CN109774493B - 一种基于分布式电驱动车辆的最优转矩分配方法 - Google Patents

一种基于分布式电驱动车辆的最优转矩分配方法 Download PDF

Info

Publication number
CN109774493B
CN109774493B CN201910051644.6A CN201910051644A CN109774493B CN 109774493 B CN109774493 B CN 109774493B CN 201910051644 A CN201910051644 A CN 201910051644A CN 109774493 B CN109774493 B CN 109774493B
Authority
CN
China
Prior art keywords
optimization
torque distribution
vehicle
efficiency
distributed electric
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
Application number
CN201910051644.6A
Other languages
English (en)
Other versions
CN109774493A (zh
Inventor
刘明春
刘迎康
黄菊花
曹铭
马腾
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.)
Nanchang University
Original Assignee
Nanchang University
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 Nanchang University filed Critical Nanchang University
Priority to CN201910051644.6A priority Critical patent/CN109774493B/zh
Publication of CN109774493A publication Critical patent/CN109774493A/zh
Application granted granted Critical
Publication of CN109774493B publication Critical patent/CN109774493B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本申请涉及一种基于分布式电驱动车辆的最优转矩分配方法，通过合理分配四个驱动车轮的转矩，同时提高分布式电驱动车辆的驱动***效率和行驶安全性。所述转矩分配方法包括以下步骤：(1)采用响应面分析法对轮毂电机的试验数据进行回归分析得到驱动电机效率函数。(2)基于分布式电驱动***的需求转矩值，分别建立表征驱动***效率优化和车辆行驶安全性优化的目标函数；并采用自适应权重系数的线性加权法将上述两个目标函数的求解转化为约束条件下的多目标优化问题。(3)综合遗传算法和禁忌搜索算法各自的优点，提出遗传禁忌混合搜索算法(HGTSA)对上述多目标优化问题进行求解，以获得分布式电驱动***的最优转矩分配。

Description

一种基于分布式电驱动车辆的最优转矩分配方法
技术领域
本发明属于纯电动汽车和车辆纵向动力学控制领域，涉及一种基于分布式电驱动车辆的最优转矩分配方法。
背景技术
随着节能和环保成为当今时代的主题，电动汽车的发展进入了一个全新的时代。纯电动汽车依靠驱动***满足行驶需求，驱动***的好坏对整车性能影响很大，电动汽车驱动方式有两种：集中驱动和分布式驱动。分布式电驱动车轮无需机械传动部件，提高了整车空间利用效率。最重要的，打破传统汽车固定的转矩分配模式，可以根据实际道路工况和车辆行驶状态任意分配车轮转矩。
多电机驱动车辆由于具有驱动制动转矩独立可控的优点，可以根据实际道路工况和车辆行驶状态任意分配车轮转矩，实现电动汽车的纵向动力学安全控制和节能控制。而分布式电驱动汽车作为一个高度复杂耦合的非线性时变***，转矩优化分配控制策略应该考虑多个目标函数以此满足汽车各种性能。虽然现在有很多优化算法可以处理此类问题，但是都存在一些不足之处，模型预测控制算法对目标函数的梯度和海森矩阵要求较高，如果太负责则会增加计算负担从而延长仿真时间，多目标粒子群算法和多目标进化算法则是以损失运算时间为代价来满足精度要求。
因此，需要一种转矩优化分配方法，在优化分配车轮转矩时，不仅可以减少仿真运算时间，同时又可以达到较高的精度要求，达到同时提高驱动***效率和纵向行驶安全性的目的。
发明内容
本发明的目的在于提供一种基于分布式电驱动车辆的最优转矩分配方法，通过合理分配车轮转矩，同时提高驱动***效率和纵向行驶安全性。
一种基于分布式电驱动车辆的最优转矩分配方法，该分配方法的主要思路为：由上层控制器得到整车需求力矩，转矩分配层将需求力矩合理的分配给四个车轮，同时满足提高驱动***效率和纵向行驶安全性的要求。所述优化转矩分配方法包含但不限于遗传算法、禁忌搜索算法、遗传禁忌混合搜索算法。
该方法包含以下步骤：
一、采用响应面分析法对轮毂电机的试验数据进行回归分析得到驱动电机效率函数。
二、基于分布式电驱动***的需求转矩值，分别建立表征驱动***效率优化和车辆行驶安全性优化的目标函数；并采用自适应权重系数的线性加权法将上述两个目标函数的求解转化为约束条件下的多目标优化问题。
三、综合遗传算法和禁忌搜索算法各自的优点，提出遗传禁忌混合搜索算法(HGTSA)对上述多目标优化问题进行求解，以获得分布式电驱动***的最优转矩分配。
在本申请的一个优选实施方式中，步骤一中所述的采用响应面分析法对轮毂电机的试验数据进行回归分析得到驱动电机效率函数。其中，电机效率Y采用带交叉项的四阶回归方程进行描述，表达式如下：
Figure BDA0001950018740000021
其中：β为回归系数，x1，x2为设计变量，分别代表电机转速和需求转矩，ε为一个随机误差向量。
在本申请的一个优选实施方式中，首先建立表征驱动***效率优化的目标函数J1，其表达式如下：
Figure BDA0001950018740000022
式中：Tdfl、Tdrr为前后车轮的转矩，nfl、nrr为前后车轮的转速，ηfl、ηrr为前后电机的工作效率。
然后建立表征车辆行驶安全性优化的目标函数J2，其表达式如下：
Figure BDA0001950018740000023
式中：R为轮胎半径，Fzi为车轮受到的垂向力，i＝fl，fr，rl，rr。
最后采用自适应权重系数的线性加权法将上述两个目标函数的求解转化为约束条件下的多目标优化问题。自适应权重系数ω是路面附着系数μ以及速度u的分段函数：
Figure BDA0001950018740000031
式中，ω1max、ω1min、ω2max、ω2min分别为高附着路面和低附着路面上第一个目标函数的权重系数。
在本申请的一个优选实施方式中，步骤三中所述的综合遗传算法和禁忌搜索算法各自的优点，提出遗传禁忌混合搜索算法(HGTSA)对上述多目标优化问题进行求解，以获得分布式电驱动***的最优转矩分配。因为基于群体搜索策略和简单的遗传算子，遗传算法具有强大的全局搜索能力、信息处理的并行性、应用的鲁棒性。禁忌搜索算法局部搜索能力极强，通过合理设置禁忌表的长度可以跳出循环找到最优解。将遗传算法与禁忌搜索算法优点结合起来，提出遗传禁忌混合搜索算法(Hybrid Genetic Taboo Search AlgorithmHGTSA)。首先利用遗传算法强大的全局搜索能力进行全局搜索，将搜索到的结果作为禁忌搜索算法的初始解，然后利用禁忌搜索算法进行局部搜索，找到最优解，从而合理的将需求转矩分配给四个车轮，同时提高驱动***效率和纵向行驶安全性。
附图说明
图1是电机效率与需求转矩和车轮转速的等高线图
图2本发明中优化转矩分配方法的原理图
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以分布式电驱动车辆的行驶需求转矩为分配对象，以本发明技术方案为前提进行实施，给出了详细的实施方式，本发明的保护范围包含而不限于分布式电驱动车辆。
如附图1所示，驱动电机效率与需求转矩和车轮转速相关，图中红线为某个转速和需求转矩对应下的最大电机效率，为了提高整车驱动***效率，应使驱动电机尽可能工作在高效率期间，即红色曲线附近。
考虑到分布式电驱动汽车作为一个高度复杂耦合的非线性时变***，转矩优化分配控制策略应该考虑多个目标函数以此满足汽车各种性能。建立电机效率关于需求转矩和车轮转速之间的函数关系式，便于与表征纵向行驶安全优化的目标函数一起进行多目标优化。
电机效率Y采用带交叉项的四阶回归方程进行描述，表达式如下：
Figure BDA0001950018740000041
其中：β为回归系数，x1，x2为设计变量，分别代表电机转速和需求转矩，ε为一个随机误差向量。
如附图2所示，首先分别建立表征驱动***效率优化和车辆行驶安全性优化的目标函数。
表征驱动***效率优化的目标函数J1，其表达式如下：
Figure BDA0001950018740000042
式中：Tdfl、Tdrr为前后车轮的转矩，nfl、nrr为前后车轮的转速，ηfl、ηrr为前后电机的工作效率。
表征车辆行驶安全性优化的目标函数J2，其表达式如下：
Figure BDA0001950018740000043
式中：R为轮胎半径，Fzi为车轮受到的垂向力，i＝fl，fr，rl，rr。
然后采用自适应权重系数的线性加权法将上述两个目标函数的求解转化为约束条件下的多目标优化问题。自适应权重系数ω是路面附着系数μ以及速度u的分段函数：
Figure BDA0001950018740000044
式中，ω1max、ω1min、ω2max、ω2min分别为高附着路面和低附着路面上第一个目标函数的权重系数。
得到最终待优化的目标函数J为：
J＝ω1J1+ω2J2
相应的约束为：
Figure BDA0001950018740000051
式中：Tdimax为电机的峰值转矩，Td为总的需求转矩。
最后，如附图2所示，考虑到基于群体搜索策略和简单的遗传算子，遗传算法具有强大的全局搜索能力、信息处理的并行性、应用的鲁棒性。禁忌搜索算法局部搜索能力极强，通过合理设置禁忌表的长度可以跳出循环找到最优解。将遗传算法与禁忌搜索算法优点结合起来，提出遗传禁忌混合搜索算法(Hybrid Genetic Taboo SearchAlgorithmHGTSA)。首先利用遗传算法强大的全局搜索力能进行全局搜索，将搜索到的结果作为禁忌搜索算法的初始解，然后利用禁忌搜索算法进行局部搜索，找到最优解，从而合理的将需求转矩分配给四个车轮，同时提高驱动***效率和纵向行驶安全性。
这里本发明的描述和应用是说明性的，并不是排他性地将本发明的应用范围限制于所述实施例。应当指出，对于本技术领域的普通技术人员而言，在不脱离本发明原理的前提下，所述实施例的变形和改变是可能的。

Claims (5)

1.一种基于分布式电驱动车辆的最优转矩分配方法，其特征在于，包含以下步骤：
一、采用响应面分析法对轮毂电机的试验数据进行回归分析得到驱动电机效率函数，
二、基于分布式电驱动***的需求转矩值，分别建立表征驱动***效率优化的目标函数和车辆行驶安全性优化的目标函数；并采用自适应权重系数的线性加权法将所述表征驱动***效率优化的目标函数和所述车辆行驶安全性优化的目标函数的求解转化为约束条件下的多目标优化问题，
三、综合遗传算法和禁忌搜索算法各自的优点，提出遗传禁忌混合搜索算法（HGTSA）对所述多目标优化问题进行求解，首先利用遗传算法的全局搜索能力进行全局搜索，将搜索到的结果作为禁忌搜索算法的初始解，然后利用禁忌搜索算法进行局部搜索，找到最优解，以获得分布式电驱动***的最优转矩分配。
2.如权利要求 1 所述的基于分布式电驱动车辆的最优转矩分配方法，其特征在于，电机效率Y采用带交叉项的四阶回归方程进行描述，表达式如下：
Figure DEST_PATH_IMAGE002
其中：
Figure DEST_PATH_IMAGE004
为回归系数，
Figure DEST_PATH_IMAGE006
为设计变量，分别代表电机转速和需求转矩，
Figure DEST_PATH_IMAGE008
为一个随机误差向量。
3.如权利要求 2所述的基于分布式电驱动车辆的最优转矩分配方法，其特征在于，建立表征驱动***效率优化的目标函数J1，其表达式如下：
Figure DEST_PATH_IMAGE010
式中：Tdfl、Tdrr为前后车轮的转矩，nfl、nrr为前后车轮的转速，ηfl、ηrr为前后电机的工作效率。
4.如权利要求 3 所述的基于分布式电驱动车辆的最优转矩分配方法，其特征在于，建立表征车辆行驶安全性优化的目标函数J2，其表达式如下：
Figure DEST_PATH_IMAGE012
式中：R为轮胎半径，Fzi为车轮受到的垂向力，i=fl,fr,rl,rr。
5.如权利要求 4 所述的基于分布式电驱动车辆的最优转矩分配方法，其特征在于，采用自适应权重系数的线性加权法将所述表征驱动***效率优化的目标函数和所述车辆行驶安全性优化的目标函数的求解转化为约束条件下的多目标优化问题，自适应权重系数
Figure DEST_PATH_IMAGE014
是路面附着系数
Figure DEST_PATH_IMAGE016
以及速度
Figure DEST_PATH_IMAGE018
的分段函数：
Figure DEST_PATH_IMAGE020
式中，
Figure DEST_PATH_IMAGE022
分别为高附着路面和低附着路面上第一个目标函数的权重系数。
CN201910051644.6A 2019-01-18 2019-01-18 一种基于分布式电驱动车辆的最优转矩分配方法 Active CN109774493B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910051644.6A CN109774493B (zh) 2019-01-18 2019-01-18 一种基于分布式电驱动车辆的最优转矩分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910051644.6A CN109774493B (zh) 2019-01-18 2019-01-18 一种基于分布式电驱动车辆的最优转矩分配方法

Publications (2)

Publication Number Publication Date
CN109774493A CN109774493A (zh) 2019-05-21
CN109774493B true CN109774493B (zh) 2022-05-20

Family

ID=66501793

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910051644.6A Active CN109774493B (zh) 2019-01-18 2019-01-18 一种基于分布式电驱动车辆的最优转矩分配方法

Country Status (1)

Country Link
CN (1) CN109774493B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110362863A (zh) * 2019-06-11 2019-10-22 南昌大学 一种轮毂电机车轮减振***参数优化匹配方法
CN110605974B (zh) * 2019-09-18 2021-03-23 北京理工大学 一种多轴分布式电驱动车辆驱动型式切换控制方法
CN110816514B (zh) * 2019-10-30 2021-05-28 武汉理工大学 一种基于多模式切换的轮毂电机驱动车辆控制方法及***
CN110816291B (zh) * 2019-11-11 2021-05-11 常熟理工学院 一种二阶振荡粒子群的分布式驱动汽车能效优化控制方法
CN110834548B (zh) * 2019-11-11 2021-04-06 常熟理工学院 一种顺序选择遗传算法的分布式驱动汽车能效优化方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106004523A (zh) * 2016-07-22 2016-10-12 清华大学 一种分布式驱动电动汽车实时转矩优化控制的方法
CN108422901A (zh) * 2018-05-10 2018-08-21 吉林大学 一种基于整车综合性能最优的电动轮驱动车辆车轮转矩多目标优化方法
CN108674254A (zh) * 2018-05-11 2018-10-19 吉林大学 一种基于驱动能量在线优化的多轴驱动电动车辆车轮转矩分配方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104029675B (zh) * 2013-03-04 2017-07-11 上海汽车集团股份有限公司 混合动力汽车及其动力***转矩控制方法
CN103786602B (zh) * 2014-01-14 2016-04-20 同济大学 基于分布式驱动电动汽车的操纵性改善控制方法
CN105599637B (zh) * 2015-12-21 2017-11-14 北京理工大学 电动汽车的分层式动态调节网络化控制装置
CN106042976B (zh) * 2016-06-24 2018-02-09 清华大学 一种分布式驱动电动汽车在线实时转矩优化分配控制方法
CN106218633B (zh) * 2016-08-02 2018-05-01 大连理工大学 基于q-学习的四轮独立驱动电动汽车稳定性控制方法
CN106394310B (zh) * 2016-10-14 2019-02-12 清华大学 一种四轮驱动电动汽车转矩分配控制方法
CN106882079B (zh) * 2016-12-02 2019-04-12 大连理工大学 一种驱动制动优化切换的电动汽车自适应巡航控制方法
CN107253453B (zh) * 2017-07-05 2019-08-27 厦门大学 一种分布式电动汽车横向稳定性自适应控制***及方法
CN108313062B (zh) * 2018-01-25 2019-09-03 中国第一汽车股份有限公司 一种分布式驱动电动车的扭矩分配控制方法和***
CN108790941B (zh) * 2018-06-05 2019-03-29 北京理工大学 分布式驱动电动汽车的实时同步网络化控制装置及方法
CN109177745B (zh) * 2018-09-28 2021-04-23 同济大学 一种考虑多目标分布式驱动电动汽车的转矩分配控制方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106004523A (zh) * 2016-07-22 2016-10-12 清华大学 一种分布式驱动电动汽车实时转矩优化控制的方法
CN108422901A (zh) * 2018-05-10 2018-08-21 吉林大学 一种基于整车综合性能最优的电动轮驱动车辆车轮转矩多目标优化方法
CN108674254A (zh) * 2018-05-11 2018-10-19 吉林大学 一种基于驱动能量在线优化的多轴驱动电动车辆车轮转矩分配方法

Also Published As

Publication number Publication date
CN109774493A (zh) 2019-05-21

Similar Documents

Publication Publication Date Title
CN109774493B (zh) 一种基于分布式电驱动车辆的最优转矩分配方法
CN106183892B (zh) 电动轮驱动汽车的试验样车及驱动稳定性控制方法
CN108422901B (zh) 一种基于整车综合性能最优的电动轮驱动车辆车轮转矩多目标优化方法
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***
Yim et al. Coordinated control of hybrid 4WD vehicles for enhanced maneuverability and lateral stability
CN113212181B (zh) 车辆中多桥分布式电驱动桥的控制方法与装置
CN110816282A (zh) 一种电动汽车再生制动控制方法
CN103415435B (zh) 用于控制车辆的偏航力矩的方法
CN108688474B (zh) 电动汽车制动能量回收控制算法
CN107179686B (zh) 一种基于灰色预测的分布式驱动电动汽车横向稳定性高阶变结构控制方法
CN103318051A (zh) 一种四驱电动车电驱动***失效控制方法
CN111469670A (zh) 一种基于路面识别的电动汽车再生制动控制策略
CN109703375A (zh) 电动汽车再生制动能量协调回收控制方法
CN103958317B (zh) 用于控制至少两个电机的***的运行的方法和机动车
CN110509915B (zh) 一种基于时变速度的四轮驱动汽车横向稳定性控制方法
CN112810596B (zh) 车辆转矩分配方法、装置、控制器和存储介质
CN113547928B (zh) 一种考虑轮胎滑移的双电机四驱电动汽车转矩分配方法
CN107791885A (zh) Ecm***的失效安全装置及其方法
CN107199884B (zh) 用于减小车轴平均滑转率的转矩分配方法
CN110758358B (zh) 一种履带车辆机电联合制动控制方法及装置
CN114083995B (zh) 一种轮毂电机汽车的转矩分配的方法、***和介质
Gao et al. Torque allocation of four-wheel drive EVs considering tire slip energy
CN117644775A (zh) 一种扭矩矢量控制方法、装置、存储介质和车辆
CN208789510U (zh) 独立驱动车辆智能转矩分配单元和车辆
CN114590131B (zh) 制动能量回收控制方法、装置及车辆

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