基于 RBF 滑模控制的分布式驱动电动车辆转向稳定性研究

分布式驱动电动车辆四轮转矩独立可控,驱动电机响应较快、传动链短,但在转弯时 由于车轮纵向力和侧向力之间的耦合关系,使车辆容易发生侧滑风险。因此,为提高分布式 驱动电动车辆的转向稳定性,文章提出基于径向基函数（RBF）神经网络改进的滑模控制策 略。整车采用分层控制结构,上层采用滑模控制器对横摆力矩进行控制,为避免“抖振”问 题,引入 RBF 神经网络对传统滑模控制算法中的滑模增益进行优化改进;下层驱动力分配层 根据轮胎垂向载荷的动态转移特性对四轮转矩进行合理分配,使其满足整车驱动力和附加横 摆力矩需求,最后在 CarSim 和 MATLAB/Simulink 中进行联合仿真。结果表明,改进的滑模 控制器在高速工况可以减小汽车前轮转角,转弯时横摆角速度、质心侧偏角分别可降低 0.1 rad/s 和 0.01 rad,低速工况下横摆角速度和质心侧偏角分别可降低 0.12 rad/s 和 0.013 rad, 有效地改善车辆稳定性。