详情

原文传递一种分布式驱动电动汽车制动防抱死控制方法及系统

专利名称：	一种分布式驱动电动汽车制动防抱死控制方法及系统
摘要：	本发明公开了一种分布式驱动电动汽车制动防抱死控制方法及系统。该方法包括：采用无迹卡尔曼滤波对汽车的当前车速进行滤波；根据汽车的当前车速确定各车轮的当前滑移率；计算汽车各车轮的当前利用附着系数；将当前滑移率和当前利用附着系数输入自适应神经网络模型，得到当前路面的最优滑移率和最大利用附着系数；根据Thb＝(μmaxFz‑Freg)r计算各车轮需要液压制动系统提供的制动力矩Thb的大小，记为第一制动力矩；根据Teb＝TSMC‑Thb计算各车轮需要其轮毂电机提供的制动力矩Teb的大小，记为第二制动力矩；在汽车的制动防抱死过程中，根据第一制动力矩和第二制动力矩，控制液压制动系统输出的制动力矩和各车轮轮毂电机输出的制动力矩。本发明提高了紧急制动的效果。
专利类型：	发明专利
申请人：	北京理工大学
发明人：	张雷;刘青松;王震坡;韩冰;刘建宏
专利状态：	有效
申请日期：	1900-01-20T18:00:00+0805
发布日期：	1900-01-20T03:00:00+0805
申请号：	CN201911308436.6
公开号：	CN110949344A
代理机构：	北京高沃律师事务所
代理人：	韩雪梅
分类号：	B60T8/172;B60T8/176;B60T8/32;B;B60;B60T;B60T8;B60T8/172;B60T8/176;B60T8/32
申请人地址：	100081 北京市海淀区中关村南大街5号
主权项：	1.一种分布式驱动电动汽车制动防抱死控制方法，其特征在于，包括：采用无迹卡尔曼滤波对汽车的当前车速进行滤波；根据所述汽车的当前车速确定各车轮的当前滑移率；计算所述汽车各车轮的当前利用附着系数；将所述当前滑移率和所述当前利用附着系数输入自适应神经网络模型，得到当前路面的最优滑移率和最大利用附着系数；根据Thb＝(μmaxFz-Freg)r计算各车轮需要液压制动系统提供的制动力矩Thb的大小，记为第一制动力矩，其中，Freg＝αFregmax，Fregmax为当前电机可产生的最大回馈制动力，α为回馈系数，Freg为当前电机可回馈的制动力，μmax为所述最大利用附着系数；根据Teb＝TSMC-Thb计算各车轮需要其轮毂电机提供的制动力矩Teb的大小，记为第二制动力矩，其中，TSMC为车轮的滑模制动总力矩；在所述汽车的制动防抱死过程中，根据所述第一制动力矩和所述第二制动力矩，控制液压制动系统输出的制动力矩和各车轮轮毂电机输出的制动力矩。 2.根据权利要求1所述的分布式驱动电动汽车制动防抱死控制方法，其特征在于，所述方法还包括：根据计算各车轮的滑模制动总力矩，其中，ksat(s)为引入的边界层，φ为边界层的厚度，s＝λ-λd，λ为当前滑移率，λd为最优滑移率，Fz为车轮垂向力，μ为当前利用附着系数，r为车轮滚动半径，J为车轮转动惯量，为车轮加速度，k为系数。 3.根据权利要求1所述的分布式驱动电动汽车制动防抱死控制方法，其特征在于，所述采用无迹卡尔曼滤波对汽车的当前车速进行滤波，具体包括：以为状态方程，以为观测方程，采用无迹卡尔曼滤波对汽车的当前车速进行滤波，状态方程中的ax、ay、γ、Mz根据动力学模型计算得到，其中，ax为汽车纵向加速度，ay为汽车侧向加速度，γ为汽车横摆角度，ax测量为传感器测量得到的汽车纵向加速度，ay测量为传感器测量得到的汽车侧向加速度，γ测量为传感器测量得到的汽车横摆角度，vx为汽车纵向行驶速度，vy为汽车侧向行驶速度，Mz为绕z轴的旋转力矩，T为传感器信号的采样频率，k为迭代次数。 4.根据权利要求1所述的分布式驱动电动汽车制动防抱死控制方法，其特征在于，所述方法还包括：获取标准路面的滑移率与利用附着系数关系曲线，记为标准曲线，所述标准路面包括干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面；获取样本数据，所述样本数据包括滑移率和与其相对应的利用附着系数；确定所述样本数据与各标准曲线的相似度；根据所述相似度确定所述样本数据对各标准曲线的权重系数；根据各所述标准曲线以及各所述权重系数，确定所述样本数据对应的滑移率与利用附着系数关系曲线，记为样本曲线；确定所述样本曲线上利用附着系数最大的点以及该点所对应的滑移率，分别记为最大利用附着系数和最优滑移率；并将所述最大利用附着系数和所述最优滑移率作为所述样本数据的标签；根据所述样本数据以及其标签对神经网络进行训练，得到自适应神经网络模型。 5.一种分布式驱动电动汽车制动防抱死控制系统，其特征在于，包括：车速滤波模块，用于采用无迹卡尔曼滤波对汽车的当前车速进行滤波；滑移率确定模块，用于根据所述汽车的当前车速确定各车轮的当前滑移率；利用附着系数计算模块，用于计算所述汽车各车轮的当前利用附着系数；最优参数确定模块，用于将所述当前滑移率和所述当前利用附着系数输入自适应神经网络模型，得到当前路面的最优滑移率和最大利用附着系数；第一制动力矩计算模块，用于根据Thb＝(μmaxFz-Freg)r计算各车轮需要液压制动系统提供的制动力矩Thb的大小，记为第一制动力矩，其中，Freg＝αFregmax，Fregmax为当前电机可产生的最大回馈制动力，α为回馈系数，Freg为当前电机可回馈的制动力，μmax为所述最大利用附着系数；第二制动力矩计算模块，用于根据Teb＝TSMC-Thb计算各车轮需要其轮毂电机提供的制动力矩Teb的大小，记为第二制动力矩，其中，TSMC为车轮的滑模制动总力矩；制动控制模块，用于在所述汽车的制动防抱死过程中，根据所述第一制动力矩和所述第二制动力矩，控制液压制动系统输出的制动力矩和各车轮轮毂电机输出的制动力矩。 6.根据权利要求5所述的分布式驱动电动汽车制动防抱死控制系统，其特征在于，所述系统还包括：滑模制动总力矩计算模块，用于根据计算各车轮的滑模制动总力矩，其中，ksat(s)为引入的边界层，φ为边界层的厚度，s＝λ-λd，λ为当前滑移率，λd为最优滑移率，Fz为车轮垂向力，μ为当前利用附着系数，r为车轮滚动半径，J为车轮转动惯量，为车轮加速度，k为系数。 7.根据权利要求5所述的分布式驱动电动汽车制动防抱死控制系统，其特征在于，所述车速滤波模块，具体包括：车速滤波单元，用于以为状态方程，以为观测方程，采用无迹卡尔曼滤波对汽车的当前车速进行滤波，状态方程中的ax、ay、γ、Mz根据动力学模型计算得到，其中，ax为汽车纵向加速度，ay为汽车侧向加速度，γ为汽车横摆角度，ax测量为传感器测量得到的汽车纵向加速度，ay测量为传感器测量得到的汽车侧向加速度，γ测量为传感器测量得到的汽车横摆角度，vx为汽车纵向行驶速度，vy为汽车侧向行驶速度，Mz为绕z轴的旋转力矩，T为传感器信号的采样频率，k为迭代次数。 8.根据权利要求5所述的分布式驱动电动汽车制动防抱死控制系统，其特征在于，所述系统还包括：标准曲线获取模块，用于获取标准路面的滑移率与利用附着系数关系曲线，记为标准曲线，所述标准路面包括干沥青路面、湿沥青路面、湿鹅卵石路面和冰路面；样本数据获取模块，用于获取样本数据，所述样本数据包括滑移率和与其相对应的利用附着系数；相似度确定模块，用于确定所述样本数据与各标准曲线的相似度；权重系数确定模块，用于根据所述相似度确定所述样本数据对各标准曲线的权重系数；样本曲线确定模块，用于根据各所述标准曲线以及各所述权重系数，确定所述样本数据对应的滑移率与利用附着系数关系曲线，记为样本曲线；标签确定模块，用于确定所述样本曲线上利用附着系数最大的点以及该点所对应的滑移率，分别记为最大利用附着系数和最优滑移率；并将所述最大利用附着系数和所述最优滑移率作为所述样本数据的标签；神经网络训练模块，用于根据所述样本数据以及其标签对神经网络进行训练，得到自适应神经网络模型。
所属类别：	发明专利