CN114889448A - 轮毂电机驱动车辆自适应转矩控制方法、***及存储介质 - Google Patents
轮毂电机驱动车辆自适应转矩控制方法、***及存储介质 Download PDFInfo
- Publication number
- CN114889448A CN114889448A CN202210499611.XA CN202210499611A CN114889448A CN 114889448 A CN114889448 A CN 114889448A CN 202210499611 A CN202210499611 A CN 202210499611A CN 114889448 A CN114889448 A CN 114889448A
- Authority
- CN
- China
- Prior art keywords
- torque
- vehicle
- road surface
- target
- wheel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000005096 rolling process Methods 0.000 claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 238000010606 normalization Methods 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 61
- 230000001133 acceleration Effects 0.000 claims description 46
- 238000005457 optimization Methods 0.000 claims description 46
- 230000003044 adaptive effect Effects 0.000 claims description 26
- 230000007246 mechanism Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000004043 responsiveness Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 101150036841 minJ gene Proteins 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
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
-
- 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
- B60L15/38—Control or regulation of multiple-unit electrically-propelled vehicles with automatic control
-
- 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
-
- 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)
- Electric Propulsion And Braking For Vehicles (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明公开一种轮毂电机驱动车辆自适应转矩控制方法、***及存储介质，能够保证车辆稳定性，提高车辆的动力性。该方法包括根据特征参数构建路面影响因子辨识模型，特征参数包括滚动阻力差异、空气阻力归一化比例、坡道阻力归一化比例、路面附着差异方差和最小路面附着系数；通过路面影响因子辨识模型预测路面影响因子；构建多目标寻优自适应转矩控制模型，包括顶层、目标决策层和转矩分配层；将实际车速、期望车速及路面影响因子输入顶层，预测纵向需求总力矩；将纵向需求总力矩输入目标决策层，预测车辆电机转矩、坡道补偿力矩及横摆力矩；将车辆电机转矩、坡道补偿力矩及横摆力矩输入转矩分配层，预测目标转矩；根据目标转矩调节车辆的转矩量。
Description
技术领域
本发明涉及轮毂电机驱动车辆电控技术领域，尤其涉及一种轮毂电机驱动车辆自适应转矩控制方法、***及存储介质。
背景技术
越野车常常承担着抢险救灾、军事机动、资源勘探等特殊任务，通常会行驶在路面附着、行驶阻力多变的路面，因此其应具备较强的越野环境适应能力，在低附着、起伏不平等复杂越野工况下又较高的机动性和安全性。相关技术中，分布式驱动越野车的四轮电机力矩独立可控，转矩响应快，且其低速大扭矩输出的优异特性能够满足对动力储备的较高要求。但是其***本身复杂耦合且具有非线性、时变的特点，除此之外，其过驱动特性也给车辆动力学控制带来了挑战。相关技术中，对纵向失稳控制的研究及应用场景主要是路面平整的硬质路面上，且路面附着、路面起伏等相关道路条件对驱动控制的影响考虑不足，尤其是对于如何保证车辆稳定性的同时最大限度的发挥车辆的动力性问题。
发明内容
为了解决上述技术问题的至少之一，本发明提出一种轮毂电机驱动车辆自适应转矩控制方法、***及存储介质，能够在保证车辆稳定性的同时，提高车辆的动力性。
一方面，本发明实施例提供了一种轮毂电机驱动车辆自适应转矩控制方法，包括以下步骤：
根据获取到的特征参数构建路面影响因子辨识模型，所述特征参数包括滚动阻力差异、空气阻力归一化比例、坡道阻力归一化比例、路面附着差异方差以及最小路面附着系数；
通过所述路面影响因子辨识模型，预测得到路面影响因子；
构建多目标寻优自适应转矩控制模型，所述多目标寻优自适应转矩控制模型包括顶层、目标决策层和转矩分配层；
将获取到的实际车速和期望车速以及所述路面影响因子输入所述顶层，预测得到车辆的纵向需求总力矩；
将所述纵向需求总力矩输入所述目标决策层，预测得到车辆电机转矩、坡道补偿力矩以及横摆力矩；
将所述车辆电机转矩、所述坡道补偿力矩以及所述横摆力矩输入所述转矩分配层，预测得到目标转矩；
根据所述目标转矩调节所述轮毂驱动车辆的转矩量。
根据本发明实施例的一种轮毂电机驱动车辆自适应转矩控制方法，至少具有如下有益效果：本实施例首先根据获取到的包括滚动阻力差异、空气阻力归一化比例、坡道阻力归一化比例、路面附着差异方差以及最小路面附着系数的特征参数构建路面影响因子辨识模型，从而可以通过路面影响因子辨识模型预测得到路面影响因子。接着构建包括顶层、目标决策层和转矩分配层的多目标寻优自适应转矩控制模型，并将获取到的车辆的实际车速和期望车速以及所述路面影响因子输入多目标寻优自适应转矩控制模型，以通过多目标寻优自适应转矩控制模型内顶层预测得到车辆的纵向需求总力矩通过目标决策层根据顶层输出的纵向需求总力矩对车辆电机转矩、坡道补偿力矩以及横摆力矩进行预测，通过转矩分配层根据目标决策层预测的车辆电机转矩、坡道补偿力矩以及横摆力矩对目标转矩进行预测，得到车辆的目标转矩，从而可以通过预测得到的目标转矩调节轮毂电机驱动车辆的转矩量，以在保证车辆稳定性的同时，提高车辆的动力性。
根据本发明的一些实施例，所述通过所述路面影响因子辨识模型，预测得到路面影响因子，包括：
根据所述特征参数进行模糊处理，得到工况类型信息；
通过所述工况类型信息去模糊化，得到路面影响因子。
根据本发明的一些实施例，所述将获取到的实际车速和期望车速以及所述路面影响因子输入所述顶层，预测得到车辆的纵向需求总力矩，包括：
根据所述实际车速、所述期望车速以及所述路面影响因子，通过模型预测控制得到期望加速度；
根据所述期望加速度，通过纵向动力学模型预测得到所述纵向需求总力矩。
根据本发明的一些实施例，所述目标决策层包括驱动防滑控制介入或退出机制；
所述驱动防滑控制介入或退出机制包括：
根据最优滑转率与所述车辆的各轮滑转率关系，构建滑转率函数；
根据所述滑转率函数，计算得到纵向加速度；
根据所述纵向加速度与等效加速度的第二偏差值，构建驱动防滑控制介入或退出机制触发条件。
根据本发明的一些实施例，所述目标决策层还包括驱动防滑控制器、坡道纵向力补偿器以及横摆力矩控制器；
所述将所述纵向需求总力矩输入所述目标决策层，预测得到车辆电机转矩、坡道补偿力矩以及横摆力矩，包括：
根据所述纵向需求总力矩、驱动转矩、行驶阻力以及车轮半径，构建车辆动力模型；根据所述车辆动力模型预测得到所述车辆电机转矩；
根据坡度值，预测得到所述车辆当前位置的坡道信息；通过所述坡道信息预测得到坡道补偿力矩；
获取所述车辆的当前横摆角速度；计算所述当前横摆角速度与理想横摆角速度的第一偏差值；根据所述第一偏差值，通过PI反馈控制器计算得到所述横摆力矩。
根据本发明的一些实施例，所述将所述车辆电机转矩、所述坡道补偿力矩以及所述横摆力矩输入所述转矩分配层，预测得到目标转矩，包括：
根据所述车辆的各轮纵向驱动力与各轮驱动转矩，构建各轮纵向驱动力与各轮驱动转矩的关系函数；
根据所述关系函数以总驱动力为优化目标进行优化，得到第一目标优化函数；
根据所述关系函数以所述车辆的各轮附着裕量为优化目标进行优化，得到第二目标优化函数；
根据所述第一目标优化函数和所述第二目标优化函数，得到混合优化目标函数；
根据所述车辆电机转矩、所述坡道补偿力矩以及所述横摆力矩，构建约束条件；
根据所述混合优化目标函数和所述约束条件，计算得到所述目标转矩。
根据本发明的一些实施例，所述约束条件包括横摆力约束条件、驱动防滑控制约束条件、电机特性约束条件以及道路附着条件约束条件；
所述构建约束条件，包括：
构建横摆力约束条件、驱动防滑控制约束条件、电机特性约束条件以及道路附着条件约束条件。
另一方面，本发明实施例还提供了一种轮毂电机驱动车辆自适应转矩控制***，包括：
第一模型构建模块，用于根据获取到的特征参数构建路面影响因子辨识模型，所述特征参数包括滚动阻力差异、空气阻力归一化比例、坡道阻力归一化比例、路面附着差异方差以及最小路面附着系数；
路面影响因子预测模块，用于通过所述路面影响因子辨识模型，预测得到路面影响因子；
第二模型构建模块，用于构建多目标寻优自适应转矩控制模型；所述多目标寻优自适应转矩控制模型包括顶层、目标决策层和转矩分配层；
纵向需求总力矩预测模块，用于将获取到的实际车速和期望车速以及所述路面影响因子输入所述顶层，预测得到车辆的纵向需求总力矩；
目标决策层模块，用于将所述纵向需求总力矩输入所述目标决策层，预测得到车辆电机转矩、坡道补偿力矩以及横摆力矩；
转矩分配层模块，用于将所述车辆电机转矩、所述坡道补偿力矩以及所述横摆力矩输入所述转矩分配层，预测得到目标转矩；
转矩控制模块，用于根据所述目标转矩调节所述轮毂驱动车辆的转矩量。
另一方面，本发明实施例还提供了一种轮毂电机驱动车辆自适应转矩控制***，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现如上述实施例所述的轮毂电机驱动车辆自适应转矩控制方法。
另一方面，本发明实施例还提供了一种计算机存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由所述处理器执行时用于实现如上述实施例所述的轮毂电机驱动车辆自适应转矩控制方法。
附图说明
图1是本发明实施例提供的轮毂电机驱动车辆自适应转矩控制方法流程图；
图2是本发明实施例提供的轮毂电机驱动车辆自适应转矩控制***原理框图；
图3是本发明实施例提供的轮毂电机驱动车辆七自由度动力学模型示意图。
具体实施方式
本申请实施例所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。
在对本申请实施例进行介绍说明之前，首先对本申请中涉及的相关名词进行解释说明。
低附着地面：路面附着系数较低的平坦路面。由于轮胎的纵向与侧偏刚度减小，因此在纵向加速工况下易发生轮胎滑转及侧偏。当在低附路面车轮发生严重滑转后，以轮胎为研究对象，基于车轮旋转动力学计算的滚动阻力会由于其增大的轮速变化率而增大，但其基于垂向力计算的滚动阻力不变，由以上两种滚动阻力差值表征滚动阻力差异。滚动阻力差异越大，说明路面扰动越明显，滚动阻力呈非线性变化，车辆更易失稳，车辆控制应更注重稳定性的约束，增大稳定性优先级权重。当在低附着地面车轮发生小程度滑转或未发生滑转时，滚动阻力差异较小，但所处工况由于较小的轮胎纵向、侧偏刚度仍然容易发生再滑转现象，造成车辆纵向失稳，为同时保证动力响应性，应均衡两个优化目标的优先级权重。在低附路面上空气阻力的大小可间接表征车速的大小，当空气阻力较大时，由于此时轮速较大，由轮毂电机外特性曲线可知，输出转矩较小，不容易发生由于转矩调控导致车辆状态发生变化的情况，同时速度可初步绑定驾驶员高动力性意图，可适当提高动力响应性优先级权重。
变附着地面：各轮路面附着系数存在较大差异且变化的平坦路面，如对开、对接路面等。此工况下各轮纵向刚度和侧偏刚度随路面附着系数动态更新，造成各个车轮的轮胎利用率差异较大并且振荡的不稳定状态，并将产生非期望横摆力矩、滑转率增大等无法预测的变化。通过路面附着差异可区分开低附路面与变附着路面。同理，在滚动阻力差异较大的情况下，在变附着路面仍需保证整车稳定性权重优先级较大，在滚动阻力差异较小的情况下，可适当增大动力响应性的权重优先级。
扭曲起伏地形：地形不规则起伏的高附着路面。此工况下车轮易出现腾空失去附着的现象，当某个车轮腾空时，此时由于车轮无路面附着约束，发生较低附路面更为严重的滑转，滑转率较大，估计的路面附着系数小于0.1，可以据此判断车轮腾空，进而辨识为扭曲起伏路面。在扭曲起伏路面，考虑行驶车速通常较低，不易发生失稳现象，同时考虑路面起伏增大了总行驶阻力，且坡度越大，行驶阻力越大，造成的整车纵向动力性损失越大。为提高车辆快速机动性能，需提升动力响应性优先级权重，增强整车动力性。
在抢险救灾、军事机动以及资源勘探等特殊任务中，越野车常常作为重要的交通工具。通常在这些特殊任务中，越野车回行驶在路面附着、行驶阻力多变的路面，因此对越野车在低附着、起伏不平等复杂越野工况下的机动性和安全性有较高的要求。而相关技术中，分布式驱动越野车的四轮轮毂电机力矩独立可控，转矩响应快，且其还具有低速大扭矩输出的优异特性。但是由于分布式驱动***本身复杂的耦合且具有非线性、时变的特点，并且其还具有过驱动特性，在车辆动力学控制中带来了较大困难。另外，目前对纵向失控控制的研究及应用场景主要是在路面平整的硬质路面上，并且路面附着、路面起伏等相关道路条件对驱动控制的影响考虑不足。
基于此，本发明实施例提供一种轮毂电机驱动车辆自适应转矩控制方法，能够在保证车辆稳定性的同时，提高车辆的动力性。参照图1，本发明实施例的方法包括但不限于步骤S110、步骤S120、步骤S130、步骤S140、步骤S150、步骤S160和步骤S170。
具体地，本发明实施例的方法应用过程包括但不限于以下步骤：
S110：根据获取到的特征参数构建路面影响因子辨识模型，特征参数包括滚动阻力差异、空气阻力归一化比例、坡道阻力归一化比例、路面附着差异方差以及最小路面附着系数。
S120：通过路面影响因子辨识模型，预测得到路面影响因子。
S130：构建多目标寻优自适应转矩控制模型，多目标寻优自适应转矩控制模型包括顶层、目标决策层和转矩分配层。
S140：将获取到的实际车速和期望车速以及路面影响因子输入顶层，预测得到车辆的纵向需求总力矩。
S150：将纵向需求总力矩输入目标决策层，预测得到车辆电机转矩、坡道补偿力矩以及横摆力矩。
S160：将车辆电机转矩、坡道补偿力矩以及横摆力矩输入转矩分配层，预测得到目标转矩。
S170：根据目标转矩调节轮毂驱动车轮的转矩量。
在本具体实施例工作过程中，本实施例首先获取特征参数，然后根据获取到的特征参数构建路面影响因子辨识模型。其中，获取的特征参数包括滚动阻力差异、空气阻力归一化比例、坡道阻力归一化比例、路面辅佐差异方差以及最小路面附着系数。进一步地，本实施例通过路面影响因子辨识模型预测得到路面影响因子。具体地，本实施例以车辆爬坡时的车辆行驶平衡方程为基础，如下式(1)所示：
Fx＝Ff+Fw+Fi+Fj (1)
其中，式(1)中相关参数如下式(2)至式(6)所示：
Ff＝mgfRcosθ (3)
Fi＝mgsinθ (6)
其中，上式(1)至式(6)中，Fx为驱动力，Ff为滚动阻力，Fw为空气阻力，Fi为坡道阻力，Fj为加速阻力，Ti(i＝1,2,3,4)为四轮毂电机驱动转矩，ig为减速器的减速比，r为轮胎半径，m为车辆质量，θ为坡度，fR为滚动阻力系数，
均为常数，Cd为阻力系数，A为迎风面积，vx为车辆和空气相对速度。
同时，参照图3，本实施例采用整车七自由度模型，各自由度的动力学方程如下所示：
纵向动力学方程如下式(7)所示：
横向动力学方程如下式(8)所示：
横摆动力学方程如下式(9)所示：
其中，上式(7)至式(9)中，m表示整车质量；Iz表示整车绕z轴转动惯量；vx、vy分别表示纵向、横向车速，ax、ay分别表示纵向、横向加速度；δ表示前轮转角；γ表示车辆横摆角速度；Fxi(i＝1,2,3,4)表示各驱动轮纵向力；Fyi(i＝1,2,3,4)表示各驱动力侧向力；lf、lr分别表示前轴、后轴到整车质心的距离；Bl、Br分别表示左侧、右侧车轮连线至质心的距离。
另外，本实施例采用Dugoff轮胎模型，其轮胎纵向力Fx如下式(10)所示，侧向力Fy如下式(11)所示：
其中，f(L)如下式(12)所示，L如下式(13)所示：
其中，上式(10)至上式(13)中，λ表示滑转率，μ表示估计的附着系数，Fz表示轮胎垂向力，αi表示轮胎侧偏角，Cx、Cy表示轮胎纵向刚度、侧向刚度，ε代表速度影响因子，L表示边界值。
相应地，本实施例中，各轮侧偏角计算公式分别如下式(14)和下式(15)所示：
其中，式中α1、α2、α3、α4表示左前、右前、左后、右后轮的轮胎侧偏角，B表示轮距，Vx、Vy分别表示纵向、横向车速。
进一步地，本实施例以车轮为研究对象，轮胎垂向载荷大小与车身姿态、加速度变化有关，忽略悬架的影响，各垂向力公式如下式(16)所示：
其中，式中L表示轴距，hg表示质心到地面的高度，θ表示俯仰角度，φ表示侧倾角度。
然后，根据车轮旋转动力学得到下式(17)和式(18)：
Tfi＝Ffi·r＝Fzi·fr (18)
其中，式(17)和式(18)中Jeq表示电动轮转动惯量，ωi表示各轮转速，r表示车轮半径，Ti表示驱动转矩，Fxi表示各轮纵向驱动力，Tfi表示滚动阻力偶矩，Fzi表示各轮的垂向力，f表示滚动阻力系数。
由于各轮状态不同，各轮行驶阻力有较大差异，当轮胎处于悬空，低附等状态时，地面附着能力降低，滚动阻力会骤降。进一步地，本实施例通过垂向力公式计算出的车辆滚动阻力和通过车轮旋转动力学公式求得的实际的滚动阻力之间的差异可以表征车轮状态，整车滚动阻力最大差异数值
如下式(19)所示：
其中，式中fR表示滚动阻力系数。
另外，空气阻力的大小能够在一定程度上表征车速的变化，在大扭曲、坡道等起伏地形驾驶员一般以中低速通过。通过引入空气阻力能够有效绑定驾驶员意图进行判定，同时坡道阻力能够在一定程度上表征路面起伏程度。本实施例通过获取坡道阻力归一化比例、空气阻力归一化比例作为特征参数，其中坡道阻力和空气阻力均为归一化处理后的比例，坡道阻力归一化比例
空气阻力归一化比例
如下式(20)所示：
其中，式中Fw_min为坡道阻力参考最小值、Fi_min为车辆试验的空气阻力最小值；Fw_max为坡道阻力参考最大值、Fi_max为车辆试验的空气阻力最大值。
同时，本实施例通过各轮路面附着系数得到各轮路面估计系数方差，表征各轮路面附着差异。其中，本实施例以路面附着系数最小值，即最小路面附着系数，作为特征参数。各轮路面附着差异方差σμ 2如下式(21)所示：
进一步地，本实施例通过构建包括顶层、目标决策层以及转矩分配层的多目标寻优自适应转矩控制模型，以实现转矩分配。具体地，本实施例先获取车辆的实际车速和期望车速，并将获取到的实际车速和期望车速以及路面影响因子辨识模型预测得到的路面影响因子输入到多目标寻优自适应转矩控制模型的顶层中进行预测，以得到车辆的纵向需求总力矩。然后，本实施例将纵向需求总力矩输入目标决策层，通过目标决策层预测得到车辆电机转矩、坡道补偿力矩以及横摆力矩。进一步地，通过将车辆电机转矩、坡道补偿力矩以及横摆力矩输入转矩分配层对目标转矩进行预测，并将预测得到的目标转矩应用于轮毂电机驱动车辆的转矩控制，从而实现在保证车辆稳定性的同时，提高车辆的动力性。
在本发明的一些实施例中，通过路面影响因子辨识模型，预测得到路面影响因子，包括但不限于以下步骤：
根据特征参数进行模糊处理，得到工况类型信息。
通过工况类型信息去模糊化，得到路面影响因子。
在本具体实施例中，先将获取的特征参数进行模糊处理，从而得到相应的工况类型信息，并通过工况类型信息进行去模糊化处理，得到路面影响因子。具体地，本实施例在获取得到包括滚动阻力差异、空气阻力归一化比例、坡道阻力归一化比例、路面附着差异方差以及最小路面附着系数的特征参数后，通过隶属度函数将特征参数进行模糊处理。其中，本实施例将滚动阻力差异和路面附着差异均分为小差异、中等差异以及大差异三个模糊子集，即{S，M，B}。相应地，空气阻力归一化比例、坡道阻力归一化比例均模糊化为小比例、中等比例及大比例三个模糊子集，即{S，M，B}；将轮胎估计的最小路面附着系数，分为为腾空车轮、中低附、高附三个模糊子集，即{S，M，B}。在本实施例中得到的工况类型信息包括强驱动意图工况、较易失稳工况、易失稳工况以及极易失稳工况，分别描述为{B，M，S，N}。本实施例的模糊规则如下表1所示，表中“||”代表“或者”。
表1
进一步地，本实施例将得到的工况类型信息进行去模糊化，从而得到路面影响因子κ。需要说明的是，路面影响因子κ只针对于复杂的越野工况，κ越小，表示路面条件越恶劣，对于车辆稳定性控制的要求较高。反之，κ越大则表示路面条件越好，对车辆的动力性、响应性要求较高。其中，当整车的滚动阻力差异较大时，能够判断出车辆处于滑转不稳定状态，此时一般要求κ偏小，车辆以稳定性控制为主，但其还要结合路面附着差异以及最小路面附着系数，以区分出低附着地面或者是扭曲起伏地形。若路面附着差异较大、最小路面附着系数为腾空车轮，则说明四轮存在腾空车轮与处在高附着地面的车轮两种状态，可以得知当前地形为扭曲起伏地形，此时应提高车辆机动性能，κ值应偏大，同时，结合空气阻力比例归一化以及坡道阻力比例归一化大小，将κ值控制在合适的范围内，能够权衡动力响应性以及稳定性需求。
在本发明的一些实施例中，将获取到的实际车速和期望车速以及路面影响因子输入顶层，预测得到车辆的纵向需求总力矩，包括但不限于以下步骤：
根据实际车速、期望车速以及路面影响因子，通过模型预测控制得到期望加速度。
根据期望加速度，通过纵向动力学模型预测得到所述纵向需求总力矩。
在本具体实施例中，本实施例先根据获取到的车辆的实际车速、期望车速以及路面影响因子通过模型预测控制得到车辆的期望加速度。然后根据期望加速度通过纵向动力学模型预测得到纵向需求总力矩。具体地，本实施例根据实际车速与期望车速的偏差，以路面影响因子为调整参量，并根据路面特征及整车状态对加速度紧迫程度进行判定，通过模型预测控制获得期望加速度。然后通过纵向动力学模型预测得到纵向需求总力矩。示例性地，本实施例通过一阶惯性缓解近似地表示整车纵向运动特性，如下式(22)所示：
其中，式中a表示车辆实际加速度，aref表示车辆期望加速度，τs表示时间常数。
同时，本实施例将车速v、加速度a选作状态变量，状态方程可以表示如下式(23)所示：
进一步地，上式(23)可以写成如下式(24)所示的形式：
其中，式(24)中相关参数如下式(25)至式(28)所示：
u＝aref (28)
其中，上式(24)至式(28)中x表示***状态变量，u表示***的控制量。
进一步地，本实施例对上式(24)的连续状态方程通过欧拉法进行离散化处理，如下式(29)所示：
其中，式中
B＝TB,C＝[1 0]。k表示***的当前时刻，k+1表示***的下一时刻，I表示单位矩阵，T表示***采样时间。
进一步地，本实施例通过引入路面影响因子，充分考虑路面特征以及整车状态后对加速度紧迫程度进行判定，均衡速度跟踪控制器响应能力以及整车稳定状态两大控制目标，从而在保证跟踪精度的同时增强整车稳定性。具体地，本实施例的目标函数定义如下式(30)所示：
其中，式中k-1表示***的上一时刻，k表示当前采样时刻，HP表示预测步长，HC表示步长，yref(k+i|k),i＝1,…,HP表示控制输出的参考值，u(k+i),i＝1,…,Hc表示k+i时刻的控制输入，yp(k+i|k),i＝1,…,HP表示控制输出的预测值，Δu(k+i),i＝1,…,Hc表示k+i时刻的控制输入增量，Q、R、S表示***的输出量、控制增量以及控制量权重矩阵。κ为路面影响因子，系数较大时，目标函数第三项加速度控制量所占比例较小，提高***的响应能力，快速通过越野路面；系数较小时，加速度控制量所占比例较大，提高***的稳定性。目标函数第二项为加速度的变化率的限制，其作用是防止***控制后由于冲击度过大，越野工况下易发生失稳的情况。同时，本实施例通过引入松弛因子ε，以保证***任意时刻均有可行解。
在实际工况下车辆加速度以及车速的大小是有限制的，另外还需要考虑车辆***的稳定性，因此将上述问题求解转化为如下式(31)所示的二次规划问题：
其中，上式(31)满足下式(32)至(34)，下式(32)为加速度的约束，下式(33)为加速度变化率的约束，下式(34)为车速的约束：
umin≤u(k+i)≤umax,i＝0,1,…,Hc-1 (32)
Δumin≤Δu(k+i)≤Δumax,i＝0,1,…,Hc-1 (33)
ymin≤y(k+i)≤ymax,i＝0,1,…,Hc-1 (34)
本实施例通过求解上式(31)的二次规划问题，从而得到每个控制周期的最优控制输入增量
然后将最优预测的第一项作为输入增量，从而得到如下式(35)所示的输入：
u(k)＝u(k-1)+Δuk′ (35)
本实施例通过上述模型预测能够得出k时刻的预测车速v(k+i|k)和期望加速度areq(k)，然后综合车辆行驶平衡方程式即纵向动力学方程，得到下式(36)：
其中，上式(36)中
指车辆的期望加速度areq，由此可计算得到总的纵向期望驱动转矩，即纵向需求总力矩Tv如下式(37)所示：
在本发明的一些实施例中，目标决策层包括驱动防滑控制介入或退出机制。相应地，驱动防滑控制介入或退出机制包括但不限于以下步骤：
根据最优滑转率与车辆的各轮滑转率关系，构建滑转率函数。
根据滑转率函数，计算得到纵向加速度。
根据纵向加速度与等效加速度的第二偏差值，构建驱动防滑控制介入或退出机制触发条件。
在本具体实施例中，本实施例首先根据最优滑转率以及车辆的各轮滑转率关系构建滑转率函数，然后根据滑转率函数计算车辆的纵向加速度。进一步地，根据纵向加速度以及等效加速度的第二偏差值，构建驱动防滑控制介入或退出机制触发条件。具体地，在车辆驱动车轮发生滑转时，本实施例那就设定的判定机制立即启用ASR(Acceleration SlipRegulation)，调节电机转矩以保证车辆稳定性。而在车轮未产生滑转时，本实施例能够控制ASR不介入控制，使得车辆能够响应总的需求驱动转矩。示例性地，各轮滑转率应跟随最优滑转率，如下式(38)所示：
然后将上式进行微分得到纵向加速度ax如下式(39)所示：
进一步地，本实施例通过引入松弛因子ε，限制各轮滑转率si如下式(40)所示：
si≤sopt+ε (40)
然后本实施例通过车辆等效加速度与车辆纵向的加速度之间的偏差定义为基于自适应最大转矩判定方法(Adaptive maximum torque determination，AMTD)的介入或退出机制，即驱动防滑控制介入或退出机制的一个触发条件，如下式(41)所示：
其中，式中δ表示阈值，
表示车轮角加速度，为了抑制信号噪声对其计算的影响，本实施例采用了固定宽度的移动窗口滤波器进行滤波处理。过滤后的车轮角加速度如下式(42)所示，式中M为滑动窗口的宽度：
本实施例中，ASR的控制量为四轮转矩，为实现对控制量的快速识别、及时反应，驱动防滑控制介入或退出机制的触发条件应加入最大限制力矩TAMTD。使车轮在稳定区域工作的最大扭矩可通过以下公式推导得出下式(43)：
式中，Fxi为纵向驱动力，ψ表示最大转矩校准参数。
本实施例中，为保证驱动防滑控制介入或退出机制的及时响应和平稳过渡，起始状态下，车辆处于稳定状态，ASR处在退出状态，AMTD标志位(驱动滑转标志)为0。当AMTD触发条件满足时，状态机进入ASR介入状态，同时为防止偶发性的误触发，所有的触发条件应该连续超过n(校准参数)个采样周期，否则，状态机进入ASR退出状态。为实现介入退出条件的快速响应，当AMTD两个条件同时满足时，可实现及时切换状态。
在本发明的一些实施例中，目标决策层包括驱动防滑控制器、坡道纵向力补偿器以及横摆力矩控制器。相应地，将纵向需求总力矩输入目标决策层，预测得到车辆电机转矩、坡道补偿力矩以及横摆力矩，包括但不限于以下步骤：
根据纵向需求总力矩、驱动转矩、行驶阻力以及车轮半径，构建车辆动力模型；根据车辆动力模型预测得到车辆电机转矩。
根据坡度值，预测得到车辆当前位置的坡道信息；通过坡道信息预测得到坡道补偿力矩。
获取车辆的当前横摆角速度；计算当前横摆角速度与理想横摆角速度的第一偏差值；根据第一偏差值，通过PI反馈控制器计算得到横摆力矩。
在本具体实施例中，目标决策层包括驱动防滑控制器、坡道纵向力补偿器以及横摆力矩控制器。其中，驱动防滑控制器通过纵向需求总力矩、驱动转矩、行驶阻力以及车轮半径，构建车轮动力模型，并根据车辆动力模型预测得到车辆电机转矩。具体地，本实施例简化七自由度模型，仅采用四分之一车辆模型，得到下式(44)：
其中，式中J表示电动轮转动惯量，T表示驱动转矩，m′表示1/4车辆质量，Fr表示行驶阻力。
本实施例选取车轮滑转率λ为状态变量x，得到下式(45)：
同时，选择驱动转矩T为输入量u，即u＝T，则得到下式(46)：
相应地，本实施例驱动防滑控制器滑模函数构建如下式(47)所示：
e＝λ-λopt (47)
其中，式中λ为车轮滑转率，λopt为最优滑转率。
然后本实施例构建滑模面如下式(48)所示，式中c为积分系数：
s＝e+c∫edt (48)
进一步地，通过对式(48)求导得下式(49)：
本实施例的趋近率通过饱和函数sat(s)来代替sgn(s)，得到下式(50)：
因此，可以得到驱动防滑控制输入u如下式(51)所示：
当驱动防滑控制介入或退出机制为介入状态时，各电机驱动转矩以及力分别如下式(52)和(53)所示：
TASRi＝ui (52)
其中，式中i＝0,1,2,3分别表示左前、右前、左后、右后轮，ig表示减速比，TASRi表示驱动防滑控制器的决策转矩，FASRi表示ASR决策力矩下产生的力，ui为驱动防滑控制率。
另外，本实施例根据坡度值预测得到车辆当前位置的坡道信息。然后通过坡道信息预测得到坡道补偿力矩。具体地，本实施例根据坡度值θ，得到车辆当前所处坡道信息，计算出车辆进入坡道后损失的动力，即相应坡道补偿力矩Tr。然后将该补偿转矩最终被分配到各个车轮，从而保证车辆能在坡道上达到预期控制效果。示例性地，本实施例坡道补偿转矩的大小设计为与滚动阻力及坡道阻力的合力相同，与其方向相反，通过力矩补偿可迅速抵消坡道带来的行驶阻力的影响。同时为防止车辆在纵向失稳工况下过多的力矩决策，增加行驶安全不确定性，本实施例设定当驱动滑转标志介入时，坡道补偿力矩失效。本实施例的坡道补偿力矩如下式(54)所示：
另外，需要说明的是，在本发明的一些实施例中，为了在实现前馈动态补偿力矩的同时，有效降低轴荷较小的车轮滑转失稳的概率，本实施例还通过轴荷重分配的方式进行前馈力矩的补偿。其中，前后轴轴荷的计算公式如下式(55)所示：
其中，Fzf表示前轴荷，Fzr表示后轴荷，ΔWax表示整车加速度造成的轴荷转移量，ΔWθ表示坡度造成的轴荷转移量，a为前轴到质心的距离，b为后轴到质心的距离，Wf为水平路面前轴静载荷，Wr为水平路面后轴静载荷。因此，后轴控制系数ψ计算如下式(56)所示：
然后，本实施例由上述后轴控制系数ψ进行各轮力矩分配，如下式(57)所示：
另外，本实施例将七自由度的整车模型简化为二自由度车辆模型，以二自由度车辆模型为基础构建横摆力矩控制器。具体地，横向和横摆运动学方程如下式(58)所示：
其中，式中vx、vy为纵、横向车速，γ为整车横摆角速度，β为质心侧偏角，Fyf与Fyr为前轴、后轴侧向力，αf、αr为前后轮的侧偏角，δ为前轴转角。
同时，车轮侧向力计算公式如下式(59)所示，式中kf、kr为前、后轴的侧偏刚度，轮胎侧偏角计算公式如下式(60)所示：
综上可得到线性二自由度动力学方程如下式(61)所示，式中m为整车质量，IZ为绕Z轴转动惯量：
进一步地，车辆理想的横摆角速度如下式(62)：
其中，K＝m(a/kr-b/kf)/L2为稳定性因子，表征转向特性。在轮胎极限条件下车辆的侧向加速度需要符合如下式(63)的条件：
本实施例中，由于纵向行驶时质心侧偏角较小，因此公式(63)右侧后两项可以去掉，第一项占主导地位，同时引入15％的影响系数，从而保证整车安全，上式可以改写如下(64)所示：
综上，本实施例中，满足复杂越野工况下的期望横摆角速度公式如下式(65)所示：
进一步地，本实施例的横摆力矩控制器以PI反馈控制(比例积分反馈控制)为横摆力矩决策算法，计算当前横摆角速度γ与理想值γd的偏差eγ作为横摆控制器的控制量，通PI反馈控制器计算期望的车辆附加横摆力矩ΔMz如下式(66)所示：
其中，式中KP为比例系数，TI为积分时间常数。
本实施例中，为了避免方向盘转角传感器测量误差和直线行驶时轻微方向盘转角带来的非横摆力矩控制器动作，本实施例对反馈控制器进行灵敏度设计，设置偏差门限值Δγ(较小的正常数)，当|eγ|>Δγ时，控制器启动，因此eγ改写如下式(67)所示：
在本发明的一些实施例中，将车辆电机转矩、坡道补偿力矩以及横摆力矩输入转矩分配层，预测得到目标转矩，包括但不限于以下步骤：
根据车辆的各轮纵向驱动力与各轮驱动转矩，构建各轮纵向驱动力与各轮驱动转矩的关系函数。
根据关系函数以总驱动力为优化目标进行优化，得到第一目标优化函数。
根据关系函数以车辆的各轮附着裕量为优化目标进行优化，得到第二目标优化函数。
根据第一目标优化函数和第二目标优化函数，得到混合优化目标函数。
根据车辆电机转矩、坡道补偿力矩以及横摆力矩，构建约束条件。
根据混合优化目标函数和约束条件，计算得到目标转矩。
在本具体实施例中，本实施例先通过车辆的各轮纵向驱动力和各轮驱动转矩，构建各轮纵向驱动力与各轮驱动转矩的关系函数，然后以总驱动力为优化目标对该关系函数进行优化，得到第一目标优化函数。进一步地，以车辆的各轮附着裕量为优化目标对各轮纵向驱动力与各轮驱动转矩的关系函数进行优化，得到第二目标优化函数。然后根据第一目标优化函数和第二目标优化函数得到混合优化目标函数。同时，本实施例通过构建的约束条件与混合优化目标函数计算得到目标转矩。具体地，本实施例中转矩分配层的控制目标如下式(68)所示：
同时，根据各轮纵向驱动力Fxi与驱动转矩Ti构建的关系函数如下式(69)：
进一步地，本实施例以总驱动力为优化目标对上式(69)所示的关系函数进行优化，得到的第一目标优化函数如下式(70)所示，由顶层得到的需求总驱动力Fvd决定，保证纵向驱动需求。
minJ1＝(Fx-Fvd)2 (70)
本实施例中，车辆轮胎利用率越小，则表示轮胎稳定裕度越大，通过将车辆的各轮附着裕量作为优化目标，能够提高车辆的纵向稳定性，环境单个车轮轮胎利用率过高的问题，同时有效降低车轮打滑风险，得到的第二目标优化函数如下式(71)所示：
其中，由于车辆侧向力难以控制，并且纵向行驶时纵向力一般大于侧向力，因此为了优化控制目标，将上式(71)简化为下式(72)：
进一步地，本实施例以路面影响因子κ构建权重系数。当κ较小时，此时整车稳定裕度较差，构建以轮胎利用率为优化目标的比重大以保证车辆稳定；当κ较大时，为满足驱动力要求，构建以需求总驱动力为控制目标比重大。因此，根据第一目标优化函数和第二目标优化函数得到混合优化目标函数如下式(73)所示：
minJ＝ε·S·J1+(1-ε)·W·J2 (73)
其中，ε＝κ，κ为路面影响因子。S,W为均衡权重因子，用于均衡J1,J2的权重，使得所设定的路面影响因子作用明显。
同时，本实施例根据车辆电机转矩、坡道补偿力矩以及横摆力矩，构建约束条件，以保证车辆稳定运行。进一步地，本实施例通过结合约束条件对混合优化目标函数进行求解，得到目标转矩。
在本发明的一些实施例中，约束条件包括横摆力约束条件、驱动防滑控制约束条件、电机特性约束条件以及道路附着条件约束条件。相应地，构建约束条件，包括但不限于以下步骤：
构建横摆力约束条件、驱动防滑控制约束条件、电机特性约束条件以及道路附着条件约束条件。
本具体实施例中，本实施例构建的约束条件包括横摆力约束条件、驱动防滑控制约束条件、电机特性约束条件以及道路附着条件约束条件。具体地，在复杂多变的越野工况下，由于车辆各轮路面附着差异导致各轮驱动力不同，另外，驱动防滑等控制介入时，由于仅调整单轮驱动状态，也会导致各轮驱动转矩不一致的问题，较容易发生非期望的横摆运动，因此需要对横摆力矩进行相关约束，构建的横摆力约束条件公式如下式(74)所示：
Mzd＝-Br(Fx1+Fx3)+Bl(Fx2+Fx4) (74)
本实施例中，当驱动防滑介入时，车辆已经发生严重滑转，若纵向驱动转矩大于驱动防滑控制转矩，会使车轮保持飞转状态，造成驱动转矩损失，车辆的动力性不但不会增加，同时还会导致整车纵、横向稳定性变差，因此本实施例在驱动防滑控制介入后对驱动力进行限制，构建的驱动防滑控制约束条件如下式(75)所示：
另外，由于电机输出转矩收电机本身性能影响，最大输出转矩有限，在转矩控制过程中，本实施例结合电机的峰值转矩Tp，构建的电机特性约束条件如下式(76)所示：
同时，车轮的最大纵向力受到道路附着条件的约束，本实施例构建的道路附着条件约束条件如下式(77)所示：
-μiFzi≤Fxi≤μiFzi (77)
根据上述的不等式约束条件，约束条件下限LBi和约束条件上限UBi计算公式分别如下式(78)和(79)所示：
其中，式中ATMD Flag表示驱动防滑控制介入或退出机制的标志位。
需要说明的是，在本发明的一些实施例中，根据混合优化目标函数和约束条件计算得到目标转矩的过程中，先将混合优化目标函数转化为二次规划标准形式，如下式(80)所示：
其中，式中x＝[Fx1 Fx2 Fx3 Fx4]T，Aeq＝[-Bl Br -Bl Br]，beq＝[Mz]，
LB＝[LB1,LB2,LB3,LB4]T，UB＝[UB1,UB2,UB3,UB4]T，
c＝[-2SεFvd -2SεFvd -2SεFvd -2SεFvd]T，
本实施例通过求解上式(80)所示的二次规划问题，从而得到各轮目标驱动力Fxi，然后可获得各轮的目标转矩Ti如下式(81)所示：
本发明的一个实施例还提供了一种轮毂电机驱动车辆自适应转矩控制***，包括：
第一模型构建模块，用于根据获取到的特征参数构建路面影响因子辨识模型，特征参数包括滚动阻力差异、空气阻力归一化比例、坡道阻力归一化比例、路面附着差异方差以及最小路面附着系数。
路面影响因子预测模块，用于通过路面影响因子辨识模型，预测得到路面影响因子。
第二模型构建模块，用于构建多目标寻优自适应转矩控制模型。多目标寻优自适应转矩控制模型包括顶层、目标决策层和转矩分配层。
纵向需求总力矩预测模块，用于将获取到的实际车速和期望车速以及路面影响因子输入顶层，预测得到车辆的纵向需求总力矩。
目标决策层模块，用于将纵向需求总力矩输入目标决策层，预测得到车辆电机转矩、坡道补偿力矩以及横摆力矩。
转矩分配层模块，用于将车辆电机转矩、坡道补偿力矩以及横摆力矩输入转矩分配层，预测得到目标转矩。
转矩控制模块，用于根据目标转矩调节轮毂驱动车辆的转矩量。
参照图2，本发明实施例还提供了一种轮毂电机驱动车辆自适应转矩控制***，包括：
至少一个处理器210。
至少一个存储器220，用于存储至少一个程序。
当至少一个程序被至少一个处理器210执行，使得至少一个处理器实现如上述实施例描述的轮毂电机驱动车辆自适应转矩控制方法。
本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个控制处理器执行，例如，执行以上实施例描述的步骤。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、***可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
Claims (10)
1.一种轮毂电机驱动车辆自适应转矩控制方法，其特征在于，包括以下步骤：
根据获取到的特征参数构建路面影响因子辨识模型，所述特征参数包括滚动阻力差异、空气阻力归一化比例、坡道阻力归一化比例、路面附着差异方差以及最小路面附着系数；
通过所述路面影响因子辨识模型，预测得到路面影响因子；
构建多目标寻优自适应转矩控制模型，所述多目标寻优自适应转矩控制模型包括顶层、目标决策层和转矩分配层；
将获取到的实际车速和期望车速以及所述路面影响因子输入所述顶层，预测得到车辆的纵向需求总力矩；
将所述纵向需求总力矩输入所述目标决策层，预测得到车辆电机转矩、坡道补偿力矩以及横摆力矩；
将所述车辆电机转矩、所述坡道补偿力矩以及所述横摆力矩输入所述转矩分配层，预测得到目标转矩；
根据所述目标转矩调节所述轮毂驱动车辆的转矩量。
2.根据权利要求1所述的轮毂电机驱动车辆自适应转矩控制方法，其特征在于，所述通过所述路面影响因子辨识模型，预测得到路面影响因子，包括：
根据所述特征参数进行模糊处理，得到工况类型信息；
通过所述工况类型信息去模糊化，得到路面影响因子。
3.根据权利要求1所述的轮毂电机驱动车辆自适应转矩控制方法，其特征在于，所述将获取到的实际车速和期望车速以及所述路面影响因子输入所述顶层，预测得到车辆的纵向需求总力矩，包括：
根据所述实际车速、所述期望车速以及所述路面影响因子，通过模型预测控制得到期望加速度；
根据所述期望加速度，通过纵向动力学模型预测得到所述纵向需求总力矩。
4.根据权利要求1所述的轮毂电机驱动车辆自适应转矩控制方法，其特征在于，所述目标决策层包括驱动防滑控制介入或退出机制；
所述驱动防滑控制介入或退出机制包括：
根据最优滑转率与所述车辆的各轮滑转率关系，构建滑转率函数；
根据所述滑转率函数，计算得到纵向加速度；
根据所述纵向加速度与等效加速度的第二偏差值，构建驱动防滑控制介入或退出机制触发条件。
5.根据权利要求4所述的轮毂电机驱动车辆自适应转矩控制方法，其特征在于，所述目标决策层还包括驱动防滑控制器、坡道纵向力补偿器以及横摆力矩控制器；
所述将所述纵向需求总力矩输入所述目标决策层，预测得到车辆电机转矩、坡道补偿力矩以及横摆力矩，包括：
根据所述纵向需求总力矩、驱动转矩、行驶阻力以及车轮半径，构建车辆动力模型；根据所述车辆动力模型预测得到所述车辆电机转矩；
根据坡度值，预测得到所述车辆当前位置的坡道信息；通过所述坡道信息预测得到坡道补偿力矩；
获取所述车辆的当前横摆角速度；计算所述当前横摆角速度与理想横摆角速度的第一偏差值；根据所述第一偏差值，通过PI反馈控制器计算得到所述横摆力矩。
6.根据权利要求1所述的轮毂电机驱动车辆自适应转矩控制方法，其特征在于，所述将所述车辆电机转矩、所述坡道补偿力矩以及所述横摆力矩输入所述转矩分配层，预测得到目标转矩，包括：
根据所述车辆的各轮纵向驱动力与各轮驱动转矩，构建各轮纵向驱动力与各轮驱动转矩的关系函数；
根据所述关系函数以总驱动力为优化目标进行优化，得到第一目标优化函数；
根据所述关系函数以所述车辆的各轮附着裕量为优化目标进行优化，得到第二目标优化函数；
根据所述第一目标优化函数和所述第二目标优化函数，得到混合优化目标函数；
根据所述车辆电机转矩、所述坡道补偿力矩以及所述横摆力矩，构建约束条件；
根据所述混合优化目标函数和所述约束条件，计算得到所述目标转矩。
7.根据权利要求6所述的轮毂电机驱动车辆自适应转矩控制方法，其特征在于，所述约束条件包括横摆力约束条件、驱动防滑控制约束条件、电机特性约束条件以及道路附着条件约束条件；
所述构建约束条件，包括：
构建横摆力约束条件、驱动防滑控制约束条件、电机特性约束条件以及道路附着条件约束条件。
8.一种轮毂电机驱动车辆自适应转矩控制***，其特征在于，包括：
第一模型构建模块，用于根据获取到的特征参数构建路面影响因子辨识模型，所述特征参数包括滚动阻力差异、空气阻力归一化比例、坡道阻力归一化比例、路面附着差异方差以及最小路面附着系数；
路面影响因子预测模块，用于通过所述路面影响因子辨识模型，预测得到路面影响因子；
第二模型构建模块，用于构建多目标寻优自适应转矩控制模型；所述多目标寻优自适应转矩控制模型包括顶层、目标决策层和转矩分配层；
纵向需求总力矩预测模块，用于将获取到的实际车速和期望车速以及所述路面影响因子输入所述顶层，预测得到车辆的纵向需求总力矩；
目标决策层模块，用于将所述纵向需求总力矩输入所述目标决策层，预测得到车辆电机转矩、坡道补偿力矩以及横摆力矩；
转矩分配层模块，用于将所述车辆电机转矩、所述坡道补偿力矩以及所述横摆力矩输入所述转矩分配层，预测得到目标转矩；
转矩控制模块，用于根据所述目标转矩调节所述轮毂驱动车辆的转矩量。
9.一种轮毂电机驱动车辆自适应转矩控制***，其特征在于，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得至少一个所述处理器实现如权利要求1至7任一项所述的轮毂电机驱动车辆自适应转矩控制方法。
10.一种计算机存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由所述处理器执行时用于实现如权利要求1至7任一项所述的轮毂电机驱动车辆自适应转矩控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210499611.XA CN114889448B (zh) | 2022-05-09 | 2022-05-09 | 轮毂电机驱动车辆自适应转矩控制方法、***及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210499611.XA CN114889448B (zh) | 2022-05-09 | 2022-05-09 | 轮毂电机驱动车辆自适应转矩控制方法、***及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114889448A true CN114889448A (zh) | 2022-08-12 |
| CN114889448B CN114889448B (zh) | 2024-06-25 |
Family
ID=82721096
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210499611.XA Active CN114889448B (zh) | 2022-05-09 | 2022-05-09 | 轮毂电机驱动车辆自适应转矩控制方法、***及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114889448B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116812477A (zh) * | 2023-08-24 | 2023-09-29 | 湖南大学无锡智能控制研究院 | 轨道式转运机器人的控制方法、装置及*** |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108364467A (zh) * | 2018-02-12 | 2018-08-03 | 北京工业大学 | 一种基于改进型决策树算法的路况信息预测方法 |
| CN109910617A (zh) * | 2019-03-27 | 2019-06-21 | 武汉理工大学 | 一种分布式轮毂电机驱动车辆失效故障的诊断方法 |
| WO2019213982A1 (zh) * | 2018-05-08 | 2019-11-14 | 清华大学 | 基于最小作用量原理的驾驶人操控行为量化方法及装置 |
| CN110667540A (zh) * | 2019-11-15 | 2020-01-10 | 吉林工程技术师范学院 | 一种用于电动汽车的电子电力控制动力***及其控制方法 |
-
2022
- 2022-05-09 CN CN202210499611.XA patent/CN114889448B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108364467A (zh) * | 2018-02-12 | 2018-08-03 | 北京工业大学 | 一种基于改进型决策树算法的路况信息预测方法 |
| WO2019213982A1 (zh) * | 2018-05-08 | 2019-11-14 | 清华大学 | 基于最小作用量原理的驾驶人操控行为量化方法及装置 |
| CN109910617A (zh) * | 2019-03-27 | 2019-06-21 | 武汉理工大学 | 一种分布式轮毂电机驱动车辆失效故障的诊断方法 |
| CN110667540A (zh) * | 2019-11-15 | 2020-01-10 | 吉林工程技术师范学院 | 一种用于电动汽车的电子电力控制动力***及其控制方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116812477A (zh) * | 2023-08-24 | 2023-09-29 | 湖南大学无锡智能控制研究院 | 轨道式转运机器人的控制方法、装置及*** |
| CN116812477B (zh) * | 2023-08-24 | 2024-01-02 | 湖南大学无锡智能控制研究院 | 轨道式转运机器人的控制方法、装置及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114889448B (zh) | 2024-06-25 |
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 | |
| CN111267835B (zh) | 基于模型预测算法的四轮独立驱动汽车稳定性控制方法 | |
| US10059344B2 (en) | Vehicle behavior control apparatus | |
| US20120078470A1 (en) | Vehicle attitude controller | |
| US20080040000A1 (en) | Vehicle Yaw/Roll Stability Control with Semi-Active Suspension | |
| CN112406854B (zh) | 轮毂电机驱动越野车侧倾稳定性控制方法 | |
| WO2022266824A1 (zh) | 一种转向控制方法及装置 | |
| CN111391595A (zh) | 车辆防侧翻主动倾摆模型预测控制方法 | |
| CN111891118A (zh) | 基于模型预测控制算法的电动汽车防侧翻控制方法 | |
| CN114889448B (zh) | 轮毂电机驱动车辆自适应转矩控制方法、***及存储介质 | |
| CN116198517A (zh) | 用于e-awd和e-lsd的监督控制 | |
| CN111731267A (zh) | 一种装备非充气弹性车轮的分布式电动汽车稳定性控制***及方法 | |
| CN113733929B (zh) | 轮毂电机驱动车辆的车轮转矩协调控制方法及装置 | |
| CN108657174B (zh) | 一种多轴分布式驱动无人车辆控制方法及*** | |
| CN113830075B (zh) | 车辆稳定控制方法、装置、电子设备及介质 | |
| CN114734983A (zh) | 一种基于稳定域的分布式电动汽车稳定性控制方法 | |
| CN114889445A (zh) | 基于工况辨识的车辆驱动力控制方法、***和存储介质 | |
| Yu et al. | Vehicle handling assistant control system via independent rear axle torque biasing | |
| CN114194178A (zh) | 四轮转向四轮驱动智能底盘稳定性控制方法 | |
| CN114889449B (zh) | 基于转矩损失的转矩分配方法和*** | |
| CN115071441B (zh) | 基于粒子群可拓控制转矩约束方法和*** | |
| CN114889447B (zh) | 轮毂电机驱动车辆原地转向控制方法、***、装置及介质 | |
| CN115113526A (zh) | 非线性误差反馈转矩控制方法、***、约束方法 | |
| CN116811601A (zh) | 基于模型预测控制的分布式驱动电动汽车转矩控制方法 | |
| CN116534121A (zh) | 一种基于模型预测的四轮转向车辆稳定性控制方法 |
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 |