本發(fā)明屬于電動汽車控制技術(shù)領(lǐng)域，具體涉及一種基于灰色預(yù)測的分布式驅(qū)動電動汽車橫向穩(wěn)定性高階變結(jié)構(gòu)控制方法。

背景技術(shù)：

隨著世界經(jīng)濟的發(fā)展，能源危機逐步加深，大氣污染和全球變暖等問題日益嚴峻。發(fā)展清潔能源，走可持續(xù)發(fā)展道路是人類的必然選擇。在此大環(huán)境下，電動汽車技術(shù)迅速發(fā)展，分布式驅(qū)動電動汽車就是近年來新能源汽車領(lǐng)域的研究熱點，其突出優(yōu)點有：驅(qū)動傳動鏈短、傳動高效及結(jié)構(gòu)緊湊，輪轂電機同時是汽車信息反饋單元和快速反應(yīng)的可控執(zhí)行單元，易于通過獨立控制輪轂電機的驅(qū)/制動實現(xiàn)橫向穩(wěn)定性控制。

國家專利201510922607.x提出一種基于高階滑模的電動汽車穩(wěn)定性直接橫擺力矩控制方法，以二自由度單軌模型為參考模型，通過高階滑?？刂扑惴▽M擺角速度和質(zhì)心側(cè)偏角進行控制，可有效抑制控制系統(tǒng)抖振。但是，二自由度參考模型過于簡單，不足以反映車輛理想的行駛狀態(tài)，且屬于“先有偏差，再控制”，當遇到突變工況時，需要進行緊急的穩(wěn)定性控制，在極端惡劣的突變工況下有失控的風(fēng)險，不能防患于未然；國家專利201610137131.3基于一階滑?？刂扑惴ㄔO(shè)計直接橫擺力矩控制器，采用飽和函數(shù)代替符號函數(shù)，可在一定程度上抑制控制系統(tǒng)的抖振，提高控制精度。但是，如果汽車工作在多突變的工況下，控制系統(tǒng)需要施加頻繁的方向多變的直接橫擺力矩時，控制系統(tǒng)的抖振將大幅度增加，此時控制系統(tǒng)性能將急劇惡化，不能保證車輛的橫向穩(wěn)定性。

技術(shù)實現(xiàn)要素：

為解決上述問題，本發(fā)明提供一種基于灰色預(yù)測的分布式驅(qū)動電動汽車橫向穩(wěn)定性高階變結(jié)構(gòu)控制方法，在對車輛進行行駛狀態(tài)預(yù)測的基礎(chǔ)上，實施橫向穩(wěn)定性控制，可防患于未然，抑制控制系統(tǒng)抖振，實現(xiàn)對車輛的精確控制，有效提高控制系統(tǒng)可靠性和車輛橫向穩(wěn)定性。

本發(fā)明提供種基于灰色預(yù)測的分布式驅(qū)動電動汽車橫向穩(wěn)定性高階變結(jié)構(gòu)控制方法，其特征在于，包括以下步驟：

s1，建立灰色模型mgm(1,3)，對車輛行駛狀態(tài)參數(shù)(橫擺角速度、質(zhì)心側(cè)偏角)進行預(yù)測；

s2，基于astsm控制算法，設(shè)計控制系統(tǒng)的上層控制器；

s3，對所述s2的上層控制器進行穩(wěn)定性分析，給出穩(wěn)定性條件；

s4，基于一種最優(yōu)算法設(shè)計控制系統(tǒng)的下層控制器。

進一步，所述s1的具體過程為：

s1.1，數(shù)據(jù)處理：

設(shè)測量所得原始灰時間序列為：

式中：i＝1,2,3，分別表示橫擺角速度、質(zhì)心側(cè)偏角及縱向車速；k＝1,2,3,4，表示每一灰時間序列取4個原始數(shù)據(jù)。

由于ago生成要求原始數(shù)列必須是非負的，故引入指數(shù)映射對原始數(shù)據(jù)進行變換，如下：

對所述s1.1處理的數(shù)據(jù)列生成一次累加生成序列(1-ago)，即：

s1.2，建立mgm(1,3)的白化微分方程組：

式中：aij(i,j＝1,2,3)為發(fā)展系數(shù)，bk(k＝1,2,3)為灰色作用量，為待辨識參數(shù)。

把mgm(1,3)寫成矩陣形式，即：

式中：

s1.3，辨識mgm(1,3)參數(shù)

生成的緊鄰均值序列z⁽¹⁾：

其中：

為求模型參數(shù)a、b，對白化微分模型進行離散化，并由最小二乘法可得參數(shù)估計值為：

p＝[ab]^t＝(l^tl)^-1l^ty

其中：

s1.4，mgm(1,3)求解及數(shù)據(jù)還原：

基于所述s1.3辨識的參數(shù)，求得mgm(1,3)的解為：

最后，將mgm(1,3)解進行逆生成(先后進行累減生成和對數(shù)映射)，即可得預(yù)測數(shù)據(jù)：：

mgm(1,3)預(yù)測器的算子可表達為：

進一步，所述s2的具體過程為：

s2.1，建立分布式驅(qū)動電動汽車橫擺動力學(xué)方程，即：

式中：mz為直接橫擺力矩(控制力矩)，n·m；iz為車輛橫擺慣量，kg·m²；f表示輪胎力，n，由dugoff輪胎模型給出，下標x、y分別表示輪胎縱向及橫向；fl、fr、rl、rr分別表示左前輪、右前輪、左后輪及右后輪；a、b分別表示前、后軸軸距，m；δ(δ＝δsw/i，δsw為方向盤轉(zhuǎn)角，i為轉(zhuǎn)向系統(tǒng)傳動比)為前輪轉(zhuǎn)角，rad；b為前、后輪輪距，m；d為模型不確定性及干擾造成的集總擾動，n·m。

s2.2，基于所述s2.1，采用stsm控制算法設(shè)計控制系統(tǒng)上層控制器：

定義滑模變量：

上層控制器輸出為：

u＝u1+u2

其中：

式中：γd、γmgm分別為橫擺角速度理想值及灰色預(yù)測值，rad/s；βd、βmgm分別為質(zhì)心側(cè)偏角理想值及灰色預(yù)測值，rad；α為超螺旋滑模控制增益；u1為astsm控制輸出，u2為建模補償前饋輸出。

假設(shè)：d*＝d1|s|^1/2sgn(s)，0<d1<d。

式中：d1、d均為正常數(shù)。

s2.3，設(shè)計所述s2.2控制器stsm控制增益的自適應(yīng)律,如下：

式中：e(s)＝e^k|s|，k、ω、θ、υ、λ及αt均為正常數(shù)。

進一步，所述s3的具體過程為：

構(gòu)造lyapunov函數(shù)：

其中：

v0＝ζ^tpζ

穩(wěn)定性條件：

式中：ε、α^*均為正常數(shù)。

進一步，所述s4的具體過程為：

提出一種最優(yōu)控制算法，設(shè)計下層控制器：

式中：fx為縱向輪胎力，n，由dugoff輪胎模型求得；fz為車輪垂直載荷，n，由軸荷轉(zhuǎn)移方程獲得；i＝1,2,3,4，分別表示左前輪、右前輪、左后輪及右后輪；μ為路面附著系數(shù)；β為后軸等效側(cè)偏角，rad；βt為后軸等效側(cè)偏角閾值，rad。

由車輪模型可得，各輪分配轉(zhuǎn)矩為：

式中：td為分配轉(zhuǎn)矩，n·m；r為車輪半徑，m；jw為車輪轉(zhuǎn)動慣量，kg·m²；wi為車輪角速度，rad/s。

本發(fā)明的有益效果為：

本發(fā)明采用灰色預(yù)測理論對分布式驅(qū)動電動汽車行駛狀態(tài)參數(shù)進行預(yù)測；在基礎(chǔ)上，采用astsm控制算法設(shè)計直接橫擺力矩上層控制器；最后，提出一種最優(yōu)算法，設(shè)計四輪轉(zhuǎn)矩分配的下層控制器。本發(fā)明在橫向穩(wěn)定性趨勢預(yù)測的基礎(chǔ)進行控制，在車輛將要出現(xiàn)失穩(wěn)而未失穩(wěn)的時候進行直接橫擺力矩控制，因此在全工況下均可有效保證車輛的橫向穩(wěn)定性；同時，因為有效抑制了控制系統(tǒng)的抖振，大幅度提升了控制系統(tǒng)的可靠性，有效保證車輛橫向穩(wěn)定性。

附圖說明

圖1是行駛狀態(tài)灰色預(yù)測流程圖；

圖3是控制系統(tǒng)示意圖；

圖2是3自由度整車模型；

圖4是基于灰色預(yù)測的分布式驅(qū)動電動汽車橫向穩(wěn)定性高階變結(jié)構(gòu)控制流程圖。

具體實施方式

下面結(jié)合附圖，對基于灰色預(yù)測的分布式驅(qū)動電動汽車橫向穩(wěn)定性高階變結(jié)構(gòu)控制方法作進一步的說明。

基于灰色預(yù)測的分布式驅(qū)動電動汽車橫向穩(wěn)定性高階變結(jié)構(gòu)控制方法，包括步驟：

s1，建立灰色模型mgm(1,3)，對車輛行駛狀態(tài)參數(shù)(橫擺角速度、質(zhì)心側(cè)偏角)進行預(yù)測，具體流程如圖1所示；

s2，基于astsm控制算法，設(shè)計控制系統(tǒng)的上層控制器；

s3，對所述s2的上層控制器進行穩(wěn)定性分析，給出穩(wěn)定性條件；

s4，基于一種最優(yōu)算法設(shè)計控制系統(tǒng)的下層控制器。

進一步，所述s1的具體過程為：

s1.1，數(shù)據(jù)處理：

設(shè)測量所得原始灰時間序列為：

式中：i＝1,2,3，分別表示橫擺角速度、質(zhì)心側(cè)偏角及縱向車速；k＝1,2,3,4，表示每一灰時間序列取4個原始數(shù)據(jù)。

由于ago生成要求原始數(shù)列必須是非負的，故引入指數(shù)映射對原始數(shù)據(jù)進行變換，如下：

對所述s1.1處理的數(shù)據(jù)列生成一次累加生成序列(1-ago)，即：

s1.2，建立mgm(1,3)的白化微分方程組：

式中：aij(i,j＝1,2,3)為發(fā)展系數(shù)，bk(k＝1,2,3)為灰色作用量，為待辨識參數(shù)。

把mgm(1,3)寫成矩陣形式，即：

式中：

s1.3，辨識mgm(1,3)參數(shù)

生成的緊鄰均值序列z⁽¹⁾：

其中：

為求模型參數(shù)a、b，對白化微分模型進行離散化，并由最小二乘法可得參數(shù)估計值為：

p＝[ab]^t＝(l^tl)^-1l^ty(9)

其中：

s1.4，mgm(1,3)求解及數(shù)據(jù)還原：

基于所述s1.3辨識的參數(shù)，求得mgm(1,3)的解為：

最后，將mgm(1,3)解進行逆生成(先后進行累減生成和對數(shù)映射)，即可得預(yù)測數(shù)據(jù)：：

mgm(1,3)預(yù)測器的算子可表達為：

進一步，所述s2的具體過程為：

s2.1，建立分布式驅(qū)動電動汽車橫擺動力學(xué)方程，即：

式中：mz為直接橫擺力矩(控制力矩)，n·m；iz為車輛橫擺慣量，kg·m²；f表示輪胎力，n，由dugoff輪胎模型給出，下標x、y分別表示輪胎縱向及橫向；fl、fr、rl、rr分別表示左前輪、右前輪、左后輪及右后輪；a、b分別表示前、后軸軸距，m；δ(δ＝δsw/i，δsw為方向盤轉(zhuǎn)角，i為轉(zhuǎn)向系統(tǒng)傳動比)為前輪轉(zhuǎn)角，rad；b為前、后輪輪距，m；d為模型不確定性及干擾造成的集總擾動，n·m。

s2.2，基于所述s2.1，，采用stsm控制算法設(shè)計控制系統(tǒng)上層控制器：

如圖2所示，以3自由度整車模型為參考模型：

式中：γd為理想橫擺角速度，rad/s；βd理想質(zhì)心側(cè)偏角，rad；vxd為理想縱向車速，m/s；m為整車質(zhì)量，kg；a、b分別表示前、后軸軸距，m；k1、k2分別為前后軸等效側(cè)偏剛度；δ(δ＝δsw/i，δsw為方向盤轉(zhuǎn)角，i為轉(zhuǎn)向系統(tǒng)傳動比)為前輪轉(zhuǎn)角，rad；ax量測縱向加速度，m/s²。

定義滑模變量：

分別對滑模變量求一階導(dǎo)及二階導(dǎo)，并把式(1)代入，得：

假設(shè)：d*＝d1|s|^1/2sgn(s)，0<d1<d。

式中：d1、d均為正常數(shù)。

上層控制器輸出為：

u＝u1+u2(19)

其中：

式中：γmgm為橫擺角速度灰色預(yù)測值，rad/s；βmgm為質(zhì)心側(cè)偏角灰色預(yù)測值，rad；α為超螺旋滑?？刂圃鲆?；u1為astsm控制輸出，u2為建模補償前饋輸出。

由于施加了建模補償前饋輸出，滑模變量的一階導(dǎo)及二階導(dǎo)變?yōu)椋?/p>

s2.3，設(shè)計所述s2.2控制器stsm控制增益的自適應(yīng)律,具體如下：

式中：e(s)＝e^k|s|，k、ω、θ、υ、λ及αt均為正常數(shù)。

進一步，所述s3的具體過程為：

s3.1，構(gòu)造lyapunov函數(shù)：

其中：

v0(s)＝ζ^tpζ(24)

式中：ε、α^*均為正常數(shù)。

s3.2，首先，證明v0(s)在有限時間內(nèi)收斂：

由所述s3.1可知，矩陣p為正定矩陣，即有：v0(s)≥0。

對ζ求導(dǎo)可得：

其中：

對v0(s)求導(dǎo)：

當滿足：

矩陣q為正定矩陣，

s3.3，再證明v(s,α)在有限時間內(nèi)收斂：

由所述s3.1和s3.2可知，v(s,α)≥0。

對v(s,α)求導(dǎo)并進行變形，如下：

利用不等式(a²+b²)^1/2≤|a|+|b|，得：

式中：

采用自適應(yīng)律的控制增益α是有界的，這是因為，當e^k|s|>μ，0≤t≤tc時，有：

式中：tc為有限收斂時間，故控制增益α是有界的；而當e^k|s|<μ時，增益α遞減，直到e^k|s|>μ重新滿足。

由以上有界性分析可知，必存在一正數(shù)α^*，使得α-α^*<0恒成立，因此有：

故系統(tǒng)目標函數(shù)可在有限時間內(nèi)收斂到零點附近。綜上，當滿足：

所設(shè)計的控制器是穩(wěn)定的。

最后，所述s4的具體過程為：

提出一種最優(yōu)控制算法，設(shè)計下層控制器：

式中：fx為縱向輪胎力，n，由dugoff輪胎模型求得；fz為車輪垂直載荷，n，由軸荷轉(zhuǎn)移方程獲得；i＝1,2,3,4，分別表示左前輪、右前輪、左后輪及右后輪；μ為路面附著系數(shù)；β為后軸等效側(cè)偏角，rad；βt為后軸等效側(cè)偏角閾值，rad。

約束條件：

由車輪模型可得，各輪分配轉(zhuǎn)矩為：

式中：td為分配轉(zhuǎn)矩，n·m；r為車輪半徑，m；jw為車輪轉(zhuǎn)動慣量，kg·m²；wi為車輪角速度，rad/s。

所述最優(yōu)算法以后軸等效側(cè)偏角閾值βt界定后輪輪胎是否工作在非線性區(qū)域。當β<βt時，認為后輪輪胎工作在線性區(qū)域，后輪可提供足夠的橫向輪胎力保證后軸不發(fā)生側(cè)滑，因此縱向力分配目標函數(shù)可以盡量大；當β>βt時，認為后輪輪胎工作在非線性區(qū)域，后輪可能不能提供足夠的橫向輪胎力，后軸有發(fā)生側(cè)滑的風(fēng)險，因此縱向力分配目標函數(shù)應(yīng)盡量地小，使輪胎能提供盡可能多的橫向力，降低后軸側(cè)滑的風(fēng)險。

本發(fā)明控制系統(tǒng)架構(gòu)如圖3所示，控制系統(tǒng)實施控制的流程如圖4所示。

上文所列出的一系列的詳細說明僅僅是針對本發(fā)明的可行性實施方式的具體說明，它們并非用以限制本發(fā)明的保護范圍，凡未脫離本發(fā)明技藝精神所作的等效實施方式或變更均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。