《电动汽车分布式驱动控制技术》第一章绪论读书笔记

最新推荐文章于 2024-11-20 21:44:19 发布

迷死他hui

最新推荐文章于 2024-11-20 21:44:19 发布

阅读量1.7k

点赞数 29

文章标签：分布式笔记

本文链接：https://blog.csdn.net/2401_87570181/article/details/143863569

版权

1.1分布式驱动电动汽车简介

分布式驱动电动汽车省去了离合器、变速器、传动轴、差速器乃至分动器等部件,减轻了车身的重量,车辆结构变得更加简单,还可以获得更好的空间利用率,同时增加了传动效率;采用分布式驱动的电动汽车每个车轮都是一个独立的驱动单元, 在特定的工况下,其转矩控制变得更加灵活,可以轻易实现某些传统电动汽车难以实现的功能,如通过实时调控各轮转矩来实现直接横摆力矩控制,提升车辆的操纵稳定性;由于电机控制响应速度快而精确,对于提升整车的主动安全控制也具有重要的意义

1.1按照电机安装布局方式分为轮边电机驱动和轮毂电机驱动

轮边电机驱动[图1-1(a)]是将驱动电机安装在轮边,通过电机轴和减速装置将电机与轮毂相连。

轮毂电机驱动[图1-1(b)]是直接将电机嵌入轮毂内,电机可直接驱动车轮前进

1.2　分布式驱动电动汽车驱动的关键技术

1.2.1 车辆行驶状态估计技术

车辆状态参数估计一般可分为基于运动学的车辆参数估计和基于运动学与动力学融合的车辆参数估计。

状态的估计主要依赖车辆姿态传感器和估计控制器完成，如图1-6所示

基于运动学的车辆参数估计是根据车辆自身状态的运动学关系,利用车辆可直接测量的状态信息来对不可直接测量的运动状态信息进行估计。
优势：在于不需要使用车辆理想的线性模型,
劣势：这一方法在某些情况下会产生误差,影响参数估计精度。

基于车辆运动学与动力学融合的车辆参数估计是根据车辆动力学模型来对车辆行驶参数进行估计。优势：同时在复杂工况下,该方法效果显著,能够准确估计车辆状态,并提升数据估计精度。

劣势：这种方法对车辆模型具有依赖性。

根据融合方式的不同,又可分为估计过程的融合和估计结果的融合

卡尔曼滤波算法（EKF）是一种数值估计优化方法,同时还可去除噪声对车辆系统的影响,是目前车辆状态参数估计的一种常用方法。此外,常用方法还有扩展卡尔曼滤波算法、容积卡尔曼滤波算法、无迹卡尔曼滤波算法等

1.2.2　轮毂电机技术

技术特点：驱动电机被设计安装在新能源车辆的车轮内部,舍弃传统车辆的机械传动系统部件如离合器、减速器和传动桥等,使采用该技术的车辆传动结构得到简化。

优势：相较于目前主流的集中电机驱动方式拥有显著优势, 其最大的特点是把驱动、制动以及传动装置全部整合到车轮轮毂中,简化了运用该技术新能源车辆的底盘结构,车内布置空间得到进一步增大,乘坐舒适度进一步提升,尤其在城市客车系统应用方面,轮毂电机的特性保证了城市客车结构可以满足宽通道、低地板的设计要求,为乘客上下车提供更多便利（优化空间布置体现乘坐舒适性）。

劣势：轮毂电机安装在狭小的轮毂空间内,使电机系统受温升、磁场饱和、路面激励 (振动、冲击)、转矩波动、负载突变等因素影响显著,严重制约着轮毂电机的控制性能。引入轮毂电机,汽车非簧载质量增加,降低了汽车的平顺性和安全性（工作条件恶劣降低平顺性和安全性）。

1.2.3　电子差速控制

电子差速控制方法：这种方法利用电子控制器，协调分配四轮电机驱动转矩，使内、外侧车轮形成转速差,从而达到转向的目的。

电子差速器通常利用转向角与踏板装置的输入,以一个车轮作为标定车速, 通过Ackermann转向模型计算各车轮需求转速,并以与实际车轮转速的偏差作为系统的控制目标,采用控制理论如PID控制、滑模变结构控制、神经网络来调整驱动车轮输出转矩,达到四轮差速行驶的目的。但是实际应用中, Ackermann转向模型只能反映轮速之间的线性关系,忽略了车轮侧偏与惯性力, 并没有考虑到轮胎的非线性特性,一旦车辆速度过大或存在外部环境干扰,控制策略将会失效。

国外学者通过设计控制算法可以在一定程度上弥补Ackermann模型的不足，但是由于系统过于复杂,会存在响应时间较长的问题。

国内学者对Ackermann转向模型进行分析过该模型对车轮转速进行限制的不足,实际系统稍有误差,将会导致车轮滑转,并在此基础上提出转向过程中只需对车轮转矩进行控制,保证车轮转矩不超过路面可提供的最大摩擦力即可实现差速行驶,最后通过仿真和实车试验验证了这种说法。在轮毂电机电动汽车的研究过程中,提出了参考轮胎滑转率对电机驱动转矩进行分配转速随动的控制策略,运用相关试验验证了其可行性。

电子差速技术日益成熟,在直接转矩控制系统的设计中加入汽车动力学控制,不仅可以实现车辆的差速行驶,同时车辆转弯性能与稳定性也可以得到改善。

1.2.4　稳定性控制

为避免车辆各控制系统产生耦合,可将车辆控制分为纵向控制和横向控制。

纵向控制：主要包括驱动防滑控制、制动力控制等控制方式。

横向控制：主要包括电子差速控制、直接横摆力矩控制等控制方式。

目前以直接横摆力矩控制为主。协调车辆的纵、横向控制系统是车辆稳定性控制的关键。

现在的研究方向是将纵向和横向控制器分开设计,以降低系统之间的影响。

目前在分布式驱动 (轮毂电机)电动汽车稳定性控制理论研究方面，大多采用分层控制的方法，如图1-10所示。

（1）广义力矩计算层：主要依据车辆行驶状态,通过参考模型对车辆所需横摆力矩与驱动转矩进行计算。设计中控制变量常常选用质心侧偏角与横摆角速度单独控制或者联合控制。

在分析车辆质心侧偏角与横摆力矩关系的基础上,提出β-method,计算最佳横摆力矩。基于车辆线性二自由度模型, 根据驾驶员对车速与车轮转角的输入得到期望横摆角速度作为控制变量。

但仅仅对横摆角速度或者质心侧偏角单独进行控制,并不能保证两者都能达到最佳值,两者之间存在耦合关系,尤其在一些极端的状况下,如果通过主动横摆力矩将横摆角速度调整到最佳状态,此时便会导致质心侧偏角的急剧恶化。

利用滑模控制算法,选用质心侧偏角与横摆角速度作为控制变量,在系统控制中将纵向车速的变化也考虑在内, 仿真结果显示滑模控制算法可以很好地提高车辆的稳定性,并具有较高的鲁棒性。

（2）车轮转矩分配层：在稳定性控制系统中起着重要的作用,四个轮毂电机驱动转矩分配的好坏直接影响着整个系统的控制效果。目前主要分为以下两种方案。

① 基于规则的驱动力分配方案：该分配方法较简单,在车辆存在转矩需求的情况下,直接按照规则进行四轮驱动转矩的分配。采用平均分配的方法分配车辆当前所需驱动转矩与横摆力矩。

在实际应用中虽然该方法计算量较小,较容易实现,但其并没有考虑到单个车轮的运行状态如滑转率、垂直载荷等,控制效果一般。

② 基于目标优化的驱动力分配方案：由于控制目标一般只包括驾驶员需求的驱动转矩与横摆力矩,而转矩执行机构则为四个轮毂电机,这是一种典型的过驱动系统配置。因此,很多学者将转矩分配问题作为多目标优化问题去处理, 通过单个车轮的受力状况设计不同的目标函数,以电机执行能力与路面附着力进行约束,从而求解得出各个轮毂电机的最优驱动转矩。

1.2.5　驱动防滑控制（热点和难点问题）

车辆的驱动防滑控制是主动安全控制的一种形式,它能够在保证车辆安全行驶的前提下充分利用路面的附着力。

传统汽车在进行驱动防滑控制时主要是通过滑转率这一关键点来控制发动机、传动机构以及相关液压制动系统等来增减施加在车轮上的转矩,使车轮达到最佳地面附着性能。

分布式驱动电动汽车，由于简化了传统汽车从发动机到车轮间一系列的动力传动部件,转由电机直接向车轮输出转矩,其响应速度将会远远快于传统汽车,同时只需通过电机就可以输出驱动和制动转矩的功能,要比传统汽车方便得多,所以驱动防滑控制方面分布式驱动电动汽车确实更加具有优势。

分布式驱动电动汽车的驱动防滑控制研究重点：在于通过对整车动力学特性进行分析,提出区别于传统车辆的基于加速度信号和电机信号的新的车辆行驶速度估计法。

为了避免由于传感器噪声和整车参数波动对于估计精度的影响, 采用自适应双无迹卡尔曼滤波估计法,算法在准确估计整车行驶速度的同时, 能够实时地辨识整车的质量并对传感器的噪声信息进行估计和更新,从而提高了车速估计的精度。

在车速得以准确估计的基础上,以滑转率和附着系数为输入,采用模糊推理算法对比当前路面与四类标准路面的相似程度进行路面的辨识。为了避免传统模糊推理算法中隶属度函数和模糊规则需要人为制定的主观因素影响,采用自适应神经模糊控制完成了隶属度函数和模糊规则的自主学习。

1.2.6　节能控制

节能控制主要通过两个方面实现:

（1）制动能量回收控制；（2）驱动转矩分配控制；

分布式驱动电动汽车采用轮毂电机电驱动底盘,车轮驱动力的控制可只由电机及其控制系统完成，车轮制动力的控制可由电动机辅助液压制动系统完成，采用电子液压制动系统,与电机一起进行电液复合制动,可以回收制动能量,提高经济性。相对于传统汽车的动力系统,电机及其控制系统不仅易于控制,而且具有更好的响应特性 (如更高的响应精度和更快的响应速度),便于车辆动力学实时控制系统的应用,同时还可与制动能量回收系统结合,以减少能源消耗。