CN111665726B - 基于多智能体的asr自适应非奇异终端滑模控制方法 - Google Patents
基于多智能体的asr自适应非奇异终端滑模控制方法 Download PDFInfo
- Publication number
- CN111665726B CN111665726B CN202010607908.4A CN202010607908A CN111665726B CN 111665726 B CN111665726 B CN 111665726B CN 202010607908 A CN202010607908 A CN 202010607908A CN 111665726 B CN111665726 B CN 111665726B
- Authority
- CN
- China
- Prior art keywords
- driving wheel
- driving
- ith
- asr
- agent
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Regulating Braking Force (AREA)
Abstract
基于多智能体的ASR自适应非奇异终端滑模控制方法涉及ASR控制领域,该方法基于图论将ASR分解为四个单车轮智能体子***以降低模型维数,将ASR控制器设计转化为单轮智能体子***控制器设计,并提出一种单轮智能体自适应非奇异终端滑模控制器,采用自适应估计机制来选择控制器切换项增益,并且通过控制参数的选择可调整实际滑移率达到理想滑移率值的时间。本发明实现了在不同的路面附着条件下,车轮的实际滑移率在有限的时间内达到理想的滑移率值,有效地避免了车轮打滑的问题,提高***的安全性和驱动能力。
Description
技术领域
本发明涉及分布式驱动电动汽车驱动防滑***(以下简称ASR)控制领域,主要涉及一种基于多智能体的ASR自适应非奇异终端滑模控制方法。
背景技术
与传统内燃机车辆相比,分布式驱动电动汽车取消了变速器、差速器等复杂的传统***,传动效率更高,而且各个驱动轮的驱动电机均能独立控制,可在电机能力范围内精确、快速地实现单个驱动轮制动力矩控制和轴间、轮间转矩分配控制。分布式驱动电动汽车的性能和稳定性在很大程度上取决于四轮电机的协同工作。然而,分布式驱动电动汽车是一个具有强耦合和参数时变的高非线性***,因此车辆动态控制成为一个具有挑战性的研究课题。
分布式驱动电动汽车的驱动防滑控制***是通过调节驱动轮的驱动力,将驱动轮滑移率控制在最优范围内,从而使驱动轮在加速过程中获得比较大的附着力,防止汽车起步、加速过程中驱动轮打滑,特别是防止汽车在非对称路面或转弯时驱动轮空转。从而有效地提高车辆加速行驶的安全性,防止因驱动轮过度滑转而降低车辆的驱动性能。国内外学者分别采用不同的方法对电动汽车的驱动防滑进行了研究,如预测控制、模糊和神经网络控制、最优控制、滑模控制以及其他方法等。其中文献1【Zhou L,Xiong L,Yu Z P.AResearch on Anti-Slip Regulation for 4WD Electric Vehicle with In-WheelMotors[J].Applied Mechanics and Materials,2013,347-350:753-757.】针对四轮驱动电动汽车,提出了一种基于滑模控制的轮滑控制策略,该方法的目的是最大限度地提高牵引力,从而获得更好的控制性能。文献2【Li Z Y,Su D D,Li H D,et al.Research onAcceleration Slip Regulation for Vehicle Based on Compound Control of Fuzzyand PID[J].Advanced Materials Research,2012,433-440:4165-4172.】在ASR***中应用了模糊PID复合控制算法,防止了驱动轮在潮湿或结冰路面上的过度自旋,有效地保持了驱动轮的滑移率在最优范围内,提高了车辆的行驶能力。文献3【Gui-Bing Y,Zi-Li L,Xiao-Jun M A,et al.A Study of Driving Force Optimal Control of Multi-wheelIndependent Electric Drive Vehicle[J].Acta Armamentarii,2016.】提出了一种基于路面最优滑移率的滑模控制方法,设计了一种基于累积和统计控制的车辆异常故障检测器,以提高车辆的性能。文献4【王震坡,丁晓林,张雷.四轮轮毂电机驱动电动汽车驱动防滑控制关键技术综述[J].机械工程学报,2019,55(12):99-120.】对四轮轮毂电机驱动电动汽车驱动防滑控制关键技术进行了综述,总结了基于滑转率控制和基于电机输出转矩控制的驱动防滑控制策略,对现有驱动防滑控制算法进行了分析,并指出提高算法的适应性和鲁棒性是未来的研究重点。文献5【李军,苏炎召,隗寒冰,胡明辉,张胜根,刘恒硕.四轮驱动混合动力汽车驱动防滑控制策略的研究[J].汽车工程,2017,39(03):296-303.】对四轮驱动混合动力汽车驱动防滑控制策略展开研究,以具有发动机、ISG电机和轮毂电机多个动力源的四轮驱动混合动力汽车为研究对象,依据驱动轮的滑模变结构控制算法,制定了目标驱动转矩控制策略。同时,基于模糊控制算法制定了各动力源的转矩协调分配控制策略,并对模糊推理器输出的各转矩进行了修正,有效抑制各驱动轮过度滑转。文献6【张利鹏,李亮,祁炳楠,宋健,徐海港.分布式驱动电动汽车转矩自适应驱动防滑控制[J].机械工程学报,2013,49(14):106-113.】提出了分布式驱动电动汽车利用驱动电动机的转速和转矩反馈自适应驱动防滑控制,并将其与最佳滑移率比例积分控制和转矩驱动控制相结合,开发分布式驱动电动汽车电动机转矩自适应驱动防滑控制器,使低附着系数路面上驱动轮的滑移率接近最佳值。
与其他算法相比,滑模变结构***对***参数变化和外界干扰具有较强的鲁棒性。***的动态行为可以由切换流形的特定选择来决定。与基于线性超平面的滑模相比,终端滑模控制通过在滑模中引入非线性项,具有动态响应速度快,有限时间收敛性、稳态精度高等优点,特别适用于高精度的***控制。然而,在滑模控制中由符号函数带来的不连续切换项造成的抖振现象会损耗***能量,激发***高频未建模动态,破坏***性能,严重时会损坏***部件。传统抑制抖振的边界层法利用饱和函数或双曲正切函数代替符号函数,从而实现控制律连续以达到抑制抖振的目的。该方法不足之处在于所得到的准滑模控制在边界层内失去了不变性,会产生稳态误差。目前,国内外学者提出的自适应估计、干扰观测器、神经网络等在线逼近干扰的不确定上界,达到减小切换增益的目的,由于需要设计额外的观测器,增加了设计复杂性,且对观测器性能提出了较高要求。文献7【方世鹏,胡昌华,扈晓翔,李红增.基于切换滑模控制的抖振抑制方法[J].控制与决策,2017,32(07):1210-1216】利用3条滑模面的交替作用,从而降低控制律切换频率,一定程度上有助于抑制抖振,然而该方法依旧没有改变控制律切换的本质。文献8【Sun,C.,Gong,G.,&Yang,H.Sliding ModeControl with Adaptive Fuzzy Immune Feedback Reaching Law.InternationalJournal of Control,Automation and Systems.】和文献9【Huang H,Bhuiyan M Z A,TuQ,et al.Fuzzy sliding mode control of servo control system based on variablespeeding approach rate[J].Soft Computing A Fusion of FoundationsMethodologies&Applications,2019.】通过设计一种新的到达率,快速到达滑模面并有效降低抖振。文献10【Wang,G.,Wu,J.,Zeng,B.,Xu,Z.,&Ma,X.A chattering-free slidingmode control strategy for modular high-temperature gas-cooled reactors[J].Annals of Nuclear Energy,2019,133,688–695.】和文献11【Asad M,Ashraf M,Iqbal S,et al.Chattering and stability analysis of the sliding mode control usinginverse hyperbolic function[J].International Journal of Control Automation&Systems,2017,15(6):2608-2618.】通过设计新的滑模面函数,提高***的鲁棒性同时达到降低抖振的目的。另外还有其他方法来抑制抖振,如文献12【Benamor A,Boukadida W,Messaoud H.Genetic algorithm-based multi-objective design of optimal discretesliding mode approach for trajectory tracking of nonlinear systems[J].ArchiveProceedings of the Institution of Mechanical Engineers Part C Journal ofMechanical Engineering Science,2019.】提出的基于遗传算法的多目标优化滑模、文献13【Li P,Yu X,Xiao B.Adaptive Quasi-Optimal Higher Order Sliding-Mode ControlWithout Gain Overestimation[J].Industrial Informatics IEEE Transactions on,2018,14(9):3881-3891.】提出的高阶滑模控制等。因此如何在较小代价下抑制抖振,并同时保证滑模控制良好的控制精度是值得研究的问题。
发明内容
为了解决分布式驱动电动汽车控制***中存在的多执行器耦合、轮胎非线性特性、建模不确定性、路面附着条件变化以及计算资源有限等问题对驱动防滑效果的影响,本发明提出了基于多智能体的ASR自适应非奇异终端滑模控制方法。
由于分布式电动汽车四个驱动力矩独立可控,通过力矩执行机构的协同工作可实现驱动防滑的控制目标,属于典型的多智能体***。针对ASR***中存在的多执行器耦合、轮胎非线性特性、建模不确定性以及路面附着条件的变化,本发明提出的基于多智能体的ASR自适应非奇异终端滑模控制方法:首先,基于多智能体理论,将四轮独立驱动ASR***分解为四轮智能体***以降低模型维数,从而将ASR***控制器设计转化为单轮智能体控制器设计,消除了矩阵求逆的计算量,降低了***的计算量和复杂度。其次,针对ASR***中存在的不确定性未知情况,设计了一种单轮智能体自适应非奇异终端滑模控制器,使ASR***的实际滑移率在不同路面附着条件能够在有限时间内跟踪到理想的滑移率。针对单轮智能体控制器增益过高估计问题,采用自适应估计机制来选择控制器切换项增益,保证了实际控制信号的平滑、抖振现象,降低了能耗;实现了在不同的路面附着条件下,驱动轮的实际滑移率在有限的时间内达到理想的滑移率值,有效地避免了驱动轮打滑的问题。
本发明解决技术问题所采取的技术方案如下:
基于多智能体的ASR自适应非奇异终端滑模控制方法,其包括如下步骤:
步骤一、利用由轮速传感器和车速传感器构成的数据采集模块分别获得分布式驱动电动汽车驱动防滑***各驱动轮的实时速度v1、v2、v3、v4和角速度w1、w2、w3、w4;然后利用滑移率计算模块获得各驱动轮的实时滑移率sd1、sd2、sd3、sd4;
步骤二、根据分布式驱动电动汽车驱动防滑***的工作机理以及四个由驱动轮、轮毂电机及其驱动轮智能体控制器组成的驱动轮智能体的硬件连接及ASR通信拓扑结构,利用滑移率计算模块将实时滑移率sd1、sd2、sd3、sd4与理想滑移率sdo做差值运算,求得四个驱动轮的滑移率跟踪误差sd1-sdo、sd2-sdo、sd3-sdo、sd4-sdo,以及相邻智能体滑移率间的差值sdi-sdj,i,j=1,2,3,4,j≠i,建立驱动防滑***第i个驱动轮滑移率跟踪误差动态方程;
步骤三、根据四个驱动轮智能体控制器的输出u1、u2、u3、u4,将sd1-sdo、v1、w1、sd1-sd2、sd1-sd3、sd1-sd4、u2、u3、u4作为驱动轮智能体控制器1的输入,sd2-sdo、v2、w2、sd2-sd1、sd2-sd3、sd2-sd4、u1、u3、u4作为驱动轮智能体控制器2的输入,sd3-sdo、w3、v3、sd3-sd2、sd3-sd1、sd3-sd4、u1、u2、u4作为驱动轮智能体控制器3的输入,sd4-sdo、v4、w4、sd4-sd1、sd4-sd2、sd4-sd3、u1、u2、u3作为驱动轮智能体控制器4的输入;四个驱动轮智能体控制器采用非奇异终端滑模控制策略,控制策略的切换项增益采用自适应机制调整;驱动轮智能体控制器1、驱动轮智能体控制器2、驱动轮智能体控制器3、驱动轮智能体控制器4构成了基于多智能体的驱动防滑自适应非奇异终端滑模控制***;
步骤四、四个驱动轮智能体控制器的输出u1、u2、u3、u4为四个驱动轮防滑所需的驱动力矩Tm1、Tm2、Tm3、Tm4,通过调节驱动轮的驱动力,改变行驶过程中各驱动轮的实时速度和角速度,从而将驱动轮滑移率控制在最优范围内,使驱动轮在起步、加速过程中获得比较大的附着力,避免滑转。
本发明的有益效果如下:
1)本发明根据分布式驱动电动汽车驱动防滑***的动力学机理建立驱动防滑***第i个驱动轮滑移率跟踪误差动态方程,降低了整个驱动防滑***的模型维数,从而将分布式驱动电动汽车四轮驱动防滑***控制器的设计转化为单个驱动轮智能体驱动防滑控制器的设计,从而降低了计算的复杂度。
2)针对驱动防滑***(ASR)中存在的多执行器耦合、轮胎非线性特性、建模不确定性以及路面附着条件变化等问题,提出了一种单个驱动轮智能体的非奇异终端滑模控制器,实现了在不同的路面附着条件下,驱动轮的实际滑移率在有限的时间内达到理想的滑移率值,有效地避免了驱动轮打滑问题。
3)针对单个驱动轮智能体非奇异终端滑模控制器中切换项增益过高估计问题,提出一种自适应估计机制来选择切换项增益,降低了实际控制信号的抖振现象,从而降低了***能耗,改善了乘坐的舒适性。
4)该方法对其他多电机智能体协同控制***的分布式鲁棒控制提供了一种新的设计思路。
5)本发明的方法简单易于实现,适用面广,适宜广泛推广应用。
附图说明
图1是本发明四个驱动轮智能体信息交换拓扑结构示意图。
图2是本发明基于多智能体的ASR自适应非奇异终端滑模控制方法的原理示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图1所示,本发明基于多智能体的ASR自适应非奇异终端滑模控制方法中:根据分布式驱动电动汽车四个驱动轮的硬件连接结构和内部工作通信原理,选择理想滑移率作为虚拟领导者0,4个驱动轮子***分别作为4个跟随者智能体,即驱动轮智能体1、驱动轮智能体2、驱动轮智能体3和驱动轮智能体4,每个驱动轮智能体都能够获得虚拟领导者和相邻驱动轮智能体的状态信号。通过设计考虑自身智能体和邻接智能体状态信息的单个驱动轮智能体控制策略,实现不同工况下***的实际滑移率对最优滑移率的有限时间跟随。
如图2所示,本发明基于多智能体的驱动防滑***自适应非奇异终端滑模控制方法由虚拟领导者、四个驱动轮智能体控制器、四个驱动轮智能体、四个数据采集模块和滑移率计算模块实现。利用四个数据采集模块获得驱动防滑***四个驱动轮智能体的实时车速vi、角速度wi信息,通过四个滑移率计算模块求得实际滑移率sdi。利用虚拟领导者的理想滑移率与实际滑移率做差值运算,求得第i个驱动轮滑移率跟踪误差sdi-sd0,以及相邻智能体滑移率间的差值sdi-sdj(i,j=1,2,3,4,j≠i)。将驱动防滑***四个驱动轮智能体的实时车速vi、角速度wi、相邻驱动轮智能体控制器的输出uj、第i个驱动轮滑移率跟踪误差sdi-sd0以及相邻智能体滑移率间的差值sdi-sdj(i,j=1,2,3,4,j≠i)分别作为四个驱动轮智能体控制器的输入。各驱动轮智能体控制器根据输入的状态变量,首先建立驱动防滑***基于多智能体的第i个驱动轮滑移率跟踪误差方程,然后采用非奇异终端滑模理论,根据自身智能体与相邻智能体的状态变量,求得自身驱动轮智能体控制器的输出ui,实现了四个驱动轮实际滑移率有限时间跟随其理想滑移率。
本发明基于多智能体的ASR自适应非奇异终端滑模控制方法,具体实施步骤如下:
1.滑移率计算模块
当驱动轮驱动力超过附着条件极限的最大值时,驱动轮将出现打滑现象,第i个驱动轮的实时滑移率sdi定义如下:
式中,R为驱动轮半径,ωi和vi分别是第i个驱动轮的角速度和实时速度,i=1,2,3,4。
利用数据采集模块(轮速传感器和车速传感器)分别获得分布式驱动电动汽车驱动防滑***各驱动轮的实时速度v1、v2、v3、v4和角速度w1、w2、w3、w4;根据式(1)获得实时滑移率sd1、sd2、sd3、sd4。
2.建立第i个驱动轮滑移率跟踪误差方程
Burckhardt轮胎模型:
在不同的轮胎与路面附着条件下,轮胎最大附着系数对应的最佳滑移率比是不同的。在最优滑移率的控制跟踪中,利用已知轮胎模型的试验参数,推导出不同典型路面条件下的最优滑移率。为了便于分析和研究,采用结构简单、实用性强的Burckhardt轮胎模型,利用模型参数获得不同路面下的最优滑移率。第i个驱动轮的路面摩擦系数μi的数学表达式如下
式中,μi为第i个驱动轮的路面摩擦系数,sdi为第i个驱动轮的实时滑移率,c1、c2和c3为拟合因子,其具体取值与路面附着条件有关。
前后轴的载荷方程:
将分布式驱动电动汽车前后轴的载荷变化转化为单轮的载荷变化:
式中,Fzi为第i个驱动轮的载荷,i=1,2,3,4;M和ax分别是电动汽车的质量和质心纵向加速度;g为重力加速度;a、b、L和h分别是质心到前轴的长度,质心到后轴的长度,轴向长度和质心高度。
驱动轮运动方程:
式中,Ii表示第i个驱动轮的转动惯量,由于四个驱动轮的转动惯量相同,为简化计算,采用符号I表示,即Ii=I,ωi是第i个驱动轮的角速度,是第i个驱动轮角速度的变化率,Tmi为第i个驱动轮防滑所需的驱动力矩,R为驱动轮半径。
电动汽车的驱动力大于驱动轮与路面之间的附着力,是造成电动汽车加速滑移的直接原因。为了防止驱动轮打滑,需要控制电动汽车的驱动力矩分布,适当降低电动汽车的驱动力。即车辆提供给每个驱动轮防滑所需的驱动力矩Tmi所产生的地面切向反作用力Fxi大于附着力Fzi,可表示为:
Fxi≤μiFzi i=1,2,3,4 (5)
式中,μi为第i个驱动轮的路面摩擦系数,附着力Fzi即为第i个驱动轮的载荷,i=1,2,3,4。
忽略滚动摩擦和风阻,定义的驱动轮所产生的地面切向反作用力等于附着力。将式(2)、(3)、(5)代入式(4)中得到四个驱动轮防滑所需的驱动力矩:
基于多智能体的驱动防滑***第i个驱动轮滑移率跟踪误差方程:
根据分布式驱动电动汽车四个驱动轮智能体的硬件连接结构和内部工作通信原理,建立基于多智能体的驱动防滑***(ASR)的通信拓扑结构,如图1所示。选择理想滑移率作为虚拟领导者0,4个驱动轮子***分别作为4个跟随智能体,即驱动轮智能体1、驱动轮智能体2、驱动轮智能体3和驱动轮智能体4,每个驱动轮智能体都能够获得虚拟领导者和相邻驱动轮智能体的状态信号。通过设计考虑自身智能体和邻接智能体状态信息的单个驱动轮智能体控制策略,实现不同工况下***的实际滑移率对最优滑移率的有限时间跟随。
针对图1所示的多智能体***,节点集合表示为V={1,...,N},N为智能体的个数,N=4,边集表示为E={(i,j),i,j∈V},i、j为相应的第i、j个驱动轮智能体,i、j=1,2,…,N,邻接矩阵表示为A=[aij]∈RN×N,aij为第i个驱动轮智能体和第j个驱动轮智能体之间的连接权值,第i个驱动轮智能体的节点入度为拉普拉斯矩阵为L=[lij]∈RN×N,且L=D-A,lij为拉普拉斯矩阵的元素,i、j为相应的第i、j个驱动轮智能体,满足
根据图论的知识,由图1可得:
定义sd0为驱动轮的理想滑移率:
sd0=(R0ω0-v0)/Rω0 (8)
式中,R0、ω0和v0分别是虚拟领导者驱动轮的滚动半径、角速度和纵向速度。
考虑ASR***的未建模部分,微分式(1)和(8),可得
式中,Δvi和分别表示ASR***的未建模部分;Δdi表示外部干扰;di表示由于ASR***未建模部分及外部干扰对***产生的未知影响项,满足 为di的上界值,满足z0、zi分别表示理想滑移率和实时滑移率状态方程(10)中辅助控制输入项的时变系数,z0=v0/R0ω0 2;zi=vi/Rωi 2;f0、fi分别表示理想滑移率和实时滑移率状态方程(10)中的非线性项,u0表示虚拟领导者的辅助控制输入,ui表示第i个驱动轮智能体控制器的输出, 是虚拟领导者驱动轮角速度的变化率。
建立基于多智能体的第i个驱动轮滑移率跟踪误差方程:
式中,bi为第i个驱动轮智能体和虚拟领导者之间的连接权值,sdi-sdj为第i个驱动轮智能体实时滑移率sdi和第j个驱动轮智能体实时滑移率sdj之间的差值,sdi-sd0为第i个驱动轮智能体实时滑移率sdi和虚拟领导者理想滑移率sd0之间的差值,为第i个驱动轮智能体实时滑移率sdi的变化率和虚拟领导者理想滑移率sd0的变化率之间的差值,为第i个驱动轮智能体实时滑移率sdi的变化率和第j个驱动轮智能体实时滑移率sdj的变化率之间的差值。
3.基于多智能体的分布式驱动电动汽车驱动防滑***非奇异终端滑模控制方法
本发明的控制目标是设计一种基于多智能体的单轮智能体自适应滑模控制协议,使每个驱动轮的实时滑移率能够在有限时间内跟踪不同路面附着条件下的最优滑移比;还可以避免驱动轮在不同路面行驶时打滑,提高了电动汽车在行驶过程中的行驶能力和方向稳定性,提高了车辆的通过能力。
针对第i个驱动轮智能体,令x1i=∫e1idt,x2i=e1i,采用非奇异终端滑模面函数:
式中,设计参数ε>0,p,q(2q>p>q>0)为奇数。
考虑其他智能体的耦合影响,将第i个驱动轮智能体的驱动防滑控制策略设计为如下形式:
ui=ui_eq+ui_sw (13)
根据车辆的运动学方程,求得第i个驱动轮智能体所需的驱动力矩:
因此,在ASR***(10)扰动上界已知的情况下,选择非奇异终端滑模面为(12),第i个驱动轮智能体控制器的输出设计为(13)-(15),进而求得四个驱动轮防滑所需的驱动力矩(16),使驱动轮在加速过程中获得比较大的附着力,将驱动轮滑移率控制在最优范围内,从而防止汽车起步、加速过程中驱动轮打滑,特别是防止汽车在非对称路面或转弯时驱动轮空转,有效地提高车辆加速行驶的安全性,防止因驱动轮过度滑转而降低车辆的驱动性能。
4.基于控制器切换项自适应估计的分布式驱动电动汽车驱动防滑***自适应非奇异终端滑模控制方法
由于ASR***中存在的轮胎非线性特性、建模不确定性、路面附着条件变化等问题引发的干扰等很难实时获取,基于已知干扰上界值设计的控制策略易引发***控制的抖振和高能耗,因此针对控制中切换控制的增益βi提出自适应机制以补偿***中的干扰等不确定项对控制目标的影响。
第i个驱动轮智能体控制器的输出中,切换控制的增益自适应估计率设计如下:
式中,ρ为设计参数,ρ>0;
则第i个驱动轮智能体控制器的输出(13)-(15)修改为如下形式:
ui=ui_eq+ui_sw (13)
根据车辆的运动学方程,求得第i个驱动轮防滑所需的驱动力矩
针对ASR***(10)扰动上界未知的情况下,选择非奇异终端滑模面(12),第i个驱动轮智能体控制器的输出中切换控制的增益自适应估计率(17),第i个驱动轮智能体控制器的输出(13)、(14)和(18),进而求得四个驱动轮防滑所需的驱动力矩(19),使驱动轮在加速过程中获得比较大的附着力,将驱动轮滑移率控制在最优范围内,从而防止汽车起步、加速过程中驱动轮打滑,特别是防止汽车在非对称路面或转弯时驱动轮空转,有效地提高车辆加速行驶的安全性,防止因驱动轮过度滑转而降低车辆的驱动性能。
5.ASR***实时滑移率跟踪上理想滑移率的有限时间
根据式(12),定义S=[s1,s2,s3,s4]T,s1,s2,s3,s4为式(12)定义的非奇异终端滑模面函数,选取李雅普诺夫函数
ASR***初始状态到达滑模面的时间:
式中,V(0)为李雅普诺夫函数初值;X2 p/q-1=[x21 p/q-1,x22 p/q-1,x23 p/q-1,x24 p/q-1]T,x2i p/q-1=e1i p/q-1,见式(11);表示以矩阵中元素构成对角阵的最小特征值,B=diag(b1,b2,...,bi,...,bN),bi为第i个驱动轮智能体和虚拟领导者之间的连接权值;L=[lij]为拉普拉斯矩阵,见式(7);γ=[γ1,γ2,...,γi,...,γN],见式(15)。
***状态到达滑模面上之后,从位于滑模面上的***初始状态到达原点的时间为:
因此,求得实时滑移率达到理想滑移率的有限时间tall为:
tall≤tv+ts (23)。
Claims (3)
1.基于多智能体的ASR自适应非奇异终端滑模控制方法,其特征在于,该方法包括如下步骤:
步骤一、利用由轮速传感器和车速传感器构成的数据采集模块分别获得ASR各驱动轮的实时速度v1、v2、v3、v4和角速度w1、w2、w3、w4;然后利用滑移率计算模块获得各驱动轮的实时滑移率sd1、sd2、sd3、sd4;
步骤二、根据ASR的工作机理以及四个由驱动轮、轮毂电机及其驱动轮智能体控制器组成的驱动轮智能体的硬件连接及ASR通信拓扑结构,利用滑移率计算模块将实时滑移率sd1、sd2、sd3、sd4与理想滑移率sdo做差值运算,求得四个驱动轮的滑移率跟踪误差sd1-sdo、sd2-sdo、sd3-sdo、sd4-sdo,以及相邻智能体滑移率间的差值sdi-sdj,i,j=1,2,3,4,j≠i,建立驱动防滑***第i个驱动轮滑移率跟踪误差动态方程;
所述步骤二的过程如下:
采用Burckhardt轮胎模型,利用模型参数获得不同路面下的最优滑移率,第i个驱动轮的路面摩擦系数μi的数学表达式如下
式中,μi为第i个驱动轮的路面摩擦系数,sdi为第i个驱动轮的实时滑移率,c1、c2和c3为拟合因子,其具体取值与路面附着条件有关;
前后轴的载荷方程:
将分布式驱动电动汽车前后轴的载荷变化转化为单轮的载荷变化:
式中,Fzi为第i个驱动轮的载荷,i=1,2,3,4;M和ax分别是电动汽车的质量和质心纵向加速度;g为重力加速度;a、b、L和h分别是质心到前轴的长度,质心到后轴的长度,轴向长度和质心高度;
驱动轮运动方程:
电动汽车提供给每个驱动轮防滑所需的驱动力矩Tmi所产生的地面切向反作用力Fxi大于附着力Fzi,表示为:
Fxi≤μiFzi i=1,2,3,4 (5)
式中,μi为第i个驱动轮的路面摩擦系数,附着力Fzi即为第i个驱动轮的载荷,i=1,2,3,4;
忽略滚动摩擦和风阻,驱动轮所产生的地面切向反作用力等于附着力,将式(2)、(3)、(5)代入式(4)中得到四个驱动轮防滑所需的驱动力矩:
基于多智能体的驱动防滑***第i个驱动轮滑移率跟踪误差方程:
根据分布式驱动电动汽车四个驱动轮智能体的硬件连接结构和内部工作通信原理,建立基于多智能体的ASR通信拓扑结构,选择理想滑移率作为虚拟领导者0,4个驱动轮子***分别作为驱动轮智能体1、驱动轮智能体2、驱动轮智能体3和驱动轮智能体4,每个驱动轮智能体都能够获得虚拟领导者和相邻驱动轮智能体的状态信号;
上述基于多智能体的ASR的节点集合表示为V={1,...,N},N为智能体的个数,N=4,边集表示为E={(i,j),i,j∈V},i、j为相应的第i、j个驱动轮智能体,i、j=1,2,…,N,邻接矩阵表示为A=[aij]∈RN×N,aij为第i个驱动轮智能体和第j个驱动轮智能体之间的连接权值,第i个驱动轮智能体的节点入度为拉普拉斯矩阵为L=[lij]∈RN×N,且L=D-A;lij为拉普拉斯矩阵的元素,满足
根据图论的知识,由基于多智能体的ASR通信拓扑结构可得:
定义sd0为驱动轮的理想滑移率:
sd0=(R0ω0-v0)/Rω0 (8)
式中,R0、ω0和v0分别是虚拟领导者驱动轮的滚动半径、角速度和纵向速度;
考虑ASR***的未建模部分,微分式(1)和(8),可得
式中,Δvi和分别表示ASR***的未建模部分;Δdi表示外部干扰;di表示由于ASR***未建模部分及外部干扰对***产生的未知影响项,满足 为di的上界值,满足z0、zi分别表示理想滑移率和实时滑移率状态方程(10)中辅助控制输入项的时变系数,z0=v0/R0ω0 2;zi=vi/Rωi 2;f0、fi分别表示理想滑移率和实时滑移率状态方程(10)中的非线性项,u0表示虚拟领导者的辅助控制输入,ui表示第i个驱动轮智能体控制器的输出, 是虚拟领导者驱动轮角速度的变化率;
建立基于多智能体的第i个驱动轮滑移率跟踪误差方程:
式中,bi为第i个驱动轮智能体和虚拟领导者之间的连接权值,sdi-sdj为第i个驱动轮智能体实时滑移率sdi和第j个驱动轮智能体实时滑移率sdj之间的差值,sdi-sd0为第i个驱动轮智能体实时滑移率sdi和虚拟领导者理想滑移率sd0之间的差值,为第i个驱动轮智能体实时滑移率sdi的变化率和虚拟领导者理想滑移率sd0的变化率之间的差值,为第i个驱动轮智能体实时滑移率sdi的变化率和第j个驱动轮智能体实时滑移率sdj的变化率之间的差值;
步骤三、根据四个驱动轮智能体控制器的输出u1、u2、u3、u4,将sd1-sdo、v1、w1、sd1-sd2、sd1-sd3、sd1-sd4、u2、u3、u4作为驱动轮智能体控制器1的输入,sd2-sdo、v2、w2、sd2-sd1、sd2-sd3、sd2-sd4、u1、u3、u4作为驱动轮智能体控制器2的输入,sd3-sdo、w3、v3、sd3-sd2、sd3-sd1、sd3-sd4、u1、u2、u4作为驱动轮智能体控制器3的输入,sd4-sdo、v4、w4、sd4-sd1、sd4-sd2、sd4-sd3、u1、u2、u3作为驱动轮智能体控制器4的输入;四个驱动轮智能体控制器采用非奇异终端滑模控制策略,控制策略的切换项增益采用自适应机制调整;驱动轮智能体控制器1、驱动轮智能体控制器2、驱动轮智能体控制器3、驱动轮智能体控制器4构成了基于多智能体的驱动防滑自适应非奇异终端滑模控制***;
所述步骤三的过程如下:
针对第i个驱动轮智能体,令x1i=∫e1idt,x2i=e1i,采用非奇异终端滑模面函数:
式中,设计参数ε>0,p,q为奇数,2q>p>q>0;
考虑其它智能体的耦合影响,将第i个驱动轮智能体的驱动防滑控制策略设计为如下形式:
ui=ui_eq+ui_sw (13)
根据车辆的运动学方程,求得第i个驱动轮智能体所需的驱动力矩:
针对控制中的切换控制的增益βi提出自适应机制以补偿上述ASR***中的干扰不确定项对控制目标的影响,过程如下:
第i个驱动轮智能体控制器的输出中,切换控制的增益自适应估计率设计如下:
式中,ρ为设计参数,ρ>0;
则第i个驱动轮智能体控制器的输出式(13)-(15)修改为如下形式:
ui=ui_eq+ui_sw (13)
根据车辆的运动学方程,求得第i个驱动轮智能体所需的驱动力矩
针对ASR***(10)扰动上界未知的情况下,选择非奇异终端滑模面(12)、第i个驱动轮智能体控制器的输出中切换控制的增益自适应估计率(17)、第i个驱动轮智能体控制器的输出(13)、(14)和(18),进而求得四个驱动轮防滑所需的驱动力矩(19),使驱动轮在加速过程中获得附着力,将驱动轮滑移率控制在最优范围内;
步骤四、四个驱动轮智能体控制器的输出u1、u2、u3、u4为四个驱动轮防滑所需的驱动力矩Tm1、Tm2、Tm3、Tm4,通过调节驱动轮的驱动力,改变行驶过程中各驱动轮的实时速度和角速度,从而在有限时间内将驱动轮滑移率控制在最优范围内。
3.如权利要求1所述基于多智能体的ASR自适应非奇异终端滑模控制方法,其特征在于,所述步骤四的过程如下:
根据式(12),定义S=[s1,s2,s3,s4]T,s1,s2,s3,s4为式(12)定义的非奇异终端滑模面函数,选取李雅普诺夫函数
ASR***初始状态到达滑模面的时间为:
式中,V(0)为李雅普诺夫函数初值;X2 p/q-1=[x21 p/q-1,x22 p/q-1,x23 p/q-1,x24 p/q-1]T,x2i p/q-1=e1i p/q-1,见式(11);表示以矩阵中元素构成对角阵的最小特征值,B=diag(b1,b2,...,bi,...,bN),bi为第i个驱动轮智能体和虚拟领导者之间的连接权值;L=[lij]为拉普拉斯矩阵,见式(7);γ=[γ1,γ2,...,γi,...,γN],见式(15);
***状态到达滑模面上之后,从位于滑模面上的***初始状态到达原点的时间为:
式中,x1i(0)为x1i的初值,x1i=∫e1idt;
ASR***实时滑移率跟踪上理想滑移率的有限时间tall为:
tall≤tv+ts (23)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010607908.4A CN111665726B (zh) | 2020-06-30 | 2020-06-30 | 基于多智能体的asr自适应非奇异终端滑模控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010607908.4A CN111665726B (zh) | 2020-06-30 | 2020-06-30 | 基于多智能体的asr自适应非奇异终端滑模控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111665726A CN111665726A (zh) | 2020-09-15 |
CN111665726B true CN111665726B (zh) | 2022-05-06 |
Family
ID=72390422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010607908.4A Active CN111665726B (zh) | 2020-06-30 | 2020-06-30 | 基于多智能体的asr自适应非奇异终端滑模控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111665726B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112180716B (zh) * | 2020-10-14 | 2022-05-31 | 电子科技大学中山学院 | 高阶滑模及电力负荷频率控制方法、装置、计算机设备和存储介质 |
CN112590737B (zh) * | 2020-12-22 | 2023-12-22 | 安徽卡思普智能科技有限公司 | 一种直接横摆力矩控制器的设计方法 |
CN113282079B (zh) * | 2021-04-22 | 2022-08-05 | 天津师范大学 | 一种基于均匀量化通信数据的互联异构车辆的全分布式控制方法 |
CN114148340B (zh) * | 2021-11-24 | 2024-02-13 | 中国煤炭科工集团太原研究院有限公司 | 轮边驱动的车轮滑移率检测方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106671982A (zh) * | 2017-01-09 | 2017-05-17 | 厦门大学 | 基于多智能体的无人驾驶电动汽车自动超车***及方法 |
CN106985703A (zh) * | 2017-03-08 | 2017-07-28 | 同济大学 | 一种分布式驱动电动汽车路面自适应防滑控制***及方法 |
CN109421552A (zh) * | 2017-09-04 | 2019-03-05 | 郑州宇通客车股份有限公司 | 分布式驱动电动汽车路面自适应驱动防滑控制方法及*** |
-
2020
- 2020-06-30 CN CN202010607908.4A patent/CN111665726B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106671982A (zh) * | 2017-01-09 | 2017-05-17 | 厦门大学 | 基于多智能体的无人驾驶电动汽车自动超车***及方法 |
CN106985703A (zh) * | 2017-03-08 | 2017-07-28 | 同济大学 | 一种分布式驱动电动汽车路面自适应防滑控制***及方法 |
CN109421552A (zh) * | 2017-09-04 | 2019-03-05 | 郑州宇通客车股份有限公司 | 分布式驱动电动汽车路面自适应驱动防滑控制方法及*** |
Non-Patent Citations (4)
Title |
---|
Niaona Zhang 等.Application of multi-agent consistency analysis based on finite state machine in driverless vehicles formation control.《IFAC-PapersOnLine》.2018,第51卷(第31期),第732-737页全文. * |
基于多智能体分布式电动汽车制动滑移率控制研究;张晓芳;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20190915(第09期);第C035-351页全文 * |
基于多智能体的电动汽车滑移率控制方法;张袅娜等;《燕山大学学报》;20200131;第44卷(第01期);第63-69页全文 * |
多轮独立电驱动车辆ABS/ASR集成控制研究;廖自力等;《机电工程》;20180531;第35卷(第05期);第494-500页全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111665726A (zh) | 2020-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111665726B (zh) | 基于多智能体的asr自适应非奇异终端滑模控制方法 | |
CN106585425B (zh) | 一种用于四轮毂电机驱动电动汽车的分层***及控制方法 | |
CN109849899B (zh) | 一种电动轮汽车电液复合车身稳定控制***及方法 | |
CN109747434B (zh) | 分布式驱动电动汽车转矩矢量分配控制方法 | |
CN109263716B (zh) | 一种四轮毂电机驱动车辆转向的控制方法 | |
Parra et al. | On nonlinear model predictive control for energy-efficient torque-vectoring | |
Han et al. | Development of a traction control system using a special type of sliding mode controller for hybrid 4WD vehicles | |
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*** | |
CN110481343B (zh) | 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 | |
CN111391822B (zh) | 一种极限工况下汽车横纵向稳定性协同控制方法 | |
Sakai et al. | Dynamic driving/braking force distribution in electric vehicles with independently driven four wheels | |
CN112051851B (zh) | 极限工况下电动四驱车辆的自主漂移控制方法及*** | |
Zha et al. | Stability control for a four-wheel-independent-drive electric vehicle based on model predictive control | |
Yu et al. | Research on anti-lock braking control strategy of distributed-driven electric vehicle | |
CN113978263A (zh) | 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 | |
Chen et al. | Dynamics integrated control for four-wheel independent control electric vehicle | |
CN109850015B (zh) | 一种控制参数可自动调节的电动车主动前轮转向控制方法 | |
Zhang et al. | MAS-based slip ratio fault-tolerant control in finite time for EV | |
CN113741172B (zh) | 一种基于带宽参数整定的滑移率自抗扰控制方法及控制器 | |
CN115723590A (zh) | 一种轮毂电机驱动汽车的节能转矩矢量控制方法 | |
Shi et al. | A novel integral terminal sliding mode control of yaw stability for steer-by-wire vehicles | |
Zhao et al. | Stability control system for four-in-wheel-motor drive electric vehicle | |
Chiliveri et al. | Predictor based stability control of four-wheel independent drive electric vehicle with bounded input delay | |
Shyrokau et al. | Analysis of subsystems coordination for electric vehicle during straight-line braking and brake-in-turn | |
Liu | Simulation of automobile brake system based on PID algorithm |
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 |