辛?xí)詭?，?銳，秦 鋼，徐紅兵

?

四輪輪轂電動車多驅(qū)動模式下穩(wěn)定性研究

辛?xí)詭?，?銳，秦 鋼，徐紅兵

(電子科技大學(xué)自動化工程學(xué)院 成都 611731)

以四輪輪轂驅(qū)動電動汽車為研究對象，提出了一種可同時適用于對兩輪獨(dú)立驅(qū)動模式和四輪獨(dú)立驅(qū)動模式的車身穩(wěn)定控制算法。該算法采用雙層控制結(jié)構(gòu)，包括直接橫擺力矩控制層和力矩分配層。在直接橫擺力矩控制層，設(shè)計了一種基于模糊控制的直接橫擺力矩控制器以計算車身穩(wěn)定控制所需的附加力矩；在力矩分配層，設(shè)計了針對兩輪獨(dú)立驅(qū)動和四輪獨(dú)立驅(qū)動兩種不同驅(qū)動模式的力矩分配算法。最后，通過Matlab/Simulink和CarSim的聯(lián)合仿真驗(yàn)證了該算法的有效性。

四輪獨(dú)立驅(qū)動; 直接橫擺力矩控制; 模糊邏輯; 電驅(qū)動系統(tǒng); 雙層控制結(jié)構(gòu)

近年來，作為環(huán)境和能源問題的一種解決方案，電動汽車受到了越來越多的關(guān)注[1]。而由4個輪轂電機(jī)獨(dú)立驅(qū)動的電動汽車因其獨(dú)特的優(yōu)勢代表了汽車未來發(fā)展的方向。相對于一般的電動汽車，四輪輪轂驅(qū)動電動汽車取消了中央驅(qū)動電機(jī)以及傳統(tǒng)部件(包括變速器、差速器、萬向節(jié)和傳動軸)，簡化了整車結(jié)構(gòu)并降低了整車重量，從而減少了行車能量消耗[2]。另外，由于4個驅(qū)動輪可以單獨(dú)控制，能通過直接橫擺力矩控制改善車輛的側(cè)向動態(tài)性能[3-6]。

在四輪獨(dú)立驅(qū)動電動汽車的研究方面，人們提出了多種基于直接橫擺力矩控制的控制算法提高車身穩(wěn)定性。文獻(xiàn)[7]將滑膜控制器應(yīng)用于四輪獨(dú)立驅(qū)動電動汽車的車身穩(wěn)定控制。文獻(xiàn)[8-9]提出了一種基于自適應(yīng)前饋反饋控制器的輪轂電機(jī)驅(qū)動電動電動汽車的車身穩(wěn)定控制。模糊邏輯控制器也被廣泛應(yīng)用于四輪輪轂電動汽車車身穩(wěn)定的研究中[10-12]。

目前大部分針對四輪獨(dú)立驅(qū)動電動汽車車身穩(wěn)定性的研究都是基于四輪同時驅(qū)動進(jìn)行的。但在實(shí)際應(yīng)用中，存在只利用兩個驅(qū)動輪的情況。如在低速行駛工況下采用雙輪驅(qū)動相對四輪驅(qū)動具有更好的經(jīng)濟(jì)性[13-14]。另外在單個輪轂電機(jī)失效的情況下也可以利用兩個正常工作的驅(qū)動輪繼續(xù)行駛以提高系統(tǒng)的安全性[15-16]。雖然也有針對兩輪獨(dú)立驅(qū)動電動汽車車身穩(wěn)定控制算法的研究[17-18]，但同時適用于兩輪獨(dú)立驅(qū)動和四輪獨(dú)立驅(qū)動的車身穩(wěn)定控制算法的研究處于空白階段。

本文針對四輪獨(dú)立驅(qū)動電動汽車在實(shí)際行駛中可能存在的兩輪獨(dú)立驅(qū)動和四輪獨(dú)立驅(qū)動兩種驅(qū)動模式，設(shè)計了一種雙層控制結(jié)構(gòu)，實(shí)現(xiàn)了電動汽車在兩種驅(qū)動模式下的車身穩(wěn)定控制。基于Matlab/ Simulink和CarSim軟件的聯(lián)合仿真也證明了本文設(shè)計的控制算法的有效性。

1 車輛模型

本文的控制方法是基于8自由度的車輛模型進(jìn)行設(shè)計的，車輛模型如圖1所示。這8個自由度包括縱向速度、側(cè)向速度、橫擺角速度和側(cè)傾角組成的4個自由度以及4個車輪輪速自由度。

車輛的縱向和側(cè)向運(yùn)動方程為：

圖1 8自由度車輛模型

橫擺運(yùn)動方程為：

側(cè)傾運(yùn)動方程為：

車輪運(yùn)動方程為：

2 控制器設(shè)計

本文設(shè)計的控制算法采用雙層控制結(jié)構(gòu)，其上層為基于模糊邏輯的直接橫擺力矩控制層，下層為力矩分配層，控制算法的結(jié)構(gòu)框圖如圖2所示。

圖2 雙層控制結(jié)構(gòu)框圖

2.1 直接橫擺力矩控制層

在車輛的運(yùn)動控制中，橫擺角速度和質(zhì)心側(cè)偏角因與車身的穩(wěn)定狀態(tài)有著緊密的聯(lián)系而被作為車身穩(wěn)定的控制量。而期望的橫擺角速度和質(zhì)心側(cè)偏角可通過簡化的2自由度車輛模型計算得到。2自由度車輛模型方程為：

其中，為車輛穩(wěn)定系數(shù)，其表達(dá)式為：

直接橫擺力矩控制通過在車輛的左右車輪間施加合適的驅(qū)動力或制動力從而實(shí)現(xiàn)車輛的車身穩(wěn)定控制。因?yàn)樗妮啰?dú)立驅(qū)動電動汽車每個車輪的驅(qū)動力矩可單獨(dú)控制，所以直接橫擺力矩控制被廣泛應(yīng)用于四輪獨(dú)立驅(qū)動電動汽車的控制中。由于汽車是一個復(fù)雜的非線性系統(tǒng)，本文采用模糊邏輯控制器進(jìn)行附加橫擺力矩的計算，其結(jié)構(gòu)如圖3所示。

圖3 模糊邏輯控制器結(jié)構(gòu)框圖

兩個輸入都采用7個模糊集合，其定于為：

7個語言值為:負(fù)大(NB)、負(fù)中(NM)、負(fù)小(NS)、零(ZE)、正小(PS)、正中(PM)和正大(PB)。兩個輸入和采用相同的隸屬度函數(shù)，如圖4所示。

圖4 隸屬度函數(shù)

表1中，本文設(shè)計的模糊規(guī)則表共包含49條規(guī)則，具體規(guī)則描述如下：

) Ifis NB andis NB thenis NB

表1 模糊規(guī)則表

2.2 力矩分配層

在力矩分配層，本文設(shè)計了同時適用于兩輪獨(dú)立驅(qū)動和四輪獨(dú)立驅(qū)動的力矩分配算法。首先需要對每個車輪的工作狀態(tài)進(jìn)行定義，有：

式中，=fl、fr、rl或rr，分別表示4個車輪的工作狀態(tài)；表示該車輪是驅(qū)動輪，表示該車輪為從動輪。而車輪的工作狀態(tài)由車輛的其他系統(tǒng)如能量管理系統(tǒng)和故障診斷系統(tǒng)決定。為了在兩輪獨(dú)立驅(qū)動和四輪獨(dú)立驅(qū)動模式下，盡量為駕駛員提供相同的駕駛感受，針對不同的驅(qū)動模式，每個驅(qū)動輪的期望驅(qū)動力矩為：

3 仿真結(jié)果

本文利用Matlab/Simulink和CarSim進(jìn)行聯(lián)合仿真分別在兩輪獨(dú)立驅(qū)動模式下和四輪獨(dú)立驅(qū)動模式下對所設(shè)計算法進(jìn)行了驗(yàn)證。CarSim是針對汽車動態(tài)控制的多自由度非線性仿真軟件，因其仿真結(jié)果與實(shí)車實(shí)驗(yàn)有著較高的一致性，被廣泛應(yīng)用于汽車的設(shè)計和演技中。本文仿真所用車輛的參數(shù)取值如表2所示，仿真的初始車速為80 km/h，方向盤轉(zhuǎn)角如圖5所示。

表2 車輛參數(shù)表

圖5 方向盤轉(zhuǎn)角

3.1 四輪獨(dú)立驅(qū)動模式仿真

在四輪獨(dú)立驅(qū)動模式下，所有4個車輪的驅(qū)動力矩都可以控制，其仿真結(jié)果如圖6、圖7和圖8所示。

圖6為4個車輪的驅(qū)動力矩仿真結(jié)果，4個車輪的驅(qū)動力矩都處于受控的狀態(tài)，且同一側(cè)的車輪的驅(qū)動力矩是一致的，而在轉(zhuǎn)向時，施加在左側(cè)車輪和右側(cè)車輪的附加力矩是相反的。圖7為四驅(qū)模式下橫擺角速度誤差的仿真結(jié)果，通過與未施加控制算法的控制效果對比可以看出，采用本文控制算法后的橫擺角速度誤差趨近于0，控制效果有著比較明顯的改善。圖8為四輪獨(dú)立驅(qū)動模式下質(zhì)心側(cè)偏角的仿真結(jié)果，可以看出相對未施加控制控制算法的控制效果，采用本文控制算法后質(zhì)心側(cè)偏角也有一定程度的改善。

圖6 四輪獨(dú)立驅(qū)動模式下的驅(qū)動力矩

圖7 四輪獨(dú)立驅(qū)動模式下的橫擺角速度誤差

圖8 四輪獨(dú)立驅(qū)動模式下的質(zhì)心側(cè)偏角

3.2 兩輪獨(dú)立驅(qū)動模式仿真

在兩輪獨(dú)立驅(qū)動模式下，采用兩個后輪為驅(qū)動輪進(jìn)行仿真，兩個前輪為從動輪。采用兩個前輪驅(qū)動的仿真結(jié)果與兩個后輪驅(qū)動的仿真結(jié)果類似，本文中不在贅述。采用兩個后輪為驅(qū)動輪的仿真結(jié)果如圖9～圖11所示。圖9為4個車輪的驅(qū)動力矩仿真結(jié)果，從圖中可以看出兩個前輪作為從動輪其驅(qū)動力矩為零，兩個后輪的驅(qū)動力矩處于受控狀態(tài)，其趨勢與圖6四輪獨(dú)立驅(qū)動模式下相似，但幅度更大。

圖9 兩輪獨(dú)立驅(qū)動模式下的驅(qū)動力矩

圖10 兩輪獨(dú)立驅(qū)動模式下的橫擺角速度誤差

圖11 兩輪獨(dú)立驅(qū)動模式下的質(zhì)心側(cè)偏角

圖10為兩輪獨(dú)立驅(qū)動模式下橫擺角速度誤差的仿真結(jié)果，從圖中可以看出，采用本文控制算法后，相對于未施加控制算法的橫擺角速度誤差有比較明顯的改善。圖11為兩輪驅(qū)動模式下質(zhì)心側(cè)偏角的仿真結(jié)果，從圖中可以看出，采用本文控制算法后在橫擺角速度改善明顯的情況下，質(zhì)心側(cè)偏角也有一定程度的改善。

4 結(jié) 論

本文以四輪獨(dú)立驅(qū)動電動汽車為研究對象，設(shè)計了同時適用于四輪獨(dú)立驅(qū)動模式和兩輪獨(dú)立驅(qū)動模式的車身穩(wěn)定控制算法。通過仿真結(jié)果可以看出，本文設(shè)計的車身穩(wěn)定算法不論是在四輪獨(dú)立驅(qū)動模式下，還是兩輪獨(dú)立驅(qū)動模式下，都能在明顯改善橫擺角速度控制效果的同時對質(zhì)心側(cè)偏角也有相應(yīng)的改善，實(shí)現(xiàn)車身的穩(wěn)定控制。本文的研究成果對于提高四輪獨(dú)立驅(qū)動電動汽車的行駛安全有著積極的意義。

[1] MAEDA K, FUJIMOTO H, HORI Y. Four-wheel driving-force distribution method based on driving stiffness and slip ratio estimation for electric vehicle with in-wheel motors[C]//Vehicle Power and Propulsion Conference (VPPC), 2012 IEEE. Seoul, Korea: IEEE, 2012: 1286-1291.

[2] 李剛, 宗長富. 四輪獨(dú)立驅(qū)動輪轂電機(jī)電動汽車研究綜述[J]. 遼寧工業(yè)大學(xué)學(xué)報(自然科學(xué)版), 2014, 34(1): 47-52.

LI Gang, ZONG Chang-fu. Review on electric vehicle with four-wheel independent drive in-wheel motors[J]. Journal of Liaoning Institute of Technology (Natural Science Edition), 2014, 34(1): 47-52.

[3] DEMIRCI M, GOKASAN M. Adaptive optimal control allocation using Lagrangian neural networks for stability control of a 4WS-4WD electric vehicle[J]. Transactions of the Institute of Measurement and Control, 2013, 35(8): 1139-1151.

[4] KIM D, HWANG S, KIM H. Vehicle stability enhancement of four-wheel-drive hybrid electric vehicle using rear motor control[J]. IEEE Transactions on Vehicular Technology, 2008, 57(2): 727-735.

[5] SAKAI S, SADO H, HORI Y. Motion control in an electric vehicle with four independently driven in-wheel motors[J]. Transactions on Mechatronics, IEEE/ASME, 1999, 4(1): 9-16.

[6] TAHAMI F, FARHANGI S, KAZEMI R. A fuzzy logic direct yaw-moment control system for all-wheel-drive electric vehicles[J]. Vehicle System Dynamics, 2004, 41(3): 203-221.

[7] HASAN M M A E, EKTESABI M, KAPOOR A. A suitable electronic stability control system using sliding mode controller for an in-wheel electric vehicle[J]. Lecture Notes in Engineering and Computer Science, 2013, 2202: 152-158.

[8] NAM K, FUJIMOTO H, HORI Y. Lateral stability control of in-wheel-motor-driven electric vehicles based on sideslip angle estimation using lateral tire force sensors[J]. IEEE Transactions on Vehicular Technology, 2012, 61(5): 1972- 1985.

[9] MA H. Finite-model adaptive control using WLS-like algorithm[J]. Automatica, 2007, 43(4): 677-684.

[10] TAHAMI F, FARHANGI S, KAZEMI R. A fuzzy logic direct yaw-moment control system for all-wheel-drive electric vehicles[J]. Vehicle System Dynamics, 2004, 41(3): 203-221.

[11] BOADA B L, BOADA M, DIAZ V. Fuzzy-logic applied to yaw moment control for vehicle stability[J]. Vehicle System Dynamics, 2005, 43(10): 753-770.

[12] WANG X, FU M, YANG Y, et al. Lateral control of autonomous vehicles based on fuzzy logic[C]//Control and Decision Conference (CCDC), 2013 25th Chinese. Guiyang: IEEE, 2013:237-242.

[13] 余卓平, 張立軍, 熊璐. 四驅(qū)電動車經(jīng)濟(jì)性改善的最優(yōu)轉(zhuǎn)矩分配控制[J]. 同濟(jì)大學(xué)學(xué)報(自然科學(xué)版), 2005, 33(10): 1355-1361.

YU Zhuo-ping, ZHANG Li-jun, XIONG Lu. Optimized torque distribution control to achieve higher fuel economy of 4WD electric vehicle with four in-wheel motors[J]. Journal of Tongji University (Natural Science), 2005, 33(10): 1355-1361.

[14] GU J, OUYANG M, LU D, et al. Energy efficiency optimization of electric vehicle driven by in-wheel motors[J]. International Journal of Automotive Technology, 2013, 14(5): 763-772.

[15] 鄭漢耕. 四輪輪轂電動車電驅(qū)動系統(tǒng)失效控制研究[D]. 成都: 電子科技大學(xué), 2013.

ZHENG Han-geng. Research on electric drive system failure control of four in-wheel driven electric vehicle[D]. Chengdu: University of Electronic Science and Technology of China, 2013.

[16] XIN X, ZHENG H, XU H, et al. Control strategies for four in-wheel driven electric vehicles when motor drive systems fail[C]//American Control Conference (ACC), 2014. Portland, OR: IEEE, 2014: 885-890.

[17] NADERI P, MIRSALIM M, BATHAEE S. Driving/ regeneration and stability enhancement for a two-wheel- drive electric vehicle[J]. International Review of Electrical Engineering (IREE), 2009, 4(1): 57-65.

[18] NIASAR A H, MOGHBELI H, KAZEMI R. Yaw moment control via emotional adaptive neuro-fuzzy controller for independent rear wheel drives of an electric vehicle[C]// Proceedings of 2003 IEEE Conference on Control Applications, 2003, CCA 2003. [S.l.]: IEEE, 2003: 380-385.

編 輯 漆 蓉

Stability Control for Different Drive Modes of Four In-Wheel Motor Drive Electric Vehicles

XIN Xiao-shuai, CHEN Rui, QIN Gang, and XU Hong-bing

(School of Automation Engineering, University of Electronic Science and Technology of China Chengdu 611731)

This paper focuses on the stability control for four in-wheel independent drive electric vehicles under. A two-layer-control-model (direct yaw-moment control layer and torque distribution layer) is presented to maintain the performance and stability of the vehicle for both four wheel drive mode and two wheel drive mode; in the upper layer, a fuzzy logic based direct yaw-moment controller is proposed to calculate deviation torque for the purpose of stability; in the lower layer, an algorithm is designed to distribute torque to the motor drive systems. The effectiveness of the controller is examined by using a driving simulator system.

4WID; direct yaw-moment control; fuzzy logic; motor drive system; two-layer-control model

TP273

A

10.3969/j.issn.1001-0548.2016.03.008

2014 - 11 - 17；

2015 - 02 - 24

國家自然科學(xué)基金(61004048)；航空科學(xué)基金(20121080006)

辛?xí)詭?1982 - )，男，博士生，主要從事電動汽車先進(jìn)控制方面的研究.