一种四轮驱动汽车扭矩分配模型预测方法

4WID-EV是四轮独立驱动电动车,可以通过分别控制每个车轮的扭矩来实现更加精确的转向和动力分配。MPC(Model Predictive Control)模型预测控制算法是一种基于数学模型的控制方法,通过预测未来系统行为来生成控制动作,在电动汽车行业中,MPC被广泛应用于车辆稳定性控制、能量管理以及路径规划等领域。为了达到车辆节能的目的,基于模型预测控制算法,设计一种优化电动汽车行驶能耗的扭矩分配控制器模型,并且在ECE城市道路行驶工况下进行MPC优化分配、平均分配、前轴分配三种分配策略仿真对比分析。结果表明:相比于平均分配和后轴驱动,MPC优化分配方式整车能耗效率提升5.5%和10.61%,具有较好的节能性能。

粒子群优化线控主动转向滑模控制器设计

复杂路况和极端驾驶条件下汽车的行驶稳定性是车辆控制系统的研究重点。针对这一问题,提出了一种基于滑模控制(Sliding Mode Control,SMC)的线控转向控制策略,并采用粒子群算法(Particle Swarm Optimization,PSO)对滑模控制器的参数进行了优化。首先,对线控转向系统进行了建模,并构建了Carsim/Simulink联合仿真模型;其次,以汽车横摆角速度和质心侧偏角的偏差为控制目标,前轮转角补偿为输出,基于二自由度车辆模型设计了滑模控制器;然后,在Matlab环境中编写多目标粒子群算法,以优化滑模控制器参数;最后,输出修正后的前轮转角。仿真结果表明,在无侧向风环境下,多目标粒子群算法优化的滑模控制器能够显著提高汽车的操纵稳定性,第11秒时,横摆角速度和质心侧偏角误差分别减少了2.41%和1.18%。当车辆处于侧向风环境下时,优化后的滑模控制器使车辆的横向位移误差率显著降低,第14秒时,在高附着系数下减少了2.3%,在低附着系数下减少了4.4%。