详情

原文传递基于轮毂电机的四轮驱动电动汽车驱动防滑系统的研究

论文题名：	基于轮毂电机的四轮驱动电动汽车驱动防滑系统的研究
关键词：	电动汽车;驱动防滑系统;轮毂电机;最优滑转率
摘要：	基于轮毂电机的四轮驱动（4 Wheel Drive,4WD）电动汽车（Electric Vehicle, EV）是新能源汽车的一个重要发展方向。当车辆在低附着路面起步或加速运行时，车轮很容易产生滑转。过度滑转会使纵向附着力下降，影响车辆驱动和稳定性能。驱动防滑系统（Anti-slip Regulation，ASR）是解决车轮滑转问题的主动安全系统，它在传统汽车上已经有了广泛的研究，但由于驱动方式和控制方式的不同，不能直接适用于基于轮毂电机的4WD电动汽车，如何设计并实现基于轮毂电机的4WD电动汽车的驱动防滑系统是目前广泛研究的一个重要课题，文章主要针对驱动防滑系统中车轮滑转率的获取和路面最优滑转率识别进行研究，在此基础上设计了相应的驱动防滑系统。具体研究工作如下：　　首先，针对目前普遍使用的基于车辆模型的估算方法存在着车辆参数和模型建立较为复杂的不足之处，文章将GPS/INS组合导航装置运用在了车轮滑转率的获取上，设计了滑转率采集系统。采集系统利用卡尔曼滤波器将GPS采集的速度信号和加速计采集的纵向加速度信号进行融合得到纵向车速，结合由轮毂电机输出的车轮线速度计算滑转率。进一步地，针对GPS/INS组合导航装置中GPS模块容易在信号不佳的工况下失锁使得卡尔曼滤波器无法输出纵向车速的问题，采用BP神经网络来辅助采集系统，确保在GPS失锁的情况下系统仍估计纵向车速。为了验证该方法的有效性搭建了实验平台，通过实车实验的采集数据进行验证。结果表明，在GPS锁定的情况下系统采集的滑转率具有良好的精度，当GPS失锁时，利用BP神经网络辅助方法估计的纵向车速计算出的滑转率同样也具有较好的精度。　　其次，本文采用未知输入观测器（Unknown Inputs Observer，UIO）的方法来观测车轮利用附着系数，在建立轮毂电机模型与车轮动力学模型的基础上设计UIO。以UIO观测的车轮利用附着系数与采集系统采集的滑转率通过递推最小二乘法（Recursive Least Squares，RLS）来拟合魔术公式，识别路面最优滑转率。为了验证方法的正确性和有效性，根据实际参数在CarSim中建立了整车模型，在Simulink中建立了轮毂电机模型、UIO和RLS观测器。通过Simulink与CarSim的联合仿真验证UIO观测车轮利用附着系数的可行性与精确性，同时验证RLS观测器对路面最优滑转率的识别精度。仿真结果表明，UIO的输出可以有效精确的跟随车轮利用附着系数同时RLS观测器可以很好的识别路面的最优基于轮毂电机的四轮驱动（4 Wheel Drive,4WD）电动汽车（Electric Vehicle, EV）是新能源汽车的一个重要发展方向。当车辆在低附着路面起步或加速运行时，车轮很容易产生滑转。过度滑转会使纵向附着力下降，影响车辆驱动和稳定性能。驱动防滑系统（Anti-slip Regulation，ASR）是解决车轮滑转问题的主动安全系统，它在传统汽车上已经有了广泛的研究，但由于驱动方式和控制方式的不同，不能直接适用于基于轮毂电机的4WD电动汽车，如何设计并实现基于轮毂电机的4WD电动汽车的驱动防滑系统是目前广泛研究的一个重要课题，文章主要针对驱动防滑系统中车轮滑转率的获取和路面最优滑转率识别进行研究，在此基础上设计了相应的驱动防滑系统。具体研究工作如下：　　首先，针对目前普遍使用的基于车辆模型的估算方法存在着车辆参数和模型建立较为复杂的不足之处，文章将GPS/INS组合导航装置运用在了车轮滑转率的获取上，设计了滑转率采集系统。采集系统利用卡尔曼滤波器将GPS采集的速度信号和加速计采集的纵向加速度信号进行融合得到纵向车速，结合由轮毂电机输出的车轮线速度计算滑转率。进一步地，针对GPS/INS组合导航装置中GPS模块容易在信号不佳的工况下失锁使得卡尔曼滤波器无法输出纵向车速的问题，采用BP神经网络来辅助采集系统，确保在GPS失锁的情况下系统仍估计纵向车速。为了验证该方法的有效性搭建了实验平台，通过实车实验的采集数据进行验证。结果表明，在GPS锁定的情况下系统采集的滑转率具有良好的精度，当GPS失锁时，利用BP神经网络辅助方法估计的纵向车速计算出的滑转率同样也具有较好的精度。　　其次，本文采用未知输入观测器（Unknown Inputs Observer，UIO）的方法来观测车轮利用附着系数，在建立轮毂电机模型与车轮动力学模型的基础上设计UIO。以UIO观测的车轮利用附着系数与采集系统采集的滑转率通过递推最小二乘法（Recursive Least Squares，RLS）来拟合魔术公式，识别路面最优滑转率。为了验证方法的正确性和有效性，根据实际参数在CarSim中建立了整车模型，在Simulink中建立了轮毂电机模型、UIO和RLS观测器。通过Simulink与CarSim的联合仿真验证UIO观测车轮利用附着系数的可行性与精确性，同时验证RLS观测器对路面最优滑转率的识别精度。仿真结果表明，UIO的输出可以有效精确的跟随车轮利用附着系数同时RLS观测器可以很好的识别路面的最优滑转率。这种方法与目前普遍使用车轮轮速微分来计算利用附着系数的方法相比，计算精确度更高，从而使得最优滑转率识别精度更高。　　最后，选取PI控制器对驱动防滑系统滑转率进行控制，以采集后计算出的车轮滑转率作为反馈量，以RLS观测输出的最优滑转率作为目标量，将其偏差输入PI控制器，利用PI控制器输出的控制信号实时调节轮毂电机的输出转矩，对滑转率进行控制，完成了整个驱动防滑系统的设计。　　文章对全文所做的工作进行了总结和展望。虽然现阶段取得了一定的成绩但仍存在许多问题与不足，在后续的研究中会进行不断的完善。
作者：	桂临秋
专业：	控制科学与工程
导师：	李向舜
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2017
正文语种：	中文