基于模糊PI控制的电动汽车双向DC/DC变换器

电动汽车直流动力源的特殊性和对驱动性能的高品质要求决定车用DC/DC变换器要有稳定的电压、电流输出。针对DC/DC变换器在车辆行驶状态切换过程中呈现的严重非线性问题,提出了电流环沿用传统PI控制,电压环采用模糊PI控制的双闭环斩波控制方案;在分析双向DC/DC变换器工作原理的基础上,根据变换器自身的变结构特性,设计了模糊PI控制器。仿真结果表明,本控制方案可有效提高变换器的鲁棒性,减小输出电压波动。     

基于非线性观测器的路面附着系数估计方法

提出了一种基于非线性观测器的路面附着系数估计方法。针对转向工况下路面附着系数的实时估计问题,建立了车辆的非线性动力学模型,构造了全维观测器,以估算轮胎回正力矩。根据车辆的侧向动力学特性,将车载传感器测量值与车辆模型输出值之间的偏差作为非线性观测器的Luenberger类型反馈项,实现了对车载传感器的充分利用。通过李雅普诺夫(Lyapunov)稳定性分析,确定了非线性观测器反馈环节的增益,并在Matlab/Simulink仿真环境下对该方法进行了验证。仿真结果表明,该估计方法在不同路况下具有较高的准确性。     

基于鲁棒模型匹配的电动汽车转向稳定性控制

四轮驱动电动汽车在高速转向行驶过程中,由于车辆存在严重非线性,会出现横摆过大、过度转向或不足转向等现象。针对这些问题,文章在深入分析横摆角速度和质心侧偏角对车辆操纵稳定性的表征关系基础上,将模型匹配自适应控制结构与鲁棒控制策略相结合,动态控制横摆角速度和质心侧偏角,纠正驾驶路径和车辆姿态,以改善车辆行驶的操纵稳定性。仿真结果表明,鲁棒模型匹配控制策略对车辆非线性有很好的适应能力。     

基于神经网络的4WD电动汽车AFS/DYC解耦控制研究

基于二自由度线性化模型,分析了质心侧偏角和横摆角速度之间的耦合现象;在七自由度非线性汽车模型基础上,利用BP神经网络构造了自适应解耦控制器。设计了2个车辆姿态参数控制器,以状态参数理想模型的输出作为控制目标,分别控制汽车的质心侧偏角和横摆角速度,实现车辆主动安全控制。仿真结果表明,基于BP神经网络的解耦控制能够跟踪状态参数的理想值,提高汽车在极限工况下的行驶安全性和操纵稳定性。     

基于xPC的电动汽车自适应巡航控制半实物仿真

针对电动汽车自适应巡航控制（ACC）较高的实时性要求,设计了半实物仿真系统,在宿主机Matlab／SimulinkRTW平台下建立了电动汽车数学模型,并将其转化为c代码下载到目标机中模拟真实车辆;采用DSP2812嵌入式计算机作为车辆自适应巡航实物控制器,针对不同工况切换控制算法,在线调节车辆速度,以实现定速巡航或等距跟踪前车。实验结果表明：巡航控制算法对前车急剧变化的工况有很好的自适应能力,能有效避免追尾;提高了对巡航速度的跟踪能力,保证行驶安全性及舒适性。     

电动汽车DYC/ASR变论域模糊集成控制EI北大核心CSCD

提出了一种集成直接横摆力矩控制(DYC)与驱动防滑控制(ASR)的四轮驱动电动汽车稳定性控制系统,协助驾驶员在紧急情况下保持对车辆的控制。采用变论域模糊控制策略,利用其内在固有的鲁棒性克服车辆严重非线性,独立调节四轮转矩以防止车辆甩尾;同时设计一个模糊控制器,对轮胎力饱和引起的侧向失稳进行开环补偿,协调控制各轮牵引力,防止车轮打滑。在不同路况下,对所提出的方法进行了J-turn仿真测试。结果表明:集成控制对高速、大转向行驶产生的扰动和路面附着系数变化引起的非线性,有比DYC更好的动态跟踪能力与自适应能力。