袁希文 文桂林++周兵

摘要：針對(duì)分布式電驅(qū)動(dòng)汽車，以實(shí)現(xiàn)車輛主動(dòng)安全性同時(shí)兼顧制動(dòng)能量回收為目標(biāo)，提出一種主動(dòng)前輪轉(zhuǎn)向（AFS）與電液復(fù)合制動(dòng)集成的控制策略.AFS控制器采用滑模變結(jié)構(gòu)控制，滑移率控制器采用滑模極值搜索算法，基于分層結(jié)構(gòu)（上層為期望制動(dòng)力矩計(jì)算模塊，中層為考慮執(zhí)行器帶寬的動(dòng)態(tài)控制分配模塊，下層為電機(jī)與液壓復(fù)合執(zhí)行器），并考慮位置與速率約束.轉(zhuǎn)向制動(dòng)時(shí)，考慮車輛縱向動(dòng)力學(xué)對(duì)側(cè)向動(dòng)力學(xué)的影響，引入前輪轉(zhuǎn)角對(duì)滑移率控制律進(jìn)行了修正.在MATLAB/Simulink中建立七自由度整車模型，對(duì)控制算法進(jìn)行了驗(yàn)證.結(jié)果表明：分離路面直線制動(dòng)時(shí)，所提出的控制策略可以同時(shí)保證制動(dòng)能量回收和制動(dòng)方向穩(wěn)定性；轉(zhuǎn)彎制動(dòng)時(shí)，可以更好地跟蹤理想橫擺角速度，提高了車輛的側(cè)向穩(wěn)定性.

關(guān)鍵詞：車輛工程；電液復(fù)合制動(dòng)；主動(dòng)前輪轉(zhuǎn)向；能量回收；控制策略；極值搜索算法

中圖分類號(hào)：U463.4 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1674-2974（2016）02-0028-08

分布式電驅(qū)動(dòng)汽車因其諸多優(yōu)點(diǎn)而受到工業(yè)界和學(xué)者們的青睞[1-2].

電動(dòng)車在復(fù)雜路面條件下的制動(dòng)力矩分配直接影響車輛的穩(wěn)定性，車輪突然滑轉(zhuǎn)或抱死會(huì)引起側(cè)向附著降低，嚴(yán)重時(shí)可導(dǎo)致車輛失去轉(zhuǎn)向能力甚至甩尾.傳統(tǒng)的產(chǎn)品化的ESP控制利用ABS和ASR控制作為下層來(lái)控制車輪的滑移（轉(zhuǎn)）率，但現(xiàn)有的分布式驅(qū)動(dòng)電動(dòng)汽車制動(dòng)力矩分配控制未能實(shí)現(xiàn)與ABS和ASR控制的結(jié)合[3]，因此，如何設(shè)計(jì)適合分布式驅(qū)動(dòng)電動(dòng)車的滑移率控制器，提高制動(dòng)效能，同時(shí)保證車輛主動(dòng)安全性是需要關(guān)注的一個(gè)問(wèn)題.

電動(dòng)車具有電機(jī)制動(dòng)響應(yīng)快、實(shí)時(shí)性好、精準(zhǔn)可控的優(yōu)點(diǎn)，但其最大制動(dòng)力矩受限于電機(jī)本身特性和電池荷電狀態(tài)（SoC），無(wú)法滿足一些強(qiáng)制動(dòng)工況的需求，故電動(dòng)車常采用電機(jī)再生制動(dòng)和液壓制動(dòng)的復(fù)合制動(dòng)方式[4].電液復(fù)合制動(dòng)技術(shù)也被認(rèn)為是提高電動(dòng)車?yán)m(xù)航和車輛主動(dòng)安全性的關(guān)鍵技術(shù).目前對(duì)電液扭矩協(xié)調(diào)的研究主要采用未包含執(zhí)行器動(dòng)力學(xué)的靜態(tài)分配方法[5]，然而由于二者執(zhí)行帶寬的差異，會(huì)使實(shí)際響應(yīng)力矩的復(fù)合效果與期望值之間有偏差.因此，如何在考慮執(zhí)行器動(dòng)力學(xué)條件下設(shè)計(jì)動(dòng)態(tài)控制分配是需要關(guān)注的又一問(wèn)題.

鑒于此，本文提出一種分離路面下AFS與電液復(fù)合制動(dòng)集成的控制策略.AFS用來(lái)補(bǔ)償側(cè)向穩(wěn)定性，采用滑模控制.電液復(fù)合制動(dòng)用來(lái)實(shí)現(xiàn)滑移率控制，采用滑模極值搜索算法，并考慮轉(zhuǎn)彎制動(dòng)時(shí)縱向動(dòng)力學(xué)對(duì)側(cè)向動(dòng)力學(xué)的影響，引入前輪轉(zhuǎn)角對(duì)滑移率控制律進(jìn)行修正，進(jìn)一步提高車輛側(cè)向穩(wěn)定性.針對(duì)電液復(fù)合制動(dòng)，采用動(dòng)態(tài)控制分配法協(xié)調(diào)電機(jī)與液壓制動(dòng)力矩，通過(guò)增加對(duì)執(zhí)行機(jī)構(gòu)速率的懲罰，擴(kuò)展一般的二次規(guī)劃控制分配算法，使算法具有頻率依賴的特性，實(shí)現(xiàn)對(duì)執(zhí)行機(jī)構(gòu)帶寬的考慮.最后對(duì)控制策略進(jìn)行仿真驗(yàn)證.

1車輛動(dòng)力學(xué)模型

面向控制器驗(yàn)證用車輛模型采用七自由度整車模型，如圖1所示.

2 控制策略

控制策略采用內(nèi)外環(huán)結(jié)構(gòu).為提高車輛系統(tǒng)對(duì)參數(shù)不確定性的魯棒性，外環(huán)AFS控制器采用滑?？刂?，內(nèi)環(huán)滑移率控制器采用滑模極值搜索算法.針對(duì)目前復(fù)合制動(dòng)電液制動(dòng)力矩協(xié)調(diào)難的特點(diǎn)，利用考慮執(zhí)行器帶寬的動(dòng)態(tài)控制分配法進(jìn)行電機(jī)與液壓制動(dòng)力矩協(xié)調(diào)，并采用分層控制結(jié)構(gòu)，實(shí)現(xiàn)控制問(wèn)題的解耦化、簡(jiǎn)易化，如圖2所示.如上層滑移率控制器保證不出現(xiàn)抱死拖滑，得到總期望制動(dòng)力矩即可，無(wú)需考慮電機(jī)與液壓是如何協(xié)調(diào)的；中層控制分配模塊只需在考慮執(zhí)行器動(dòng)力學(xué)條件下，實(shí)現(xiàn)對(duì)總期望制動(dòng)力矩的分配即可；下層電機(jī)與液壓執(zhí)行器僅需考慮約束條件下執(zhí)行控制分配模塊給出的分配值即可，無(wú)需考慮分配值是如何得到的.

2.4制動(dòng)力矩分配與執(zhí)行

滑移率控制器得到的總期望制動(dòng)力矩需要電機(jī)與電子液壓復(fù)合制動(dòng)實(shí)現(xiàn)，然而由于二者執(zhí)行動(dòng)力學(xué)差異[1]，傳統(tǒng)靜態(tài)控制分配在包含執(zhí)行器動(dòng)力學(xué)情況下易使實(shí)際響應(yīng)力矩的復(fù)合效果與期望值之間有偏差，本文采用動(dòng)態(tài)控制分配[10]實(shí)現(xiàn)電液力矩分配：

作為比較，本文采用鏈?zhǔn)竭f增法實(shí)現(xiàn)期望制動(dòng)力矩的靜態(tài)控制分配[11].圖3為靜態(tài)控制分配與動(dòng)態(tài)控制分配力矩分配頻域響應(yīng)，可以看出動(dòng)態(tài)控制分配高頻階段執(zhí)行帶寬更大的電機(jī)制動(dòng)權(quán)重更大.

其中后輪低選控制表示后輪高附著一側(cè)制動(dòng)力選擇與低附著一側(cè)相同；滑模極值搜索與門限值控制均為四通道獨(dú)立控制，邏輯門限控制取參考滑移率為0.2.直線制動(dòng)時(shí)，協(xié)調(diào)控制與無(wú)協(xié)調(diào)控制策略一致，標(biāo)示為“AFS+WSC”.車輛仿真參數(shù)見表2.

3.1分離路面直線制動(dòng)

工況設(shè)定：初始車速為25 m/s；路面摩擦因數(shù)，左側(cè)0.8，右側(cè)0.4.

圖4為幾種控制策略的橫擺角速度變化曲線，可以看出AFS與WSC集成控制可以使橫擺角速度接近理想值0，較好地補(bǔ)償了由于左右制動(dòng)力不均產(chǎn)生的干擾橫擺力矩；其他3種單獨(dú)WSC控制都無(wú)法跟蹤理想值，但后輪低選控制因后輪制動(dòng)力相同，產(chǎn)生的干擾橫擺力矩變小，因此橫擺角速度相對(duì)較小.圖5為車輛制動(dòng)軌跡曲線，AFS與WSC集成控制的最大側(cè)向偏移為0.8 m，而3種單獨(dú)WSC控制工況均出現(xiàn)較大的制動(dòng)跑偏，其中邏輯門限值控制產(chǎn)生的側(cè)向位移最大，為5.2 m；滑模極值搜索控制為5.1 m，但后者縱向距離為62.5 m，小于前者的69.6 m；后輪低選控制的側(cè)向位移為4.08 m，小于滑模極值搜索的5.1 m，但其縱向制動(dòng)距離為67.6 m，明顯大于滑模極值搜索的62.5 m.其中，由于AFS調(diào)節(jié)，集成控制側(cè)向偏移方向相反.

圖6為輪胎滑移率變化曲線，可以看出0.25 s左右WSC搜索到了最優(yōu)滑移率并保持穩(wěn)定，說(shuō)明本文所提出的滑模極值搜索算法可以自動(dòng)搜索到最優(yōu)滑移率.右側(cè)低附路面最優(yōu)滑移率偏小，符合路面附著系數(shù)越小最優(yōu)滑移率也越小的趨勢(shì).圖7所示為左前輪電液復(fù)合制動(dòng)實(shí)際響應(yīng)力矩跟蹤期望值的效果曲線，可以看出動(dòng)態(tài)控制分配能較好地跟蹤期望值，而靜態(tài)控制分配則無(wú)法跟蹤期望值.圖8所示為電機(jī)與液壓制動(dòng)力矩變化曲線，可以看出開始0～0.06 s內(nèi)僅有電機(jī)制動(dòng)，當(dāng)其制動(dòng)力矩達(dá)到飽和后，液壓制動(dòng)開始工作.仿真開始3 s后，隨著車速降低，當(dāng)電機(jī)轉(zhuǎn)速低于電機(jī)基速時(shí)，再生制動(dòng)力矩開始逐漸減小到0，與此同時(shí)液壓制動(dòng)逐漸增大以滿足總期望制動(dòng)力矩需求.可見制動(dòng)過(guò)程中，除因最大扭矩380 N·m的約束條件限制，電機(jī)總是處于最大制動(dòng)強(qiáng)度，最大化地進(jìn)行了能量回收.

3.2分離路面轉(zhuǎn)彎制動(dòng)

工況設(shè)定：初始車速為20 m/s；彎道內(nèi)側(cè)路面摩擦因數(shù)為0.4，外側(cè)為0.8；1 s后開始向左轉(zhuǎn)向，1 s內(nèi)方向盤轉(zhuǎn)角由0°轉(zhuǎn)到84°.

圖9顯示，AFS與WSC協(xié)調(diào)控制可以較好地跟蹤理想橫擺角速度，無(wú)協(xié)調(diào)控制則在大橫擺角速度時(shí)無(wú)法跟蹤，3種WSC單獨(dú)控制工況，均無(wú)法跟蹤理想橫擺角速度.

圖10為轉(zhuǎn)彎制動(dòng)距離，可看出協(xié)調(diào)控制較無(wú)協(xié)調(diào)控制最大側(cè)向位移增加了0.1 m，3種WSC單獨(dú)控制時(shí)出現(xiàn)了較大的側(cè)向滑移.圖11顯示，無(wú)協(xié)調(diào)控制時(shí)產(chǎn)生的質(zhì)心側(cè)偏角最大為0.22 rad，而協(xié)調(diào)控制僅為0.06 rad，單獨(dú)WSC控制時(shí)因未實(shí)現(xiàn)理想轉(zhuǎn)彎運(yùn)動(dòng)，產(chǎn)生的質(zhì)心側(cè)偏角均較小.圖9～圖11表明AFS與WSC協(xié)調(diào)控制較無(wú)協(xié)調(diào)控制可以顯著提高車輛側(cè)向穩(wěn)定性，制動(dòng)距離卻未出現(xiàn)明顯增大，而單獨(dú)WSC控制均無(wú)法保證車輛轉(zhuǎn)彎時(shí)的側(cè)向穩(wěn)定性.

圖12為AFS與WSC協(xié)調(diào)控制產(chǎn)生的歸一化輪胎縱向力，左側(cè)輪胎快速穩(wěn)定在0.4左右，而右側(cè)穩(wěn)定在0.8左右，說(shuō)明WSC滑模極值搜索算法可以自適應(yīng)路面附著系數(shù)的變化，快速搜索到輪胎的最大制動(dòng)力.前輪轉(zhuǎn)向時(shí)（1.0～2.0 s），前軸左右輪歸一化輪胎縱向力出現(xiàn)了明顯的減小，這是由于AFS控制產(chǎn)生了車輪附加轉(zhuǎn)角，造成輪胎縱向力減小的緣故.

4結(jié)論

針對(duì)分布式電驅(qū)動(dòng)汽車，以實(shí)現(xiàn)車輛主動(dòng)安全性同時(shí)兼顧制動(dòng)能量回收為目標(biāo)，考慮轉(zhuǎn)向和制動(dòng)兩系統(tǒng)動(dòng)力學(xué)上的相互影響和相互制約，提出一種AFS與電液復(fù)合制動(dòng)的集成控制策略.通過(guò)對(duì)所提出控制策略進(jìn)行仿真驗(yàn)證，主要得出以下結(jié)論：

1） 分離路面直線制動(dòng)時(shí)，集成控制策略產(chǎn)生的橫擺角速度接近0，側(cè)向偏移為0.8 m，可以較好地回收制動(dòng)能量，保證制動(dòng)方向穩(wěn)定性.滑移率控制器可自適應(yīng)路面附著系數(shù)變化，不依賴參考滑移率即可快速搜索到最大制動(dòng)力和最優(yōu)滑移率.動(dòng)態(tài)控制分配可使實(shí)際響應(yīng)力矩更好地跟蹤期望制動(dòng)力矩.

2） 分離路面轉(zhuǎn)彎制動(dòng)時(shí)，WSC與AFS協(xié)調(diào)控制較無(wú)協(xié)調(diào)控制可以更好地跟蹤理想橫擺角速度，制動(dòng)距離卻未出現(xiàn)明顯增大，且質(zhì)心側(cè)偏角明顯相對(duì)較小，提高了車輛側(cè)向穩(wěn)定性.

參考文獻(xiàn)

[1]CROLLA D A，CAO D. The impact of hybrid and electric powertrains on vehicle dynamics，control systems and energy regeneration[J]. Vehicle System Dynamics， 2012，50（S1）：95-109.

[2]KAWASHIMA K，UCHIDA T，HORI Y. Rolling stability control utilizing rollover index for in-wheel motor electric vehicle[J]. IEEJ Transactions on Industry Applications，2010，130（5）：655-662.

[3]余卓平，馮源，熊璐.分布式驅(qū)動(dòng)電動(dòng)汽車動(dòng)力學(xué)控制發(fā)展現(xiàn)狀綜述[J].機(jī)械工程學(xué)報(bào)，2013，49（8）：105-114.

YU Zhuo-ping，F(xiàn)ENG Yuan，XIONG Lu. Review on vehicle dynamics control of distributed drive electric vehicle[J]. Journal of Mechanical Engineering，2013，49（8）：105-114.（In Chinese）

[4]DE CASTRO R，ARAJO R E，TANELLI M，et al. Torque blending and wheel slip control in EVs with in-wheel motors[J]. Vehicle System Dynamics，2012，50（S1）：71-94.

[5]JING H H，LIU Z Y，LIU J S. Wheel slip control for hybrid braking system of electric vehicle[C]//Proceedings of 2011 International Conference on Transportation， Mechanical， and Electrical Engineering. New York： IEEE，2011：743-746.

[6]周兵，范璐，駱晨. 主動(dòng)前輪轉(zhuǎn)向變傳動(dòng)比曲線分析與設(shè)計(jì)[J]. 湖南大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，41（2）：73-78.

ZHOU Bing，F(xiàn)AN Lu，LUO Chen. Analysis and design of the variable steering ratio curve of active front steering system[J]. Journal of Hunan University： Natural Sciences，2014，41（2）：73-78. （In Chinese）

[7]ZHANG C，ORDONEZ R. Extremum-seeking control and applications[M]. Berlin： Springer，2012：51-52.

[8]DINMEN E，GUVEN B A，ACARMAN T. Extremum seeking control of ABS braking in road vehicles with lateral force improvement[J].IEEE Transactions on Control Systems Technology，2012，22（1）：230-237.

[9]DRAKUNOV S，OZGUNER U，DIX P. ABS control using optimum search via sliding modes[J]. IEEE Transactions on Control Systems Technology， 1995，3（1）：79-85.

[10]HARKEGARD O. Dynamic control allocation using constrained quadratic programming[J]. Journal of Guidance， Control， and Dynamics，2004，27（6）：1028-1034.

[11]SATZGER C，DE CASTRO R，BNTE T. A model predictive control allocation approach to hybrid braking of electric vehicles intelligent vehicles[C]//Proceedings of IEEE Intelligent Vehicles Symposium（IV）. New York： IEEE， 2014：286-292.