CN107253453A - 一种分布式电动汽车横向稳定性自适应控制***及方法 - Google Patents
一种分布式电动汽车横向稳定性自适应控制***及方法 Download PDFInfo
- Publication number
- CN107253453A CN107253453A CN201710540080.3A CN201710540080A CN107253453A CN 107253453 A CN107253453 A CN 107253453A CN 201710540080 A CN201710540080 A CN 201710540080A CN 107253453 A CN107253453 A CN 107253453A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- mfrac
- vehicle
- yaw
- 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
Links
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
- B60L2220/42—Electrical machine applications with use of more than one motor
-
- 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
- B60L2240/10—Vehicle control parameters
- B60L2240/12—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)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Feedback Control In General (AREA)
Abstract
一种分布式电动汽车横向稳定性自适应控制***及方法,涉及电动汽车底盘控制。***设有优化控制层、横摆力矩优化分配模块、车辆状态测量估算模块、理想横摆角速度与质心侧偏角计算模块、方向盘转角传感器和车速传感器;所述优化控制层利用遗传算法对模糊滑模自适应控制器进行优化,得出期望附加横摆力矩,再由横摆力矩优化分配模块将附加横摆力矩分配到轮毂电机控制器中,电机控制器发送指令信息到各轮毂电机中产生电机驱/制动力得到所需的横摆力矩。采用遗传算法优化自适应参数,***控制律不依赖于***模型,对非线性***具有很强的鲁棒性。
Description
技术领域
本发明涉及电动汽车底盘控制,尤其是涉及一种分布式电动汽车横向稳定性自适应控制***及方法。
背景技术
迫于能源与环保的双重压力,汽车的节能和环保性能逐渐成为关注的重点,分布式电动汽车以其独特的动力***和传动机构成为国内外高校和研究机构研究的热点问题。分布式电动汽车作为一种新兴的运载工具,在很多方面亟待突破,当分布式电动车高速过弯和变道时或是在地面附着条件恶劣的环境下转向行驶时,由于运动学模型参数的变化不能保证车辆此时仍处于稳定状态,必须通过运动学控制协调各轮的转矩以避免车辆出现侧滑、急转和侧翻等失稳的危险工况,在文献[1](刘树伟,李刚,郑利民.基于LQR的汽车横摆力矩控制研究[J].汽车实用技术,2013,(12):56-60)、文献[2](李少坤.基于转矩分配的分布式驱动电动汽车稳定性控制研究[D].吉林大学,2016.)和文献[3](张利鹏,李亮,祁炳楠,等.双电机分布式驱动汽车高速稳定性机电耦合控制[J].机械工程学报,2015,51(16):29-40.)分别使用不同方法对分布式电动汽车横向稳定性进行控制,在所提出的方法中对***的模型参数依赖过大,而极限工况下车辆***是一个高度非线性参数时变且不确定的***,控制效果都不是很理想。
发明内容
本发明的目的在于为了克服现有技术上的不足,提供一种分布式电动汽车横向稳定性自适应控制***及方法。
所述分布式电动汽车横向稳定性自适应控制***设有优化控制层、横摆力矩优化分配模块、车辆状态测量估算模块、理想横摆角速度与质心侧偏角计算模块、方向盘转角传感器和车速传感器;所述优化控制层利用遗传算法对模糊滑模自适应控制器进行优化,得出期望附加横摆力矩,再由横摆力矩优化分配模块将附加横摆力矩分配到轮毂电机控制器中,电机控制器发送指令信息到各轮毂电机中产生电机驱/制动力得到所需的横摆力矩。
各个模块的信息传递通过CAN总线,实施步骤如下:
1)车速传感器及方向盘转角传感器测得车辆纵向行驶速度和方向盘转角,进入理想横摆角速度和质心侧偏角计算模块中,得到理想横摆角速度和质心侧偏角;
2)车辆状态测量估算模块通过实时观测车辆状态,输出车辆横摆角速度、质心侧偏角和各轮的侧向力,所述车辆横摆角速度通过横摆角速度传感器测得,质心侧偏角通过车速传感器测得纵向车速及横向车速并估算得到,估算公式如式(3),各轮的侧向力通过安装在轮胎上的多传感器测量中心(MSHub)获得;
3)引入遗传算化控制模块得到的期望附加横摆力矩,进入横摆力矩优化分配,以轮胎利用率为优化目标兼顾轮胎力分配横摆力矩,在优化控制层本发明提出一种基于遗传优化模糊滑模变结构控制的算法,实现对分布式电动车辆的附加横摆力矩的控制。针对分布式电动车辆高度非线性、参数不确定及时变的特性,模糊滑模控制结合模糊控制和滑模变结构控制两者优点,利用滑模变结构控制应对外界不确定性因素,提高车辆在极限条件下的稳定性,同时利用模糊控制柔化控制信号,减小或消除滑模变结构控制中出现的高频抖振,并且利用遗传算法优化模糊控制器的隶属度函数参数及模糊规则自适应寻求到最优的规则和隶属度。在横摆力矩优化分配模块利用最小二乘法以轮胎利用率最小为目标函数优化分配各轮的纵向力并由此得到轮毂电机的驱/制动力矩,最终实现将横摆力矩分配到各轮。
所述分布式电动汽车横向稳定性自适应控制方法,包括以下步骤:
1)确定期望横摆角速度与质心偏向角;
在步骤1)中,所述确定期望横摆角速度与质心偏向角的具体方法可为:分布式电动车简化成二自由度车身,推导出在稳态过弯时横摆角速度及质心侧偏角,并将此作为车辆行驶中需跟踪的目标值,期望值如式(1)和式(2)所示:
式中,β为质心侧偏角,γ是横摆角速度,δf是前轮转角,m表示整车质量,lf,lr分别为车身前轴距和后轴距,Vx和Vy分别为车速传感器测得的纵向车速和横向车速,Cf,Cr分别表示前后轮胎侧偏刚度。
2)利用车辆状态测量估算模块得到的横摆角速度及质心偏向角:
分别与期望值做差,得到横摆角速度偏差eγ和质心偏向角的偏差eβ,设计滑模面s:
s=ξeγ+(1-ξ)eβ (4)
对滑模函数s求导:
3)滑模控制器设计,令求得等效滑模控制的等效项ueq,再令u=ueq+us分析使得成立,得到滑模控制的切换控制项us,Fy_rl、Fy_rr、Fy_fl和Fy_fr由车辆状态测量估算模块中多传感器测量中心(MSHub)获得:
us=-K sgn(s) (7)
4)模糊控制设计,滑模控制中K值影响滑模控制器抖振,令模糊控制器的输入为s和输出为K,模糊子集都为{NB,NS,ZO,PS,PB},由此构成横向稳定模糊滑模控制器;
5)引入遗传算法优化模糊控制器的隶属度函数及模糊规则;
在步骤5)中,所述引入遗传算法优化模糊控制器的隶属度函数及模糊规则的具体方法可为:选择隶属度和模糊规则作为初始种群,计算得出目标函数值及相应的适应度值,选择操作采用无回放余数随机选择,然后采用算数交叉增加搜索空间,使用基本位变异的方法进行变异操作。
6)控制分配:以轮胎利用率为优化目标兼顾轮胎力分配横摆力矩,即将四个轮胎利用率的平方和进行最小化为优化目标,车辆行驶中根据轮胎垂直力来分配各个轮胎的附着利用率,使得能力大的轮胎发挥最大作用。
本发明提出一种基于遗传算法优化模糊滑模自适应分布式电动汽车的控制***及方法,采用遗传算法优化自适应参数,***控制律不依赖于***模型,对非线性***具有很强的鲁棒性。
附图说明
图1为本发明所述分布式电动汽车横向稳定性自适应控制***的结构示意图。
图2为本发明所述分布式电动汽车横向稳定性自适应控制算法流程图。
图3为本发明s隶属度图。
图4为本发明隶属度图。
图5为本发明K隶属度图。
具体实施方式
结合图1~图5对本发明智能优化自适应控制***及方法进一步作详细的说明。
本发明运用遗传算法优化模糊控制器的模糊规则和隶属度函数,得到优化的模糊控制输出滑模控制器的切换函数系数,在线自适应的调整控制律的参数以降低和抑制滑模变结构控制的抖振现象。本发明提供的控制器能够使分布式电动车辆在极限工况下维持车辆姿态,提升稳定性和***鲁棒性。
如图1中整个控制***包括方向盘转角传感器、车速传感器、车辆状态测量及估算模块、理想横摆角速度及质心侧偏角计算模块、智能优化控制模块、横摆力矩优化分配模块以及轮毂电机控制器(在图1中,标记1~4为轮毂电机);具体实施步骤如下:
第一步,车速传感器及方向盘转角传感器测得车辆纵向行驶速度和方向盘转角,进入理想横摆角速度和质心侧偏角计算模块中,得到理想横摆角速度和质心侧偏角。
在理想横摆角速度及质心侧偏角计算模块中计算理想横摆角速度γd和βd,δwf表示方向盘转角传感器测出的方向盘转角,n是方向盘转角与前轮转角δf的传动比。
第二步,车辆状态测量估算模块通过实时观测车辆状态,输出车辆的横摆角速度、质心侧偏角和各轮的侧向力,其中车辆横摆角速度通过横摆角速度传感器测得,质心侧偏角通过车速传感器测得纵向车速及横向车速并估算得到,估算公式如式(3),各轮的侧向力通过安装在轮胎上的多传感器测量中心(MSHub)获得。
第三步,智能优化控制模块设计:
1)来自车辆状态测量估算模块车辆实时横摆角速度γ及质心侧偏角β与理想横摆角速度γd及质心侧偏角βd分别做差得到横摆角速度偏差eγ和质心侧偏角偏差eβ,根据偏差设计滑模面s。
eγ=γ-γd (4)
eβ=β-βd (5)
s=ξeγ+(1-ξ)eβ (6)
ξ是综合控制γ与β的权重系数,选择等效滑模控制设计滑模控制,即控制律由u=ueq+us得到,令得到等效控制项ueq,Fy_rl、Fy_rr、Fy_fl和Fy_fr由MSHub传感器获得。
切换鲁棒控制项us:
us=-K sgn(s) (8)
2)模糊滑模控制器设计:在式(8)切换鲁棒控制项K值是***将运动点趋近滑模面的速度衡量值,在实际滑模控制器运作时需根据不同s及来调整切换鲁棒控制项系数K,据此设计模糊控制器,模糊控制输入为s和输出为K,模糊控制的模糊规则及隶属度函数参数设计如图3~图5。
3)遗传算法优化模糊规则及隶属度函数:常规模糊控制的模糊规则及隶属度函数都是由专家经验反复调整来寻求合适的模糊规则和隶属度函数参数,本发明利用遗传算法对模糊规则及隶属度函数参数优化。步骤如下:
A.编码:使用图2~图5中所示参数(x1,x2...x18)来表示待优化的隶属度函数参数,由参数(R1,R2...R25)∈[1,5]表示待优化的模糊规则,1表示NB,2表示NS,以此类推。将待优化的参数编码联合形成染色体。
B.适度函数选取:选取横摆角速度偏差及质心侧偏角偏差的平方和作为性能指标函数如式(9)。
和是加权系数,分别决定eγ和eβ在适应度函数中所占比例。由于是遗传算法是要求适应度函数越大越优,所以将指标函数转化为适应度函数如式(10):
C.选择算子:采用与适应度成正比的概率来确定各个个体复制到下一代群体中,保证适应度优于均值的个体可遗传下去。
D.交叉操作:为增大搜索空间产生新个体,采用算术交叉。设两个个体之间进行算术交叉,交叉后的新个体为:
t表示优化的代数,α表示权参数。
E.变异:采用基本位变异的方法进行变异运算,首先确定出各个个体基因变异位置,然后依照一定的概率将变异点的原有基因取反。遗传算法优化模糊控制规则及隶属度函数参数的流程如图2。
第四步,由智能优化控制模块得到的横摆力矩,进入横摆力矩优化分配。以轮胎利用率为优化目标兼顾轮胎力分配横摆力矩,即将四个轮胎利用率的平方和进行最小化为优化目标,车辆行驶中根据轮胎垂直力来分配各个轮胎的附着利用率,使得能力大的轮胎发挥最大作用。转矩优化分配目标函数计算如式(12):
约束条件为车辆动力性约束如式(13),横摆力矩约束如式(14)及路面附着和电机限制如式(15):
FX1+FX2+FX3+FX4=max (13)
TXi≤min(μFZir,Tmax) (15)
式中TXi=FXi*r,TXi为传到轮毂电机上的转矩。横摆力矩优化分配模块将得到的各轮毂的动作指令发到轮毂电机控制器中,通过轮毂电机控制器实现各轮的控制。
综上所述,本发明设计一种遗传算法优化自适应模糊滑模控制***实现对分布式电动车辆横摆力矩的控制,并基于最小轮胎利用率优化分配横摆力矩到各轮毂电机控制器。本发明采用遗传算法优化自适应参数,***控制律不依赖于***模型,设计简单,对非线性***具有很强的鲁棒性。
Claims (4)
1.分布式电动汽车横向稳定性自适应控制***,其特征在于设有优化控制层、横摆力矩优化分配模块、车辆状态测量估算模块、理想横摆角速度与质心侧偏角计算模块、方向盘转角传感器和车速传感器;所述优化控制层利用遗传算法对模糊滑模自适应控制器进行优化,得出期望附加横摆力矩,再由横摆力矩优化分配模块将附加横摆力矩分配到轮毂电机控制器中,电机控制器发送指令信息到各轮毂电机中产生电机驱/制动力得横摆力矩;
所述各个模块的信息传递通过CAN总线,实施步骤如下:
1)车速传感器及方向盘转角传感器测得车辆纵向行驶速度和方向盘转角,进入理想横摆角速度和质心侧偏角计算模块中,得到理想横摆角速度和质心侧偏角;
2)车辆状态测量估算模块通过实时观测车辆状态,输出车辆横摆角速度、质心侧偏角和各轮的侧向力,所述车辆横摆角速度通过横摆角速度传感器测得,质心侧偏角通过车速传感器测得纵向车速及横向车速并估算得到,各轮的侧向力通过安装在轮胎上的多传感器测量中心获得;
3)引入遗传算化控制模块得到的期望附加横摆力矩,进入横摆力矩优化分配,以轮胎利用率为优化目标兼顾轮胎力分配横摆力矩。
2.分布式电动汽车横向稳定性自适应控制方法,其特征在于包括以下步骤:
1)确定期望横摆角速度与质心偏向角;
2)利用车辆状态测量估算模块得到的横摆角速度及质心偏向角:
<mrow>
<mi>&beta;</mi>
<mo>=</mo>
<mi>a</mi>
<mi>r</mi>
<mi>c</mi>
<mi>t</mi>
<mi>a</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mfrac>
<msub>
<mi>V</mi>
<mi>y</mi>
</msub>
<msub>
<mi>V</mi>
<mi>x</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
</mrow>
分别与期望值做差,得到横摆角速度偏差eγ和质心偏向角的偏差eβ,设计滑模面s:
s=ξeγ+(1-ξ)eβ
对滑模函数s求导:
<mrow>
<mover>
<mi>s</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>=</mo>
<mi>&xi;</mi>
<msub>
<mover>
<mi>e</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>&gamma;</mi>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&xi;</mi>
<mo>)</mo>
</mrow>
<msub>
<mover>
<mi>e</mi>
<mo>&CenterDot;</mo>
</mover>
<mi>&beta;</mi>
</msub>
</mrow>
3)滑模控制器设计,令求得等效滑模控制的等效项ueq,再令u=ueq+us分析使得成立,得到滑模控制的切换控制项us,Fy_rl、Fy_rr、Fy_fl和Fy_fr由车辆状态测量估算模块中多传感器测量中心获得:
<mrow>
<msub>
<mi>u</mi>
<mrow>
<mi>e</mi>
<mi>q</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>I</mi>
<mi>z</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&gamma;</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>-</mo>
<mfrac>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>&xi;</mi>
</mrow>
<mi>&xi;</mi>
</mfrac>
<mo>(</mo>
<mrow>
<mover>
<mi>&beta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mo>-</mo>
<msub>
<mover>
<mi>&beta;</mi>
<mo>&CenterDot;</mo>
</mover>
<mrow>
<mi>d</mi>
<mi>e</mi>
<mi>s</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>l</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mrow>
<mi>y</mi>
<mo>_</mo>
<mi>r</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>F</mi>
<mrow>
<mi>y</mi>
<mo>_</mo>
<mi>r</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>l</mi>
<mi>f</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>F</mi>
<mrow>
<mi>y</mi>
<mo>_</mo>
<mi>f</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>F</mi>
<mrow>
<mi>y</mi>
<mo>_</mo>
<mi>f</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
us=-Ksgn(s)
4)模糊控制设计,滑模控制中K值影响滑模控制器抖振,令模糊控制器的输入为s和输出为K,模糊子集都为{NB,NS,ZO,PS,PB},由此构成横向稳定模糊滑模控制器;
5)引入遗传算法优化模糊控制器的隶属度函数及模糊规则;
6)控制分配:以轮胎利用率为优化目标兼顾轮胎力分配横摆力矩,即将四个轮胎利用率的平方和进行最小化为优化目标,车辆行驶中根据轮胎垂直力来分配各个轮胎的附着利用率。
3.如权利要求2所述分布式电动汽车横向稳定性自适应控制方法,其特征在于在步骤1)中,所述确定期望横摆角速度与质心偏向角的具体方法为:分布式电动车简化成二自由度车身,推导出在稳态过弯时横摆角速度及质心侧偏角,并将此作为车辆行驶中需跟踪的目标值,期望值如式(1)和式(2)所示:
<mrow>
<msub>
<mi>&gamma;</mi>
<mi>d</mi>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>|</mo>
<mfrac>
<mrow>
<msub>
<mi>V</mi>
<mi>x</mi>
</msub>
<msub>
<mi>&delta;</mi>
<mi>f</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>l</mi>
<mi>f</mi>
</msub>
<mo>+</mo>
<msub>
<mi>l</mi>
<mi>r</mi>
</msub>
<mo>+</mo>
<msup>
<msub>
<mi>V</mi>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mi>K</mi>
</mrow>
</mfrac>
<mo>,</mo>
<mn>0.85</mn>
<mfrac>
<mrow>
<mi>&mu;</mi>
<mi>g</mi>
</mrow>
<mrow>
<mi>V</mi>
<mi>x</mi>
</mrow>
</mfrac>
<mi>sgn</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>V</mi>
<mi>x</mi>
</msub>
<msub>
<mi>&delta;</mi>
<mi>f</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>l</mi>
<mi>f</mi>
</msub>
<mo>+</mo>
<msub>
<mi>l</mi>
<mi>r</mi>
</msub>
<mo>+</mo>
<msup>
<msub>
<mi>V</mi>
<mi>x</mi>
</msub>
<mn>2</mn>
</msup>
<mi>K</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&beta;</mi>
<mi>d</mi>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>|</mo>
<mfrac>
<mrow>
<msub>
<mi>l</mi>
<mi>r</mi>
</msub>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>l</mi>
<mi>f</mi>
</msub>
<msub>
<mi>mV</mi>
<mi>x</mi>
</msub>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>C</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mi>r</mi>
</msub>
<mo>+</mo>
<msub>
<mi>l</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>l</mi>
<mi>r</mi>
</msub>
<mo>+</mo>
<msub>
<mi>l</mi>
<mi>f</mi>
</msub>
<mo>+</mo>
<msubsup>
<mi>KV</mi>
<mi>x</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>,</mo>
<msup>
<mi>tan</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mn>0.02</mn>
<mi>&mu;</mi>
<mi>g</mi>
<mo>)</mo>
</mrow>
<mi>sgn</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>l</mi>
<mi>r</mi>
</msub>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>l</mi>
<mi>f</mi>
</msub>
<msub>
<mi>mV</mi>
<mi>x</mi>
</msub>
</mrow>
<mrow>
<mn>2</mn>
<msub>
<mi>C</mi>
<mi>r</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>l</mi>
<mi>r</mi>
</msub>
<mo>+</mo>
<msub>
<mi>l</mi>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>l</mi>
<mi>r</mi>
</msub>
<mo>+</mo>
<msub>
<mi>l</mi>
<mi>f</mi>
</msub>
<mo>+</mo>
<msubsup>
<mi>KV</mi>
<mi>x</mi>
<mn>2</mn>
</msubsup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,β为质心侧偏角,γ是横摆角速度,δf是前轮转角,m表示整车质量,lf,lr分别为车身前轴距和后轴距,Vx和Vy分别为车速传感器测得的纵向车速和横向车速,Cf,Cr分别表示前后轮胎侧偏刚度。
4.如权利要求2所述分布式电动汽车横向稳定性自适应控制方法,其特征在于在步骤5)中,所述引入遗传算法优化模糊控制器的隶属度函数及模糊规则的具体方法为:选择隶属度和模糊规则作为初始种群,计算得出目标函数值及相应的适应度值,选择操作采用无回放余数随机选择,然后采用算数交叉增加搜索空间,使用基本位变异的方法进行变异操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710540080.3A CN107253453B (zh) | 2017-07-05 | 2017-07-05 | 一种分布式电动汽车横向稳定性自适应控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710540080.3A CN107253453B (zh) | 2017-07-05 | 2017-07-05 | 一种分布式电动汽车横向稳定性自适应控制***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107253453A true CN107253453A (zh) | 2017-10-17 |
CN107253453B CN107253453B (zh) | 2019-08-27 |
Family
ID=60024901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710540080.3A Active CN107253453B (zh) | 2017-07-05 | 2017-07-05 | 一种分布式电动汽车横向稳定性自适应控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107253453B (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107891723A (zh) * | 2017-11-29 | 2018-04-10 | 辽宁工业大学 | 汽车电控空气悬架的滑模控制方法及控制装置 |
CN108045435A (zh) * | 2017-11-29 | 2018-05-18 | 江苏大学 | 一种路面自适应的智能车辆横向混合控制方法 |
CN108303940A (zh) * | 2017-12-26 | 2018-07-20 | 上海交通大学 | 一种过驱动飞行器自适应控制分配方法 |
CN108556680A (zh) * | 2018-01-17 | 2018-09-21 | 北京理工大学 | 一种用于轮毂电机驱动车辆的稳定性控制方法 |
CN108646756A (zh) * | 2018-07-05 | 2018-10-12 | 合肥工业大学 | 基于分段仿射模糊滑模的智能汽车横向控制方法及*** |
CN108819796A (zh) * | 2018-05-30 | 2018-11-16 | 河北工业大学 | 双轮毂电机电动汽车的智能转向控制方法 |
CN108820036A (zh) * | 2018-05-30 | 2018-11-16 | 厦门大学 | 一种轮毂电机驱动汽车电动助力转向控制方法 |
CN109455186A (zh) * | 2018-11-13 | 2019-03-12 | 合肥工业大学 | 三轮独立驱动电动叉车转矩的混合优化分配控制方法 |
CN109733474A (zh) * | 2019-01-21 | 2019-05-10 | 江苏大学 | 一种基于分段仿射分层控制的智能车转向控制***及方法 |
CN109774493A (zh) * | 2019-01-18 | 2019-05-21 | 南昌大学 | 一种基于分布式电驱动车辆的最优转矩分配方法 |
CN109849899A (zh) * | 2019-02-01 | 2019-06-07 | 江苏大学 | 一种电动轮汽车电液复合车身稳定控制***及方法 |
CN110481343A (zh) * | 2019-08-30 | 2019-11-22 | 东风汽车集团有限公司 | 四轮轮毂电机驱动汽车力矩补偿的组合二阶滑模控制方法 |
CN110979303A (zh) * | 2019-12-24 | 2020-04-10 | 大连理工大学 | 行驶车辆决策附加横摆力矩的方法 |
CN110979304A (zh) * | 2019-12-24 | 2020-04-10 | 大连理工大学 | 车辆在变附着工况下力矩分配方法 |
CN111204332A (zh) * | 2020-02-10 | 2020-05-29 | 哈尔滨工业大学 | 一种全工况下优化车辆横摆动态性能的滑模控制方法 |
CN111332126A (zh) * | 2019-12-18 | 2020-06-26 | 北京理工大学 | 车辆制动能量回收控制方法、装置、车辆及存储介质 |
CN111824122A (zh) * | 2020-07-27 | 2020-10-27 | 盐城工学院 | 一种汽车电液复合制动车身稳定性控制***及方法 |
CN111959288A (zh) * | 2020-07-02 | 2020-11-20 | 武汉理工大学 | 一种车辆横摆力矩控制方法、***、装置及存储介质 |
CN112026533A (zh) * | 2020-08-21 | 2020-12-04 | 东南大学 | 一种极限工况下的四轮独立驱动电动汽车牵引力控制方法 |
CN112052513A (zh) * | 2020-07-28 | 2020-12-08 | 南京航空航天大学 | 一种电动轮汽车底盘集成***分层控制器设计方法 |
CN113002528A (zh) * | 2021-03-29 | 2021-06-22 | 北京理工大学 | 四轮轮毂电机驱动电动汽车稳定性协调控制方法和*** |
CN113320399A (zh) * | 2021-07-16 | 2021-08-31 | 江西博能上饶客车有限公司 | 一种电动客车轮边后驱控制*** |
CN113442906A (zh) * | 2021-06-25 | 2021-09-28 | 江苏大学 | 一种分布式驱动电动汽车横向稳定性分层控制***及方法 |
CN113978263A (zh) * | 2021-11-02 | 2022-01-28 | 长春工业大学 | 一种驱动轮防滑与转矩优化融合的电动汽车稳定性控制方法 |
CN114194035A (zh) * | 2021-12-06 | 2022-03-18 | 浙江天尚元科技有限公司 | 平衡臂式六轮独立驱动智能底盘转矩分配方法 |
CN114435380A (zh) * | 2022-02-21 | 2022-05-06 | 浙江蓝盒子航空科技有限公司 | 一种适用于模块化车辆的模糊逻辑控制优化方法 |
CN116859725A (zh) * | 2023-06-25 | 2023-10-10 | 盐城工学院 | 一种基于遗传算法的汽车底盘控制***优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6314412B1 (en) * | 1997-09-29 | 2001-11-06 | Yamaha Hatsudoki Kabushiki Kaisha | Evolutionary control of machine based on user's preference inferred from user's operation |
CN105313957A (zh) * | 2014-07-14 | 2016-02-10 | 重庆邮电大学 | 一种基于复合控制的电动助力转向***助力控制方法 |
CN105416276A (zh) * | 2015-12-14 | 2016-03-23 | 长春工业大学 | 基于高阶滑模的电动汽车稳定性直接横摆力矩控制方法 |
CN106184199A (zh) * | 2016-07-07 | 2016-12-07 | 辽宁工业大学 | 分布式控制电动汽车稳定性的集成控制方法 |
CN106585425A (zh) * | 2016-12-15 | 2017-04-26 | 西安交通大学 | 一种用于四轮毂电机驱动电动汽车的分层***及控制方法 |
-
2017
- 2017-07-05 CN CN201710540080.3A patent/CN107253453B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6314412B1 (en) * | 1997-09-29 | 2001-11-06 | Yamaha Hatsudoki Kabushiki Kaisha | Evolutionary control of machine based on user's preference inferred from user's operation |
CN105313957A (zh) * | 2014-07-14 | 2016-02-10 | 重庆邮电大学 | 一种基于复合控制的电动助力转向***助力控制方法 |
CN105416276A (zh) * | 2015-12-14 | 2016-03-23 | 长春工业大学 | 基于高阶滑模的电动汽车稳定性直接横摆力矩控制方法 |
CN106184199A (zh) * | 2016-07-07 | 2016-12-07 | 辽宁工业大学 | 分布式控制电动汽车稳定性的集成控制方法 |
CN106585425A (zh) * | 2016-12-15 | 2017-04-26 | 西安交通大学 | 一种用于四轮毂电机驱动电动汽车的分层***及控制方法 |
Non-Patent Citations (1)
Title |
---|
赵艳娥、张建武: "基于滑模控制的四轮驱动电动汽车稳定性控制", 《上海交通大学学报》 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107891723B (zh) * | 2017-11-29 | 2023-06-30 | 辽宁工业大学 | 汽车电控空气悬架的滑模控制方法及控制装置 |
CN108045435A (zh) * | 2017-11-29 | 2018-05-18 | 江苏大学 | 一种路面自适应的智能车辆横向混合控制方法 |
CN107891723A (zh) * | 2017-11-29 | 2018-04-10 | 辽宁工业大学 | 汽车电控空气悬架的滑模控制方法及控制装置 |
CN108303940A (zh) * | 2017-12-26 | 2018-07-20 | 上海交通大学 | 一种过驱动飞行器自适应控制分配方法 |
CN108556680A (zh) * | 2018-01-17 | 2018-09-21 | 北京理工大学 | 一种用于轮毂电机驱动车辆的稳定性控制方法 |
CN108556680B (zh) * | 2018-01-17 | 2020-02-14 | 北京理工大学 | 一种用于轮毂电机驱动车辆的稳定性控制方法 |
CN108820036A (zh) * | 2018-05-30 | 2018-11-16 | 厦门大学 | 一种轮毂电机驱动汽车电动助力转向控制方法 |
CN108819796A (zh) * | 2018-05-30 | 2018-11-16 | 河北工业大学 | 双轮毂电机电动汽车的智能转向控制方法 |
CN108646756B (zh) * | 2018-07-05 | 2021-01-19 | 合肥工业大学 | 基于分段仿射模糊滑模的智能汽车横向控制方法及*** |
CN108646756A (zh) * | 2018-07-05 | 2018-10-12 | 合肥工业大学 | 基于分段仿射模糊滑模的智能汽车横向控制方法及*** |
CN109455186A (zh) * | 2018-11-13 | 2019-03-12 | 合肥工业大学 | 三轮独立驱动电动叉车转矩的混合优化分配控制方法 |
CN109774493A (zh) * | 2019-01-18 | 2019-05-21 | 南昌大学 | 一种基于分布式电驱动车辆的最优转矩分配方法 |
CN109733474A (zh) * | 2019-01-21 | 2019-05-10 | 江苏大学 | 一种基于分段仿射分层控制的智能车转向控制***及方法 |
CN109849899A (zh) * | 2019-02-01 | 2019-06-07 | 江苏大学 | 一种电动轮汽车电液复合车身稳定控制***及方法 |
CN110481343A (zh) * | 2019-08-30 | 2019-11-22 | 东风汽车集团有限公司 | 四轮轮毂电机驱动汽车力矩补偿的组合二阶滑模控制方法 |
CN111332126A (zh) * | 2019-12-18 | 2020-06-26 | 北京理工大学 | 车辆制动能量回收控制方法、装置、车辆及存储介质 |
CN110979304A (zh) * | 2019-12-24 | 2020-04-10 | 大连理工大学 | 车辆在变附着工况下力矩分配方法 |
CN110979303A (zh) * | 2019-12-24 | 2020-04-10 | 大连理工大学 | 行驶车辆决策附加横摆力矩的方法 |
CN110979303B (zh) * | 2019-12-24 | 2021-06-11 | 大连理工大学 | 行驶车辆决策附加横摆力矩的方法 |
CN111204332A (zh) * | 2020-02-10 | 2020-05-29 | 哈尔滨工业大学 | 一种全工况下优化车辆横摆动态性能的滑模控制方法 |
CN111204332B (zh) * | 2020-02-10 | 2022-07-15 | 哈尔滨工业大学 | 一种全工况下优化车辆横摆动态性能的滑模控制方法 |
CN111959288A (zh) * | 2020-07-02 | 2020-11-20 | 武汉理工大学 | 一种车辆横摆力矩控制方法、***、装置及存储介质 |
CN111959288B (zh) * | 2020-07-02 | 2021-10-08 | 武汉理工大学 | 一种车辆横摆力矩控制方法、***、装置及存储介质 |
CN111824122A (zh) * | 2020-07-27 | 2020-10-27 | 盐城工学院 | 一种汽车电液复合制动车身稳定性控制***及方法 |
CN112052513A (zh) * | 2020-07-28 | 2020-12-08 | 南京航空航天大学 | 一种电动轮汽车底盘集成***分层控制器设计方法 |
CN112026533A (zh) * | 2020-08-21 | 2020-12-04 | 东南大学 | 一种极限工况下的四轮独立驱动电动汽车牵引力控制方法 |
CN112026533B (zh) * | 2020-08-21 | 2021-05-11 | 东南大学 | 一种极限工况下的四轮独立驱动电动汽车牵引力控制方法 |
CN113002528A (zh) * | 2021-03-29 | 2021-06-22 | 北京理工大学 | 四轮轮毂电机驱动电动汽车稳定性协调控制方法和*** |
CN113442906A (zh) * | 2021-06-25 | 2021-09-28 | 江苏大学 | 一种分布式驱动电动汽车横向稳定性分层控制***及方法 |
CN113320399A (zh) * | 2021-07-16 | 2021-08-31 | 江西博能上饶客车有限公司 | 一种电动客车轮边后驱控制*** |
CN113320399B (zh) * | 2021-07-16 | 2022-08-16 | 江西博能上饶客车有限公司 | 一种电动客车轮边后驱控制*** |
CN113978263A (zh) * | 2021-11-02 | 2022-01-28 | 长春工业大学 | 一种驱动轮防滑与转矩优化融合的电动汽车稳定性控制方法 |
CN114194035A (zh) * | 2021-12-06 | 2022-03-18 | 浙江天尚元科技有限公司 | 平衡臂式六轮独立驱动智能底盘转矩分配方法 |
CN114194035B (zh) * | 2021-12-06 | 2023-12-05 | 尚元智行(宁波)科技有限公司 | 平衡臂式六轮独立驱动智能底盘转矩分配方法 |
CN114435380A (zh) * | 2022-02-21 | 2022-05-06 | 浙江蓝盒子航空科技有限公司 | 一种适用于模块化车辆的模糊逻辑控制优化方法 |
CN114435380B (zh) * | 2022-02-21 | 2022-09-02 | 浙江蓝盒子航空科技有限公司 | 一种适用于模块化车辆的模糊逻辑控制优化方法 |
CN116859725A (zh) * | 2023-06-25 | 2023-10-10 | 盐城工学院 | 一种基于遗传算法的汽车底盘控制***优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107253453B (zh) | 2019-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107253453A (zh) | 一种分布式电动汽车横向稳定性自适应控制***及方法 | |
CN109144076B (zh) | 一种多车辆横纵向耦合协同控制***及控制方法 | |
CN107719372B (zh) | 基于动态控制分配的四驱电动汽车动力学多目标控制*** | |
CN105416276B (zh) | 基于高阶滑模的电动汽车稳定性直接横摆力矩控制方法 | |
CN106985703B (zh) | 一种分布式驱动电动汽车路面自适应防滑控制***及方法 | |
CN106218633B (zh) | 基于q-学习的四轮独立驱动电动汽车稳定性控制方法 | |
CN109291932B (zh) | 基于反馈的电动汽车横摆稳定性实时控制装置及方法 | |
CN103217899B (zh) | 基于数据的q函数自适应动态规划方法 | |
CN103921786A (zh) | 一种电动车辆再生制动过程的非线性模型预测控制方法 | |
CN110103963A (zh) | 考虑操纵性与车轮稳定性协调的转矩分配控制***及方法 | |
CN110641475B (zh) | 基于合作博弈的四轮独立驱动电动汽车分层容错控制方法 | |
CN109131351A (zh) | 基于随机时滞的车辆稳定性评价方法 | |
CN107009916A (zh) | 考虑驾驶员意图分布式驱动电动汽车防滑控制***及方法 | |
CN110126640A (zh) | 一种基于路面自适应的四轮驱动电动车变参数防滑控制***及方法 | |
CN107585207B (zh) | 一种车辆线控四轮转向***及其控制方法 | |
CN112578672B (zh) | 基于底盘非线性的无人驾驶汽车轨迹控制***及其轨迹控制方法 | |
CN108415257A (zh) | 基于mfac的分布式电驱动车辆***主动容错控制方法 | |
CN113009829B (zh) | 一种智能网联车队纵横向耦合控制方法 | |
CN110155081A (zh) | 一种智能驾驶汽车的自适应避障控制*** | |
Zhang et al. | Real-time nonlinear predictive controller design for drive-by-wire vehicle lateral stability with dynamic boundary conditions | |
CN109712424B (zh) | 一种基于物联网的车辆导航方法 | |
CN109849898B (zh) | 基于遗传算法混合优化gpc的车辆横摆稳定性控制方法 | |
Sousa et al. | Nonlinear tire model approximation using machine learning for efficient model predictive control | |
CN107272419A (zh) | 一种基于改进pso的驾驶员自适应方向控制方法 | |
CN114701463A (zh) | 区间二型模糊神经网络复合制动防抱死控制***及方法 |
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 |