CN114475590A - 一种电动汽车力矩控制方法和***以及可读存储介质 - Google Patents

一种电动汽车力矩控制方法和***以及可读存储介质 Download PDF

Info

Publication number
CN114475590A
CN114475590A CN202210391861.1A CN202210391861A CN114475590A CN 114475590 A CN114475590 A CN 114475590A CN 202210391861 A CN202210391861 A CN 202210391861A CN 114475590 A CN114475590 A CN 114475590A
Authority
CN
China
Prior art keywords
vehicle
control
equation
representing
mentioned formula
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
Application number
CN202210391861.1A
Other languages
English (en)
Other versions
CN114475590B (zh
Inventor
曹万科
朱志文
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.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
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 Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202210391861.1A priority Critical patent/CN114475590B/zh
Publication of CN114475590A publication Critical patent/CN114475590A/zh
Application granted granted Critical
Publication of CN114475590B publication Critical patent/CN114475590B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/10—Path keeping
    • B60W30/12—Lane keeping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/30—Wheel 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)
  • Automation & Control Theory (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Steering Control In Accordance With Driving Conditions (AREA)

Abstract

本发明涉及电动汽车技术领域，具体涉及一种电动汽车力矩控制方法和***以及可读存储介质。本申请的电动汽车力矩控制方法包括：在车辆运动过程中实时获取车辆的运动状态信息；根据运动状态信息实时更新改进后的车辆侧向动力学控制方程；采用更新后的车辆侧向动力学控制方程控制车辆的力矩分配。本申请考虑到车辆各***之间网络通信的延时，重新设计了新的车辆侧向动力学控制方程，该车辆侧向动力学控制方程中考虑到了车辆控制***中的各个延时因素，然后采用新的车辆侧向动力学控制方程控制车辆的力矩分配，降低了延时对控制***的影响，提高了车辆控制精度和稳定性。

Description

一种电动汽车力矩控制方法和***以及可读存储介质
技术领域
本发明涉及电动汽车技术领域，具体涉及一种电动汽车力矩控制方法和***以及可读存储介质。
背景技术
近年来，随着智能传感器、数字控制器和车载网络技术在汽车领域的快速发展，智能分布式电动汽车因其在安全性、舒适性和结构灵活性等方面的优势而受到关注。智能分布式驱动电动汽车快速和准确的扭矩响应和测量为道路电动车辆的电动化和智能化更新带来了巨大的潜力。然而，一些关键的技术挑战如高成本、可靠性和安全性问题尚未得到很好的解决，这些问题也引起了工业界和学术界的极大兴趣。智能分布式驱动电动汽车的运动控制一直是人们研究的焦点之一，并且已经提出了各种运动控制技术来加强车辆运动的安全性和可靠性。
直接横摆力矩控制是提高车辆安全性和可靠性的有效方法，但是车辆***具有高度的复杂和非线性的特性，智能分布式驱动电动汽车运动控制***本质上已经成为一种集数字计算、网络通信和物理过程于一体的信息物理融合***。由于速度变化、模型扰动、外部干扰和网络等的影响，这些控制方法的性能会受到影响，在实际应用中受到很大限制。为了应对鲁棒的稳定性控制问题，已经有了很多关于车辆控制的研究。例如，一方面，张辉等人在车辆***建模中考虑了非线性轮胎模型和纵向速度的变化，获得了具有范数界不确定性的线性参数变化模型，并提出了一种控制器增益调整方法；王荣荣等人综合考虑了***参数不确定性、外部干扰、输入饱和以及执行器故障，设计了一种动态输出反馈控制器来控制车辆运动；然而，这些研究大多假设控制***中传感器、控制器、执行器之间的数据交换基于理想的车载通信网络，即没有考虑网络诱导延时的影响。另一方面，帅志斌等人证明了由CAN总线引起的时变延迟会降低车辆横摆运动控制性能，然后现在的电动车汽车控制***并未考虑到延时对控制精度的影响，因此现有的电动汽车控制***和方法在控制精度上还有待提高。
发明内容
本发明主要解决的技术问题是现有的电动车汽车控制时未考虑到网络通信延时，因此导致现有的汽车控制方法精度不高。
一种电动汽车力矩控制方法，包括：
在车辆运动过程中实时获取车辆的运动状态信息；
根据所述运动状态信息实时更新改进后的车辆侧向动力学控制方程；
采用更新后的车辆侧向动力学控制方程控制车辆的力矩分配；
其中，所述改进后的车辆侧向动力学控制方程为：
Figure 363812DEST_PATH_IMAGE001
（1）
公式（1）是一个闭环控制***，上述公式（1）中，u(k)表示车辆左右车轮的纵向力产生的横摆力矩；ξ(k+1)表示车辆侧向运动（k+1）状态下的***矩阵，
Figure DEST_PATH_IMAGE002
；ξ(k)表示车辆侧向运动k状态下的***矩阵，
Figure 500526DEST_PATH_IMAGE003
；β、γ分别为质心侧偏角和横摆角速度；δ f (k)表示车辆前轮转角，A aug 、B aug 、E aug 分别为车辆侧向动力学控制方程的参数矩阵；
其中，
Figure DEST_PATH_IMAGE004
（2）
上述公式（2）中，t表示当前时刻，T表示一个控制周期，τ k 表示电动汽车网络化控制中的回路延时；
Figure 608159DEST_PATH_IMAGE005
（3）
上述公式（3）中，t s 表示传感器的任务执行时间，t sc 表示传感器通信排队时间和通信执行时间，t c 表示控制器任务执行时间，t ca 表示控制器通信排队时间和通信执行时间，t a 表示执行器任务执行时间；
上述公式（1）中，
Figure DEST_PATH_IMAGE006
（4）
上述公式（4）中：
Figure 285259DEST_PATH_IMAGE007
(5)
Figure DEST_PATH_IMAGE008
（6）
上述公式（5）和（6）中，C f 和C r 为车轮的等效侧偏刚度，m为车辆的质量，V表示当前车速；l f 和l r 分别表示车辆质心与前轴和后轴之间的距离，I z 表示车辆的转动惯量；
上述公式（4）中，
Figure 240577DEST_PATH_IMAGE009
（7）
上述公式（7）中，e表示实际横摆角速度β和质心侧偏角γ与目标状态之间的跟踪误差；β ref 为目标横摆角速度，γ ref 为目标质心侧偏角。
在一种实施例中，还包括：
采用线性二次型最优控制器基于所述改进后的车辆侧向动力学控制方程对车辆进行控制；
通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低。
在一种实施例中，所述通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低包括：
所述线性二次型最优控制器的性能指标函数为：
Figure DEST_PATH_IMAGE010
（8）
上述公式（8）中，Q和R为线性二次型最优控制器的性能指；
令
Figure 390936DEST_PATH_IMAGE011
，求解得到最优控制率K k 。
一种电动汽车力矩控制***，包括：
信息获取模块，用于在车辆运动过程中实时获取车辆的运动状态信息；
控制模块，用于根据所述运动状态信息实时更新改进后的车辆侧向动力学控制方程；
力矩分配模块，用于采用更新后的车辆侧向动力学控制方程控制车辆的力矩分配；
其中，所述改进后的车辆侧向动力学控制方程为：
Figure 126811DEST_PATH_IMAGE001
（1）
公式（1）是一个闭环控制***，上述公式（1）中，u(k)表示车辆左右车轮的纵向力产生的横摆力矩；ξ(k+1)表示车辆侧向运动(k+1)状态下的***矩阵，
Figure 873181DEST_PATH_IMAGE002
；ξ(k)表示车辆侧向运动k状态下的***矩阵，
Figure 135535DEST_PATH_IMAGE003
；β、γ分别为质心侧偏角和横摆角速度；δ f (k)表示车辆前轮转角，A aug 、B aug 、E aug 分别为车辆侧向动力学控制方程的参数矩阵；
其中，
Figure 863320DEST_PATH_IMAGE004
（2）
上述公式（2）中，t表示当前时刻，T表示一个控制周期，τ k 表示电动汽车网络化控制中的回路延时；
Figure 165119DEST_PATH_IMAGE005
（3）
上述公式（3）中，t s 表示传感器的任务执行时间，t sc 表示传感器通信排队时间和通信执行时间，t c 表示控制器任务执行时间，t ca 表示控制器通信排队时间和通信执行时间，t a 表示执行器任务执行时间；
上述公式（1）中，
Figure 495606DEST_PATH_IMAGE006
（4）
上述公式（4）中：
Figure 753412DEST_PATH_IMAGE007
(5)
Figure 730727DEST_PATH_IMAGE008
（6）
上述公式（5）和（6）中，C f 和C r 为车轮的等效侧偏刚度，m为车辆的质量，V表示当前车速；l f 和l r 分别表示车辆质心与前轴和后轴之间的距离，I z 表示车辆的转动惯量；
上述公式（4）中，
Figure 565827DEST_PATH_IMAGE009
（7）
上述公式（7）中，e表示实际横摆角速度β和质心侧偏角γ与目标状态之间的跟踪误差；β ref 为目标横摆角速度，γ ref 为目标质心侧偏角。
在一种实施例中，还包括：
线性二次型最优控制器，用于基于所述改进后的车辆侧向动力学控制方程对车辆进行控制；
计算模块，用于通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低。
在一种实施例中，所述通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低包括：
所述线性二次型最优控制器的性能指标函数为：
Figure 575372DEST_PATH_IMAGE010
（8）
上述公式（8）中，Q和R为线性二次型最优控制器的性能指；
令
Figure 563050DEST_PATH_IMAGE011
，求解得到最优控制率K k 。
一种电动汽车，包括如上所述的力矩控制***。
一种计算机可读存储介质，所述介质上存储有程序，所述程序能够被处理器执行以实现如上所述的方法。
依据上述实施例的电动汽车力矩控制方法,考虑到车辆各***之间网络通信的延时，重新设计了新的车辆侧向动力学控制方程，该车辆侧向动力学控制方程中考虑到了车辆控制***中的各个延时因素，然后采用新的车辆侧向动力学控制方程控制车辆的力矩分配，降低了延时对控制***的影响，提高了车辆控制精度和稳定性。
附图说明
图1为本申请实施例的电动汽车力矩控制方法流程图；
图2为本申请实施例的电动汽车力矩控制***结构框图；
图3为本申请实施例的车辆网络通信中的延时组成示意图；
图4为本申请实施例的车辆控制示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中，很多细节描述是为了使得本申请能被更好的理解。然而，本领域技术人员可以毫不费力的认识到，其中部分特征在不同情况下是可以省略的，或者可以由其他元件、材料、方法所替代。在某些情况下，本申请相关的一些操作并没有在说明书中显示或者描述，这是为了避免本申请的核心部分被过多的描述所淹没，而对于本领域技术人员而言，详细描述这些相关操作并不是必要的，他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外，说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时，方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此，说明书和附图中的各种顺序只是为了清楚描述某一个实施例，并不意味着是必须的顺序，除非另有说明其中某个顺序是必须遵循的。
在本发明实施例中，申请人首先经过测试得到，电动汽车网络化控制中产生的不确定性主要为车载网络诱导延时，车载网络诱导延时包括反馈通道延时（传感器到控制器）和前向通道延时（控制器到执行器）。为了消除延时对车辆控制精度和稳定性的影响，本申请重新设计了车辆侧向动力学控制方程，在车辆运动过程中，实时采集车辆运动状态信息，根据运动状态信息更新车辆侧向动力学控制方程，以控制车辆的力矩分配，从而提高了车辆控制的精度和稳定性。
本申请提供的电动汽车力矩控制方法，是保证横向运动稳定性与安全性的关键。具体的是针对车道保持辅助***过程中的力矩控制方法。转向控制是车道保持辅助***中最常见的控制方法，但是受到外部环境和车辆***各部分网络延时的影响，汽车往往存在不足或者过度转向的问题，从而造成车道保持辅助***的不稳定。因此加入本发明所设计的力矩控制来提升***的稳定性，并通过计算横摆角速度和质心侧偏角的理想值和极限值划分汽车行驶的稳态边界和极限边界，基于此边界对力矩控制量进行协调，通过对各个车轮分配不同的制动压力来跟踪期望的附加横摆力矩。如图4，汽车在车道保持过程中，为了弥补转向不足或者修正转向过度，引入力矩控制方法进行补偿，并设计了线性二次型调节器（LQR）降低网络延时对横向运动的影响，更好的控制汽车平稳转向。
实施例一：
请参考图1，本实施例提供一种电动汽车力矩控制方法，其包括：
步骤101：在车辆运动过程中实时获取车辆的运动状态信息。
其中，在步骤101中，实时获取车辆的运动状态信息主要包括：车辆的前轮转角、车辆的横摆角速度、车辆的转动惯量等，另外还需要获取车辆本身的一些参数信息，例如车辆本身的质量m、车轮的等效侧偏刚度系数C f 和C r 等参数信息。
步骤102：根据运动状态信息实时更新改进后的车辆侧向动力学控制方程。
步骤103：采用更新后的车辆侧向动力学控制方程控制车辆的力矩分配。
其中，本实施例改进后的车辆侧向动力学控制方程为：
Figure 694955DEST_PATH_IMAGE012
（1）
公式（1）是一个闭环控制***，上述公式（1）中，
Figure 158297DEST_PATH_IMAGE013
表示闭环控制***的输入，具体的
Figure 581319DEST_PATH_IMAGE014
为车辆左右车轮的纵向力产生的横摆力矩。ξ(k+1)表示车辆侧向运动（k+1）状态下的***矩阵，
Figure 876034DEST_PATH_IMAGE002
。ξ(k)表示车辆侧向运动k状态下的***矩阵，
Figure 382102DEST_PATH_IMAGE003
。β、γ分别为质心侧偏角和横摆角速度，质心侧偏角和横摆角速度是车辆横向动力学的两种主要状态参数。δ f (k)表示车辆前轮转角，A aug 、B aug 、E aug 分别为车辆侧向动力学控制方程的参数矩阵；
其中，
Figure 676948DEST_PATH_IMAGE004
（2）
上述公式（2）中，t表示当前时刻，T表示一个控制周期，τ k 表示电动汽车网络化控制中的回路延时；
Figure 356191DEST_PATH_IMAGE005
（3）
如图3，上述公式（3）中，t s 表示传感器的任务执行时间，t sc 表示传感器通信排队时间和通信执行时间，t c 表示控制器任务执行时间，t ca 表示控制器通信排队时间和通信执行时间，t a 表示执行器任务执行时间，t s 、t sc 、t c 、t ca 、t a 均可以通过传感器采集得到。将所有延时形成的误差输入到线性二次最优控制器中，线性二次最优控制器控制车辆四轮的力矩分配以控制车辆。
上述公式（1）中，
Figure 177517DEST_PATH_IMAGE006
（4）
上述公式（4）中：
Figure 741571DEST_PATH_IMAGE007
(5)
时变回路延迟给控制***带来不确定性，例如A aug ，和B aug 中的不确定项
Figure 976243DEST_PATH_IMAGE015
，表示为：
Figure 865701DEST_PATH_IMAGE016
（6）
不确定项可以用泰勒展开进行线性化，进而表述为一个多胞体模型。多胞体理论可以描述网络延时带来的不确定性，将多胞体理论应用到车辆的侧向动力学模型中，可以建立起面向网络化控制***的动力学模型。（解释：此时已经将延时考虑进动力学模型，接下来设计鲁棒控制器进行优化，误差e为每一时刻输出量与控制量的误差，将每个状态的误差累加，性能指标函数J函数被设计为误差e和控制输入u的二次形式，寻找J的最小值，则可以把网络延时对车辆横向运动的影响降到最低。线性二次型最优控制的目的就是使性能指标函数最小。）
上述公式（5）和（6）中，C f 和C r 为车轮的等效侧偏刚度，m为车辆的质量，V表示当前车速；l f 和l r 分别表示车辆质心与前轴和后轴之间的距离，I z 表示车辆的转动惯量；
上述公式（4）中，
Figure 948058DEST_PATH_IMAGE009
（7）
上述公式（7）中，e表示实际横摆角速度β和质心侧偏角γ与目标状态之间的跟踪误差；β ref 为目标横摆角速度，γ ref 为目标质心侧偏角。
进一步的，本实施例中采用线性二次型最优控制器（LQR控制器）基于改进后的车辆侧向动力学控制方程对车辆进行控制。
通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低。
本实施例为了解决网络控制***的不确定性，保证***的鲁棒性，设计了基于H ∞的鲁棒LQR控制器。性能指标函数J函数被设计为误差e和控制输入u的二次形式。 本实施例通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低，线性二次型最优控制器的性能指标函数为：
Figure 858245DEST_PATH_IMAGE010
（8）
上述公式（8）中，Q和R为线性二次型最优控制器的性能指；
令
Figure 517897DEST_PATH_IMAGE011
，求解得到最优控制率K k 。
经过测试，采用本实施例的控制方法，可以兼顾车辆的操稳性和控制精度。
实施例二：
请参考图2，本实施例提供一种电动汽车力矩控制***，其包括信息获取模块201、信息获取模块202、控制模块203。
其中，信息获取模块201用于在车辆运动过程中实时获取车辆的运动状态信息；例如信息获取模块201用于对车辆上多种传感器采集的信息以及车辆自身的状态信息。控制模块202用于根据运动状态信息实时更新改进后的车辆侧向动力学控制方程；力矩分配模块203用于采用更新后的车辆侧向动力学控制方程控制车辆的力矩分配。
在一种实施例中，电动汽车力矩控制***还包括：线性二次型最优控制器204、计算模块205，线性二次型最优控制器204用于基于改进后的车辆侧向动力学控制方程对车辆进行控制；计算模块205用于通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低。
其中，本实施例的电动汽车力矩控制***中各个模块中的预设的控制方法和上述实施例一中相同，此处不再赘述。
采用本实施例的控制***可以提高车辆的控制精度和稳定性。
实施例三：
本实施例提供一种电动汽车，其包括如上述实施例二提供的力矩控制***。
实施例四：
本实施例提供一种计算机可读存储介质，介质上存储有程序，程序能够被处理器执行以实现如上实施例一提供的电动汽车力矩控制方法。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分功能可以通过硬件的方式实现，也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘、光盘、硬盘等，通过计算机执行该程序以实现上述功能。例如，将程序存储在设备的存储器中，当通过处理器执行存储器中程序，即可实现上述全部或部分功能。另外，当上述实施方式中全部或部分功能通过计算机程序的方式实现时，该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中，通过下载或复制保存到本地设备的存储器中，或对本地设备的***进行版本更新，当通过处理器执行存储器中的程序时，即可实现上述实施方式中全部或部分功能。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (8)

1.一种电动汽车力矩控制方法，其特征在于，包括：
在车辆运动过程中实时获取车辆的运动状态信息；
根据所述运动状态信息实时更新改进后的车辆侧向动力学控制方程；
采用更新后的车辆侧向动力学控制方程控制车辆的力矩分配；
其中，所述改进后的车辆侧向动力学控制方程为：
Figure 818356DEST_PATH_IMAGE001
（1）
公式（1）是一个闭环控制***，上述公式（1）中，u(k)表示车辆左右车轮的纵向力产生的横摆力矩；ξ(k+1)表示车辆侧向运动(k+1)状态下的***矩阵，ξ(k+1)=[β k+1 γ k+1] T ；ξ(k)表示车辆侧向运动k状态下的***矩阵，ξ(k)=[β k γ k ] T ；β、γ分别为质心侧偏角和横摆角速度；δ f (k)表示车辆前轮转角，A aug 、B aug 、E aug 分别为车辆侧向动力学控制方程的参数矩阵；
其中，
Figure 938758DEST_PATH_IMAGE003
（2）
上述公式（2）中，t表示当前时刻，T表示一个控制周期，τ k 表示电动汽车网络化控制中的回路延时；
Figure 171026DEST_PATH_IMAGE005
（3）
上述公式（3）中，t s 表示传感器的任务执行时间，t sc 表示传感器通信排队时间和通信执行时间，t c 表示控制器任务执行时间，t ca 表示控制器通信排队时间和通信执行时间，t a 表示执行器任务执行时间；
上述公式（1）中，
Figure 35076DEST_PATH_IMAGE007
（4）
上述公式（4）中：
Figure 52711DEST_PATH_IMAGE009
(5)
Figure 344015DEST_PATH_IMAGE011
（6）
上述公式（5）和（6）中，C f 和C r 为车轮的等效侧偏刚度，m为车辆的质量，V表示当前车速；l f 和l r 分别表示车辆质心与前轴和后轴之间的距离，I z 表示车辆的转动惯量；
上述公式（4）中，
Figure 66508DEST_PATH_IMAGE013
（7）
上述公式（7）中，e表示实际横摆角速度β和质心侧偏角γ与目标状态之间的跟踪误差；β ref 为目标横摆角速度，γ ref 为目标质心侧偏角。
2.如权利要求1所述的电动汽车力矩控制方法，其特征在于，还包括：
采用线性二次型最优控制器基于所述改进后的车辆侧向动力学控制方程对车辆进行控制；
通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低。
3.如权利要求2所述的电动汽车力矩控制方法，其特征在于，所述通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低包括：
所述线性二次型最优控制器的性能指标函数为：
Figure 468670DEST_PATH_IMAGE015
（8）
上述公式（8）中，Q和R为线性二次型最优控制器的性能指；
令
Figure 590079DEST_PATH_IMAGE017
，求解得到最优控制率K k 。
4.一种电动汽车力矩控制***，其特征在于，包括：
信息获取模块，用于在车辆运动过程中实时获取车辆的运动状态信息；
控制模块，用于根据所述运动状态信息实时更新改进后的车辆侧向动力学控制方程；
力矩分配模块，用于采用更新后的车辆侧向动力学控制方程控制车辆的力矩分配；
其中，所述改进后的车辆侧向动力学控制方程为：
Figure 52284DEST_PATH_IMAGE001
（1）
公式（1）是一个闭环控制***，上述公式（1）中，u(k)表示车辆左右车轮的纵向力产生的横摆力矩；ξ(k+1)表示车辆侧向运动（k+1）状态下的***矩阵，ξ(k+1)=[β k+1 γ k+1] T ；ξ(k)表示车辆侧向运动k状态下的***矩阵，ξ(k)=[β k γ k ] T ；β、γ分别为质心侧偏角和横摆角速度；δ f (k)表示车辆前轮转角，A aug 、B aug 、E aug 分别为车辆侧向动力学控制方程的参数矩阵；
其中，
Figure 9876DEST_PATH_IMAGE003
（2）
上述公式（2）中，t表示当前时刻，T表示一个控制周期，τ k 表示电动汽车网络化控制中的回路延时；
Figure 199418DEST_PATH_IMAGE005
（3）
上述公式（3）中，t s 表示传感器的任务执行时间，t sc 表示传感器通信排队时间和通信执行时间，t c 表示控制器任务执行时间，t ca 表示控制器通信排队时间和通信执行时间，t a 表示执行器任务执行时间；
上述公式（1）中，
Figure 926065DEST_PATH_IMAGE007
（4）
上述公式（4）中：
Figure DEST_PATH_IMAGE018
(5)
Figure 277281DEST_PATH_IMAGE019
（6）
上述公式（5）和（6）中，C f 和C r 为车轮的等效侧偏刚度，m为车辆的质量，V表示当前车速；l f 和l r 分别表示车辆质心与前轴和后轴之间的距离，I z 表示车辆的转动惯量；
上述公式（4）中，
Figure DEST_PATH_IMAGE020
（7）
上述公式（7）中，e表示实际横摆角速度β和质心侧偏角γ与目标状态之间的跟踪误差；β ref 为目标横摆角速度，γ ref 为目标质心侧偏角。
5.如权利要求4所述的电动汽车力矩控制***，其特征在于，还包括：
线性二次型最优控制器，用于基于所述改进后的车辆侧向动力学控制方程对车辆进行控制；
计算模块，用于通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低。
6.如权利要求5所述的电动汽车力矩控制***，其特征在于，所述通过计算最优控制率使得性能指标函数最小，以将网络延时对车辆的影响降到的最低包括：
所述线性二次型最优控制器的性能指标函数为：
Figure 925431DEST_PATH_IMAGE021
（8）
上述公式（8）中，Q和R为线性二次型最优控制器的性能指；
令
Figure 933312DEST_PATH_IMAGE017
，求解得到最优控制率K k 。
7.一种电动汽车，其特征在于，包括如权利要求4-6任一项所述的力矩控制***。
8.一种计算机可读存储介质，其特征在于，所述介质上存储有程序，所述程序能够被处理器执行以实现如权利要求1-3中任一项所述的方法。
CN202210391861.1A 2022-04-15 2022-04-15 一种电动汽车力矩控制方法和***以及可读存储介质 Active CN114475590B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210391861.1A CN114475590B (zh) 2022-04-15 2022-04-15 一种电动汽车力矩控制方法和***以及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210391861.1A CN114475590B (zh) 2022-04-15 2022-04-15 一种电动汽车力矩控制方法和***以及可读存储介质

Publications (2)

Publication Number Publication Date
CN114475590A true CN114475590A (zh) 2022-05-13
CN114475590B CN114475590B (zh) 2022-07-12

Family

ID=81487762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210391861.1A Active CN114475590B (zh) 2022-04-15 2022-04-15 一种电动汽车力矩控制方法和***以及可读存储介质

Country Status (1)

Country Link
CN (1) CN114475590B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040225427A1 (en) * 2003-04-24 2004-11-11 Visteon Global Technologies, Inc. Control algorithm for a yaw stability management system
US20070185638A1 (en) * 2004-07-20 2007-08-09 Bayerische Motoren Werke Aktiengesellschaft Method for increasing the driving stability of a vehicle
CN108944866A (zh) * 2018-07-06 2018-12-07 长春工业大学 一种改善转向与制动协同控制的自适应模型预测控制算法
CN109358621A (zh) * 2018-09-30 2019-02-19 山东省计算中心（国家超级计算济南中心） 自动驾驶汽车轨迹跟踪控制方法
CN112319610A (zh) * 2020-10-14 2021-02-05 华南理工大学 一种智能汽车的人机共享转向控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040225427A1 (en) * 2003-04-24 2004-11-11 Visteon Global Technologies, Inc. Control algorithm for a yaw stability management system
US20070185638A1 (en) * 2004-07-20 2007-08-09 Bayerische Motoren Werke Aktiengesellschaft Method for increasing the driving stability of a vehicle
CN108944866A (zh) * 2018-07-06 2018-12-07 长春工业大学 一种改善转向与制动协同控制的自适应模型预测控制算法
CN109358621A (zh) * 2018-09-30 2019-02-19 山东省计算中心（国家超级计算济南中心） 自动驾驶汽车轨迹跟踪控制方法
CN112319610A (zh) * 2020-10-14 2021-02-05 华南理工大学 一种智能汽车的人机共享转向控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
帅志斌 等: "非理想车载网络状况下四轮独立电驱动车辆的动力学控制", 《汽车工程》 *
殷国栋等: "基于LMI的4WS-4WD车辆H_∞鲁棒控制器设计", 《东南大学学报(自然科学版)》 *
赵明慧等: "4WID-4WS-EV纵向驱动与横向稳定性联合控制", 《制造业自动化》 *

Also Published As

Publication number Publication date
CN114475590B (zh) 2022-07-12

Similar Documents

Publication Publication Date Title
EP3851346B1 (en) An inverse tyre model for advanced vehicle motion management
Zhang et al. Drift control for cornering maneuver of autonomous vehicles
Kapania et al. Path tracking of highly dynamic autonomous vehicle trajectories via iterative learning control
CN109358621B (zh) 自动驾驶汽车轨迹跟踪控制方法
Kang et al. Multirate lane-keeping system with kinematic vehicle model
CN110267866B (zh) 用于控制车辆轨迹的装置
CN105857301B (zh) 用于带有独立前推进***和后推进***的车辆的扭矩控制
Yang et al. Quasi-linear optimal path controller applied to post impact vehicle dynamics
CN113009829B (zh) 一种智能网联车队纵横向耦合控制方法
KR101639525B1 (ko) 차선 유지 시스템, 차선 유지 방법과 이에 사용되는 제어 방법
Németh et al. Nonlinear analysis and control of a variable-geometry suspension system
Lee et al. Multirate active steering control for autonomous vehicle lateral maneuvering
CN115179963A (zh) 自动驾驶车辆换道的容错控制方法、介质、***及汽车
CN111391916B (zh) 考虑驾驶员转向特性的线控转向***辅助控制策略
CN117120323A (zh) 用于自主驱动装置的致动器的方法
CN113848942A (zh) 一种约束导向的智能网联汽车鲁棒换道合流控制方法
JP4863880B2 (ja) 操舵可能な後輪の操舵角度の制御方法及びシステム並びに対応する車両
CN114475590B (zh) 一种电动汽车力矩控制方法和***以及可读存储介质
Jan et al. Decoupling of vehicle lateral dynamics using four-wheel steering system
CN115805939B (zh) 智能电动汽车路径跟踪控制方法及装置
Kapania et al. An autonomous lanekeeping system for vehicle path tracking and stability at the limits of handling
KR101930163B1 (ko) 차로 유지 제어 장치 및 방법
CN114475575B (zh) 一种汽车控制***和方法以及汽车
Hakima et al. Improvement of vehicle handling by an integrated control system of four wheel steering and ESP with fuzzy logic approach
CN112437734B (zh) 用于产生可植入到用于控制机动车辆轨迹的单元中的预测命令的方法

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