详情

原文传递基于学习预测控制的电动汽车稳定性控制器设计

论文题名：	基于学习预测控制的电动汽车稳定性控制器设计
关键词：	电动汽车;四轮驱动;稳定性控制器;学习预测控制
摘要：	四轮驱动电动汽车能够独立的向车轮输送动力，具有控制灵活、能量转换效率高的优点，受到了工业界和学术界的广泛关注。而四轮驱动电动汽车增加了控制器的控制维度，同时车辆行驶过程中受到控制器的模型误差以及环境不确定性的影响，为车辆的稳定性控制问题带来了新的挑战。因此如何在考虑环境不确定性的前提下，实现车辆的前轮转角以及四轮驱动力矩的协调控制，是四轮驱动电动汽车稳定性控制问题的关键。　　针对以上问题，本文提出基于学习预测控制的四轮驱动电动汽车稳定性控制器。通过机器学习算法对模型误差以及环境中不确定性进行补偿，结合模型预测控制多输入多输出、显式处理约束的特性，实现了在不确定性环境下四轮驱动电动汽车的多执行器协调控制。相对于传统预测控制器，本文将学习机制与车辆稳定性控制结合，能够有效考虑模型误差以及环境不确定性对车辆稳定性的影响，进一步提升车辆的操纵稳定性，为车辆的稳定性控制问题提供了新的解决思路。本文的主要工作包括：　　1.针对轮胎力学和车辆动力学存在的非线性特性以及耦合特性，本文建立车辆运动复合工况下的Burckhardt轮胎模型以及七自由度车辆模型。首先通过分析轮胎的非线性特性搭建Burckhardt轮胎模型，随后进一步分析车辆的动力学特性以及车轮滚动特性，建立考虑车辆横向、纵向、横摆以及车轮动态的七自由度车辆动力学模型。最后通过与二自由度线性模型以及高精度仿真软件CarSim中的车辆模型进行对比，验证所建立七自由度车辆模型能够准确描述轮胎以及车辆的非线性特性和耦合特性，具有更高的模型精度。　　2.为解决四轮驱动电动汽车极限工况下车辆易失稳问题，本文设计一个集成主动前轮转向和直接横摆力矩控制的车辆稳定性非线性预测控制器。根据四轮驱动电动汽车安全性、舒适性的控制目标以及前轮转角、驱动电机等执行器的饱和约束，构建车辆稳定性控制问题的目标函数以及约束条件，设计集成稳定控制与力矩分配的一体化控制方案。随后基于模型预测控制的方法构建控制问题的优化问题描述，采用非线性优化求解工具CasADI进行求解。为验证控制器的有效性，将控制器在不同摩擦系数的路面上进行双移线工况实验，实验结果表明相对于二自由度线性模型设计的控制器，本文设计的控制器在不同工况下能够提升车辆的操纵稳定性。　　3.针对预测模型中的模型误差以及环境中的不确定性问题，本文提出基于学习预测控制的四轮驱动电动汽车稳定性控制方案。首先采用高斯过程回归方法对模型误差以及环境中不确定性性进行建模，将建立的学习模型与机理模型结合，构建车辆数据机理混合模型。结合车辆稳定性控制目标以及执行机构约束条件，设计基于学习的车辆稳定性控制器。针对机器学习模型数据激励不充分的问题，结合最小方差控制的思想，将车辆误差模型输出的方差加入控制器目标函数中，提升机器学习车辆误差模型输出的置信度。通过Simulink-CarSim联合仿真平台验证数据机理混合模型能够有效减小环境不确定性带来的模型失配问题，设计的控制器具有更好的控制性能以及自适应性，进一步提升四轮驱动电动汽车的操纵稳定性。
作者：	郭中一
专业：	控制工程
导师：	许芳
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023