技术领域本发明涉及汽车智能控制领域技术，具体涉及四轮轮毂电机电动汽车智能转向控制方法。
背景技术：
当今社会，汽车已成为人们在生活中不可或缺的交通工具。随着科学技术的发展与人们生活水平的提高，人们对汽车的要求愈来愈高，汽车不再仅仅是普通的代步工具，而上升成为一种文化、一个象征，汽车的重要性不言而喻。安全、舒适、节能、环保是汽车发展的方向和永恒主题，特别是在我国交通事故日益增多、能源日益短缺、环境日益恶化的今天尤为重要。电子化、智能化、电动化、可再生化是实现安全、舒适、节能、环保的有效措施和手段，而四轮轮毂电机电动汽车由于其独特的优势必将成为下一代电动汽车的发展方向。轮毂电机具有响应速度比液压响应速度快，扭矩前后方向可控和转矩、转速易于测得等优点。四轮轮毂电机电动汽车四轮，各轮之间无硬性的机械连接、运动状态相互独立。轮毂电机将电动机、传动系和制动系融为一体，其体积小，比功率大，取消了传统的离合器、变速器、传动轴、差速器、等速万向节和半轴等部件，简化了汽车结构，提高了传动效率，降低了整车装备质量，有利于增加电动汽车续驶里程，不仅成为如英国Protean、法国Michelin、日本丰田、三菱等公司争先研发对象，而且成为研究新一代车辆控制技术、探索车辆最优动力学性能的理想载体，也是实现安全、舒适、节能、环保概念的理想试验平台。目前世界各大汽车厂家和研发机构对此展开了大量研发工作。转向舒适性是驾驶舒适性的重要内容之一。不同驾驶员喜好的转向特性不同，如赛车手喜欢汽车具有响应快、略有过度的转向特性，新手比较喜欢汽车具有易于控制的中性转向特性，老年人比较喜欢汽车响应略慢的不足转向特性。传统转向操纵机构与执行器为机械或液压形式，从驾驶员转向操纵输入到车辆响应的动力学特性是一固定的非线性特性，即在某一车速和侧向加速度下，驾驶员转动方向盘到某一位置时，与之对应的是一固定响应特性，与驾驶员的特性无关。因此传统转向操纵机构无法满足不同驾驶员喜好的转向特性。虽然采用线控转向系统易于实现主动转向和变传动比控制，提高汽车主动安全性和满足驾驶员喜好转向特性，但是由于安全法规的限制，目前无法在实车上应用，只限于理论研究和实验室研究。而四轮轮毂电机电动汽车在转向行驶时，由于内外侧轮毂电机驱动力矩可以分配不等，产生的横摆力矩除了在紧急情况下进行稳定性控制之外，还有利于改善汽车的转向特性，如通过对四轮驱动力的合理分配改变转向半径和在保证汽车稳定行驶的前提下改变汽车的转向灵敏度等响应特性，实现类似于线控转向系统变传动比控制，满足驾驶员不同喜好转向特性的需要。因此四轮轮毂电机电动汽车的出现和智能控制算法的应用使汽车的转向特性适应不同驾驶员喜好转向特性成为可能。
技术实现要素：
本发明设计开发了四轮轮毂电机电动汽车智能转向控制方法，具有汽车操纵安全稳定性高特点，能够匹配相对应的转向特性参考模型并进行横摆力矩准确控制。本发明另一个发明目的是解决传统转向操纵机构无法满足不同驾驶员喜好的转向特性的问题，通过驱动力控制满足不同类型驾驶员的喜好转向特性，实现车对人的智能转向的功能，提高驾驶员的转向舒适性的特点。本发明提供的技术方案为：四轮轮毂电机电动汽车智能转向控制方法，包括如下步骤：分别将期望横摆角速度和实际横摆角速度的偏差、偏差变化率以及附加横摆力矩转换为模糊论域中的量化等级；将所述偏差以及偏差变化率输入模糊控制模型，所述模糊控制模型中的偏差分为9个等级，偏差变化率分为7个等级，附加横摆力矩分为9个等级；模糊控制模型输出附加横摆力矩；根据所述输出的附加横摆力矩，分别控制电动汽车的四个车轮转矩。优选的是，模糊模型控制规则为：当横摆角速度偏差为正时，应为电动汽车施加一个正的横摆力矩以跟踪期望的横摆角速度；当横摆角速度偏差为负时，应为电动车辆施加一个负的横摆力矩以跟踪期望的横摆角速度。优选的是，横摆角速度偏差的论域为[-8,8]，偏差变化率的论域为[-20，20]，设定量化因子都为1；附加横摆力矩的论域为[-52，52]。优选的是，通过各个车轮轮毂电机实现控制车轮转矩；当模糊模型输出附加横摆力矩为零时，此时，车辆直线行驶，四轮驱动力相等；当模糊模型输出附加横摆力矩大于零时，此时，车辆左转转向不足或右转向过度，增大右侧车轮驱动力矩，减小左侧车轮驱动力矩；当模糊模型输出附加横摆力矩小于零时，此时，车辆右转转向不足或左转向过度，增大左侧车轮驱动力矩，减小右侧车轮驱动力矩。优选的是，当模糊模型输出附加横摆力矩大于零时，使左侧车轮减小使右侧车轮增大当模糊模型输出附加横摆力矩小于零时，使左侧车轮增大使右侧车轮减小其中，ΔM为输出的附加横摆力矩，B为前后轴轴距。优选的是，当车速小于60km/h时，使用RBF神经网络确定所述期望横摆角速度；当车速大于60km/h时，采用汽车线性二自由度模型确定所述期望横摆角速度。优选的是，所述RBF神经网络的输入为车速、方向盘转角和方向盘转角速度。优选的是，驾驶员分为谨慎型、一般型和激进型三种类型，依据所述驾驶员类型，对应三种驾驶员类型分别建立RBF神经网络，根据不同类型的驾驶员分别对应通过相应类型的RBF神经网络确定所述期望横摆角速度。优选的是，采用模糊C均值聚类方法对驾驶员进行分类。优选的是，所述偏差分为9个等级，模糊集为{NVB，NB，NM，NS，0，PS，PM，PB，PVB