[发明专利]一种用于提高电动汽车横向稳定性的预测控制方法及系统

说明书

本发明公开一种用于提高电动汽车横向稳定性的预测控制方法及系统。方法包括：获取车辆的构造数据和行车数据；根据构造数据和行车数据，建立车辆的参考模型；根据参考模型，获取车辆期望的横摆角速度和质心侧偏角；根据横摆角速度和质心侧偏角，采用滑模预测方法，确定车辆的附加横摆力矩；根据附加横摆力矩，采用优化分配方法，确定车辆的各车轮力矩；根据各车轮力矩，实时调节车辆的各车轮力矩。采用本发明的方法或系统，不仅提高了分布式驱动横向稳定性，而且能获得到车辆运动控制中不确定性的准确边界，以及消除控制过程固有的抖振现象。

技术领域

本发明涉及四轮独立驱动电动汽车横向稳定性控制领域，特别是涉及一种用于提高电动汽车横向稳定性的预测控制方法及系统。

背景技术

分布式驱动电动汽车是由安装在每个车轮中独立控制的轮毂电机驱动的纯电动汽车，具有良好的控制灵活性，可大幅度提高整车性能。在没有差速制动的应用下，通过对每个电机的协调控制，可以实现直接横摆力矩控制(DYC)，以提高车辆的稳定性。DYC是车辆稳定性控制(VSC)的重要体现，其作用优于主动前轮转向(AFS)。它可以通过应用差速驱动/制动产生附加的横摆力矩来提高车辆横向稳定性，其中差速制动牺牲了一些车辆的速度。对于分布式驱动电动汽车来说，可以通过差速驱动实现DYC。通常采用由上层控制器和下层控制器组成的分层控制结构来实现DYC控制。上层控制器根据稳定性控制需求，计算理想的横摆力矩，下层控制器则根据一定的优化目标实现驱动力矩的优化分配。

滑模控制(SMC)实现DYC有效方法，该方法具有易实现及良好的鲁棒性，因而被广泛应用于计算附加横摆力矩。二阶滑移模型控制(SOSM)也具有很广泛的应用，其将控制器的导数作为新的控制器的输入，用来优化滑模控制器以更好地获得横摆角速度和质心侧偏角的跟踪表现。

但现有的滑模控制器存在以下两点不足：

(1)滑模控制的鲁棒性仅对匹配的不确定性有效，但在车辆实际行驶过程中无法准确得该不确定性的边界。

(2)滑模控制无法完全消除控制过程固有的抖振现象。

因此如何利用一种优化控制方法或系统在提高分布式驱动横向稳定性的同时，又能获得到车辆运动控制中不确定性的准确边界以及消除控制过程固有的抖振现象，成为本领域技术人员亟需解决的技术问题。

发明内容

本发明的目的是提供一种用于提高电动汽车横向稳定性的预测控制方法及系统，在提高分布式驱动横向稳定性的同时，又能获得到车辆运动控制中不确定性的准确边界以及消除控制过程固有的抖振现象。

为实现上述目的，本发明提供了如下方案：

一种用于提高电动汽车横向稳定性的预测控制方法，所述控制方法包括：

获取车辆的构造数据和行车数据；

根据所述构造数据和所述行车数据，建立所述车辆的参考模型；

根据所述参考模型，获取所述车辆期望的横摆角速度和质心侧偏角；

根据所述横摆角速度和所述质心侧偏角，采用滑模预测方法，确定所述车辆的附加横摆力矩；

根据所述附加横摆力矩，采用优化分配方法，确定所述车辆的各车轮力矩；

根据所述各车轮力矩，实时调节所述车辆的各车轮力矩。

可选的，所述构造数据包括车辆的质量、质心侧偏角、横摆转动惯量、车辆重心到前轴的距离和车辆重心到后轴的距离，所述行车数据包括车辆重心处的纵向速度和横摆角速度；

所述根据所述构造数据和所述行车数据，建立所述车辆的参考模型，具体包括：

根据所述数据，建立所述车辆的参考模型