详情

原文传递一种电动轮汽车电液复合车身稳定控制系统及方法

专利名称：	一种电动轮汽车电液复合车身稳定控制系统及方法
摘要：	本发明公开了一种电动轮汽车电液复合车身稳定控制系统及方法，该控制方法应用于拥有液压制动系统的分布式驱动电动轮汽车。整车控制器对各传感器采集的信息进行处理得到车速信息、相应车轮轮缸压力、方向盘转角、滑移率、侧向加速度、横摆角速度信息；然后根据采集处理的信息与估算信息，采取分层控制算法，基于神经网络和遗传优化算法的自适应滑模控制作为上层控制来计算出保持稳定性所需的附加横摆力矩，下层控制采取基于最小轮胎利用率的最优分配算法分配至四个车轮的两套执行机构，最终由两套执行机构对车轮执行相应的动作从而改善电动轮汽车车身稳定性。
专利类型：	发明专利
国家地区组织代码：	江苏;32
申请人：	江苏大学
发明人：	张厚忠;梁家晟;江浩斌;蔡英凤;袁朝春
专利状态：	有效
申请日期：	2019-02-01T00:00:00+0800
发布日期：	2019-06-07T00:00:00+0800
申请号：	CN201910101755.3
公开号：	CN109849899A
分类号：	B60W30/02(2012.01);B;B60;B60W;B60W30
申请人地址：	212013 江苏省镇江市京口区学府路301号
主权项：	1.一种电动轮汽车电液复合车身稳定控制系统，其特征在于，包括：轮毂电机、整车控制器、液压控制单元、电机控制单元、轮速传感器、压力传感器、SAW轮胎传感器、方向盘转角传感器、侧向加速度传感器和横摆角速度传感器；所述轮速传感器、压力传感器、方向盘转角传感器、SAW轮胎传感器、侧向加速度传感器和横摆角速度传感器与整车控制器相连，并由整车控制器对其采集的信息进行处理，处理后得到车速信息、相应车轮轮缸压力、方向盘转角、滑移率、侧向加速度、横摆角速度信息；整车控制器根据采集处理的信息，采取分层控制算法，基于神经网络和遗传优化算法的自适应滑模控制作为上层控制器来计算出保持稳定性所需的附加横摆力矩，下层控制器采取基于最小轮胎利用率的最优分配算法来分配至四个车轮的两套执行机构，最终由两套执行机构对车轮执行相应的动作从而改善电动轮汽车车身稳定性。 2.根据权利要求1所述的一种电动轮汽车电液复合车身稳定控制系统，其特征在于，所述两套执行机构分别为：利用电机控制单元控制轮毂电机；利用液压控制单元控制各轮制动轮缸压力。 3.根据权利要求2所述的一种电动轮汽车电液复合车身稳定控制系统，其特征在于，所述对轮毂电机的控制指令只涉及电机正转转速指令，不存在反转指令。 4.根据权利要求2所述的一种电动轮汽车电液复合车身稳定控制系统，其特征在于，所述液压控制单元得到整车控制器指令后，通过对各油路液压阀的控制调节各轮制动轮缸压力，直到压力值达到整车控制器指示的期望值。 5.根据权利要求1-4任一项所述的一种电动轮汽车电液复合车身稳定控制系统，其特征在于，所述控制系统是通过门限值来决定是否起作用，即只有当横摆角速度偏差或质心侧偏角偏差大于门限值时控制系统才起作用，否则不做任何动作。 6.一种电动轮汽车电液复合车身稳定控制方法，其特征在于，采取分层控制结构，基于神经网络和遗传优化算法的自适应滑模控制作为上层控制，来计算出保持稳定性所需的附加横摆力矩；下层控制采取基于最小轮胎利用率的最优分配算法来分配至四个车轮的两套执行机构，最终由两套执行机构对车轮执行相应的动作以改善电动轮汽车车身稳定性。 7.根据权利要求6所述的一种电动轮汽车电液复合车身稳定控制方法，其特征在于，所述控制方法的具体实现包括如下步骤： (1)首先根据二自由度模型计算期望的质心侧偏角βd与横摆角速度ωd，期望横摆角速度期望质心侧偏角式中，δ为前轮转向角；lf，lr分别为整车质心至前、后轴的距离；vx为汽车质心处的纵向速度；Cf、Cr为前、后车轮侧偏刚度；K为稳定性因数，再根据横摆角速度传感器得到实时横摆角速度ω信息，根据扩展卡尔曼滤波方法估算当前实际质心侧偏角β： (2)系统根据横摆角速度与质心侧偏角实际值与期望值的偏差大小判断是否达到门限值，若超过设定门限值则继续以下步骤，否则不做动作； (3)其次根据期望值与实际值的偏差建立滑模面：s＝η(ω-ωd)+(1-η)(β-βd)(η>0)，并对其两边求导得到表达式： (4)建立滑模控制律；将滑模控制分为监督控制与等效控制两部分，即控制量u＝ur+ueq；其中等效控制监督控制ur＝-asgn(s)； (5)选用RBF神经网络对切换控制项-asgn(s)中的系数a进行实时调整，根据滑模到达的条件对切换增益进行有效估计，减小抖振；ωj表示从中间结点xj到输出结点hj的权值，结点hj的输出为切换控制项-asgn(s)中的系数a； RBF神经网络的权值调整指标为具有三层前馈式网络结构，包括输入层、中间层与输出层；设计RBF神经网络为2-5-1结构，输入层包含两个神经元，分别为滑模函数S(t)与滑模函数变化率中间层的五个径向基向量为hj，RBF网络权值增量为式中cj为第j个节点的中心矢量；bj为第j个节点的基宽度参数，且bj＞0；最终，RBF神经网络的输出为其中cj为中间层第j个神经元高斯基函数中心点的向量坐标；bj为隐含层第j个神经元高斯基函数的宽度；在设定好以上神经网络参数后，利用数据对其进行训练，最终将训练好的神经网络布置在控制系统中；其中用于训练的数据组应进行多次调节，确保车辆稳定性能的前提下减小甚至消除抖振现象； (6)针对控制方法中有两个控制变量，即质心侧偏角与横摆角速度，采取遗传优化算法来调整这两者的权重系数；调节方法为：当车辆在低路面附着系数的路面行驶时，适当降低η的值，增大质心侧偏角的权重；反之在高路面附着系数的路面行驶时，适当增加η的值，增加横摆角速度的权重； (7)执行机构在分配横摆力矩时，首先应考虑仅采用电机对驱动力差速分配能否满足附加横摆力矩，计算方法如下，在满足纵向力需求的前提下通过对一侧车轮分配较少的驱动力来与另一侧驱动力形成纵向力之差，从而达到施加附加横摆力矩的效果，可根据汽车二自由度模型建立关系式来达到上述目的：若不能则设计基于轮胎最小利用率的二次规划最优分配算法，约束条件有纵向力需求、路面附着系数、电机最大转矩与所需附加横摆力矩；纵向力需求与所需横摆力矩可根据汽车二自由度模型来建立关系式：同时，路面附着系数和垂直载荷的乘积也约束了车轮的纵向力大小：-μFzi≤Fxi≤μFzi，i＝fl，fr，rl，rr；轮毂电机的外特性约束了轮毂电机最大转矩大小：建立目标函数为四轮轮胎利用率平方和最小，并简化为根据以上所建立的目标函数和约束条件，可得二次规划法标准型：并通过MATLAB/SIMULINK中的S-function模块利用quadprog函数编程求解，按如下形式调用：[xv，fv]＝quadprog(H，[]，[]，Aeq，beq，lb，ub)，返回的xv值即为最优的需求电机驱动力和需求液压制动力；其中，W为8×8的对称矩阵，Aeq为矩阵： u，beq，lb，ub为列向量， u＝[Fmfl Fmfr Fmrl Fmrr Fhfl Fhfr Fhrl Fhrr]T； beq＝[F M]T (8)整车控制器将以上八个输出量指令传输至电机控制单元与液压控制单元，并监控其控制相应执行机构直至完成指令，从而完成对整车稳定性的控制。 8.根据权利要求7所述的一种电动轮汽车电液复合车身稳定控制方法，其特征在于，所述步骤(6)中，路面附着系数的输入是通过测定轮胎滑移率确定的，若滑移率超出正常范围或有即将超出正常范围的趋势则判定当前路面附着系数低于干燥路面；具体步骤：首先设定η初始值0<η<1；再设置遗传优化的相关参数，具体设的参数如下所示：种群大小为20，精英个数为1，交叉比例为0.7，最大进化代数为20，适应度函数偏差为1e-100；最后设计其适应度函数：其中T为最大进化代数，eη(t)为在不同路面附着系数下η的期望值与其实际值的偏差；其中期望值可以通过以往学者经验设定，也可以通过实验标定得到，不同路面附着系数都对应一个最佳η值，应尽可能密集，剩余空白数据采用插值法计算，在输入当前η之后，根据适应度函数判断其是否符合当前环境，如果不符合则进行交叉运算对η的值进行调整，直至其满足收敛要求或达到进化代数，如果符合则直接输出系数η，最终确定了车辆在不同路面附着系数条件下行驶时的最优权重系数η。
所属类别：	发明专利