多轴分布式电驱动车辆电液复合制动控制研究

针对多轴分布式电机驱动车辆电液复合制动中易出现的车辆制动抖动问题,提出了一种建压阶段电机制动力修正策略和一种基于前馈-反馈的协调控制策略,分别在建压阶段和其他阶段通过协调复合制动力来解决制动抖动的问题。针对防抱死控制系统与电机制动系统共同作用时的制动矛盾,提出了一种基于PID控制的ABS控制策略,主要通过改变电机制动力来解决制动矛盾的问题。通过TruckSim、Matlab/Simulink及AMESim联合仿真验证,制动冲击度在建压阶段下降了20.66%,在电机退出阶段下降了92.59%,驾驶感觉得到明显改善。而ABS控制策略也可在保证理想滑移率的同时完成制动能量回收;结合整车制动试验,表明协调控制策略在保证制动效果良好的同时实现了制动能量回收,效果显著。

基于粒子群优化-蚁群融合算法的分布式电驱动车辆模型预测转矩协调控制策略

针对分布式电驱动车辆多动力源耦合作用和高度非线性造成的动力学控制难题,以7自由度整车动力学模型为预测模型,以粒子群优化-蚁群融合算法为优化方法,提出一种基于粒子群优化-蚁群融合算法的模型预测转矩协调控制策略,并搭建了仿真实验和实车试验平台,进行了多种工况试验。试验结果表明,新提出的转矩协调控制策略能够根据试验工况调整控制模式,实现动力性、经济性和操纵稳定性的综合最优控制效果。

基于规则的分布式电驱动车辆驱动系统失效控制

针对分布式电驱动车辆在进入失效控制工况下,传统控制策略存在的纵横向控制目标无法满足、驱动能力降低、安全性变差等缺点,设计并考虑动力性和稳定性的驱动系统失效协调控制策略。该策略利用分布式电驱动车辆各轮无机械连接、各轮独立驱动以及驱动单元冗余配置的结构特点,依据不同的失效状况和车辆状态制定基于规则的驱动系统失效控制算法。对所设计的算法进行实车试验验证,试验结果表明,在发生驱动系统失效后,所设计的基于规则的驱动失效控制策略通过协调控制各驱动轮驱动能力,在低速小转向阶段改善了车辆的纵向驱动能力,在高速或者大转向阶段保证了车辆的横向稳定性。

分布式电驱动车辆的无味粒子滤波状态参数联合观测

针对目前分布式电驱动车辆动力学领域中存在的状态参数观测体系不完善、观测精度低的问题,利用分布式电驱动车辆多信息源的特点,提出无味粒子滤波状态参数联合观测方法。基于非线性车辆动力学模型对分布式电驱动车辆的纵向速度、质心侧偏角、横摆角速度及各轮侧向力进行联合观测。同时,为提高侧向力的观测精度,采用非线性动态轮胎模型。在完成模型搭建的基础上,考虑到所搭建的车辆动力学模型具有强非线性,设计适用于强非线性模型的无味粒子滤波器对多个状态变量进行联合观测。而为进一步提高状态观测精度,进行量测噪声协方差的自适应调节。仿真和试验结果表明,所提出的状态观测方法能够提高分布式电驱动车辆状态参数观测精度和鲁棒性。

分布式电驱动车辆的ACC协同控制

针对智能分布式电驱动车辆在纵向跟车运动中实施多性能目标协同控制的必要性和实时性问题,在分析分布式电驱动车辆结构与纵向动力学特性基础上,提出一种基于模型预测控制理论的自适应巡航控制算法,并采用缩减优化问题规模的方法,缩短单步计算时间,提升在线优化求解的运算效率。为验证算法有效性,搭建仿真平台,进行了相关的仿真和硬件在环试验。仿真和试验结果表明,所提出的控制算法能实现该车安全和节能的协同优化,且满足了控制实时性要求。

分布式电驱动车辆回馈制动控制策略研究

回馈制动能有效提高分布式电驱动车辆的能量效率。论文分析了分布式电驱动车辆回馈制动系统的结构、电机的性能及制动法规的约束条件,提出了基于非线性规划方法的最大能量回馈制动控制策略,并结合回馈制动系统的特性分析了制动力分配的特点。通过仿真分析了典型制动过程及典型工况循环的制动能量回收效果,结果表明,与理想制动力分配策略相比,本文提出的回馈制动控制策略能获得更高的能量回收效率。

分布式电驱动车辆极限越野环境下高速避障与稳定性控制

为提高分布式电驱动车辆在极限越野环境下的高速避障能力和操纵稳定性,提出一种充分考虑车辆过弯姿态反馈的分层协调横向稳定性控制方法。上层控制器将多模型在线建模算法与非线性模型预测控制理论相结合,构建一种基于数据驱动多模型预测控制的横摆、侧倾运动协调控制器。由于车辆不同的横向失稳状态下最优控制中心是时变的,细化并重构一种双层融合型横摆运动动力学模型。考虑到越野工况存在时变道路曲率和侧向坡度,建立零力矩点侧倾失稳判断模型,在横摆稳定性控制基础上引入侧倾稳定性控制约束。下层控制器结合各轮胎滑动率和垂直载荷转移量,采用二次规划求解算法将融合型期望横摆力矩转化为各轮最优驱动转矩。搭建MATLAB/Simulink软件和Carsim软件联合仿真平台,进行仿真实验验证。结果表明,该分层协调控制策略可充分发挥分布式电驱动车辆在极限越野工况下的高机动转向性能,具有较强的车身姿态修正能力,可以提高车辆的路径保持精度和过弯横向稳定性。

分布式电驱动车辆底盘稳定性协同控制研究综述

针对分布式电驱动车辆面临的驱动系统复杂性、路面情况不确定性、车辆横向-纵向-垂向动力学强耦合非线性等方面的挑战,介绍了常用的协同控制框架及其特点,并从横向-纵向-垂向动力学中两者间的稳定性协同控制、横向-纵向-垂向动力学三者间的稳定性协同控制和其他应用控制3个方面综述了分布式电驱动车辆底盘稳定性协同控制的研究进展。当前研究多集中于横向-纵向动力学协同控制,为实现整车综合性能的最优,须向横向-纵向-垂向动力学协同控制拓展。为应对复杂工况下的多目标优化问题,车辆稳定性判别和控制算法的自适应性同样是未来的研究重点。

分布式电驱动车辆驱动控制技术

分布式电驱动车辆各驱动轮牵引力可独立分配且互不影响,具有传动链短、动力响应快和能量传递效率高等优点,调节各车轮转矩的分配,可提高车辆的动力性。但是当车辆行驶至对开路面或者对接路面时,左右、前后驱动轮转矩不同会造成车辆的稳定性变差。如何协同4个电机转矩工作,保证在不同路况下的稳定性和动力性成为本文研究的重点。

分布式电驱动车辆力矩分配控制研究现状综述

分布式电驱动车辆具有控制灵活度高、传动链短、结构紧凑、传动效率高、空间布置利用率高等特点,独特的结构特点与驱动方式令其在充分挖掘车辆动力学控制潜力、增强车辆安全性、提升驱动效率、简化底盘结构等方面带来明显的技术革新,为高性能车辆控制技术提供硬件载体。然而,作为过驱动、多约束、车辆纵向-横向-垂向运动行为强非线性耦合系统,分布式电驱动车辆在车辆动力学控制、车辆行驶经济性控制、协同控制等方面仍面临理论与技术挑战。基于此,综合国内外前沿分布式电驱动车辆力矩分配控制策略研究,主要从控制框架、稳定性控制、能效控制、兼顾稳定性与经济性控制4个方面重点阐述当前发展现状,设计并对比分析应用案例,从不同角度对力矩分配的发展方向进行展望,旨在为先进分布式电驱动车辆高性能力矩分配控制器开发提供参考。

分布式电驱动车辆线控转向系统MFAC主动容错控制

为解决分布式电驱动车辆线控转向系统容错控制大多需要故障诊断与隔离模块,以及过于依赖精确车辆动力学模型问题,提出基于多输入多输出无模型自适应线控容错控制方法。通过分析车辆3自由度模型确定无模型自适应控制的输入输出关系,建立面向线控转向系统的多输入多输出无模型自适应主动容错控制器(Multi-input multi-output model free adaptive control,MIMO-MFAC)并进行求解,并通过理论推导证明了控制器单调收敛。在此基础上基于Matlab/Simulink和CarSim对该容错控制方法进行了仿真验证,仿真结果表明当转向系统发生故障时,容错控制方法能协同驱动系统产生额外的横摆力矩进行补偿,保证车辆既能维持期望车速也不偏离既定轨迹行驶。最后,通过驾驶模拟器试验验证了该容错控制算法的实时性。

分布式电动车辆驱动系统MFAC主动容错控制

为解决分布式电驱动车辆驱动系统主动容错控制大多需要依赖于复杂、非线性车辆模型以及精确故障信息这一问题,提出了基于多输入多输出无模型自适应主动容错控制方法。该方法在控制系统设计时仅利用车辆系统的多个输入输出信息,在各个失效工况下,通过驱动系统和转向系统的协同容错控制,保证车辆既能维持期望车速也不偏离既定轨迹行驶,并通过理论推导证明了控制器单调收敛性和有界输入输出。基于MATLAB/Simulink和CarSim的联合仿真对控制算法有效性进行了验证,典型工况下,整车纵向速度误差维持在3%以内,横向不失稳以及不跑偏,确保了行驶安全;在此基础上通过驾驶模拟器实验验证了控制算法的实时性。

基于Simulink/Trucksim的四轴分布式电驱动车辆的建模与仿真

分析了多轴分布式电驱动车辆的动力学特性,并且根据横摆稳定性的研究需求,基于Matlab/Simulink搭建了分布式电驱动车辆的动力学模型。该模型包括车辆运动模块、转向模块、转速转换模块与电机模块。通过Simulink与Trucksim进行方向盘转角阶跃输入与方向盘转角正弦输入的联合仿真,验证了所搭建的车辆动力学模型的准确性,为后续车辆横摆稳定性的控制策略的研究提供了可靠的仿真平台。

运动学与动力学融合的车辆状态估计方法

汽车状态参数的准确获得是保证汽车主动安全系统有效性的重要要求。分布式电驱动车辆的新型结构为传统基于动力学的状态参数估计方法的突破提供了可能。通过分析基于运动学与动力学方法各自不同的误差特性,该文提出了对两种估计方法的估计结果进行融合处理的分布式电驱动车辆状态参数估计方法。利用理论推导,证明了该方法将能够有效的提高不同工况下的估计精度,提高估计方法的工况适应性。为验证该方法的有效性,开发了Car Sim与Simulink联合仿真试验平台。仿真结果表明,所提出的误差加权的融合状态观测方法提高了分布式电驱动车辆状态参数观测精度和鲁棒性。