CN114834263A - 电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置 - Google Patents
电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置 Download PDFInfo
- Publication number
- CN114834263A CN114834263A CN202210395385.0A CN202210395385A CN114834263A CN 114834263 A CN114834263 A CN 114834263A CN 202210395385 A CN202210395385 A CN 202210395385A CN 114834263 A CN114834263 A CN 114834263A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- front wheel
- control
- controller
- steering
- 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.)
- Pending
Links
Images
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
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
- H02P29/00—Arrangements for regulating or controlling electric motors, appropriate for both AC and DC motors
-
- 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
- B60L2240/10—Vehicle control parameters
- B60L2240/24—Steering angle
-
- 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)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置,能够高效协调主动前轮转向技术与扭矩矢量控制,最大限度的发挥主动前轮转向与扭矩矢量控制的优势,提升车辆操纵稳定性的控制效果。方法包括:(1)基于单轨车辆模型,构建包含车辆侧偏和横摆两个自由度的二自由度车辆模型;(2)根据步骤(1)的二自由度车辆模型,建立理想参考模型;(3)根据步骤(1)的二自由度车辆模型,设计主动前轮转向控制器;(4)设计扭矩矢量控制器;(5)引入深度强化学习控制器,对主动前轮转向与扭矩矢量控制器进行协调输出。
Description
技术领域
本发明涉及车辆主动安全控制的技术领域,尤其涉及一种电动汽车主动前轮转向与扭矩矢量的协调控制方法,以及电动汽车主动前轮转向与扭矩矢量的协调控制装置。
背景技术
车辆主动安全控制技术是车辆控制的研究重点,关乎人民的生命安全。分布式驱动电动汽车四轮转矩独立可控,可使用扭矩矢量控制器产生维持车辆稳定性所需的附加横摆力矩。扭矩矢量控制技术在极限工况作用效果较好,但对质心侧偏角的控制有限而无法形成有效的约束,进而影响了车辆轨迹跟踪的精度。另一方面,扭矩矢量控制技术对车辆的速度影响较大,影响乘坐的舒适性。
主动前轮控制器可在方向盘转向的基础上叠加附加前轮转角,提高行车过程中车辆的稳定性以及轨迹跟踪精度。但在高速低附着等极限工况中车辆轮胎侧向力容易饱和,此时主动前轮转向控制效果将较差。
针对上述控制器的缺陷,通常将主动前轮转向技术与扭矩矢量控制进行协调,保证车辆的轨迹跟踪精度和稳定性。主动前轮转向与直接横摆力矩控制都是对车辆质心侧偏与横摆角速度进行控制,而车辆是一个高维度的非线性***,上述控制器的联合控制必将相互干扰。目前对于对主动前轮转向与横摆力矩控制器的协调控制方法主要有两种:基于相图判稳的协调控制方法和基于临界前轮转角的协调控制方法。上述方法只是根据车辆的稳定性或前轮侧偏力的饱和程度对附加前轮转角和附加横摆力矩控制量进行比例协调输出,并没有从根本上分析主动前轮转向与扭矩矢量对车辆操纵稳定性控制效果的影响。
设计高效的协调控制策略能够最大限度的发挥主动前轮转向与扭矩矢量控制的优势,这也是车辆控制中的难点。
发明内容
为克服现有技术的缺陷,本发明要解决的技术问题是提供了一种电动汽车主动前轮转向与扭矩矢量的协调控制方法,其能够高效协调主动前轮转向技术与扭矩矢量控制,最大限度的发挥主动前轮转向与扭矩矢量控制的优势,提升车辆操纵稳定性的控制效果。
本发明的技术方案是:这种电动汽车主动前轮转向与扭矩矢量的协调控制方法,其包括以下步骤:
(1)基于单轨车辆模型,构建包含车辆侧偏和横摆两个自由度的二自由度车辆模型;
(2)根据步骤(1)的二自由度车辆模型,建立理想参考模型;
(3)根据步骤(1)的二自由度车辆模型,设计主动前轮转向控制器;
(4)设计扭矩矢量控制器,其中包括计算附加横摆力矩和转矩分配;
(5)引入深度强化学习控制器,对主动前轮转向与扭矩矢量控制器进行协调输出。
本发明构建包含车辆侧偏和横摆两个自由度的二自由度车辆模型,建立理想参考模型,实现分布式驱动电动汽车的操纵稳定性控制,并使用深度强化学习控制器对主动前轮转向与扭矩矢量控制器进行协调输出,最大限度的发挥主动前轮转向与扭矩矢量控制的优势,提升车辆操纵稳定性的控制效果。
还提供了电动汽车主动前轮转向与扭矩矢量的协调控制装置,该装置包括:
构建模块,其配置来基于单轨车辆模型,构建包含车辆侧偏和横摆两个自由度的二自由度车辆模型;
参考模块,其配置来根据二自由度车辆模型,建立理想参考模型;
第一设计模块,其配置来根据二自由度车辆模型,设计主动前轮转向控制器;
第二设计模块,其配置来设计扭矩矢量控制器,其中包括计算附加横摆力矩和转矩分配;
深度学习模块,其配置来引入深度强化学习控制器,对主动前轮转向与扭矩矢量控制器进行协调输出。
附图说明
图1为根据本发明的电动汽车主动前轮转向与扭矩矢量的协调控制方法的结构图。
图2为根据本发明的电动汽车主动前轮转向与扭矩矢量的协调控制装置的结构。
图3为单轨车辆模型。
图4示出了训练工况方向盘转角。
图5示出了鱼钩转向工况仿真曲线。
具体实施方式
如图1所示,这种电动汽车主动前轮转向与扭矩矢量的协调控制方法,其包括以下步骤:
(1)基于单轨车辆模型,构建包含车辆侧偏和横摆两个自由度的二自由度车辆模型;
(2)根据步骤(1)的二自由度车辆模型,建立理想参考模型;
(3)根据步骤(1)的二自由度车辆模型,设计主动前轮转向控制器;
(4)设计扭矩矢量控制器,其中包括计算附加横摆力矩和转矩分配;
(5)引入深度强化学习控制器,对主动前轮转向与扭矩矢量控制器控制量进行协调输出。
本发明构建包含车辆侧偏和横摆两个自由度的二自由度车辆模型,建立理想参考模型,实现分布式驱动电动汽车的操纵稳定性控制,并使用深度强化学习控制器对主动前轮转向与扭矩矢量控制器进行协调输出,最大限度的发挥主动前轮转向与扭矩矢量控制的优势,提升车辆操纵稳定性的控制效果。
优选地,所述步骤(1)中,二自由度车辆模型为公式(1):
其中,Cf与Cr分别为前后轮侧偏刚度,Fy为车辆侧向力,Mz为车辆横摆力矩,u为车辆纵向速度,v为车辆侧向速度,γ为车辆横摆角速度,β为车辆质心侧偏角,δf为车前轮转角,lf为车辆前轴距,lr为车辆后轴距,m为整车质量,Iz为车辆横摆转动惯量。
优选地,所述步骤(2)中,建立的理想参考模型如下:
车辆在稳定状态时,理想横摆角速度为公式(2):
其中,L=lf+lr为车辆总轴距;
车辆在行驶过程中侧向力由轮胎与路面作用的摩擦力提供,因此侧向力上限受路面摩擦力限制,需对侧向加速度进行约束,对应的横横摆角速度上限为公式(3):
上式中,μ为路面附着系数,g为重力加速度,修正的理想横摆角速度参考值为:
对于理想质心侧偏角,在车辆工程领域运用中取值为0得到较好的控制效果。
优选地,所述步骤(3)中,主动前轮转向控制器设计步骤如下:
主动前轮转向技术是在驾驶员方向盘转角的基础上叠加一定大小的前轮转角,实现车辆的稳定性控制,其状态空间控制方程为:
上式中:
对于主动前轮转向控制状态空间模型,定义LQR控制器中的跟踪误差e为:
线性二次调节器对控制器输入的车辆控制状态跟踪误差,求取控制增益,输出附加前轮转角,实现在最小的控制量下完成目标状态的跟踪,二次型控制指标定义如下:
积分项前面部分反映控制器对控制状态的跟踪性能,Q为半正定矩阵表征LQR对状态误差的跟踪权重,后面部分为控制器对控制输出量的约束,使用正定矩阵R进行调节;
使用变分法对LQR控制指标中的控制变量进行求解,构建哈密尔顿函数如下:
其中λ(t)为n维拉格朗日乘子矢量;
基于极小值定理,求得如下附加前轮转角控制量:
U=R-1BTP(t)X-R-1BT(P(t)BR-1BT-AT)-1(QXd-P(t)B0W)
(10)
其中P为代数黎卡提方程的解。
优选地,所述步骤(4)中,构建扭矩矢量控制器如下:
基于车辆二自由度车辆模型,忽略车轮回正力矩的影响,得到施加
附加横摆力矩M控制下的状态空间控制模型:
转矩优化分配目标函数定义如下:
上式中,Fxi,Fyi,Fzi表示车辆轮胎的纵向力、侧向力与垂直载荷,μ则是路面附着系数;当轮胎纵向力与侧向力总切力与地面所能提供的最大摩擦力相等时,轮胎利用率为1,车辆则处于临界失稳状态极易发生甩尾或侧滑事故;轮胎利用率越低轮胎力饱和程度则越小,轮胎有更多的作用区间应对车辆失稳工况。
使用系数K描述车辆转向稳定的稳定性,当K>0时车辆处于不足转向状态,当K<0时则处于过度转向状态,通常K=0时车辆具有较好的转向稳定性:
轮胎非线性程度较低时,轮胎侧偏刚度通常为固定值,当车辆失稳程度较高时轮胎力线性化为等效侧偏刚度Cα与轮胎侧偏角的乘积:
Fy=Cα×α (15)
设计如下目标优化函数:
上式中,g为重力加速度
转矩优化分配的目标函数为:
minJ=J2+ξ*J2 (17)
其中ξ为调节因子,调节上述两个优化目标的权重,最终电机转矩使用如下公式求得:
其中R为车轮滚动半径。
优选地,所述步骤(4)中,约束条件包括:
附加横摆力矩:
其中df,dr分别为前后轮距,lf为车辆前轴距,δf为前轮转角;
驱动力约束:
其中Fd为目标驱动力;
路面附着约束:
电机最大转矩约束:
其中Tmax为电机最大输出转矩。
优选地,所述步骤(5)中,
设计三级奖励函数:第一级奖励设计原则为协调主动前轮转向与直接横摆力矩控制器,实现对车辆状态理想参考值的精准跟踪:
reward1=(γ-γd)2+(β-βd)2+20 (23)
第二级为保证车辆稳定性的负奖励,车辆稳定越差减去的奖励值越多,定义如下:
第三级奖励函数根据车辆的失稳程度协调主动前轮转向与直接横摆力矩控制器的输出量,定义如下:
优选地,所述步骤(5)中,
在质心侧偏角-质心侧偏角速度相图中路面附着系数对稳定区域边界影响最大,设计实验改变路面附着条件确定稳定边界,稳定边界方程定义为:
强化学习动作量为控制器决策出的附加前轮转角与附加横摆力矩的输出权重系数qf与qm,动作值范围为[0,1],动作量定义如下:
at={qf,qm} (29)。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括上述实施例方法的各步骤,而所述的存储介质可以是:ROM/RAM、磁碟、光盘、存储卡等。因此,与本发明的方法相对应的,本发明还同时包括一种电动汽车主动前轮转向与扭矩矢量的协调控制装置,该装置通常以与方法各步骤相对应的功能模块的形式表示。该装置包括:
构建模块,其配置来基于单轨车辆模型,构建包含车辆侧偏和横摆两个自由度的二自由度车辆模型;
参考模块,其配置来根据二自由度车辆模型,建立理想参考模型;
第一设计模块,其配置来根据二自由度车辆模型,设计主动前轮转向控制器;
第二设计模块,其配置来设计扭矩矢量控制器,其中包括计算附加横摆力矩和转矩分配;
深度学习模块,其配置来引入深度强化学习控制器,对主动前轮转向与扭矩矢量控制器进行协调输出。
以下详细说明本发明的若干具体实施例。所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明是需要车辆传感器测量车辆运行状态作为控制***的输入信号以跟踪理想质心侧偏角和横摆角速度,从而保证车辆的安全稳定性。
图2是分布式驱动电动汽车稳定性控制***结构图,包括1.主动前轮转向控制器,2.扭矩矢量控制器,3.深度强化学习协调控制器,4.转矩优化分配模块,5.carsim车辆仿真模块。
下面通过具体实例来实现基于深度强化学习的主动前轮转向与扭矩矢量协调控制方法,完成车辆理想横摆角速度和质心侧偏角的跟踪。
步骤1:图2为车辆二自由度单轨模型,Fy为车辆侧向力,Mz为车辆横摆力矩,u为车辆纵向速度,v为车辆侧向速度,γ为车辆横摆角速度,β为车辆质心侧偏角,δf为车前轮转角,lf为车辆前轴距,lr为车辆后轴距,m为整车质量,Iz为车辆横摆转动惯量。
基于图2所示的单轨车辆模型,根据牛顿第二运动定律构建包含车辆侧偏和横摆两个自由度的二自由度车辆模型;
Cf与Cr分别为前后轮侧偏刚度。
步骤2:建立横摆角速度与质心侧偏角理想参考模型:
车辆在稳定状态时,理想横摆角速度表达式为:
上式中L=lf+lr为车辆总轴距。
车辆在行驶过程中侧向力由轮胎与路面作用的摩擦力提供,因此侧向力上限受路面摩擦力限制,需对侧向加速度进行约束,对应的横横摆角速度上限为:
上式中,μ为路面附着系数,g为重力加速度,修正的理想横摆角速度参考值为:
对于理想质心侧偏角,在车辆工程领域运用中通常取值为0即可得到较好的控制效果。
步骤3:建立主动前轮转向控制器。
主动前轮转向技术是在驾驶员方向盘转角的基础上叠加一定大小的前轮转角,实现车辆的稳定性控制,其状态空间控制方程为:
上式中:
对于主动前轮转向控制状态空间模型,定义LQR控制器中的跟踪误差e为:
线性二次调节器对控制器输入的车辆控制状态跟踪误差,求取控制增益,输出附加前轮转角,实现在最小的控制量下完成目标状态的跟踪,二次型控制指标定义如下:
本发明使用变分法对LQR控制指标中的控制变量进行求解,构建哈密尔顿函数如下:
其中λ(t)为n维拉格朗日乘子矢量。
基于极小值定理,可求得如下附加前轮转角控制量:
U=R-1BTP(t)X-R-1BT(P(t)BR-1BT-AT)-1(QXd-P(t)B0W)
其中P为代数黎卡提方程的解。
步骤4:构建扭矩矢量控制器如下。
基于车辆二自由度车辆模型,忽略车轮回正力矩的影响,可得到施加附加横摆力矩M控制下的状态空间控制模型:
分布式驱动电动汽车四轮电机独立可控,因此可基于转矩优化分配控制技术设计提升车辆稳定性的目标函数,使用带约束的序列二次规划算法对所需的附加横摆力矩进行分配。
在设计转矩优化分配目标函数时时,应当充分考虑路面附着极限,根据轮胎的动态特性,将目标附加横摆力以轮胎纵向力的形式,进行最优分配。为减小轮胎纵向力对侧向力的影响,提升单个轮胎侧向力的工作范围。将表征车辆轮胎力利用率指标函数设计为优化目标函数,在满足车辆稳定性控制所需的驱动/制动力的同时,降低车辆轮胎力的利用率。目标函数定义如下:
上式中,Fxi,Fyi,Fzi表示车辆轮胎的纵向力、侧向力与垂直载荷,μ则是路面附着系数。当轮胎纵向力与侧向力总切力与地面所能提供的最大摩擦力相等时,轮胎利用率为1,车辆则处于临界失稳状态极易发生甩尾或侧滑事故。轮胎利用率越低轮胎力饱和程度则越小,轮胎有更多的作用区间应对车辆失稳工况。
汽车理论通常使用系数K描述车辆转向稳定的稳定性,当K>0时车辆处于不足转向状态,当K<0时则处于过度转向状态,通常K=0时车辆具有较好的转向稳定性。
轮胎非线性程度较低时,轮胎侧偏刚度通常为固定值,当车辆失稳程度较高时轮胎力可线性化为等效侧偏刚度Cα与轮胎侧偏角的乘积:
Fy=Cα×α
当轮胎力接近附着极限时,若保持侧向力不变,车辆纵向力的增加将导致轮胎侧偏角的增加,轮胎等效侧偏刚度将随轮胎纵向力的增加而减少。当车辆前轴侧偏刚度降低时,车辆不足转向程度增加,反之后轴侧偏刚度增加时车辆过度转向程度增加。因此需要合理分配前后轴纵向力的比值,提升车辆转向稳定性能,为此设计如下目标优化函数:
上式中,g为重力加速度
转矩优化分配的目标函数为:
minJ=J2+ξ*J2
其中ξ为调节因子,可调节上述两个优化目标的权重,最终电机转矩可使用如下公式求得:
其中R为车轮滚动半径
车辆道路行驶工况复杂多样,为适应不同路面工况提升车辆运行稳定性,在附着条件较好的沥青路面可以分配较大的驱动/制动力,但在附着较差的冰雪路面中则应分配更小的驱动/制动力防止车轮打滑。因此需要建立合理的约束条件,决策的电机转矩既能够让电机工作在正常区间,又能够降低车辆轮胎力的非线性程度。
1.附加横摆力矩约束
转矩优化分配的首要任务是满足输出车辆稳定所需的附加横摆力矩,附加横摆力矩计算公式如下:
上式中df,dr分别为前后轮距,lf为车辆前轴距,δf为前轮转角。
2.总驱动力约束
车辆在行驶时应考虑驾驶员的驱动力需求,保证车辆速度在期望状态,因此四轮驱动力总和应与期望驱动力大小相等,驱动力约束表示为:
上式中Fd为目标驱动力。
3.路面附着约束
轮胎力受路面附着条件影响较大,轮胎纵向力与侧向力的合力应小于路面所能提供的最大摩擦力,不合理的轮胎力将可能导致车辆失稳,因此转矩优化分配应考虑车辆轮胎力的附着极限,使轮胎工作在稳定区间,路面附着约束定义如下:
4.电机最大转矩约束
电机输出的最大驱动/制动转矩是有限的,该参数与电机的结构和工作环境有关,在进行转矩优化分配时应考虑电机的最大输出转矩,使电机实际输出的转矩与期望转矩差值较小,保证车辆的稳定性,电机最大转矩约束定义为:
上式中Tmax为电机最大输出转矩。
步骤5:基于SAC深度强化学习算法对主动前轮转向与扭矩矢量进行协调输出。
强化学习算法需要根据运行环境当前时刻的状态量决策出下一时刻的控制量,并通过分析奖励值评价控制量的优劣,因此强化学习中的状态参数的选取与奖励函数的设计是关键内容。
为实现主动前轮转向与直接横摆力矩的协调控制,强化学习网络应根据车辆当前质心侧偏角与横摆角速度与理想参考值的偏差,决策出附加前轮转角与附加横摆力矩的输出量,实现对理想参考值的精准跟踪与车辆的稳定性控制。
在质心侧偏角-质心侧偏角速度相图中路面附着系数对稳定区域边界影响最大,通常可设计实验改变路面附着条件确定稳定边界,稳定边界方程可定义为:
强化学习动作量为控制器决策出的附加前轮转角与附加横摆力矩的输出权重系数qf与qm,动作值范围为[0,1],动作量定义如下:
at={qf,qm}
奖励函数的设置首先应满足车辆稳定性控制目标,在车辆运行的过程中保证较低的值,同时跟踪理想参考值。扭矩矢量控制器在在极限工况中控制效果较好,若只设置稳定性奖励值,SAC强化学习网络参数将朝着最大化附加横摆力矩控制量输出方向收敛,不能够较好的协调上述两个控制器的输出。在车辆失稳程度较低时应以主动前轮转向控制为主,车辆失稳程度较高时轮胎力非线性程度较大,此时轮胎侧向力饱和程度较高,主动前轮转向控制效果较差应使用扭矩矢量控制器保证车辆的稳定性。
根据上述设计原则,设计三级奖励函数。第一级奖励设计原则为协调主动前轮转向与直接横摆力矩控制器,实现对车辆状态理想参考值的精准跟踪:
reward1=(γ-γd)2+(β-βd)2+20
第二级为保证车辆稳定性的负奖励,车辆稳定越差减去的奖励值越多,定义如下:
第三级奖励函数根据车辆的失稳程度协调主动前轮转向与直接横摆力矩控制器的输出量,因此奖励函数定义如下:
为验证本发明的效果,使用python平台构建SAC深度强化学***台,在图3所示的正弦转向工况中进行训练。在鱼钩转向工况中进行测试,仿真路面附着系数设定为0.3,车辆的初速度设置为100km/h。图5为控制***的仿真曲线。
图5(a)为车辆前轮转角,从图5(b)和5(c)中可以看出,在鱼钩转向的过程中,未施加控制的车辆在第3秒左右发生侧滑而失控,此时对乘客和驾驶员的生命安全危害较大。主动前轮转向控制的车辆在仿真过程正常运行没有失稳,但车辆横摆角速度超过参考值较多,并且在3秒后横摆角速度存在震荡,动态特性较差。协调控制下的车辆横摆角速度在轻微震荡后马上就能够收敛处于参考值之下,车辆质心侧偏角也是最小的接近于0。
从图5(d)和5(e)中可知,在低附着大转角工况下,轮胎侧向力容易饱和,稳定性较差,轮胎侧向力控制余量非常低,单一的主动前轮转向控制效果有限。协调控制对车辆横摆进行了纠正,降低了轮胎力的饱和程度。以上数据表明,协调控制对车辆操纵稳定性控制效果最好。
以上所述,仅是本发明的个别实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (9)
1.电动汽车主动前轮转向与扭矩矢量的协调控制方法,其特征在于:其包括以下步骤:
(1)基于单轨车辆模型,构建包含车辆侧偏和横摆两个自由度的二自由度车辆模型;
(2)根据步骤(1)的二自由度车辆模型,建立理想参考模型;
(3)根据步骤(1)的二自由度车辆模型,设计主动前轮转向控制器;
(4)设计扭矩矢量控制器,其中包括计算附加横摆力矩和转矩分配;
(5)引入深度强化学习控制器,对主动前轮转向与扭矩矢量控制器进行协调输出。
4.根据权利要求3所述的电动汽车主动前轮转向与扭矩矢量的协调控制方法,其特征在于:所述步骤(3)中,主动前轮转向控制器设计步骤如下:
主动前轮转向技术是在驾驶员方向盘转角的基础上叠加一定大小的前轮转角,实现车辆的稳定性控制,其状态空间控制方程为:
上式中:
对于主动前轮转向控制状态空间模型,定义LQR控制器中的跟踪误差e为:
线性二次调节器对控制器输入的车辆控制状态跟踪误差,求取控制增益,输出附加前轮转角,实现在最小的控制量下完成目标状态的跟踪,二次型控制指标定义如下:
积分项前面部分反映控制器对控制状态的跟踪性能,Q为半正定矩阵表征LQR对状态误差的跟踪权重,后面部分为控制器对控制输出量的约束,使用正定矩阵R进行调节;
使用变分法对LQR控制指标中的控制变量进行求解,构建哈密尔顿函数如下:
其中λ(t)为n维拉格朗日乘子矢量;
基于极小值定理,求得如下附加前轮转角控制量:
U=R-1BTP(t)X-R-1BT(P(t)BR-1BT-AT)-1(QXd-P(t)B0W) (10)
其中P为代数黎卡提方程的解。
5.根据权利要求4所述的电动汽车主动前轮转向与扭矩矢量的协调控制方法,其特征在于:所述步骤(4)中,构建扭矩矢量控制器如下:
基于车辆二自由度车辆模型,忽略车轮回正力矩的影响,得到施加附加横摆力矩M控制下的状态空间控制模型:
转矩优化分配目标函数定义如下:
上式中,Fxi,Fyi,Fzi表示车辆轮胎的纵向力、侧向力与垂直载荷,μ则是路面附着系数;当轮胎纵向力与侧向力总切力与地面所能提供的最大摩擦力相等时,轮胎利用率为1,车辆则处于临界失稳状态极易发生甩尾或侧滑事故;轮胎利用率越低轮胎力饱和程度则越小,轮胎有更多的作用区间应对车辆失稳工况;
使用系数K描述车辆转向稳定的稳定性,当K>0时车辆处于不足转向状态,当K<0时则处于过度转向状态,通常K=0时车辆具有较好的转向稳定性:
轮胎非线性程度较低时,轮胎侧偏刚度通常为固定值,当车辆失稳程度较高时轮胎力线性化为等效侧偏刚度Cα与轮胎侧偏角的乘积:
Fy=Cα×α (15)
设计如下目标优化函数:
上式中,g为重力加速度
转矩优化分配的目标函数为:
minJ=J2+ξ*J2 (17)
其中ξ为调节因子,调节上述两个优化目标的权重,最终电机转矩使用如下公式求得:
其中R为车轮滚动半径。
8.根据权利要求7所述的电动汽车主动前轮转向与扭矩矢量的协调控制方法,其特征在于:所述步骤(5)中,
在质心侧偏角-质心侧偏角速度相图中路面附着系数对稳定区域边界影响最大,设计实验改变路面附着条件确定稳定边界,稳定边界方程定义为:
强化学习动作量为控制器决策出的附加前轮转角与附加横摆力矩的输出权重系数qf与qm,动作值范围为[0,1],动作量定义如下:
at={qf,qm} (29)。
9.电动汽车主动前轮转向与扭矩矢量的协调控制装置,其特征在于:
该装置包括:
构建模块,其配置来基于单轨车辆模型,构建包含车辆侧偏和横摆两个自由度的二自由度车辆模型;
参考模块,其配置来根据二自由度车辆模型,建立理想参考模型;
第一设计模块,其配置来根据二自由度车辆模型,设计主动前轮转向控制器;
第二设计模块,其配置来设计扭矩矢量控制器,其中包括计算附加横摆力矩和转矩分配;
强化学习模块,其配置来引入深度强化学习控制器,对主动前轮转向与扭矩矢量控制器进行协调输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210395385.0A CN114834263A (zh) | 2022-04-14 | 2022-04-14 | 电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210395385.0A CN114834263A (zh) | 2022-04-14 | 2022-04-14 | 电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114834263A true CN114834263A (zh) | 2022-08-02 |
Family
ID=82565545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210395385.0A Pending CN114834263A (zh) | 2022-04-14 | 2022-04-14 | 电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114834263A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116985636A (zh) * | 2023-09-26 | 2023-11-03 | 成都赛力斯科技有限公司 | 控制回收扭矩的方法、装置、电子设备及可读存储介质 |
-
2022
- 2022-04-14 CN CN202210395385.0A patent/CN114834263A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116985636A (zh) * | 2023-09-26 | 2023-11-03 | 成都赛力斯科技有限公司 | 控制回收扭矩的方法、装置、电子设备及可读存储介质 |
CN116985636B (zh) * | 2023-09-26 | 2023-11-24 | 成都赛力斯科技有限公司 | 控制回收扭矩的方法、装置、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111890951B (zh) | 智能电动汽车轨迹跟踪与运动控制方法 | |
CN111806427B (zh) | 一种四轮毂电机驱动车辆的综合控制方法 | |
CN113753080B (zh) | 一种自动驾驶汽车横向运动自适应参数控制方法 | |
Tian et al. | Integrated control with DYC and DSS for 4WID electric vehicles | |
CN112644455B (zh) | 一种分布式驱动车辆行驶稳定性控制方法 | |
CN111959500A (zh) | 一种基于轮胎力分配的汽车路径跟踪性能提升方法 | |
CN109094644A (zh) | 极限工况下的主动后轮转向与直接横摆力矩控制方法 | |
CN113183950A (zh) | 一种电动汽车主动前轮转向的自适应控制方法 | |
CN110008600A (zh) | 车辆稳定性控制器性能保守性的设计方法 | |
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 | |
Saikia et al. | Vehicle stability enhancement using sliding mode based active front steering and direct yaw moment control | |
CN114771503A (zh) | 基于非奇异终端滑模控制的汽车横向稳定性控制方法 | |
CN113009829A (zh) | 一种智能网联车队纵横向耦合控制方法 | |
CN114834263A (zh) | 电动汽车主动前轮转向与扭矩矢量的协调控制方法及装置 | |
CN112346337A (zh) | 极限工况下基于后轮主动转向的车辆稳定性控制方法 | |
Xu et al. | Linear time-varying MPC vehicle trajectory tracking controller considering driving road surface factors | |
CN111762158A (zh) | 集成式跟随控制方法、***、装置及计算机可读存储介质 | |
Li et al. | Path tracking control based on the prediction of tire state stiffness using the optimized steering sequence | |
CN114044003A (zh) | 前后双轴转向车辆的循迹控制方法 | |
CN114148411A (zh) | 一种轮式无人平台的漂移控制方法 | |
CN114194178A (zh) | 四轮转向四轮驱动智能底盘稳定性控制方法 | |
Sun et al. | Design of Four Wheel Steering and Direct Yaw Moment Control for Unmanned Vehicle with Path Tracking Controller in Extreme Maneuvers | |
Fu et al. | Vehicle integrated chassis control via multi-input multi-output sliding mode control | |
Malmir et al. | A model predictive controller for minimum time cornering | |
Zeng et al. | Research on yaw stability control of multi-axle electric vehicle with in-wheel motors based on fuzzy sliding mode control |
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 |