机数。
其中：是最优乌燕鸥的初始能量值，为[-1,1]之间的随机数，每次迭代时自动更新；t为当前迭代次数，T为最大迭代次数。
S7：计算适应度值。
式中，为计算适应度值时的适应度函数。
S8：记录信息。记录当次迭代中最优乌燕鸥。
S9：对最优乌燕鸥，进行逐维度双向sine变异。
对于维度j，首先根据当前迭代次数计算sine混沌值，并等概率切换正负方向。
然后对最优位置进行变异扰动：
式中：表示第t+1次迭代的最优位置/>的第j维。
贪婪更新：
每个维度都进行变异后，停止变异。
S10：记录信息。记录当次迭代中最优乌燕鸥。
S11：重复执行步骤S5~S11，达到最大迭代次数Miter后，算法停止，输出最优乌燕鸥结果，即得到最优多轮独立电驱动车辆驱动力集成控制策略。
本实施例中：
以MATLAB为仿真平台，选取鲸鱼优化算法(Whale Optimization Algorithm,WOA)、灰狼优化算法(Grey Wolf Optimizer,GWO)、麻雀搜索算法(Sparrow SearchAlgorithm,SSA)和乌燕鸥优化算法（Sooty tern optimization algorithm,STOA），与本实施例所提的ISTOA方法进行对比。
为保证实验的公平性，所有算法的种群规模设为30，最大迭代次数设为300，LB =0，UB=100，其他参数设置如表1所示：
表1 各算法参数设置
图3为迭代过程曲线。从图3中可以直观的发现ISTOA方法的收敛速度快于其他4种算法，ISTOA方法的收敛精度优于其他4种算法。仿真结果表明，ISTOA算法搜索能力更强，获得了更优多轮独立电驱动车辆驱动力集成控制策略，验证了算法的有效性。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种多轮独立电驱动车辆驱动力集成控制策略生成方法，其特征在于，包括以下步骤：
根据多轮独立电驱动车辆分布式控制系统，确定待生成的多轮独立电驱动车辆驱动力集成控制策略的参数，并初始化多轮独立电驱动车辆驱动力集成控制策略的参数；
根据多轮独立电驱动车辆驱动力集成控制策略参数的技术要求和约束条件，构建目标函数；
根据目标函数，采用改进型乌燕鸥优化算法搜索最优的多轮独立电驱动车辆驱动力集成控制策略的参数；其中，所述改进型乌燕鸥优化算法引入哈里斯鹰优化算法的位置更新方式，对原乌燕鸥优化算法中的位置更新方式进行改进；
根据最优的多轮独立电驱动车辆驱动力集成控制策略的参数，生成多轮独立电驱动车辆驱动力集成控制策略；
所述采用改进型乌燕鸥优化算法搜索最优的多轮独立电驱动车辆驱动力集成控制策略的参数，包括以下步骤：
确定多轮独立电驱动车辆驱动力集成控制策略参数的上下限，并通过高斯映射初始化乌燕鸥种群位置，并根据目标函数，计算最优适应度值和最优乌燕鸥位置；
引入哈里斯鹰优化算法的位置更新方式，对原乌燕鸥优化算法中的位置更新方式进行改进；通过改进后的位置更新方式进行位置更新，记录当前迭代后最优适应度值和位置；
对最优乌燕鸥位置进行双向sine变异，将变异前后适应度值最优的乌燕鸥位置，作为更新后的最优乌燕鸥位置；
根据预设的最大迭代次数依次更新最优乌燕鸥位置，确定最优乌燕鸥位置；根据最优乌燕鸥位置确定最优的多轮独立电驱动车辆驱动力集成控制策略的参数；
所述通过改进后的位置更新方式进行位置更新，记录当前迭代后最优适应度值和位置，包括以下步骤：
冲突避免：模拟乌燕鸥的冲突避免行为过程，用如下公式表达：
Cs(t)＝SA×Ps(t)
式中：Ps(t)表示当前第t次迭代的乌燕鸥的位置；Cs(t)表示的是在不与其他乌燕鸥碰撞的情况下乌燕鸥的新位置；SA代表一个避免碰撞的变量因素，用来计算避免碰撞后的位置，它的约束条件公式如下：
SA＝Cf-(t×Cf/Miter)
式中：Cf为用来调整SA的控制变量；t表示当前迭代次数；SA随着迭代次数的增加，从Cf逐渐减小为0；假设Cf为2，SA将从2逐渐减小为0；Miter为迭代次数；
聚集：聚集是指当前乌燕鸥在避免冲突的前提下向相邻乌燕鸥中最好的位置靠拢，也就是向最优位置靠拢，其数学表达式如下：
Ms(t)＝CB×(Pbs(t)-Ps(t))
式中：Pbs(t)是第t次迭代乌燕鸥的最优位置；Ms(t)表示在不同位置Ps(t)向最优位置Pbs(t)移动的过程；CB是一个使勘探更加全面的随机变量，按照以下公式变化：
CB＝0.5×rand
式中：rand为0到1的随机数；
更新：更新是指当前乌燕鸥朝着最优位置的所在方向进行移动，更新位置，其数学表达式为：
Ds(t)＝Cs(t)+Ms(t)
式中：Ds(t)是乌燕鸥从当前位置向最优位置方向移动的距离；
攻击行为：在迁移过程中，乌燕鸥通过翅膀提高飞行高度，调整自身的速度和攻击角度，在攻击猎物的时候，它们在空中的盘旋行为定义为以下数学模型：
式中：x、y、z分别是三个方向上的坐标；r是每个螺旋的半径；θ是[0，2π]范围内的随机角度值；u和v是定义螺旋形状的相关常数，均设定为1；e是自然对数的底数；
引入哈里斯鹰优化算法的位置更新方式，考虑根据随机数大小来切换位置的更新模式、本次迭代乌燕鸥最优位置、随机乌燕鸥位置、随机M个乌燕鸥位置的平均值和最优乌燕鸥能量值的因素更新乌燕鸥位置：
式中：Ps(t+1)为更新后的第t+1次迭代的乌燕鸥位置；Pbs(t)表示第t次迭代的最佳位置；Ps(t)为当前乌燕鸥的位置；Ds(t)是乌燕鸥从当前位置向最优位置方向移动的距离；Prand(t)表示第t次迭代中的一个随机位置；PM(t)表示第t次迭代中随机M个位置的平均值；E为最优乌燕鸥能量值；r1、r2和r3为[0,1]之间的随机数；
式中：Pk(t)是第t次迭代的第k个乌燕鸥位置；M是[1,N]之间的随机数；
式中：E0是最优乌燕鸥的初始能量值，为[-1,1]之间的随机数，每次迭代时自动更新；t为当前迭代次数，T为最大迭代次数；
计算适应度值：
fitness(t)＝Ff(Ps(t+1))
式中，Ff(·)为适应度值计算函数；
记录当次迭代中最优乌燕鸥。
2.根据权利要求1所述的多轮独立电驱动车辆驱动力集成控制策略生成方法，其特征在于，所述多轮独立电驱动车辆驱动力集成控制策略的参数包括：转向轮转角、横摆力矩、质心侧偏角、横摆角速度、加速转矩总需求、车辆俯仰角和车辆加速度。
3.根据权利要求1所述的多轮独立电驱动车辆驱动力集成控制策略生成方法，其特征在于，所述通过高斯映射初始化乌燕鸥种群位置，包括以下步骤：
确定种群的大小N，乌燕鸥寻优下边界LB和乌燕鸥寻优上边界UB；
通过高斯映射产生下一个随机数xt+1：
式中，mod(·)为求余函数，xt为当前随机数；
利用产生的高斯随机数初始化乌燕鸥位置：
Ps(t)＝(UB-LB)×xt+LB。
4.根据权利要求1所述的多轮独立电驱动车辆驱动力集成控制策略生成方法，其特征在于，所述对最优乌燕鸥位置进行双向sine变异，将变异前后适应度值最优的乌燕鸥位置，作为更新后的最优乌燕鸥位置，包括以下步骤：
对于维度j，根据当前迭代次数计算sine混沌值，并等概率切换正负方向：
sin Value＝sin(πx0)
式中，rand为0到1的随机数；x0为迭代序列值；
对最优位置进行变异扰动：
Pbs(j)(t+1)′＝Pbs(j)(t+1)+SinValue×Pbs(j)(t+1)
式中：Pbs(j)(t+1)表示第t+1次迭代的最优位置Pbs(t+1)的第j维；Pbs(j)(t+1)′为变异扰动后的最优位置Pbs(t+1)的第j维；
贪婪更新：
式中，每个维度都进行变异后，停止变异。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311300356.2A CN117021977B (zh) | 2023-10-10 | 2023-10-10 | 一种多轮独立电驱动车辆驱动力集成控制策略生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311300356.2A CN117021977B (zh) | 2023-10-10 | 2023-10-10 | 一种多轮独立电驱动车辆驱动力集成控制策略生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117021977A CN117021977A (zh) | 2023-11-10 |
| CN117021977B true CN117021977B (zh) | 2024-01-09 |
Family
ID=88626753
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311300356.2A Active CN117021977B (zh) | 2023-10-10 | 2023-10-10 | 一种多轮独立电驱动车辆驱动力集成控制策略生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117021977B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117521533A (zh) * | 2024-01-08 | 2024-02-06 | 中国人民解放军陆军装甲兵学院 | 轮毂电机驱动装置集成匹配设计方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105691381A (zh) * | 2016-03-10 | 2016-06-22 | 大连理工大学 | 一种四轮独立驱动电动汽车稳定性控制方法及系统 |
| CN106627254A (zh) * | 2016-12-14 | 2017-05-10 | 大连民族大学 | 兼顾动力与能效的四轮独立驱动电动汽车力矩分配方法 |
| CN106956616A (zh) * | 2017-02-21 | 2017-07-18 | 北京航天发射技术研究所 | 一种多轮独立驱动电动车电子差速控制方法 |
| CN108340967A (zh) * | 2018-02-24 | 2018-07-31 | 北京航天发射技术研究所 | 多轮独立驱动电动车辆转向时的横摆稳定性的控制方法 |
| KR20190012547A (ko) * | 2017-07-27 | 2019-02-11 | 현대위아 주식회사 | 운전자 변속 패턴 및 반응속도를 반영한 4륜 구동 차량의 토크 분배 제어 장치 및 방법 |
| CN112577507A (zh) * | 2020-11-04 | 2021-03-30 | 杭州电子科技大学 | 基于哈里斯鹰优化算法的电动汽车路径规划方法 |
| CN115509239A (zh) * | 2022-11-19 | 2022-12-23 | 中国人民解放军陆军装甲兵学院 | 一种基于空地信息共享的无人车路径规划方法 |
| CN115640823A (zh) * | 2022-12-26 | 2023-01-24 | 中国人民解放军陆军装甲兵学院 | 一种基于智能优化算法的网络安全态势预测方法 |
| CN115657694A (zh) * | 2022-12-29 | 2023-01-31 | 中国人民解放军陆军装甲兵学院 | 一种基于空地信息交互的无人车路径规划方法 |
| CN115756925A (zh) * | 2022-11-19 | 2023-03-07 | 中国人民解放军陆军装甲兵学院 | 一种基于智能优化算法的车载网络故障诊断方法 |
| CN116242383A (zh) * | 2023-03-15 | 2023-06-09 | 皖西学院 | 一种基于增强哈里斯鹰算法的无人车路径规划方法 |
| CN116494777A (zh) * | 2023-06-27 | 2023-07-28 | 江西泰豪军工集团有限公司 | 多轮独立驱动车辆扭矩分配控制方法及系统 |
| CN116542006A (zh) * | 2023-07-07 | 2023-08-04 | 中国人民解放军陆军装甲兵学院 | 一种车载电源系统拓扑结构设计方法 |
| CN116620237A (zh) * | 2023-06-09 | 2023-08-22 | 桂林电子科技大学 | 一种基于hho的车辆前后制动力分配方法和装置 |
-
2023
- 2023-10-10 CN CN202311300356.2A patent/CN117021977B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105691381A (zh) * | 2016-03-10 | 2016-06-22 | 大连理工大学 | 一种四轮独立驱动电动汽车稳定性控制方法及系统 |
| CN106627254A (zh) * | 2016-12-14 | 2017-05-10 | 大连民族大学 | 兼顾动力与能效的四轮独立驱动电动汽车力矩分配方法 |
| CN106956616A (zh) * | 2017-02-21 | 2017-07-18 | 北京航天发射技术研究所 | 一种多轮独立驱动电动车电子差速控制方法 |
| KR20190012547A (ko) * | 2017-07-27 | 2019-02-11 | 현대위아 주식회사 | 운전자 변속 패턴 및 반응속도를 반영한 4륜 구동 차량의 토크 분배 제어 장치 및 방법 |
| CN108340967A (zh) * | 2018-02-24 | 2018-07-31 | 北京航天发射技术研究所 | 多轮独立驱动电动车辆转向时的横摆稳定性的控制方法 |
| CN112577507A (zh) * | 2020-11-04 | 2021-03-30 | 杭州电子科技大学 | 基于哈里斯鹰优化算法的电动汽车路径规划方法 |
| CN115509239A (zh) * | 2022-11-19 | 2022-12-23 | 中国人民解放军陆军装甲兵学院 | 一种基于空地信息共享的无人车路径规划方法 |
| CN115756925A (zh) * | 2022-11-19 | 2023-03-07 | 中国人民解放军陆军装甲兵学院 | 一种基于智能优化算法的车载网络故障诊断方法 |
| CN115640823A (zh) * | 2022-12-26 | 2023-01-24 | 中国人民解放军陆军装甲兵学院 | 一种基于智能优化算法的网络安全态势预测方法 |
| CN115657694A (zh) * | 2022-12-29 | 2023-01-31 | 中国人民解放军陆军装甲兵学院 | 一种基于空地信息交互的无人车路径规划方法 |
| CN116242383A (zh) * | 2023-03-15 | 2023-06-09 | 皖西学院 | 一种基于增强哈里斯鹰算法的无人车路径规划方法 |
| CN116620237A (zh) * | 2023-06-09 | 2023-08-22 | 桂林电子科技大学 | 一种基于hho的车辆前后制动力分配方法和装置 |
| CN116494777A (zh) * | 2023-06-27 | 2023-07-28 | 江西泰豪军工集团有限公司 | 多轮独立驱动车辆扭矩分配控制方法及系统 |
| CN116542006A (zh) * | 2023-07-07 | 2023-08-04 | 中国人民解放军陆军装甲兵学院 | 一种车载电源系统拓扑结构设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117021977A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109747434B (zh) | 分布式驱动电动汽车转矩矢量分配控制方法 | |
| CN117021977B (zh) | 一种多轮独立电驱动车辆驱动力集成控制策略生成方法 | |
| CN105644560B (zh) | 一种四轮轮毂电机电动车自适应巡航控制系统及方法 | |
| CN107878457B (zh) | 一种自适应巡航扭矩控制方法、装置及电动汽车 | |
| CN110254405B (zh) | 一种面向自动驾驶与智能辅助驾驶的汽车线控制动控制系统及其控制方法 | |
| CN109050661B (zh) | 电子差速和主动差动转向的协调控制方法及协调控制装置 | |
| CN106926840A (zh) | 一种无人车辆极限动力学轨迹跟踪控制系统 | |
| CN108790940A (zh) | 轮边驱动转向差速控制方法、控制装置、设备及汽车 | |
| CN109991974B (zh) | 自动驾驶路径跟随方法、装置及控制设备 | |
| CN108569336A (zh) | 在动力学约束下基于车辆运动学模型转向控制方法 | |
| CN105667341B (zh) | 一种用于多轴分布式机电驱动车辆的牵引力控制系统 | |
| CN106394560B (zh) | 一种轮毂驱动电动汽车底盘协调控制系统 | |
| CN111739342B (zh) | 用于避让侧前方车辆的方法、装置、介质以及车辆 | |
| CN108528451A (zh) | 一种自适应巡航控制方法、装置及电动汽车 | |
| Zhang et al. | Novel electronic braking system design for EVS based on constrained nonlinear hierarchical control | |
| Cao et al. | Straight running stability control based on optimal torque distribution for a four in-wheel motor drive electric vehicle | |
| CN108569138A (zh) | 一种基于神经网络的纯电动汽车四轮转速独立控制方法 | |
| Athari et al. | Optimal torque control for an electric-drive vehicle with in-wheel motors: implementation and experiments | |
| CN111055694B (zh) | 一种基于规则的四轮分布式驱动转矩分配方法 | |
| CN111231984B (zh) | 一种四轮转向智能汽车伪解耦控制器及其控制方法 | |
| Jalili-Kharaajoo et al. | Sliding mode traction control of an electric vehicle with four separate wheel drives | |
| Ghezouani et al. | Comparative study of pi and fuzzy logic based speed controllers of an ev with four in-wheel induction motors drive | |
| CN110929335A (zh) | 一种自适应异步粒子群的分布式驱动汽车能效控制方法 | |
| Zhang et al. | Adaptive backstepping fuzzy lateral motion control approach for autonomous vehicles | |
| Gao et al. | Model Predictive Direct Motion Control for Distributed Drive Electric Vehicles |
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 |