分布式驱动电动汽车动力学集成控制研究进展及趋势

分布式驱动电动汽车具有四轮可独立控制和响应速度快等突出优势,对增强车辆操纵稳定性、安全性和经济性具有重要的意义。但车辆是一个非线性、强耦合的系统,需研究解决各个控制器相互耦合、过驱动系统复杂性和不确定性等核心问题,这依赖于多维 （纵向、横向和垂向） 集成控制模式和容错控制。对现有研究进行分类和总结,从传统单一维度控制到多维集成控制,综述分布式驱动电动汽车的关键技术和发展现状,重点归纳了汽车动力学集成控制的多层结构及其应用,特别是集成了纵向-横向-垂向动力学的综合控制。最后对分布式驱动电动汽车动力学控制系统所面临的挑战提出了一些建议。     

智能汽车轨迹跟踪与横摆稳定性协同控制

为了提高四轮独立驱动智能电动汽车在变曲率弯道下的轨迹跟踪精度和横摆稳定性,提出了一种模型预测控制与直接横摆力矩控制协同的综合控制方法。建立了横纵向耦合的车辆动力学模型,采用2阶龙格库塔离散法保证了离散模型的精度,并基于简化的2自由度动力学模型推导了车辆横摆稳定性约束,设计了非线性模型预测控制器;利用直接横摆力矩控制能够改变车辆横摆角速度和航向角的特点,考虑模型预测控制器的预测状态、控制量以及跟踪误差,设计了协同控制规则。仿真结果表明,协同控制方法解决了考虑横摆稳定性约束的模型预测控制器中存在的稳定性约束与控制精度相矛盾的问题,并补偿了模型预测控制器没有可行解时对横摆稳定性的约束,同时提高了智能汽车的轨迹跟踪精度和横摆稳定性。     

四轮独立驱动电动汽车路径跟踪鲁棒控制EI北大核心CSCD

针对四轮独立驱动电动汽车具有结构参数、外部干扰不确定性与非线性和过驱动等特征,提出了一种分层控制框架,以实现前轮转向与直接横摆力矩控制系统协同的车辆路径跟踪控制。首先,基于路径跟踪运动学模型,将车辆的路径跟踪问题转化为约束跟随问题;其次,设计了基于约束跟随的自适应鲁棒上层控制算法,该方法可以有效处理由模型不确定性和外部干扰引起的失配问题,并保证闭环系统的一致有界性和一致最终有界性;最后,设计了一种基于二次规划的下层分配算法满足所需的直接横摆力矩,并在Simulink-Carsim平台进行联合仿真。通过不同工况的仿真结果表明,所设计的自适应鲁棒控制算法具有良好的路径跟踪精度和鲁棒性。