一种基于分布式电驱动车辆的最优转矩分配方法与流程

本发明属于纯电动汽车和车辆纵向动力学控制领域，涉及一种基于分布式电驱动车辆的最优转矩分配方法。

背景技术：

随着节能和环保成为当今时代的主题，电动汽车的发展进入了一个全新的时代。纯电动汽车依靠驱动系统满足行驶需求，驱动系统的好坏对整车性能影响很大，电动汽车驱动方式有两种：集中驱动和分布式驱动。分布式电驱动车轮无需机械传动部件，提高了整车空间利用效率。最重要的，打破传统汽车固定的转矩分配模式，可以根据实际道路工况和车辆行驶状态任意分配车轮转矩。

多电机驱动车辆由于具有驱动制动转矩独立可控的优点，可以根据实际道路工况和车辆行驶状态任意分配车轮转矩，实现电动汽车的纵向动力学安全控制和节能控制。而分布式电驱动汽车作为一个高度复杂耦合的非线性时变系统，转矩优化分配控制策略应该考虑多个目标函数以此满足汽车各种性能。虽然现在有很多优化算法可以处理此类问题，但是都存在一些不足之处，模型预测控制算法对目标函数的梯度和海森矩阵要求较高，如果太负责则会增加计算负担从而延长仿真时间，多目标粒子群算法和多目标进化算法则是以损失运算时间为代价来满足精度要求。

因此，需要一种转矩优化分配方法，在优化分配车轮转矩时，不仅可以减少仿真运算时间，同时又可以达到较高的精度要求，达到同时提高驱动系统效率和纵向行驶安全性的目的。

技术实现要素：

本发明的目的在于提供一种基于分布式电驱动车辆的最优转矩分配方法，通过合理分配车轮转矩，同时提高驱动系统效率和纵向行驶安全性。

一种基于分布式电驱动车辆的最优转矩分配方法，该分配方法的主要思路为：由上层控制器得到整车需求力矩，转矩分配层将需求力矩合理的分配给四个车轮，同时满足提高驱动系统效率和纵向行驶安全性的要求。所述优化转矩分配方法包含但不限于遗传算法、禁忌搜索算法、遗传禁忌混合搜索算法。

该方法包含以下步骤：

一、采用响应面分析法对轮毂电机的试验数据进行回归分析得到驱动电机效率函数。

二、基于分布式电驱动系统的需求转矩值，分别建立表征驱动系统效率优化和车辆行驶安全性优化的目标函数；并采用自适应权重系数的线性加权法将上述两个目标函数的求解转化为约束条件下的多目标优化问题。

三、综合遗传算法和禁忌搜索算法各自的优点，提出遗传禁忌混合搜索算法(hgtsa)对上述多目标优化问题进行求解，以获得分布式电驱动系统的最优转矩分配。

在本申请的一个优选实施方式中，步骤一中所述的采用响应面分析法对轮毂电机的试验数据进行回归分析得到驱动电机效率函数。其中，电机效率y采用带交叉项的四阶回归方程进行描述，表达式如下：

其中：β为回归系数，x1，x2为设计变量，分别代表电机转速和需求转矩，ε为一个随机误差向量。

在本申请的一个优选实施方式中，首先建立表征驱动系统效率优化的目标函数j1，其表达式如下：

式中：tdfl、tdrr为前后车轮的转矩，nfl、nrr为前后车轮的转速，ηfl、ηrr为前后电机的工作效率。

然后建立表征车辆行驶安全性优化的目标函数j2，其表达式如下：

式中：r为轮胎半径，fzi为车轮受到的垂向力，i＝fl，fr，rl，rr。

最后采用自适应权重系数的线性加权法将上述两个目标函数的求解转化为约束条件下的多目标优化问题。自适应权重系数ω是路面附着系数μ以及速度u的分段函数：

式中，ω1max、ω1min、ω2max、ω2min分别为高附着路面和低附着路面上第一个目标函数的权重系数。

在本申请的一个优选实施方式中，步骤三中所述的综合遗传算法和禁忌搜索算法各自的优点，提出遗传禁忌混合搜索算法(hgtsa)对上述多目标优化问题进行求解，以获得分布式电驱动系统的最优转矩分配。因为基于群体搜索策略和简单的遗传算子，遗传算法具有强大的全局搜索能力、信息处理的并行性、应用的鲁棒性。禁忌搜索算法局部搜索能力极强，通过合理设置禁忌表的长度可以跳出循环找到最优解。将遗传算法与禁忌搜索算法优点结合起来，提出遗传禁忌混合搜索算法(hybridgenetictaboosearchalgorithmhgtsa)。首先利用遗传算法强大的全局搜索能力进行全局搜索，将搜索到的结果作为禁忌搜索算法的初始解，然后利用禁忌搜索算法进行局部搜索，找到最优解，从而合理的将需求转矩分配给四个车轮，同时提高驱动系统效率和纵向行驶安全性。

附图说明

图1是电机效率与需求转矩和车轮转速的等高线图

图2本发明中优化转矩分配方法的原理图

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以分布式电驱动车辆的行驶需求转矩为分配对象，以本发明技术方案为前提进行实施，给出了详细的实施方式，本发明的保护范围包含而不限于分布式电驱动车辆。

如附图1所示，驱动电机效率与需求转矩和车轮转速相关，图中红线为某个转速和需求转矩对应下的最大电机效率，为了提高整车驱动系统效率，应使驱动电机尽可能工作在高效率期间，即红色曲线附近。

考虑到分布式电驱动汽车作为一个高度复杂耦合的非线性时变系统，转矩优化分配控制策略应该考虑多个目标函数以此满足汽车各种性能。建立电机效率关于需求转矩和车轮转速之间的函数关系式，便于与表征纵向行驶安全优化的目标函数一起进行多目标优化。

电机效率y采用带交叉项的四阶回归方程进行描述，表达式如下：

其中：β为回归系数，x1，x2为设计变量，分别代表电机转速和需求转矩，ε为一个随机误差向量。

如附图2所示，首先分别建立表征驱动系统效率优化和车辆行驶安全性优化的目标函数。

表征驱动系统效率优化的目标函数j1，其表达式如下：

式中：tdfl、tdrr为前后车轮的转矩，nfl、nrr为前后车轮的转速，ηfl、ηrr为前后电机的工作效率。

表征车辆行驶安全性优化的目标函数j2，其表达式如下：

式中：r为轮胎半径，fzi为车轮受到的垂向力，i＝fl，fr，rl，rr。

然后采用自适应权重系数的线性加权法将上述两个目标函数的求解转化为约束条件下的多目标优化问题。自适应权重系数ω是路面附着系数μ以及速度u的分段函数：

式中，ω1max、ω1min、ω2max、ω2min分别为高附着路面和低附着路面上第一个目标函数的权重系数。

得到最终待优化的目标函数j为：

j＝ω1j1+ω2j2

相应的约束为：

式中：tdimax为电机的峰值转矩，td为总的需求转矩。

最后，如附图2所示，考虑到基于群体搜索策略和简单的遗传算子，遗传算法具有强大的全局搜索能力、信息处理的并行性、应用的鲁棒性。禁忌搜索算法局部搜索能力极强，通过合理设置禁忌表的长度可以跳出循环找到最优解。将遗传算法与禁忌搜索算法优点结合起来，提出遗传禁忌混合搜索算法(hybridgenetictaboosearchalgorithmhgtsa)。首先利用遗传算法强大的全局搜索力能进行全局搜索，将搜索到的结果作为禁忌搜索算法的初始解，然后利用禁忌搜索算法进行局部搜索，找到最优解，从而合理的将需求转矩分配给四个车轮，同时提高驱动系统效率和纵向行驶安全性。

这里本发明的描述和应用是说明性的，并不是排他性地将本发明的应用范围限制于所述实施例。应当指出，对于本技术领域的普通技术人员而言，在不脱离本发明原理的前提下，所述实施例的变形和改变是可能的。