详情

原文传递一种基于阿克曼转向修正的电动汽车电子差速控制方法

专利名称：	一种基于阿克曼转向修正的电动汽车电子差速控制方法
摘要：	本发明公开了一种基于阿克曼转向修正的电动汽车电子差速控制方法，包括以下步骤：修正阿克曼转向原理；建立电子差速转向模型；设计车轮轮速控制器；设计轮胎滑移率控制器。本发明通过对传统阿克曼转向原理进行修正，得到轮胎侧偏下的修正阿克曼转向原理以及修正后的车辆前轴内、外侧车轮转向角，提高了车辆转向控制精确度。本发明在修正阿克曼转向原理下，得到修正车辆前轴内、外侧车轮转向角下的期望四轮转速，提高了轮毂电机转速控制的精确度和实效性。本发明在考虑轮胎滑移率的影响下，通过车轮轮速对车轮转速的转化控制，提高了滑移率影响下电子差速控制的精确度。本发明使PID控制具有自适应性，提高了电子差速系统的鲁棒性和稳定性。
专利类型：	发明专利
申请人：	大连理工大学
发明人：	郭烈;陈俊杰;赵一兵;岳明;冯金盾
专利状态：	有效
申请日期：	1900-01-20T10:00:00+0805
发布日期：	1900-01-20T15:00:00+0805
申请号：	CN202010027771.5
公开号：	CN111152834A
代理机构：	大连东方专利代理有限责任公司
代理人：	李洪福
分类号：	B62D5/04;B62D11/04;B;B62;B62D;B62D5;B62D11;B62D5/04;B62D11/04
申请人地址：	116024 辽宁省大连市高新园区凌工路2号
主权项：	1.一种基于阿克曼转向修正的电动汽车电子差速控制方法，其特征在于：包括以下步骤： A、修正阿克曼转向原理车辆在转向行驶时，其纵向和横向都有地面作用在车轮上的力，车辆转向车轮受到纵向力、侧向力以及回正力矩；由轮胎的侧偏特性知，这些力作用在弹性轮胎上必然导致轮胎发生侧偏；针对弹性轮胎的侧偏现象，传统的阿克曼转向原理将不再适用于车辆转向，因此必须对阿克曼转向进行修正，在轮胎侧偏特性的作用下，修正后的阿克曼转向原理为：式中，δout为车辆前轴外侧车轮转向角，δin为车辆前轴内侧车轮转向角，Δα为车辆前轴外侧车轮轮胎侧偏角，Δβ为车辆前轴内侧车轮轮胎侧偏角，L为车辆前、后轴之间的轴距，H为车辆左右两侧车轮之间的轮距； B、建立电子差速转向模型基于传统阿克曼转向原理，建立电子差速转向模型，用四个矩形表示车辆两侧的四个车轮，连接前后两侧矩形的横向线段表示车辆的前后轴，中间连接前后横向线段的纵向线段表示车辆的底盘；用序号1、2分别表示车辆前轴左右两侧的车轮，用序号3、4分别表示车辆后轴左右两侧的车轮，并假设车辆向右转向；设V1、V2、V3、V4分别表示车辆前后轴两侧车轮的行驶速度，V表示车辆质心G点的行驶速度，各车轮的转向中心垂直于各车轮的速度方向，延长各车轮速度垂直线并交于O点，O点即为车辆的瞬时转向中心；O点到各车轮中心的距离即为各车轮的转向半径，即R1、R2、R3和R4分别为车辆前后轴两侧车轮的转向半径；Rcg为O点到车辆质心G点的距离，它表示车辆质心G点的转向半径；δ1、δ2分别表示车辆前轴两侧转向车轮的转向角，δ表示车辆前轴内外两侧转向车轮的平均转向角；Lf、Lr分别为车辆前、后轴到车辆质心的距离；由上述几何关系得，车辆前轴内侧转向车轮转向角为：车辆前轴外侧转向车轮转向角为：由修正后的阿克曼转向原理得，此时修正后的车辆前轴内、外侧转向车轮转向角分别为： δ1＝δin+Δβ (5) δ2＝δout+Δα (6) 车辆两侧四个车轮的转向半径分别为：车辆质心G点的转向半径为：由车辆转向时各点瞬时角速度相等得：即得车辆两侧车轮的转速分别为：式中，r代表车轮滚动半径； C、设计车轮轮速控制器车轮轮速控制器与轮毂电机转矩控制器一起是车辆底盘控制的执行单元，通过调节轮毂电机的驱动力矩来控制车轮轮速，并通过车轮轮速与车轮转速的关系实现对期望车轮转速的跟踪；车轮轮速控制器根据差速转向模型输入的期望车轮转速，并考虑路面附着计算当前滑移率大小，结合轮胎纵向驱动力与滑移率的关系，通过控制算法计算实时调节各轮轮毂电机的驱动力矩，进而调节车辆的四轮轮速，使车辆行驶车轮轮速跟踪期望车轮轮速，以完成车辆驱动行驶和差速转向要求；根据电子差速模型计算得到的车辆期望四轮转速和考虑轮胎滑移率后车辆行驶的实际四轮轮速转化得到的四轮转速之差，采用经典PID控制器对车辆车轮轮速进行闭环反馈控制，同时采用BP神经网络即BPNN对PID控制器的三个控制参数进行在线整定，以提高PID控制器的自适应性，为避免BP神经网络求解时陷入局部最优解问题，再采用粒子群优化即PSO算法对BP神经网络进行优化，克服其陷入局部最优解这一局限性；即采用PSO-BPNN-PID控制算法对分布式驱动电动汽车进行车轮轮速控制；车轮轮速控制器的输入为电子差速转向模型输出的期望四轮转速w1des、w2des、w3des、w4des和考虑轮胎滑移率后车辆行驶的实际四轮轮速转化得到的四轮转速V1_real/R、V2_real/R、V3_real/R、V4_real/R之间的差值，即期望车轮转速和实际转化车轮转速的误差，车轮轮速控制器的输出为车辆四轮轮速V1、V2、V3、V4；然后，V1、V2、V3、V4作为车辆轮毂电机控制器输入，经轮毂电机控制器输出两侧四个轮毂电机的驱动力矩T1、T2、T3、T4，进而实现车辆驱动和差速转向要求；而电子差速转向模型输出的期望四轮转速由驾驶员输入的期望方向盘转角变量δdes和车辆速度变量Vxdes结合电子差速转向中的车轮转速计算公式(5)～(16)计算求得；采用BP神经网络和PID控制器对车轮轮速进行控制，其控制量为期望车轮转速与考虑轮胎滑移率后车辆行驶的实际四轮轮速转化得到的四轮转速之差；因此，单个车轮的车轮轮速控制器的BP神经网络输入层输入为期望车轮转速wdes、考虑轮胎滑移率后车辆行驶的实际四轮轮速转化得到的四轮转速v_real/R以及两者的误差e＝wdes-v_real/R； PSO-BPNN-PID控制算法结构如下：首先对分布式驱动电动汽车车轮轮速施加PID闭环反馈控制，其输入控制信号r为期望车轮转速，分布式驱动电动汽车输出y为车辆考虑滑移率后实际车轮轮速转化得到的车轮转速，将期望车轮转速与实际转化的车轮转速的差值e作为PID控制器输入，PID控制器输出控制信号u，作用于分布式驱动电动汽车，以完成车辆车轮轮速的PID闭环反馈控制；整个PID控制器外接BP神经网络和粒子群优化，BP神经网络为PID控制器进行控制参数Kp、Ki、Kd在线整定，使PID控制器具有自适应性，其输入为期望车轮转速与实际转化车轮转速的差值e，输出为PID控制器控制参数Kp、Ki、Kd，输出后作用于PID控制器；粒子群优化外接于BP神经网络，用于BP神经网络各网络层连接权值初始化值进行优化赋值，以实现对BP神经网络优化，其输入为BP神经网络各网络层连接权值随机初始化值，输出为BP神经网络各网络层连接权值最优初始化值； PSO-BPNN-PID控制算法，包括以下步骤： C1、确定BP神经网络的结构； C2、为实现BP神经网络初始化各网络层权值和阈值，进入粒子群算法部分； C3、对BP神经网络结构各层神经元间的所有连接权值进行编码，得到粒子群的初始种群，随机初始化这些被编码成实数向量的种群； C4、将BP神经网络输出均方误差作为粒子适应度函数，计算粒子群适应度值； C5、随机初始化粒子群每个粒子的位置和速度； C6、计算每个粒子的适应度值； C7、计算每个粒子的当前个体极值； C8、评估粒子群的当前全局最优值，即得到BP神经网络各网络层权值和阈值的初始化值； C9、判断是否满足结束条件，如果是则转步骤C11，否则，转步骤C10； C10、更新每个粒子的位置和速度，转步骤C6； C11、将粒子群算法测得的粒子群全局最优值，即BP神经网络最优初始网络层连接权值对步骤C2的BP神经网络初始权值和阈值进行赋值； C12、计算BP神经网络误差； C13、判断是否满足误差结束条件，如果是则转步骤C15，否则，转步骤C14； C14、更新权值和阈值，转步骤C12； C15、输出最优PID控制参数Kp、Ki、Kd三个整定参数； C16、将得到的Kp、Ki、Kd三个整定参数作用于增量式PID控制器； C17、增量式PID控制器对车辆车轮轮速进行控制； C18、车辆输出增量式PID控制下的实际车轮轮速，并实时传输回BP神经网络的步骤C12，直至完成算法闭环反馈控制和在线实时优化； D、设计轮胎滑移率控制器通过轮毂电机内的霍尔传感器确定车轮的轮速vi和转速wi，依据滑移率定义公式计算轮胎的滑移率Si，若Si≤0.2，则输出该滑移率；若Si＞0.2，则输出Si＝0.2； E、设计轮毂电机转矩控制器由车轮轮速控制器跟踪期望车轮转速实现对车辆的控制，进而得到车辆实际的车轮轮速vi，以及滑移率控制器得到的轮胎滑移率Si，计算得到此时车轮的期望转速wi：再由车辆四个车轮的驱动力Fxi，与车轮转速wi一起代入车轮转动动力学方程，得单个轮毂电机期望驱动力矩为：结束。
所属类别：	发明专利