分布式驱动电动汽车状态参数估计与侧向稳定性鲁棒控制研究

摘要

与集中式驱动电动汽车相比，分布式驱动电动汽车使用轮毂电机直接驱动四个车轮，以线控系统(X-by-wire，X代表驱动、制动等)取代传统的机械传动链接，在大幅简化底盘结构、提高传动效率的同时，可实现各车轮转矩的独立控制与快速响应，为车辆动力学控制提供了独特的优势（例如，容易产生需要的横摆力矩)，更易实现车辆底盘侧向动力学主动安全系统（前轮主动转向系统AFS、直接横摆力矩控制系统DYC等）的集成控制，将极大地改善车辆操纵舒适性和紧急转向工况下车辆侧向稳定性。然而，准确而实时地获得电动汽车行驶过程中的状态参数信息是实现车辆底盘侧向动力学主动安全控制的前提与必要条件，同时先进的控制技术是发挥分布式驱动电动汽车独立驱动优势实现车辆底盘动力学侧向稳定性控制的关键。本文以分布式轮毂驱动电动汽车为研究对象，围绕电动汽车侧向动力学系统的状态参数非线性估计和侧向稳定性鲁棒控制策略等问题展开研究，论文的研究主要内容如下:
　　(1)深入研究三阶球面-相径容积准则求解贝叶斯滤波中的“非线性函数×高斯密度”问题，将全新高斯域贝叶斯非线性滤波框架下的容积卡尔曼滤波理论引入车辆动力学系统状态估计中，利用分布式驱动电动汽车提供的标准车载信息测量量，设计车辆纵向速度、侧向速度、质心侧偏角等车辆状态容积卡尔曼滤波估计算法，在CarSim/Matlab环境中开发了高保真的分布式轮毂驱动电动汽车CaiSim和Simulink联合仿真平台，仿真验证了容积卡尔曼滤波理论在车辆动力学系统状态估计中的可行性与适应性。
　　(2)为实时估计车辆行驶过程中的车身侧倾角等侧倾状态及轮胎与路面之间相互作用的轮胎侧向力、路面附着系数等参数，采用非稳态效应的Dugoff动态轮胎模型刻画轮胎瞬时力学特性，设计分布式驱动电动汽车双容积卡尔曼滤波车辆状态参数联合估计理论框架，其中第一个容积卡尔曼滤波估计器估计车辆运行的速度、车辆车身侧倾角、轮胎侧向力等状态，另一个串联的容积卡尔曼滤波估计器估计路面附着系数;同时，为有效地提高双CKF状态参数联合估计的实时性、精度和稳定性，在CKF估计过程中直接以协方差矩阵的平方根进行迭代更新，推导了平方根双容积卡尔曼滤波的车辆状态参数联合估计的算法流程，仿真验证双CKF估计算法能对车辆状态参数进行在线估计，且具有较高的估计精度。
　　(3)利用相平面法分析车辆横摆动力学系统的非线性运动稳定性，将车辆的横摆运动张成质心侧偏角-横摆角速度的相空间，构建了以非稳定平衡点-鞍点为临界稳定边界的相平面稳定域来分析车辆横摆稳定性，考察路面附着系数、方向盘转角、车辆纵向速度等重要因素对车辆横摆运动稳定性的影响。针对分布式驱动电动汽车侧向动力学系统的不确定性问题，将能应对参数摄动的不确定鲁棒H∞控制技术引入车辆侧向动力学系统，发展了面向电动汽车AFS和DYC集成系统定向控制的不确定车辆侧向动力学模型，构建了基于动态误差变量的不确定电动汽车侧向动力学横摆运动增广系统，推导了车辆闭环系统渐近稳定的H∞反馈控制器的成立条件，完成了AFS和DYC系统的鲁棒H∞集成控制器设计，仿真验证了鲁棒控制器能利用左右轮毂电机转矩差提高车辆行驶过程中的侧向稳定性。
　　(4)为提高车辆转向操纵过程中的侧倾稳定性，根据定义的车辆载荷参数、车辆车身侧倾角和临界侧向加速度组合的侧倾稳定指标对车辆横摆角速度名义值进行修正，发展了面向主动侧倾稳定性定向控制的不确定电动汽车侧倾动力学系统模型。考虑执行器饱和特性，在抗饱和问题广义H∞控制系统的统一框架下，采用Lyapunov理论设计了车辆主动侧倾稳定性抗饱和鲁棒控制器，根据Finsler递归定理推导了车辆主动侧倾稳定性抗饱和鲁棒反馈控制器存在的条件，使电动汽车主动侧倾动力学闭环系统满足渐近稳定且具有期望的控制性能指标，仿真验证了抗饱和主动侧倾鲁棒控制的车辆在转向过程中具有较大的侧倾稳定裕度，能避免车身姿态侧倾过大导致的车辆不安全甚至失稳。
　　(5)对分布式驱动轮毂电动汽车进行实车路面试验研究，在低速下采用J转向和蛇形试验对车辆状态参数的估计进行了验证试验，采用半圜转向和两种长时间历程的连续激烈转向试验对车辆侧向稳定性控制系统进行验验证，试验结果表明，设计的车辆状态参数估计算法能较精确的估计车辆的实时状态参数，发展的车辆鲁棒侧向稳定性控制策略能有效保证车辆侧向运动过程中的稳定性，试验验证了研究的状态参数估计算法和鲁棒控制策略的有效性和可行性。

目录

声明

摘要

第一章 绪论

1．1 论文研究的背景及意义

1．1．1 分布式驱动电动汽车的研究背景

1．1．2 分布式驱动电动汽车发展概述

1．2 与课题相关领域的研究现状综述

1．2．1 车辆动力学侧向状态参数估计研究现状

1．2．2 车辆动力学侧向稳定性控制研究现状

1．3 论文主要研究的内容

第二章 基于容积卡尔曼滤波的车辆行驶状态估计

2．1 Kalman滤波简介

2．2 容积卡尔曼滤波理论

2．2．1 贝叶斯非线性滤波原理

2．2．2 三阶球面-相径容积准则

2．2．3 容积卡尔曼滤波(CKF)流程

2．3 三自由度车辆动力学模型建立

2．4 轮胎模型分析

2．5 车辆状态容积卡尔曼滤波估计设计

2．6 Carsim与Simulink联合仿真平台开发

2．7 车辆状态估计算法仿真验证

2．8 本章小结

第三章 基于双容积卡尔曼滤波的车辆状态参数联合估计

3．1 双CKF车辆状态参数联合估计技术

3．2 考虑侧倾的车辆非线性动力学模型

3．3 Dugoff动态轮胎模型

3．4 基于双CKF的车辆状态与参数联合估计

3．4．1 双CKF车辆状态参数联合估计设计

3．4．2 双CKF车辆状态参数估计算法

3．5 车辆状态参数估计算法仿真验证

3．6 本章小结

第四章 电动汽车横摆稳定性鲁棒控制

4．1 车辆横摆稳定性分析

4．1．1 车辆横摆稳定性相平面分析

4．1．2 车辆横摆稳定性的控制目标

4．2 参数不确定的车辆横摆动力学模型

4．2．1 不确定系统的描述

4．2．2 面向控制的参数不确定车辆动力学建模

4．3 电动汽车横摆稳定性鲁棒H∞控制

4．3．2 车辆横摆运动增广系统

4．3．3 横摆稳定性鲁棒H∞控制器设计

4．4 横摆运动仿真验证

4．5 本章小结

第五章 电动汽车侧倾稳定性鲁棒控制

5．1．2 车辆侧倾运动名义值确定

5．2 车辆侧倾动力学系统模型

5．3 电动汽车侧倾稳定性鲁棒控制

5．3．1 执行器饱和问题描述

5．3．2 车辆侧倾稳定性鲁棒抗饱和控制器设计

5．4 主动侧倾控制仿真验证

5．5 本章小结

第六章 分布式驱动轮毂电动汽车试验研究

6．1 分布式驱动轮毂电动汽车试验平台

6．1．1 分布式驱动轮毂电动汽车试验样车

6．1．2 dSPACE实时快速控制原型技术

6．2 分布式驱动轮毂电动汽车状态参数估计试验

6．2．1 J转向试验

6．2．2 蛇形转向试验

6．3 电动汽车侧向稳定性控制系统验证试验

6．3．1 半圆转向试验

6．3．2 长时间连续转向试验

6．4 本章小结

7．1 全文总结

7．2 研究展望

致谢

参考文献

攻读博士期间发表的论文和参与的科研项目