本发明属于轮毂电机驱动电动汽车整车控制领域,车辆容错控制领域,具体涉及一种具有容错控制功能的盘式轮毂电机驱动车辆控制方法。
背景技术:
在电动汽车技术领域,轮毂电机驱动电动汽车是比较重要的一个分支。高功率密度的无铁芯盘式永磁同步轮毂电机主要有以下优势:
1、高功率密度,外型可满足特殊场合应用;2、无铁芯结构不存在铁损和定位力矩,在重量、效率、散热性能等方面优势明显;3、高效率,节能环保。
盘式轮毂电机驱动车辆采用多个轮毂电机驱动车轮,轮毂电机直接安装在车辆的轮毂中,可以对各个车轮的转矩、转速实现独立的实时控制,提高系统的响应速度和控制精度。轮毂电机驱动车辆的控制器核心技术是电子差速转向控制和转矩协调控制,其控制性能直接影响汽车行驶的稳定性、安全性。
轮毂电机系统在电动汽车的行驶过程中起着至关重要的作用,直接影响电动汽车的生命力。电动汽车运行工况复杂多变,行驶过程中还有可能遇见多种恶劣环境,司机很难克服这种突发情况。盘式无铁心永磁同步电机一旦发生故障,会直接影响车辆的安全性和稳定性,或者影响车辆的行驶性能。因此急需轮毂电机的整车容错控制成熟方法。
技术实现要素:
本发明解决的技术问题是提供一种具有容错控制功能的盘式轮毂电机驱动车辆控制方法,针对盘式轮毂电机驱动车辆发生转弯故障或执行器故障的情况下,能够实现整车容错控制,保证安全性和稳定性,在故障成熟处理的前提下尽可能的满足车辆的性能需求。
为解决上述技术问题,本发明采用如下技术方案:
一种具有容错控制功能的盘式轮毂电机驱动车辆控制方法,其特征在于包括如下步骤:
s1:通过分析车辆的侧向、横摆和纵向运动,建立基于车辆动力学模型的车辆动力学空间状态方程;
s2、在步骤s1之后进行车辆行驶状态估计:采用双扩展卡尔曼滤波根据实际测量的车辆状态信息,对车辆侧偏角、和前、后轮转向刚度进行联合行驶状态估计;
s3、根据估计结果,进行容错控制:先引入执行器和转向增益矩阵描述执行器故障和转向故障;采用两级分层控制结构实现车辆的容错控制,其中,上层控制采用自适应滑膜控制,决策汽车动力学需要的横摆力矩和车辆纵向力,跟踪需求的车辆运动;下层控制采用优化分配算法,协调各轮之间的转矩分配,实现上层控制器的控制效果。
进一步的,步骤s3中,引入执行器和转向增益矩阵η=diag(η1,η2,η3,η4,η5,η6)作为故障反馈信息对执行器故障和转向故障进行描述,ηi在本发明中作为已知变量存在,代表执行器的失效程度,范围在[0,1]之间,当ηi=1时,表示健康状态;ηi=0时表示故障,失去全部控制权;0<ηi<1表示失效,失去部分控制权;ηi(i=1,2,3,4):i=1时,η1代表左前轮盘式轮毂电机的故障等级、i=2时,η2代表右前轮盘式轮毂电机的故障等级、i=3时,η3代表左后轮盘式轮毂电机的故障等级、i=4时,η4代表右后轮盘式轮毂电机的故障等级;ηi(i=5,6):i=5时,η5代表前轮转向故障的等级、i=6时,η6代表后轮转向故障的等级。
进一步的,步骤s1中,分析车辆的侧向、横摆和纵向运动,建立基于车辆动力学的9自由度空间状态模型:
x=[βγvx]t;u=[tw1tw2tw3tw4δfδr]t;
其中:x表示状态变量、u表示输入变量、ε表示建模误差、a和b表示系数矩阵、β表示车辆侧偏角、γ表示车辆横摆角速度,vx表示质心处纵向车速,twi表示车轮转矩,其中,i=1时,twi代表左前轮;i=2时,twi代表右前轮;i=3时,twi代表左后轮;i=4时,twi代表右后轮;δf表示前轮转角,δr表示后轮转角。
进一步的,步骤s2中,利用步骤s1获取的车辆动力学模型进行车辆行驶状态估计,利用双扩展卡尔曼滤波方法,以相同的采样时间t建立车辆侧偏角、前轮转向刚度和后轮转向刚度的离散预测方程,实现无偏最小方差联合估计。
进一步的,步骤s2中首先根据车辆动力学模型和前轮转角、后轮转角和横摆角速度的实测值对估计变量车辆侧偏角、前轮转向刚度和后轮转向刚度进行预测,同时预测估计误差;然后对变量和误差的预测值进行卡尔曼增益校正更新。
进一步的,步骤s3中,容错控制中的上层控制采用自适应滑膜控制,决策满足汽车动力学需要的需求横摆力矩和车辆纵向力,并采用变指数趋近法则进行自适应性控制,当距离滑膜面较远时,提高趋近速度;当到达滑膜面附近时,抑制高频抖振。
进一步的,步骤s3中,下层控制采用解析优化方法和二次规划法,根据上层控制产生的所述需求横摆力矩和纵向力,结合反馈的执行器和转向增益矩阵,分两步完成各轮转矩的最优分配;首先采用解析优化方法,在转向增益因子约束下,决策出最优的纵向力和横摆力矩;然后结合解析优化的结论,在物理约束条件下,采用二次规划法,以最小轮胎利用率为优化目标实现在轮毂电机增益因子影响下各轮最优的力矩分配。
相对于现有技术,本发明具有如下有益效果:
本发明解决在出现转向故障和电机故障时如何保证车辆的安全性和稳定性问题。引入执行器和转向增益矩阵作为故障反馈信息对执行器故障和转向故障进行描述,并将其作为输入变量的增益引入到基于车辆动力学建立的9自由度空间状态模型中;采用双扩展卡尔曼滤波方法,建立车辆侧偏角、前轮转向刚度和后轮转向刚度的离散预测方程,实现无偏最小方差联合估计;容错控制采用分层控制结构,上层根据变指数趋近法则进行自适应控制,决策满足汽车动力学需要的需求横摆力矩和车辆纵向力,下层控制采用解析优化方法和二次规划法,根据上层控制产生的所述需求横摆力矩和纵向力,结合反馈的执行器和转向增益矩阵,分两步完成各轮转矩的最优分配。
相对于现有的方法,发明采用的双扩展卡尔曼滤波提高了车辆状态的估计精度;基于变指数趋近法则的自适应控制在提高趋近速度的同时抑制了高频抖振;分两步完成的力矩分配策略同时考虑了车辆物理约束条件和能效最优,实现了故障条件下的约束最优控制。经实车验证,本发明提出的容错控制方法能达到预期控制效果。
附图说明
下面将结合附图对本发明做进一步说明,附图中:
图1是本发明车辆动力学模型示意图。
图2是本发明具有容错控制功能的控制方法的整体流程框图。
具体实施方式
为了使本发明的目的,技术方案及优点更加清楚明白,以下结合附图对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明实施例中,如图1-2所示,一种具有容错控制功能的盘式轮毂电机驱动车辆控制方法,包括建立车辆动力学模型、车辆行驶状态估计、容错控制(ftc,faulttolerantcontrol),具体包括如下步骤:
s1、建立车辆动力学模型,根据图1所示的车辆动力学模型示意图(本实施例9自由度),分析车辆的侧向、横摆和纵向运动,建立基于车辆动力学模型的车辆动力学空间状态方程。
s2、车辆行驶状态估计:采用双扩展卡尔曼滤波根据实际测量的车辆状态信息,对车辆侧偏角和前、后轮转向刚度进行联合估计。
s3、容错控制(faulttolerantcontrol):利用反馈的执行器和转向增益矩阵,采用分层控制结构实现车辆的容错控制,上层控制采用自适应滑膜控制,决策汽车动力学需要的横摆力矩和车辆纵向力,跟踪需求的车辆运动;下层控制采用优化分配算法,协调各轮之间的转矩分配,实现上层控制器的控制效果。
上述实施步骤s1中,所述的车辆动力学模型按以下步骤建立:
1)根据图1所示的车辆动力学模型示意图,得到车辆的侧向,横摆和纵向运动方程组,其中,坐标轴x表示纵向方向(即车辆运动方向),y表示侧向方向,z表示垂向方向:
2)将上述方程组改写成空间状态方程:
式中:x=[βγvx]t是状态变量;u=[tw1tw2tw3tw4δfδr]t是控制变量;ε=[0ε1ε2]t是实际系统和面向控制模型之间的误差;a和b是系数矩阵。
式中:fxi为车轮纵向力,fyi为车轮侧向力,fzi为车轮法向力;lf代表质心到前轴距离,lr代表质心到后轴的距离,ld表示轮距的1/2;m代表车辆质量;vx表示质心处纵向车速,vy表示质心处侧向车速,v表示质心处车速;β表示车辆侧偏角(车速和车辆纵轴夹角),γ表示车辆横摆角速度(是车辆纵轴和地面坐标系x轴夹角ψ的导数);δi是车轮转向角,δf表示前轮转角,δr表示后轮转角;rei表示轮胎有效半径,ωi表示车轮转速,twi表示车轮转矩;cf表示前轮转向刚度,cr表示后轮转向刚度;iz表示车辆转动惯量;iw表示车轮转动惯量;式中i=1,2,3,4分别代表左前轮,右前轮、左后轮和右后轮。
本发明实施例中,步骤s2、车辆行驶状态估计中,按以下步骤进行双扩展卡尔曼滤波环节:
1)根据车辆的动力学模型,对车辆侧偏角,和前、后轮转向刚度进行预测:
采用双扩展卡尔曼滤波器以相同的采样时间t,建立车辆侧偏角,和前、后轮转向刚度的离散预测方程。
其中:x1=[βγ]t,x2=[cfcr]t表示状态变量,u=[δfδr]t表示输入变量,i表示单位矩阵,t表示采样时间,根据上述的车辆动力学空间状态方程,系数矩阵a2×2,b2×2定义如下:
2)预测产生的估计误差协方差为:
其中:q1和q2表示噪声协方差矩阵、p1(k)表示车辆侧偏角的估计误差协方差、p2(k)表示前、后轮转向刚度的估计误差协方差;
3)对车辆侧偏角和前、后轮转向刚度的预测值进行卡尔曼增益更新校正:
对于上述估计误差,利用测量的横摆角速度同时对车辆侧偏角和前、后轮转向刚度的预测值和估计误差进行校正。
其中:h=[01]、
上述实施例中,步骤s3中引入执行器和转向增益矩阵作为故障反馈信息。
执行器和转向增益矩阵η=diag(η1,η2,η3,η4,η5,η6),ηi在本发明中作为已知变量存在,代表执行器的失效程度,范围在[0,1]之间,当ηi=1时,表示健康状态;ηi=0时表示故障,失去全部控制权;0<ηi<1表示失效,失去部分控制权。ηi(i=1,2,3,4):i=1时,η1代表左前轮盘式轮毂电机的故障等级、i=2时,η2代表右前轮盘式轮毂电机的故障等级、i=3时,η3代表左后轮盘式轮毂电机的故障等级、i=4时,η4代表右后轮盘式轮毂电机的故障等级;ηi(i=5,6):i=5时,η5代表前轮转向故障的等级、i=6时,η6代表后轮转向故障的等级。
本发明实施例中,步骤s3中,上层控制器按以下步骤建立:
1)选取滑膜变量:
2)其中γ表示测量的横摆角速度,γd表示根据驾驶员命令计算得到的需求横摆角速度,vx表示测量纵向车速,vx_d表示根据驾驶员命令得到的需求纵向车速。s1表示测量横摆角速度和需求横摆角速度之间的差值,s2表示测量纵向车速和需求纵向车速之间的差值。对s1和s2求导,选取变指数趋近法则:
式中:
建立李雅普诺夫方程
因为
3)根据车辆动力学空间状态方程,导出控制法则:
式中:m表示需要的横摆力矩、fx表示需要的纵向力,根据车辆动力学空间状态方程,系数矩阵a2、a3、b2、b3定义如下:a=[a1a2a3]t,b=[b1b2b3]t
本发明实施例中,步骤s3中,下层控制器按以下步骤建立:
1)建立达到控制目的(既动力性和横摆稳定性)的第一代价方程:
j1=kpfxtwfx+(2-kp)(bx1fx-mz)t(bx1fx-m)(13)
其中:fx=[fx1fx2fx3fx4]t,u=[u1u2]t,u2=[δfδr]tw=diag(w1,w2,w3,w4)表示fx的控制分配权重矩阵,
kp是衡量第一代价方程第一项和第二项比重的权重系数。当横摆严重时,kp取值较小,第一代价方程中第二项比重增大,以横摆稳定控制为主要目标;无横摆或是横摆较小时,kp取值较大,第一代价方程中第一项比重增加,以实现车辆纵向动力性能为首要目标。
η=diag(η1,η2,η3,η4,η5,η6),表示故障检测器反馈的执行器和转向增益矩阵,在本发明中是已知信息。
第一代价方程仅考虑转向故障,确定在转向故障影响下,最优的纵向力和横摆力矩。
2)对第一代价方程进行求导:
3)得到第一代价方程取最小值的纵向力的最优解:
fx=(kpw+(2-kp)bx1tbx1)-1(2-kp)bx1tm(16)
4)采用二次规划方法,根据执行器和转向增益矩阵以轮胎最小利用率为优化目标,得到各轮转矩分配的代价方程2:
s.ttw_min<twi<tw_max(18)
其中:,vd=[fxmz]t,u1=[tw1tw2tw3tw4]t
bx2=(η4×4·b2×4t)t
ξ是正常数,用来平衡控制分配错误和控制输出。
以第一代价方程的解vd作为已知条件,设计仅考虑轮毂电机故障的第二代价方程,实现在轮毂电机故障影响下各轮最优的力矩分配。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权力要求的保护范围。