許建，張政，李翔，尹衛(wèi)平，許忪

（西安交通大學(xué)機(jī)械工程學(xué)院電動汽車與系統(tǒng)控制研究所，710049，西安）

電動汽車正成為各國新能源汽車方向著力發(fā)展研究的重點［1］。獨立驅(qū)動電動汽車使用輪轂電機(jī)或輪邊電機(jī)獨立驅(qū)動各個車輪，能充分利用電機(jī)快速響應(yīng)和高精度轉(zhuǎn)矩控制的優(yōu)點，通過主動調(diào)節(jié)各輪轉(zhuǎn)矩可獲得橫擺轉(zhuǎn)矩，相對傳統(tǒng)車的電子穩(wěn)定程序（ESP）在實現(xiàn)上更加靈活、高效。

直接橫擺力矩控制的關(guān)鍵在于，通過判別車輛運行狀態(tài)計算出一個理想的橫擺轉(zhuǎn)矩。Jalali等設(shè)計了一個三維的模糊控制器，模糊規(guī)則的輸入為質(zhì)心側(cè)偏角β與其參考值βd的偏差Δβ、橫擺角速度γ與參考值γd的偏差 Δγ及其微分d（Δγ）/dt［2］。綜合考慮了兩個主要反映車輛運行狀態(tài)的控制變量，同時利用微分環(huán)節(jié)抑制超調(diào)的模糊規(guī)則規(guī)模較大且變量間關(guān)系復(fù)雜，需要豐富專家經(jīng)驗來制定。為了簡化模糊規(guī)則，本文分別對兩個控制變量進(jìn)行模糊比例積分（PI）控制，再根據(jù)質(zhì)心側(cè)偏角大小配置兩個控制輸出的權(quán)重計算出理想的橫擺轉(zhuǎn)矩，其中權(quán)重制定依據(jù)SHIBAHATA提出的β理論［3］。

在獲取整車的需求轉(zhuǎn)矩后，需要進(jìn)行轉(zhuǎn)矩分配，目前相關(guān)文獻(xiàn)大多使用優(yōu)化方法，建立的目標(biāo)函數(shù)有的側(cè)重穩(wěn)定性的輪胎附著利用率［4］，有的側(cè)重經(jīng)濟(jì)性的電機(jī)平均工作效率［5］等。文獻(xiàn)［6］建立了上述2種目標(biāo)函數(shù)，并利用模糊權(quán)重函數(shù)制定優(yōu)化分配策略，但沒有考慮各輪輸出對橫擺力矩控制的貢獻(xiàn)程度，各輪輸出存在差異性，同時最優(yōu)控制的計算在實際控制器的實現(xiàn)上也存在實時性的問題。本文在綜合優(yōu)化分配的仿真結(jié)果和車輛驅(qū)動極限分析的基礎(chǔ)上［7］，制定了以車輛驅(qū)動力矩需求和橫擺轉(zhuǎn)矩需求為輸入的模糊規(guī)則，來分配四輪轉(zhuǎn)矩輸出，使得在滿足驅(qū)動要求的前提下更加有效地獲取橫擺轉(zhuǎn)矩。

1 直接橫擺力矩控制系統(tǒng)（DYC）

1.1 DYC系統(tǒng)結(jié)構(gòu)

四輪獨立驅(qū)動電動汽車DYC系統(tǒng)如圖1所示。在橫擺力矩沒有介入前，車輛的轉(zhuǎn)矩根據(jù)駕駛員踏板輸入在前后軸之間進(jìn)行分配，由疊加DYC系統(tǒng)輸出四輪的轉(zhuǎn)矩命令。DYC輸出由橫擺角速度和質(zhì)心側(cè)偏角的PI反饋獲得，控制變量的期望值反映車輛運行的理想狀態(tài)，可通過2自由度的參考模型計算得到［8］，計算公式如下

由輪胎特性可知，當(dāng)滑轉(zhuǎn)率過大時驅(qū)動力下降，繼續(xù)增加轉(zhuǎn)矩并不能產(chǎn)生更大的橫擺力矩，所以設(shè)置滑轉(zhuǎn)率控制器輸出作為DYC輸出的飽和上限。最終的轉(zhuǎn)矩命令通過CAN總線發(fā)送給4個電機(jī)控制器，保證車輛在滿足駕駛員驅(qū)動要求下穩(wěn)定運行。

圖1 四輪獨立驅(qū)動電動汽車DYC系統(tǒng)

1.2 整車模型建立

整車模型選用7自由度模型如圖2所示［8］，模型的動力學(xué)方程如下

圖2 7自由度整車模型

車輛參數(shù)為：前軸到質(zhì)心距離a＝1.233m；后軸到質(zhì)心距離b＝1.327m；L＝2.56m；輪距B＝1.52m；質(zhì)心離地高度hg＝0.450m；車輪半徑R＝0.32m；整車質(zhì)量m＝1 316kg；轉(zhuǎn)動慣量Iz＝2 046kg·m2；前輪側(cè)偏剛度Kf＝50 000kg·m/rad；后輪側(cè)偏剛度Kr＝80 000kg·m/rad；單個電機(jī)額定功率為10Kw；最大轉(zhuǎn)矩為144Nm。

電機(jī)模型采用電機(jī)的外特性曲線模擬，表現(xiàn)為低速恒轉(zhuǎn)矩，高速恒功率。Simulink中建立的整車模型如圖3所示。

圖3 Simulink中整車模型

2 DYC算法分析與設(shè)計

DYC算法的框圖如圖4所示，算法分為兩層：第一層選取合適的控制變量，應(yīng)用自整定參數(shù)的PI控制器進(jìn)行差動轉(zhuǎn)矩的計算；第二層將差動轉(zhuǎn)矩高效、協(xié)調(diào)地分配到4個驅(qū)動電機(jī)上。

圖4 DYC算法框圖

2.1 差動轉(zhuǎn)矩的計算

本文分別設(shè)計兩個模糊控制器，自適應(yīng)地整定橫擺角速度角β和質(zhì)心側(cè)偏角γ的PI控制器的參數(shù)，在聯(lián)合控制時調(diào)整兩個控制器的輸出權(quán)重λ。權(quán)重取值的規(guī)律如圖5所示，權(quán)重的設(shè)置依據(jù)β理論：普通的駕駛員通常在β小于2°時是可以正常駕駛的，此時主要控制目標(biāo)是γ，車輛極限工況下（非線性區(qū)）β大于10°已嚴(yán)重失穩(wěn)，此時主要控制β。聯(lián)合控制時輸出如下

圖5 權(quán)重取值

輸入輸出模糊集為｛NB，NM，NS，ZO，PS，PM，PB｝；橫擺角速度誤差e和誤差變化ec基本論域為［－0.12，0.12］和［－1，1］；質(zhì)心側(cè)偏角誤差e和其誤差變化ec的基本論域分別為［－6°，6°］和［－1，1］；Kp論域為［0，500］；Ki論域為［0，100］；模糊規(guī)則為“if…then…”條件語句。表1是模糊控制器的模糊規(guī)則表［10］，輸出分別為Kp、Ki。

表1 PI模糊控制器的模糊規(guī)則

2.2 四輪轉(zhuǎn)矩分配原則

四輪橫擺力矩

由式（13）可得：以左轉(zhuǎn)驅(qū)動工況為例，即Fxi＞0、Fyi＜0，有Mz2＞0、Mz3＜0，而Mz1和Mz4方向不確定。如果想要施加正方向橫擺力矩，增加外前輪或減小內(nèi)后輪的驅(qū)動力矩則使得效果明確，而控制內(nèi)前輪和外后輪時產(chǎn)生的橫擺力矩方向與施加的力矩大小相關(guān)。簡言之，外前輪和內(nèi)后輪對橫擺力矩輸出的貢獻(xiàn)要大于其他兩輪，各輪對橫擺力矩的輸出具有非線性性質(zhì)。

在驅(qū)動工況下存在載荷轉(zhuǎn)移，內(nèi)側(cè)車輪載荷小于外側(cè)，前軸車輪載荷小于后軸，根據(jù)摩擦圓理論，載荷較小的會先達(dá)到附著極限，因此在驅(qū)動工況下增加后輪的轉(zhuǎn)矩能更多地利用富余的附著力，后軸的分配比例可以相對大一些。

設(shè)達(dá)到附著極限時驅(qū)動轉(zhuǎn)矩為Tlim，電機(jī)最大輸出轉(zhuǎn)矩為Tmax，前軸分配的轉(zhuǎn)矩為Tf，后軸為Tr。未達(dá)到附著極限時，為不改變整車的驅(qū)動力，可設(shè)置一側(cè)增加的轉(zhuǎn)矩等于另一側(cè)減小的轉(zhuǎn)矩，前軸的驅(qū)動力矩為前軸輸出的Tf，最大的差動轉(zhuǎn)矩為－2Tmax＋Tf；達(dá)到附著極限后，單側(cè)減小的力矩會大于另一側(cè)增加的力矩，前軸輸出最大的差動轉(zhuǎn)矩為－Tmax－Tlim，此時前軸的驅(qū)動力矩為Tlim－Tmax。后軸情況同理。

綜合分析以上三種約束，通過設(shè)置各輪轉(zhuǎn)矩分配系數(shù)的模糊規(guī)則將上述經(jīng)驗總結(jié)在一起，其基本原則可歸納為：（1）T、ΔT較小時，內(nèi)外側(cè)車輪可施加大小相等、方向相反的差動力矩，為了減少控制器的負(fù)擔(dān)，可將前輪的權(quán)重設(shè)置為較小值，隨著ΔT的增大，前輪的權(quán)重相應(yīng)增大；（2）T中等、ΔT較大、單輪驅(qū)動力矩增加到上限時，為了獲取更大的差動力矩，單側(cè)車輪降低的力矩值會大于另一側(cè)增加的轉(zhuǎn)矩值，并且外前輪和內(nèi)后輪的權(quán)重更大；（3）T、ΔT較大時，為了保證整車的轉(zhuǎn)向穩(wěn)定性，內(nèi)外側(cè)同時降低整車的驅(qū)動轉(zhuǎn)矩，一側(cè)降低的轉(zhuǎn)矩值大于另一側(cè)來保證需求的ΔT。四輪轉(zhuǎn)矩分配系數(shù)的模糊規(guī)則如表2所示，輸入為實際橫擺轉(zhuǎn)矩和驅(qū)動轉(zhuǎn)矩需求，輸出為四輪的轉(zhuǎn)矩分配，系數(shù)si與ΔTi的關(guān)系如下

表2 四輪轉(zhuǎn)矩分配系數(shù)的模糊規(guī)則

3 硬件在環(huán)仿真（HIL）

3.1 仿真結(jié)構(gòu)

V模式已成為當(dāng)今汽車電子控制系統(tǒng)的主流開發(fā)過程，HIL確保了ECU開發(fā)驗證的正確性和有效性，同時定下實車參數(shù)標(biāo)定的基調(diào)，減少后期工作量和成本，并且能夠模擬實際中受氣候等因素影響的難以復(fù)現(xiàn)的工況或者極限工況［11］。本文的硬件在環(huán)仿真系統(tǒng)框圖和系統(tǒng)的實物如圖6所示，仿真機(jī)和控制器通過CAN總線通信傳輸信號。

圖6 硬件在環(huán)仿真圖

實際控制器選用ControlBase產(chǎn)品級控制器，集成了完整的驅(qū)動模塊庫，并支持自動代碼生成和CCP標(biāo)定。實際控制器接收狀態(tài)信號后，進(jìn)行DYC算法運算，輸出四個車輪電機(jī)的控制轉(zhuǎn)矩，同時可以應(yīng)用CANape工具在線標(biāo)定控制器參數(shù)，算法模型如圖7所示。

仿真機(jī)選用日本A＆D公司的AD5435仿真機(jī)產(chǎn)品，它支持Simulink編程和自動代碼下載。在1.2節(jié)整車模型添加通信和工況模擬模塊如圖8所示，下載到仿真機(jī)中可代替實際車輛，同時設(shè)計上位機(jī)界面進(jìn)行工況控制和信號監(jiān)測。

圖7 實際控制器上的模型

圖8 AD5435仿真機(jī)上的添加的模塊

3.2 仿真結(jié)果

選擇正弦轉(zhuǎn)向單移線試驗可以驗證控制系統(tǒng)對車輛操作穩(wěn)定性的作用效果，正弦轉(zhuǎn)向起始時刻為0.5s，一個周期后即2.5s時刻回復(fù)到直線。

車輛在正弦轉(zhuǎn)向工況下的理想軌跡是回到直道，為了對比控制系統(tǒng)對不同工況的適應(yīng)性，選擇路面附著系數(shù)為0.9、車輛初速為60km/h時為普通工況，路面附著系數(shù)為0.3、車輛初速為90km/h時為危險工況，如圖9～圖16所示。施加控制時控制器能很好地跟蹤理想軌跡，尤其在路面附著系數(shù)較低、車速較高的車輛完全失去穩(wěn)態(tài)，聯(lián)合控制能進(jìn)一步減小跟蹤誤差。

從圖11、圖12、圖14和圖15車輛的橫擺角速度和質(zhì)心側(cè)偏角也可以看到，施加控制情況下，兩個變量能更好地跟隨參考值。在危險工況下質(zhì)心側(cè)偏角值較大，若不施加控制，則橫擺角速度值最終無法收斂到0。

兩種工況下4個車輪的輸出，轉(zhuǎn)矩先在前后軸之間分配，在普通工況下左右輪相對前后軸輸出轉(zhuǎn)矩對稱，而在危險工況下單側(cè)車輪減小的轉(zhuǎn)矩值會大于另一側(cè)以減小車速，使車輛更快地恢復(fù)穩(wěn)態(tài)。以上仿真結(jié)果表明：所設(shè)計的模糊控制器能夠很好地保持車輛在正弦轉(zhuǎn)向操縱下的橫擺穩(wěn)定性，同時對工況具有適應(yīng)性。

圖9 普通工況下軌跡對比

圖10 普通工況下橫擺角速度對比

圖11 普通工況下質(zhì)心側(cè)偏角對比

圖12 普通工況聯(lián)合控制下轉(zhuǎn)矩輸出

圖13 危險工況下軌跡對比

圖14 危險工況下橫擺角速度對比

圖15 危險工況下質(zhì)心側(cè)偏角對比

圖16 危險工況聯(lián)合控制下轉(zhuǎn)矩輸出

4 結(jié) 論

（1）本文選用Dugoff輪胎模型，建立了四輪獨立驅(qū)動電動汽車的7自由度整車模型，并成功下載到AD5435仿真機(jī)中用以替代實際車輛。同時，應(yīng)用自動代碼生成工具將設(shè)計的DYC算法下載到嵌入式控制器中進(jìn)行硬件在環(huán)仿真，在不同工況下進(jìn)行正弦轉(zhuǎn)向試驗，驗證了DYC算法的有效性和對不同工況的適用性。

（2）為了獲取期望的橫擺轉(zhuǎn)矩值，設(shè)計了基于橫擺角速度偏差和質(zhì)心側(cè)偏角偏差的模糊PI控制器，同時綜合分析各輪對橫擺力矩的貢獻(xiàn)和驅(qū)動極限下轉(zhuǎn)矩分配。硬件在環(huán)實驗結(jié)果表明：在控制器作用下，車輛能更好地跟蹤駕駛員理想軌跡，尤其在高速低、附著系數(shù)路面工況下很好地抑制了質(zhì)心側(cè)偏角的增加。聯(lián)合控制下的車輛性能要優(yōu)于單獨控制下的性能，算法具有可行性和高效性。

［1］曹秉剛，張傳偉，白志峰，等.電動汽車技術(shù)進(jìn)展和發(fā)展趨勢 ［J］.西安交通大學(xué)學(xué)報，2004，38（1）：1－5.CAO Binggang，ZHANG Chuanwei，BAI Zhifeng，et al.Technology progress and trends of electric vehicles［J］.Journal of Xi’an Jiaotong University，2004，38（1）：1－5.

［2］JALALI K，UCHIDA T.Integrated stability control system for electric vehicles with in－wheel motors using soft computing techniques ［J］.SAE International Journal of Passenger Cars：Electronic and Electrical Systems，2009，2（1）：109－119.

［3］SHIBAHATA Y，SHIMADA K，TOMARI T.Improvement of vehicle maneuverability by direct yaw moment control［J］.Vehicle System Dynamics，1993，22（1）：465－481.

［4］MOKHIAMAR O，ABE M.How the four wheels should share forces in an optimum cooperative chassis control［J］.Control Engineering Practice，2006，14（3）：295－304.

［5］余卓平，姜煒，張立軍.四輪輪轂電機(jī)驅(qū)動電動汽車扭矩分配控制 ［J］.同濟(jì)大學(xué)學(xué)報，2008，36（8）：1115－1119.YU Zhuoping，JIANG Wei，ZHANG Lijun.Torque distribution control for four wheel in－wheel motor electric vehicle［J］.Journal of Tongji University，2008，36（8）：1115－1119.

［6］續(xù)丹，王國棟，馮曉輝，等.獨立驅(qū)動電動汽車的轉(zhuǎn)矩優(yōu)化分配策略研究 ［J］.西安交通大學(xué)學(xué)報，2012，46（3）：42－46.XU Dan，WANG Guodong，F(xiàn)ENG Xiaohui，et al.Study on optimizing torque distribution strategy for independent 4WD electric vehicle［J］.Journal of Xi’an Jiaotong University，2012，46（3）：42－46.

［7］HE Peng，HORI Y.Optimum traction force distribution for stability improvement of 4WD EV in critical driving condition［C］∥9th IEEE International Workshop on Advanced Motion Control.Piscataway，NJ，USA：IEEE，2006：596－601.

［8］KIECCKE U，NIELSEN L.Automotive control systems［M］.Washington，DC，USA：SAE，2000：322.

［9］RAJESH R.Vehicle dynamics and control［M］.Berlin，Germany：Springer，2005：225－230.

［10］劉金琨.先進(jìn)PID控制 MATLAB仿真 ［M］.北京：電子工業(yè)出版社，2011：115－128.

［11］魏學(xué)哲，戴海峰，孫澤昌.汽車嵌入式系統(tǒng)開發(fā)方法、體系架構(gòu)和流程 ［J］.同濟(jì)大學(xué)學(xué)報，2012，40（7）：1064－1070.WEI Xuezhe，DAI Haifeng，SUN Zechang.Methodology，architecture and development flow of automotive embedded systems［J］.Journal of Tongji University，2012，40（7）：1064－1070.

［本刊相關(guān)文獻(xiàn)鏈接］

續(xù)丹，王國棟，曹秉剛，等.獨立驅(qū)動電動汽車的轉(zhuǎn)矩優(yōu)化分配策略研究.2012，46（3）：42－46.［doi：10.7652/xjtuxb201203 008］

鄧飆，蘇文斌，郭秦陽，等.雙缸電液位置伺服同步控制系統(tǒng)的智能控制.2011，45（11）：85－90.［doi：10.7652/xjtuxb2011 11016］

李大海，李天石.非均勻采樣系統(tǒng)的支持向量回歸建模與控制.2011，45（3）：65－69.［doi：10.7652/xjtuxb201103012］

龍波，曹秉剛，胡慶滑，等.電動汽車用感應(yīng)電機(jī)弱磁區(qū)電磁轉(zhuǎn)矩最大化控制.2009，43（4）：62－65.［doi：10.7652/xjtuxb 200904015］

葉敏，郭振宇，程博，等.基于參數(shù)攝動的電動汽車再生制動魯棒混合控制研究.2007，41（1）：64－68.［doi：10.7652/xjtuxb 200701015］

曹秉剛.中國電動汽車技術(shù)新進(jìn)展.西安交通大學(xué)學(xué)報，2007，41（1）：114－118.［doi：10.7652/xjtuxb200701026］

方煒，姜長生.一類基于模糊系統(tǒng)的非線性魯棒自適應(yīng)預(yù)測控制.2008，42（6）：669－673.［doi：10.7652/xjtuxb200806005］

呂曉軍，鄭南寧.車輛單神經(jīng)元模型參考自適應(yīng)控制算法研究.2007，41（12）：1391－1395.［doi：10.7652/xjtuxb200712 002］

曹軍義，曹秉剛.分?jǐn)?shù)階控制器離散方法的評估策略研究.西安交通大學(xué)學(xué)報，2007，41（7）：842－846.［doi：10.7652/xjtuxb 200707020］

王軍平，陳全世，曹秉剛，等.電動車用鎳氫電池模塊的充放電模型研究.2006，40（1）：50－52.［doi：10.7652/xjtuxb200601 012］

王晨旭，秦濤，管曉宏，等.有向網(wǎng)絡(luò)興趣社區(qū)的快速挖掘算法及其在僵尸粉檢測中的應(yīng)用.2014，48（6）：7－12.［doi：10.7652/xjtuxb201406002］

楊博，劉亦夫，尉星，等.雙燃料發(fā)動機(jī)電控單元的設(shè)計與控制策略.2014，48（5）：8－14.［doi：10.7652/xjtuxb2014 05002］

毛陽，陳志勇，史文庫，等.磁流變液雙質(zhì)量飛輪扭振減振特性研究.2014，48（6）：127－133.［doi：10.7652/xjtuxb201406 022］

吳仁斌，姚敏立，賈維敏，等.采用幅度響應(yīng)約束的魯棒自適應(yīng)波束形成算法.2014，48（4）：109－114.［doi：10.7652/xjtuxb 201404019］

史椸，耿晨，齊勇.一種具有容錯機(jī)制的MapReduce模型研究與實現(xiàn).2014，48（2）：1－7.［doi：10.7652/xjtuxb201402001］

史文庫，毛陽，姜雪，等.發(fā)動機(jī)半主動液壓懸置的動態(tài)特性及參數(shù)影響分析.2014，48（1）：42－47.［doi：10.7652/xjtuxb 201401008］

宋渤，徐龍起，張桂銘，等.采用微傳感器的黏/密度實驗系統(tǒng)及其 性 能 測 試.2014，48（3）：44－48.［doi：10.7652/xjtuxb 201403009］

陳梁遠(yuǎn)，李黎川.往復(fù)式開關(guān)磁阻直線電機(jī)的效率最大化控制.2012，46（10）：15－19.［doi：10.7652/xjtuxb201210003］