本發(fā)明涉及電動(dòng)汽車底盤控制，尤其是涉及一種分布式電動(dòng)汽車橫向穩(wěn)定性自適應(yīng)控制系統(tǒng)及方法。

背景技術(shù)：

迫于能源與環(huán)保的雙重壓力，汽車的節(jié)能和環(huán)保性能逐漸成為關(guān)注的重點(diǎn)，分布式電動(dòng)汽車以其獨(dú)特的動(dòng)力系統(tǒng)和傳動(dòng)機(jī)構(gòu)成為國(guó)內(nèi)外高校和研究機(jī)構(gòu)研究的熱點(diǎn)問題。分布式電動(dòng)汽車作為一種新興的運(yùn)載工具，在很多方面亟待突破，當(dāng)分布式電動(dòng)車高速過彎和變道時(shí)或是在地面附著條件惡劣的環(huán)境下轉(zhuǎn)向行駛時(shí)，由于運(yùn)動(dòng)學(xué)模型參數(shù)的變化不能保證車輛此時(shí)仍處于穩(wěn)定狀態(tài)，必須通過運(yùn)動(dòng)學(xué)控制協(xié)調(diào)各輪的轉(zhuǎn)矩以避免車輛出現(xiàn)側(cè)滑、急轉(zhuǎn)和側(cè)翻等失穩(wěn)的危險(xiǎn)工況，在文獻(xiàn)[1](劉樹偉,李剛,鄭利民.基于lqr的汽車橫擺力矩控制研究[j].汽車實(shí)用技術(shù),2013,(12):56-60)、文獻(xiàn)[2](李少坤.基于轉(zhuǎn)矩分配的分布式驅(qū)動(dòng)電動(dòng)汽車穩(wěn)定性控制研究[d].吉林大學(xué),2016.)和文獻(xiàn)[3](張利鵬,李亮,祁炳楠,等.雙電機(jī)分布式驅(qū)動(dòng)汽車高速穩(wěn)定性機(jī)電耦合控制[j].機(jī)械工程學(xué)報(bào),2015,51(16):29-40.)分別使用不同方法對(duì)分布式電動(dòng)汽車橫向穩(wěn)定性進(jìn)行控制，在所提出的方法中對(duì)系統(tǒng)的模型參數(shù)依賴過大，而極限工況下車輛系統(tǒng)是一個(gè)高度非線性參數(shù)時(shí)變且不確定的系統(tǒng)，控制效果都不是很理想。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于為了克服現(xiàn)有技術(shù)上的不足，提供一種分布式電動(dòng)汽車橫向穩(wěn)定性自適應(yīng)控制系統(tǒng)及方法。

所述分布式電動(dòng)汽車橫向穩(wěn)定性自適應(yīng)控制系統(tǒng)設(shè)有優(yōu)化控制層、橫擺力矩優(yōu)化分配模塊、車輛狀態(tài)測(cè)量估算模塊、理想橫擺角速度與質(zhì)心側(cè)偏角計(jì)算模塊、方向盤轉(zhuǎn)角傳感器和車速傳感器；所述優(yōu)化控制層利用遺傳算法對(duì)模糊滑模自適應(yīng)控制器進(jìn)行優(yōu)化，得出期望附加橫擺力矩，再由橫擺力矩優(yōu)化分配模塊將附加橫擺力矩分配到輪轂電機(jī)控制器中，電機(jī)控制器發(fā)送指令信息到各輪轂電機(jī)中產(chǎn)生電機(jī)驅(qū)/制動(dòng)力得到所需的橫擺力矩。

各個(gè)模塊的信息傳遞通過can總線，實(shí)施步驟如下：

1)車速傳感器及方向盤轉(zhuǎn)角傳感器測(cè)得車輛縱向行駛速度和方向盤轉(zhuǎn)角，進(jìn)入理想橫擺角速度和質(zhì)心側(cè)偏角計(jì)算模塊中，得到理想橫擺角速度和質(zhì)心側(cè)偏角；

2)車輛狀態(tài)測(cè)量估算模塊通過實(shí)時(shí)觀測(cè)車輛狀態(tài)，輸出車輛橫擺角速度、質(zhì)心側(cè)偏角和各輪的側(cè)向力，所述車輛橫擺角速度通過橫擺角速度傳感器測(cè)得，質(zhì)心側(cè)偏角通過車速傳感器測(cè)得縱向車速及橫向車速并估算得到，估算公式如式(3)，各輪的側(cè)向力通過安裝在輪胎上的多傳感器測(cè)量中心(mshub)獲得；

3)引入遺傳算化控制模塊得到的期望附加橫擺力矩，進(jìn)入橫擺力矩優(yōu)化分配，以輪胎利用率為優(yōu)化目標(biāo)兼顧輪胎力分配橫擺力矩，在優(yōu)化控制層本發(fā)明提出一種基于遺傳優(yōu)化模糊滑模變結(jié)構(gòu)控制的算法，實(shí)現(xiàn)對(duì)分布式電動(dòng)車輛的附加橫擺力矩的控制。針對(duì)分布式電動(dòng)車輛高度非線性、參數(shù)不確定及時(shí)變的特性，模糊滑?？刂平Y(jié)合模糊控制和滑模變結(jié)構(gòu)控制兩者優(yōu)點(diǎn)，利用滑模變結(jié)構(gòu)控制應(yīng)對(duì)外界不確定性因素，提高車輛在極限條件下的穩(wěn)定性，同時(shí)利用模糊控制柔化控制信號(hào)，減小或消除滑模變結(jié)構(gòu)控制中出現(xiàn)的高頻抖振，并且利用遺傳算法優(yōu)化模糊控制器的隸屬度函數(shù)參數(shù)及模糊規(guī)則自適應(yīng)尋求到最優(yōu)的規(guī)則和隸屬度。在橫擺力矩優(yōu)化分配模塊利用最小二乘法以輪胎利用率最小為目標(biāo)函數(shù)優(yōu)化分配各輪的縱向力并由此得到輪轂電機(jī)的驅(qū)/制動(dòng)力矩，最終實(shí)現(xiàn)將橫擺力矩分配到各輪。

所述分布式電動(dòng)汽車橫向穩(wěn)定性自適應(yīng)控制方法，包括以下步驟：

1)確定期望橫擺角速度與質(zhì)心偏向角；

在步驟1)中，所述確定期望橫擺角速度與質(zhì)心偏向角的具體方法可為：分布式電動(dòng)車簡(jiǎn)化成二自由度車身，推導(dǎo)出在穩(wěn)態(tài)過彎時(shí)橫擺角速度及質(zhì)心側(cè)偏角，并將此作為車輛行駛中需跟蹤的目標(biāo)值，期望值如式(1)和式(2)所示：

式中，β為質(zhì)心側(cè)偏角，γ是橫擺角速度，δf是前輪轉(zhuǎn)角，m表示整車質(zhì)量，lf,lr分別為車身前軸距和后軸距，vx和vy分別為車速傳感器測(cè)得的縱向車速和橫向車速，cf,cr分別表示前后輪胎側(cè)偏剛度。

2)利用車輛狀態(tài)測(cè)量估算模塊得到的橫擺角速度及質(zhì)心偏向角：

分別與期望值做差，得到橫擺角速度偏差eγ和質(zhì)心偏向角的偏差eβ，設(shè)計(jì)滑模面s：

s＝ξeγ+(1-ξ)eβ(4)

對(duì)滑模函數(shù)s求導(dǎo)：

3)滑?？刂破髟O(shè)計(jì)，令求得等效滑模控制的等效項(xiàng)ueq，再令u＝ueq+us分析使得成立，得到滑模控制的切換控制項(xiàng)us，fy_rl、fy_rr、fy_fl和fy_fr由車輛狀態(tài)測(cè)量估算模塊中多傳感器測(cè)量中心(mshub)獲得：

us＝-ksgn(s)(7)

4)模糊控制設(shè)計(jì)，滑?？刂浦衚值影響滑?？刂破鞫墩?，令模糊控制器的輸入為s和輸出為k，模糊子集都為{nb,ns,zo,ps,pb}，由此構(gòu)成橫向穩(wěn)定模糊滑?？刂破?；

5)引入遺傳算法優(yōu)化模糊控制器的隸屬度函數(shù)及模糊規(guī)則；

在步驟5)中，所述引入遺傳算法優(yōu)化模糊控制器的隸屬度函數(shù)及模糊規(guī)則的具體方法可為：選擇隸屬度和模糊規(guī)則作為初始種群，計(jì)算得出目標(biāo)函數(shù)值及相應(yīng)的適應(yīng)度值，選擇操作采用無回放余數(shù)隨機(jī)選擇，然后采用算數(shù)交叉增加搜索空間，使用基本位變異的方法進(jìn)行變異操作。

6)控制分配：以輪胎利用率為優(yōu)化目標(biāo)兼顧輪胎力分配橫擺力矩，即將四個(gè)輪胎利用率的平方和進(jìn)行最小化為優(yōu)化目標(biāo)，車輛行駛中根據(jù)輪胎垂直力來分配各個(gè)輪胎的附著利用率，使得能力大的輪胎發(fā)揮最大作用。

本發(fā)明提出一種基于遺傳算法優(yōu)化模糊滑模自適應(yīng)分布式電動(dòng)汽車的控制系統(tǒng)及方法，采用遺傳算法優(yōu)化自適應(yīng)參數(shù)，系統(tǒng)控制律不依賴于系統(tǒng)模型，對(duì)非線性系統(tǒng)具有很強(qiáng)的魯棒性。

附圖說明

圖1為本發(fā)明所述分布式電動(dòng)汽車橫向穩(wěn)定性自適應(yīng)控制系統(tǒng)的結(jié)構(gòu)示意圖。

圖2為本發(fā)明所述分布式電動(dòng)汽車橫向穩(wěn)定性自適應(yīng)控制算法流程圖。

圖3為本發(fā)明s隸屬度圖。

圖4為本發(fā)明隸屬度圖。

圖5為本發(fā)明k隸屬度圖。

具體實(shí)施方式

結(jié)合圖1～圖5對(duì)本發(fā)明智能優(yōu)化自適應(yīng)控制系統(tǒng)及方法進(jìn)一步作詳細(xì)的說明。

本發(fā)明運(yùn)用遺傳算法優(yōu)化模糊控制器的模糊規(guī)則和隸屬度函數(shù)，得到優(yōu)化的模糊控制輸出滑?？刂破鞯那袚Q函數(shù)系數(shù)，在線自適應(yīng)的調(diào)整控制律的參數(shù)以降低和抑制滑模變結(jié)構(gòu)控制的抖振現(xiàn)象。本發(fā)明提供的控制器能夠使分布式電動(dòng)車輛在極限工況下維持車輛姿態(tài)，提升穩(wěn)定性和系統(tǒng)魯棒性。

如圖1中整個(gè)控制系統(tǒng)包括方向盤轉(zhuǎn)角傳感器、車速傳感器、車輛狀態(tài)測(cè)量及估算模塊、理想橫擺角速度及質(zhì)心側(cè)偏角計(jì)算模塊、智能優(yōu)化控制模塊、橫擺力矩優(yōu)化分配模塊以及輪轂電機(jī)控制器(在圖1中，標(biāo)記1～4為輪轂電機(jī))；具體實(shí)施步驟如下：

第一步，車速傳感器及方向盤轉(zhuǎn)角傳感器測(cè)得車輛縱向行駛速度和方向盤轉(zhuǎn)角，進(jìn)入理想橫擺角速度和質(zhì)心側(cè)偏角計(jì)算模塊中，得到理想橫擺角速度和質(zhì)心側(cè)偏角。

在理想橫擺角速度及質(zhì)心側(cè)偏角計(jì)算模塊中計(jì)算理想橫擺角速度γd和βd，δwf表示方向盤轉(zhuǎn)角傳感器測(cè)出的方向盤轉(zhuǎn)角，n是方向盤轉(zhuǎn)角與前輪轉(zhuǎn)角δf的傳動(dòng)比。

第二步，車輛狀態(tài)測(cè)量估算模塊通過實(shí)時(shí)觀測(cè)車輛狀態(tài)，輸出車輛的橫擺角速度、質(zhì)心側(cè)偏角和各輪的側(cè)向力，其中車輛橫擺角速度通過橫擺角速度傳感器測(cè)得，質(zhì)心側(cè)偏角通過車速傳感器測(cè)得縱向車速及橫向車速并估算得到，估算公式如式(3)，各輪的側(cè)向力通過安裝在輪胎上的多傳感器測(cè)量中心(mshub)獲得。

第三步，智能優(yōu)化控制模塊設(shè)計(jì)：

1)來自車輛狀態(tài)測(cè)量估算模塊車輛實(shí)時(shí)橫擺角速度γ及質(zhì)心側(cè)偏角β與理想橫擺角速度γd及質(zhì)心側(cè)偏角βd分別做差得到橫擺角速度偏差eγ和質(zhì)心側(cè)偏角偏差eβ，根據(jù)偏差設(shè)計(jì)滑模面s。

eγ＝γ-γd(4)

eβ＝β-βd(5)

s＝ξeγ+(1-ξ)eβ(6)

ξ是綜合控制γ與β的權(quán)重系數(shù)，選擇等效滑?？刂圃O(shè)計(jì)滑?？刂?，即控制律由u＝ueq+us得到，令得到等效控制項(xiàng)ueq，fy_rl、fy_rr、fy_fl和fy_fr由mshub傳感器獲得。

切換魯棒控制項(xiàng)us：

us＝-ksgn(s)(8)

2)模糊滑?？刂破髟O(shè)計(jì)：在式(8)切換魯棒控制項(xiàng)k值是系統(tǒng)將運(yùn)動(dòng)點(diǎn)趨近滑模面的速度衡量值，在實(shí)際滑?？刂破鬟\(yùn)作時(shí)需根據(jù)不同s及來調(diào)整切換魯棒控制項(xiàng)系數(shù)k，據(jù)此設(shè)計(jì)模糊控制器，模糊控制輸入為s和輸出為k，模糊控制的模糊規(guī)則及隸屬度函數(shù)參數(shù)設(shè)計(jì)如圖3～圖5。

3)遺傳算法優(yōu)化模糊規(guī)則及隸屬度函數(shù)：常規(guī)模糊控制的模糊規(guī)則及隸屬度函數(shù)都是由專家經(jīng)驗(yàn)反復(fù)調(diào)整來尋求合適的模糊規(guī)則和隸屬度函數(shù)參數(shù)，本發(fā)明利用遺傳算法對(duì)模糊規(guī)則及隸屬度函數(shù)參數(shù)優(yōu)化。步驟如下：

a.編碼：使用圖2～圖5中所示參數(shù)(x1,x2...x18)來表示待優(yōu)化的隸屬度函數(shù)參數(shù)，由參數(shù)(r1,r2...r25)∈[1,5]表示待優(yōu)化的模糊規(guī)則，1表示nb，2表示ns，以此類推。將待優(yōu)化的參數(shù)編碼聯(lián)合形成染色體。

b.適度函數(shù)選?。哼x取橫擺角速度偏差及質(zhì)心側(cè)偏角偏差的平方和作為性能指標(biāo)函數(shù)如式(9)。

和是加權(quán)系數(shù)，分別決定eγ和eβ在適應(yīng)度函數(shù)中所占比例。由于是遺傳算法是要求適應(yīng)度函數(shù)越大越優(yōu)，所以將指標(biāo)函數(shù)轉(zhuǎn)化為適應(yīng)度函數(shù)如式(10)：

c.選擇算子：采用與適應(yīng)度成正比的概率來確定各個(gè)個(gè)體復(fù)制到下一代群體中，保證適應(yīng)度優(yōu)于均值的個(gè)體可遺傳下去。

d.交叉操作：為增大搜索空間產(chǎn)生新個(gè)體，采用算術(shù)交叉。設(shè)兩個(gè)個(gè)體之間進(jìn)行算術(shù)交叉，交叉后的新個(gè)體為：

t表示優(yōu)化的代數(shù)，α表示權(quán)參數(shù)。

e.變異：采用基本位變異的方法進(jìn)行變異運(yùn)算，首先確定出各個(gè)個(gè)體基因變異位置，然后依照一定的概率將變異點(diǎn)的原有基因取反。遺傳算法優(yōu)化模糊控制規(guī)則及隸屬度函數(shù)參數(shù)的流程如圖2。

第四步，由智能優(yōu)化控制模塊得到的橫擺力矩，進(jìn)入橫擺力矩優(yōu)化分配。以輪胎利用率為優(yōu)化目標(biāo)兼顧輪胎力分配橫擺力矩，即將四個(gè)輪胎利用率的平方和進(jìn)行最小化為優(yōu)化目標(biāo)，車輛行駛中根據(jù)輪胎垂直力來分配各個(gè)輪胎的附著利用率，使得能力大的輪胎發(fā)揮最大作用。轉(zhuǎn)矩優(yōu)化分配目標(biāo)函數(shù)計(jì)算如式(12)：

約束條件為車輛動(dòng)力性約束如式(13)，橫擺力矩約束如式(14)及路面附著和電機(jī)限制如式(15)：

fx1+fx2+fx3+fx4＝max(13)

txi≤min(μfzir,tmax)(15)

式中txi＝fxi*r，txi為傳到輪轂電機(jī)上的轉(zhuǎn)矩。橫擺力矩優(yōu)化分配模塊將得到的各輪轂的動(dòng)作指令發(fā)到輪轂電機(jī)控制器中，通過輪轂電機(jī)控制器實(shí)現(xiàn)各輪的控制。

綜上所述，本發(fā)明設(shè)計(jì)一種遺傳算法優(yōu)化自適應(yīng)模糊滑模控制系統(tǒng)實(shí)現(xiàn)對(duì)分布式電動(dòng)車輛橫擺力矩的控制，并基于最小輪胎利用率優(yōu)化分配橫擺力矩到各輪轂電機(jī)控制器。本發(fā)明采用遺傳算法優(yōu)化自適應(yīng)參數(shù)，系統(tǒng)控制律不依賴于系統(tǒng)模型，設(shè)計(jì)簡(jiǎn)單，對(duì)非線性系統(tǒng)具有很強(qiáng)的魯棒性。