-PAGE1-汽車分布式驅(qū)動車輛底盤控制策略研究目錄TOC\o"1-2"\h\z\u1緒論 31.1課題研究背景及意義 31.2課題研究現(xiàn)狀 41.3課題研究主要內(nèi)容 72直接橫擺力矩控制策略簡述 92.1控制思路 92.2控制變量 102.3本章小結(jié) 143動力學模型建模與驗證 153.1坐標系 153.2整車七自由度模型 163.3理想二自由度模型 203.4理想目標值 233.5動力學模型搭建 243.6模型驗證仿真 253.7本章小結(jié) 284控制器模型建模與仿真 294.1控制器模型結(jié)構(gòu) 294.2附加橫擺力矩模糊控制器模型 304.3附加橫擺力矩PID控制器模型 354.4驅(qū)動力平均分配控制器 354.5控制器模型搭建 364.6本章小結(jié) 385控制策論綜合驗證 395.1仿真環(huán)境 395.2仿真工況 395.3仿真驗證 405.4模型嵌入與試驗 445.5本章小結(jié) 50結(jié)論 51參考文獻 53附錄 58

1緒論1.1課題研究背景及意義從線控底盤角度來看，原有的傳統(tǒng)汽車底盤控制系統(tǒng)無法滿足該車型的控制需要，于是開發(fā)一套適用于分布式驅(qū)動汽車的線控底盤控制系統(tǒng)顯得尤為重要。分布式驅(qū)動汽車的線控底盤控制主要包含了底盤子系統(tǒng)的底盤線控執(zhí)行控制技術(shù)，例如線控制動控制[10]、線控轉(zhuǎn)向控制[11]、線控懸架控制[12]等，以及更全面的多系統(tǒng)協(xié)同控制的底盤動力學域控制技術(shù)[13]。底盤動力學域控制技術(shù)需要汽車多個執(zhí)行部件進行協(xié)同配合，難度更高，在整車性能的提升上更為明顯與直接，在控制結(jié)構(gòu)上與傳統(tǒng)汽車相比變化更為明顯，有著更為廣闊的研究領(lǐng)域。分布式電動車線性底盤驅(qū)動控制主要思路演變于傳統(tǒng)汽車。底盤控制是學術(shù)界和工程界的熱點問題，縱向動力學控制研究有如制動防抱死系統(tǒng)（AntilockBrakeSystem，ABS）和驅(qū)動防滑系統(tǒng)（AccelerationSlipRegulation，ASR）；橫縱向聯(lián)合動力學控制有如主動前轉(zhuǎn)向系統(tǒng)（ActiveFrontSteering，AFS）、主動后轉(zhuǎn)向系統(tǒng)（ActiveRearSteering，ARS）、四輪轉(zhuǎn)向（Four-WheelSteering，4WS）、電子穩(wěn)定性控制（ElectronicStabilityProgram，ESP）。其中傳統(tǒng)汽車中的穩(wěn)定性控制ESP主要始于ABS和ASR控制技術(shù)，通過控制驅(qū)動力和制動力從而產(chǎn)生控制力矩，對汽車的運行姿態(tài)進行校正，以實現(xiàn)操作穩(wěn)定性的提升[14]。但是對于分布式電動車來說，各個車輪轉(zhuǎn)矩皆可獨立實時控制，原有的傳統(tǒng)汽車控制系統(tǒng)就不能完全適用于新的驅(qū)動模式下，但部分控制思路及控制原理仍有很大借鑒意義[15]。1.2課題研究現(xiàn)狀1.2.1分布式驅(qū)動車輛國外研究現(xiàn)狀1900年，費迪南德·保時捷（FerdinandPorsche）開發(fā)出了世界上第一個用輪轂電機驅(qū)動的分布式驅(qū)動車輛[16]，如圖1.1所示。產(chǎn)品上市之后引起轟動，但是受限于當時電機技術(shù)的限制，很難大批量生產(chǎn)，恰逢內(nèi)燃機技術(shù)的快速發(fā)展，搭載電機的車輛在那時僅是曇花一現(xiàn)。圖1.1LohnerPorsche和LohnerPorscheMixteFig.1.1LohnerPorscheandLohnerPorscheMixte1968年通用電氣公司將1950年由美國人羅伯特（Robert）開發(fā)的輪轂電機應(yīng)用到大型礦用自卸車上，實現(xiàn)了分布式驅(qū)動車輛在工程車輛上的應(yīng)用[17]。1991-2005年間，日本輪轂電機技術(shù)世界領(lǐng)先，且教育科研團體開始關(guān)注此領(lǐng)域，例如慶應(yīng)義塾大學的清水浩教授帶領(lǐng)組員在這段時間內(nèi)陸續(xù)開發(fā)出IZA[18]、ECO[19]、KAZ[20]系列分布式驅(qū)動電動車；之后清水教授創(chuàng)辦了SIM-Drive公司，陸續(xù)又開發(fā)了Eliica、SIM-LEI、SIM-WIL等實驗用分布式驅(qū)動電動車，注重改進動力性和續(xù)航性能，其中Eliica如圖1.2所示，最高車速可以達到370km/h，0-60km/h加速時間僅為4s[21]。圖1.2EliicaFig.1.2Eliica2005-2013年間，日本三菱相繼將自身成熟傳統(tǒng)車型推出輪轂電機版本，例如ColtEV[22]、LancerEvolutionMIEV[23]，以及概念車i-MIEVSport，實現(xiàn)了商業(yè)化生產(chǎn)。美國福特也將自身成熟傳統(tǒng)車型嘉年華改進而推出輪轂電機版本。近些年在全球范圍內(nèi)出現(xiàn)了像英國Protean這樣的輪轂電機生產(chǎn)或設(shè)計制造的優(yōu)秀企業(yè)，在電機控制、防護、可靠性、熱管理等技術(shù)上有著大量技術(shù)積累。其選擇與眾多傳統(tǒng)汽車制造商進行合作，例如MAHLE大眾高爾夫混動、福特（Ford）F150皮卡、基于梅賽德斯奔馳E-Class的Barbus混動車型[24]。開辟了另一種分布式驅(qū)動電機車輛的研發(fā)道路。國外分布式驅(qū)動電動車輛起步較早、技術(shù)較為成熟，已經(jīng)開始向商業(yè)化邁進，并且出現(xiàn)了單獨電機提供商與車輛生產(chǎn)商合作的新生產(chǎn)模式，值得我們學習與借鑒。1.2.2分布式驅(qū)動車輛國內(nèi)研究現(xiàn)狀2003-2003年左右，同濟大學相關(guān)研究團隊開發(fā)出了春暉系列四輪四電機驅(qū)動電動車，如圖1.3所示。圖1.3同濟大學“春暉”系列電動車Fig.1.3TongjiUniversity"Chunhui"SeriesElectricVehicles“春暉一號”動力系統(tǒng)由燃料電池發(fā)動機、鋰離子電池、輪轂電機等組成，實現(xiàn)了電-電混合驅(qū)動平臺；之后的“春暉三號”也與“春暉二號”同樣是與“春暉一號”共用通用線性底盤平臺，并改進了車身結(jié)構(gòu)框架以達到輕量化和剛度要求[25-26]。2009-2010年左右，清華大學基于某款越野車平臺開發(fā)了四輪電機驅(qū)動電動車，并引入了驅(qū)動力分層控制結(jié)構(gòu)，并借助該平臺對驅(qū)動力分配算法和橫擺力矩控制下縱向立優(yōu)化分配方法等的研究[27-28]。2010-2011年左右，吉林大學推出了四輪獨立驅(qū)動的實驗用車與線控輪轂電機電動車，進行差動驅(qū)動控制與集成控制的研究[14]。其他大學，如上海交通大學，山東大學、燕山大學、武漢理工大學、西北工業(yè)大學、哈爾濱工業(yè)大學等高校都搭建出自己的實驗用車并開展了不同方向不同維度的研發(fā)工作[14]。除去各個大學對于輪轂電機進行深入的研究外，國內(nèi)諸多汽車廠商也對輪轂電機的商用化進行了研究。例如比亞迪公司推出的ET4四輪獨立驅(qū)動概念車[14]；奇瑞公司推出的瑞麟XI-EV四輪獨立驅(qū)動電動車；蔚來公司推出的EP9四輪獨立驅(qū)動電動超級跑車[29]。國內(nèi)分布式驅(qū)動車輛雖起步晚，但是多虧“國家863計劃”等國家科研計劃的推動與促進，加上國內(nèi)優(yōu)秀汽車廠商們在商業(yè)領(lǐng)域的進一步實踐，使得我國輪轂電機研究逐漸追趕上了國際先進水平。但是輪轂電機在驅(qū)動控制領(lǐng)域、電池技術(shù)等方面還需進行深入研究和實踐，以最終實現(xiàn)搭載輪轂電機的分布式驅(qū)動車輛量產(chǎn)化。1.2.3分布式驅(qū)動控制國內(nèi)研究現(xiàn)狀目前該領(lǐng)域的主要研究方向有電子差速控制、驅(qū)動力驅(qū)分配與防滑以及橫擺力矩控制等幾大主要部分。重慶大學的盧少波[30]研究并建立了綜合控制用車輛動力學模型；提出汽車底盤綜合控制策略，為構(gòu)建車輛懸架、制動和轉(zhuǎn)向控制平臺以及車輛智能控制系統(tǒng)提供理論基礎(chǔ)。合肥工業(yè)大學的王星宇[31]提出了基于部分加速踏板開度性能的基準輸出轉(zhuǎn)矩驅(qū)動控制策略和模糊控制下的動態(tài)補償轉(zhuǎn)矩控制，在Simulink中進行整車動力學模型搭建，并和AMESim進行聯(lián)合仿真，驗證控制策略的正確性與可行性。山東大學的王宇航[32]提出了基于模糊控制理論基準轉(zhuǎn)矩控制方案，在Simulink中搭建整車動力模型，并進行硬件在環(huán)和實車試驗，驗證控制方案滿足設(shè)計要求。柏林工業(yè)大學（TechnicalUniversityofBerlin）的XudongZhang等人[33]提出了一種綜合牽引力控制策略（IntegratedTractionControlStrategy，ITCS），在CarSim和Simulink進行了聯(lián)合仿真，證明策略的有效性。伊爾姆瑙理工大學（TechnischeUniversitatIlmenau）的DzmitrySavitski等人[34]提出包含滑模、PID、魯棒性控制的速度控制器和車輪打滑控制器的集成，并進行了實車試驗驗證可行性。武漢理工大學的廖凌霄[35]建立了基于模糊控制方式的滑轉(zhuǎn)率控制，在Simulink中進行整車動力學建模與仿真，并對結(jié)果進行分析。斯洛伐克工業(yè)大學（SlovakUniversityofTechnology）的MikleDávid等人[36]設(shè)計了一種帶有橫擺力矩控制的轉(zhuǎn)矩矢量控制系統(tǒng)，使用MATLAB與CarMaker聯(lián)合仿真，并運用在大學生方程式賽車電子控制單元中。貢比涅技術(shù)大學（UniversitédeTechnologiedeCompiègne）的H.Laghmara等人[37]提出了一種改進的直接橫擺力矩控制策略，在Simulink中進行整車動力學模型和仿真，并驗證了其對性能的提升。重慶大學機械傳動國家重點實驗室的聶小博等人[38]建立了用于車身穩(wěn)定分析的PID算法和模糊PID算法的控制模型及具體實施方案，在Carsim中進行整車動力學建模并聯(lián)合Simulink仿真分析，驗證整車控制器滿足設(shè)計要求。K.N.圖什理工大學（K.N.ToosiUniversityofTechnology）的AsiabarAriaNoori等人[39]設(shè)計了一種直接橫擺力矩控制算法，并采用上下雙層控制器結(jié)構(gòu)，在Simulink中進行整車動力學建模并進行了仿真，驗證控制效果。南昌大學的劉迎康[5]同樣采用分層控制架構(gòu)，但采用平均分配算法、第二代非支配排序遺傳算法和遺傳禁忌混合搜索算法進行求解，在Simulink搭建十四自由度整車模型，并進行實時仿真進行驗證。1.3課題研究主要內(nèi)容在眾多分布式驅(qū)動控制策略中本文選取直接橫擺力矩控制策略作為整體控制策略，本文工作如下：1）介紹了直接橫擺力矩控制策略內(nèi)容，分析了橫擺角速度和質(zhì)心側(cè)偏角對于操作穩(wěn)定性的影響，結(jié)合控制變量的各自對應(yīng)控制需求明確了動力學模型和控制器模型的要求。2）在MATLAB/Simulink軟件搭建了模擬整車的包含Dugoff輪胎模型在內(nèi)的整車七自由度模型以及提供控制變量目標值的理想二自由度模型。并采用不同試驗工況對比驗證兩模型的可行性與正確性。3）在MATLAB/Simulink軟件中搭建了附加橫擺力矩模糊PID控制器模型和驅(qū)動力平均分配控制器模型。其中模糊PID控制器模型分別利用了模糊控制和PID控制的特性將其與橫擺角速度和質(zhì)心側(cè)偏角不同控制要求相結(jié)合。4）在MATLAB/Simulink軟件中搭建了虛擬仿真環(huán)境，選取具有代表性質(zhì)的試驗作為試驗項目，驗證控制器的控制效果，證實控制器模型有效性和正確性，完成了控制策略的實現(xiàn)。

2直接橫擺力矩控制策略簡述在眾多操作穩(wěn)定性控制策略中，最早由博世公司（BOSCH）提出的基于橫擺運動控制的直接橫擺力矩控制策略（DirectYaw-momentControl，DYC）是目前較為成熟且與分布式驅(qū)動車輛的驅(qū)動布置優(yōu)勢匹配較為完善的控制策略，并且基于此種控制策略可以進行更為具體的控制理論的研究與試驗[40]。2.1控制思路橫擺穩(wěn)定控制屬于車輛操作穩(wěn)定性控制的一種，其即保證了車輛橫擺穩(wěn)定性也同時對行駛軌跡保持有著一定的輔助作用。車輛失穩(wěn)主要原因為駕駛員緊急變道或者在附著情況不佳的路面上轉(zhuǎn)向等情況下輪胎無法提供滿足轉(zhuǎn)向的側(cè)向力而造成的。而直接橫擺力矩控制其目的為當車輛在因路面附著狀況不佳或快速變道等情況失去操作穩(wěn)定性時，車輛無法按照駕駛員預(yù)期的轉(zhuǎn)彎路線行駛，在保證車輛操作穩(wěn)定性的基礎(chǔ)上盡可能減小車輛實際行駛軌跡與預(yù)期行駛軌跡的偏差。而實現(xiàn)此目的是通過在各個車輪上分配不同的驅(qū)動力或制動力，產(chǎn)生一個附加橫擺力矩進而提高車輛的操作穩(wěn)定性。分布式驅(qū)動車輛的線控底盤使得各個車輪皆可獨立實時控制，此項特點讓直接橫擺力矩控制不局限于制動力，同時可以對驅(qū)動力加以控制，使得控制效果更加出色且便于實現(xiàn)。驅(qū)動力控制系統(tǒng)作為整車級別的控制系統(tǒng)自然需要一個成熟可靠的硬件作為載體。而整車控制器作為車輛的核心零部件[41]，需要將駕駛員的操縱意圖通過油門踏板、轉(zhuǎn)向、制動剎車等信號轉(zhuǎn)換后驅(qū)動汽車工作實現(xiàn)駕駛意圖，并負責各個控制器的協(xié)調(diào)工作，監(jiān)控運行狀況，進行故障診斷和保護，為控制系統(tǒng)提供了良好的硬件基礎(chǔ)。所以整車控制器通常作為驅(qū)動控制的硬件平臺[42-43]。目前典型整車控制器邏輯如圖2.1所示。圖2.1典型整車控制器邏輯Fig.2.1TypicalLogicofVehicleController為了實現(xiàn)控制策略，需要利用動力學原理搭建理想動力學模型，提供控制所需變量的目標值，通常選取可以準確反應(yīng)駕駛員意圖的理想二自由度模型；需要利用控制算法搭建控制器模型，通過控制器模型進行控制。整體控制策略如圖2.2所示[44]。圖2.2直接橫擺力矩控制策略Fig.2.2DirectYaw-momentControlStrategy2.2控制變量通常我們將橫擺角和質(zhì)心側(cè)偏角之和定義為航向角，如圖2.3所示。其是汽車操縱穩(wěn)定性的綜合表征量，其計算公式如式(2.1)所示。其中有關(guān)不同坐標系的介紹可以見下文。θ(2.1)式中θ為航向角，β為質(zhì)心側(cè)偏角，ψ為橫擺角，γ為橫擺角速度。圖2.3航向角Fig.2.3HeadingAngle當質(zhì)心側(cè)偏角較小時，航向角主要取決于來自橫擺角速度積分的橫擺角，即取決于橫擺角速度，此時可以理解為車輛操作穩(wěn)定性主要由橫擺角速度來表征；但當車輛在附著情況不佳的路面上轉(zhuǎn)向或緊急轉(zhuǎn)向等情況下輪胎無法提供滿足轉(zhuǎn)向的側(cè)向力導(dǎo)致車輛可能發(fā)生側(cè)滑，使得質(zhì)心側(cè)偏角迅速增加，以導(dǎo)致橫擺角速度對航向角的影響降低，不能再僅使用其作為車輛操作穩(wěn)定性的單一表征量。具體分析請見下文。因此選擇橫擺角速度和質(zhì)心側(cè)偏角兩個控制量可以更好的實現(xiàn)車輛操縱穩(wěn)定性的控制。二者的實際值在實車試驗中一般通過傳感器獲得，在仿真試驗中可由動力學模型或CarSim軟件獲得。而目標值一般通過線性的理想二自由度模型獲得。值得一提的是下文中控制變量對操控穩(wěn)定的影響也是基于理想二自由度模型下進行定量與定性分析的。2.2.1輪胎特性影響車輛運動過程中只有四個輪胎是與路面直接相接觸的，其動力學特性與車輛本身的操縱穩(wěn)定性之間有著緊密的關(guān)聯(lián)。關(guān)于輪胎的動力學特性本文主要分析其側(cè)偏特性中側(cè)偏角與橫向（側(cè)偏）力的關(guān)系，其關(guān)系如圖2.4所示。圖2.4輪胎側(cè)偏特性Fig.2.4CharacteristicsofTireCornering通過圖像我們可以看到的側(cè)偏角在不超過5°的范圍內(nèi)時，橫向（側(cè)偏）力和側(cè)偏角呈現(xiàn)線性關(guān)系，即通常所稱的輪胎線性區(qū)，此時曲線在側(cè)偏角為0的斜率可以認為為輪胎的側(cè)偏剛度。但當側(cè)偏角大于5°后，二者的線性關(guān)系被打破，輪胎進行到非線性區(qū)。盡管非線性區(qū)內(nèi)的計算可以通過高精度的輪胎模型來實現(xiàn)，但是還是會造成精度的下降。因此在模型建立假設(shè)以及試驗設(shè)計中盡量保證輪胎處于線性區(qū)，用以體現(xiàn)控制策略的效果。2.2.2橫擺角速度影響正如上文中提到，當質(zhì)心側(cè)偏角處于較小值的時候，橫擺角速度可以表征操作穩(wěn)定性，即反應(yīng)車輛行駛軌跡和穩(wěn)定程度。橫擺角速度與縱向車速的關(guān)系如圖2.5所示[45]，其中虛實線分別為不同前輪轉(zhuǎn)角、不同附著條件下的二者關(guān)系。圖2.5橫擺角速度與縱向車速曲線Fig.2.5CurveofYawRateandLongitudinalSpeed從圖中可以看出任何一對轉(zhuǎn)角和附著情況下均有一個橫擺角速度的峰值，例如A點，其代表著前輪轉(zhuǎn)角8°和路面附著系數(shù)0.8的行駛狀態(tài)。在A點之前，橫擺角速度隨著縱向速度增加而沿著對應(yīng)實線增加；等到達A點后，由于路面附著條件的限制，橫擺角速度只能隨著縱向速度的增減而降低[46]。2.2.3質(zhì)心側(cè)偏角影響正如上文提到的，隨著質(zhì)心側(cè)偏角增大，單一的橫擺角速度無法全面反應(yīng)車輛操作穩(wěn)定性。過大質(zhì)心側(cè)偏角對車輛行駛軌跡的影響加大，此時用其反應(yīng)車輛的行駛軌跡問題。（a）路面附著系數(shù)1（b）路面附著系數(shù)0.2圖2.6質(zhì)心側(cè)偏角與橫擺力矩曲線Fig.2.6CurveofSideSlipAngleandYawMoment（a）路面附著系數(shù)1（b）路面附著系數(shù)0.2圖2.7質(zhì)心側(cè)偏角與橫向力曲線Fig.2.7CurveofSideSlipAngleandLateralForce在不同前輪轉(zhuǎn)角和路面附著條件下，不同質(zhì)心側(cè)偏角對于橫擺力矩和橫向力有著不同的關(guān)系，這里給出初速度為100km/h時不同前輪轉(zhuǎn)角與路面附著條件下的質(zhì)心側(cè)偏角與橫擺力矩以及橫向力的關(guān)系曲線[45]，如圖2.6和2.7所示。從上圖可以看出質(zhì)心側(cè)偏角在較小的一個范圍內(nèi)，隨著轉(zhuǎn)角增加，橫擺力矩的增長速度逐漸放緩，說明輪胎逐漸進入飽和狀態(tài)。隨著質(zhì)心側(cè)偏角的增大，橫擺力矩先增加至峰值后減小至0，同時橫向力不斷增加至到峰值，此時駕駛員通過操縱轉(zhuǎn)向盤已不能保持車輛穩(wěn)定行駛，已經(jīng)無法控制車輛。不同的路面附著條件會使得質(zhì)心側(cè)偏角曲線變化受到影響，當路面附著系數(shù)降低時，橫擺力矩峰值增加且會以更快速度回歸0附近，橫向力峰值更小且會以更快速度到達峰值，即出現(xiàn)相同現(xiàn)象時所對應(yīng)的質(zhì)心側(cè)偏角會更小。說明惡劣行駛環(huán)境下對于質(zhì)心側(cè)偏角的控制應(yīng)當更加重視[47]。根據(jù)上圖和文獻中提供的數(shù)值，一般認為質(zhì)心側(cè)偏角在0.15rad時出現(xiàn)車輛失控現(xiàn)象，即駕駛員失去對于車輛的控制[35]。綜上所述，在質(zhì)心側(cè)偏角不大的情況下，車輛不易失穩(wěn)，應(yīng)當著重控制車輛橫擺角速度；而當質(zhì)心側(cè)偏角增大，應(yīng)該盡快讓質(zhì)心側(cè)偏角回復(fù)到較低值以保證車輛穩(wěn)定性。2.3本章小結(jié)本章大致介紹了直接橫擺力矩控制策略的思路以及其與整車控制器的聯(lián)系?；诳刂撇呗则炞C的需要，明確了動力學模型搭建的要求。之后分析了控制策略中作為控制變量的橫擺角速度和質(zhì)心側(cè)偏角對操縱穩(wěn)定性的不同影響?；谄洳煌挠绊懰詻Q定對二者的控制要求也并不一致，為下文控制器模型的搭建提供基礎(chǔ)。

3動力學模型建模與驗證搭建出實時性好和精度適宜的整車動力學模型是之后進行仿真試驗的良好基礎(chǔ)與保證。本課題的研究對象為分布式驅(qū)動電動車，為此搭建具有的輪胎模型的整車七自由度模模型，并進行模型正確性驗證，以確保后續(xù)硬件乃至實車搭載的可行性；同時搭建理想二自由度模型，提供控制變量的目標值，為控制效果實現(xiàn)提供基礎(chǔ)。3.1坐標系3.1.1路面坐標系路面坐標系又稱大地坐標系，其在車輛靜止時，路面坐標系原點選為車輛靜止時質(zhì)心所在位置；X軸平行于路面，正方向為車輛前方；Y軸平行于路面，正方向為駕駛員左側(cè)；Z軸垂直與路面，正方向為車輛上方。對于力矩、角度等均以平面內(nèi)右手定則為準，即水平面內(nèi)力矩和角度其正方向在俯視圖上為逆時針。其坐標系各個坐標軸、坐標軸正方向以及原點與整車坐標系設(shè)置基本一致，只是在車輛發(fā)生運動過后，路面坐標系的原點并不移動。3.1.2整車坐標系整車坐標系原點選為車輛質(zhì)心所在位置；x軸平行于路面，正方向為車輛前方；y軸平行于路面，正方向為駕駛員左側(cè)；z軸垂直與路面，正方向為車輛上方。對于力矩、角度等均以平面內(nèi)右手定則為準，即水平面內(nèi)力矩和角度其正方向在俯視圖上為逆時針，整體坐標系如圖3.1所示。圖3.1整車坐標系Fig.3.1VehicleCoordinateSystem3.1.3輪胎坐標系模型坐標系原點選為輪胎接地印跡中心，x軸為輪胎平面與路面交線，正方向為前進方向；y軸為輪胎旋轉(zhuǎn)平面在路面投影線，正方向為面向前進方向左側(cè)；z軸垂直與路面，正方向為上方。對于力矩、角度等均以平面內(nèi)右手定則為準，即水平面內(nèi)力矩和角度其正方向在俯視圖上為逆時針。輪胎坐標系如圖3.2所示。圖3.2輪胎坐標系Fig.3.2TireCoordinateSystem3.2整車七自由度模型在車輛的基本運動中，縱向、橫向、橫擺運動主要影響車輛的操控穩(wěn)定性，垂向、側(cè)傾、俯仰運動主要影響車輛的舒適性，本文著重研究橫擺力矩的直接控制，其主要關(guān)注于車輛的操作穩(wěn)定性。所以選取前者三種運動進行本文動力學模型的搭建?；谏鲜鰧τ谡嚻咦杂啥饶Ｐ陀兄韵潞喕海?）簡化轉(zhuǎn)向系統(tǒng)，認為左右兩輪轉(zhuǎn)角相等且為輪胎轉(zhuǎn)角，即忽略轉(zhuǎn)向系統(tǒng)影響；（2）路面為二維平坦路面，兩側(cè)車輪路面狀況一致，即忽略車輛垂向、側(cè)傾、俯仰運動以及懸架系統(tǒng)作用。（3）空氣阻力不在本次研究重點范圍內(nèi)，即忽略空氣阻力的影響。（4）車輛側(cè)向加速度在0.4g以下，輪胎不受路面切向力的作用，即輪胎側(cè)偏特性處于線性范圍。整車七自由度模型結(jié)構(gòu)如圖3.3所示圖3.3整車七自由度模型結(jié)構(gòu)Fig.3.3StructureofFullVehicleSevenDegreeofFreedomModel由牛頓第二定理和力的平移與分解可得縱向、橫向、橫擺運動方程如式(3.1)-(3.3)所示。F(3.1)F(3.2)M(3.3)式中Fx和Fy分別為質(zhì)心等效縱向力和橫向力，F(xiàn)xfl、Fxfr、Fxrl、Fxrr分別為左前輪、右前輪、左后輪、右后輪的縱向力，F(xiàn)yfl、Fyfr、Fyrl、Fyrr分別為左前輪、右前輪、左后輪、右后輪的橫向力，Mz為橫擺力矩；vx、vy另外四個自由度則為四個車輪的轉(zhuǎn)動自由度，其運動方程如式(3.4)所示。J(3.4)式中Fxi、Tdi、Tbi分別為四個車輪的縱向力、驅(qū)動力矩、制動力矩，其中車輪縱向力和輪胎縱向力通常認為為同一個力；ωi為四個車輪的轉(zhuǎn)動速度，其中車輪轉(zhuǎn)動速度和輪胎轉(zhuǎn)動速度通常認為為同一個速度；J質(zhì)心側(cè)偏角通常采用估算的方法得出。主流的估算方法有兩種，一是基于其與輪速、車速、側(cè)向加速度以及橫擺角速度之間的運動學關(guān)系計算得出，即基于運動學法估計，例如基于卡爾曼濾波法估算器；二是利用現(xiàn)代控制理論中狀態(tài)空間建立模型，通過車輛作用力以及輪胎力納入模型中進行觀測估算，即基于動力學法估計例如基于線性二自由度動力學模型估算器。因為并未考慮極限工況環(huán)境，質(zhì)心側(cè)偏角的精度要求并不高，所以使用簡單的運動學估算法，故假設(shè)車輛縱向向速度遠大橫向速度，可得質(zhì)心側(cè)偏角的估計式如式(3.5)所示。β(3.5)式中vx為縱向速度，v3.2.1輪胎模型輪胎模型是車輛乃至動力學的重要組成部分，車輛運動的改變主要是同輪胎與路面相互作用產(chǎn)生的反作用力來實現(xiàn)。雖然車輛運動與空氣阻力也有聯(lián)系，但是與本課題的研究相關(guān)聯(lián)度不高，故暫不考慮。建立適宜的輪胎模型是后期驅(qū)動力分配以至于實現(xiàn)橫擺力矩控制的重要保證。輪胎模型總體上可以分為兩種，即經(jīng)驗?zāi)Ｐ团c理論模型，前者通過大量輪胎力學特性試驗的實驗數(shù)據(jù)進行回歸分析得出其相關(guān)特性數(shù)學表達式；后者則是基于物理模型對輪胎的力學特性和形變機理直接進行數(shù)學描述。關(guān)于經(jīng)驗?zāi)Ｐ驮掃€可以再細分出基于經(jīng)驗?zāi)Ｐ筒⒓尤胍恍┻吔缂s束條件的半經(jīng)驗?zāi)Ｐ?。其中?jīng)驗?zāi)Ｐ陀捎谑菑膶嶋H試驗中進行總結(jié)得出的模型其精度較高，而理論模型的計算較為復(fù)雜在實際工程中的運用不多。常見的經(jīng)驗?zāi)Ｐ陀蠨ugoff模型、Unitire模型、MagicFomula模型等，常見的理論模型有Fala模型、Gim模型、Taehyun模型等。本課題在后續(xù)可能考慮實車試驗，應(yīng)選用精度更高些的經(jīng)驗?zāi)Ｐ?，而?jīng)驗?zāi)Ｐ椭蠨ugoff模型精度較高，模型結(jié)構(gòu)形式簡單所需參數(shù)少，甚至可以良好的反應(yīng)輪胎的非線性特性，故選取此輪胎模型。Dugoff輪胎模型是由H.Dugoff等人與1970年作用提出，該模型根據(jù)輪胎和路面接觸區(qū)域的變形得到縱向力和橫向力隨縱向滑移率的變化規(guī)律，模型數(shù)學公式可以表達為如式(3.6)-(3.9)所示。F(3.6)F(3.7)λ(3.8)f(3.9)式中αi、si、Fzi分別為對應(yīng)輪胎的側(cè)偏角、縱向滑移率、垂向力；Cai、3.2.2縱向滑移率模塊運動過程中各個輪胎中心速度計算公式如式(3.10)-(3.11)所示。u(3.10)u(3.11)u(3.12)u(3.13)式中ufl、ufr、url運動中輪胎的縱向滑移率計算公式如式(3.12)所示。s(3.12)式中si3.2.3側(cè)偏角模塊運動過程中各個輪胎側(cè)偏角計算公式如式(3.13)-(3.16)[48]所示。α(3.13)α(3.14)α(3.15)α(3.16)式中αfl、αlr、αrl3.2.4垂向力模塊運動中輪胎的垂向力由靜態(tài)垂向力和因運動所導(dǎo)致的質(zhì)量轉(zhuǎn)移而產(chǎn)生的動態(tài)垂向力二者疊加，計算公式如式(3.17)-(3.20)。F(3.17)F(3.18)F(3.19)F(3.20)式中?g3.3理想二自由度模型整車七自由度模型用于提供模擬仿真車輛狀態(tài)參數(shù)的計算，而理想二自由度模型在輪胎特性處于線性區(qū)內(nèi)時，根據(jù)駕駛員輸入的方向盤轉(zhuǎn)角和車輛狀態(tài)參數(shù)可以較好地描述車輛操作穩(wěn)定性能，提供目標的橫擺角速度和質(zhì)心側(cè)偏角。與整車七自由度模型相似的是其也有著為了研究方便而進行的若干簡化，但與其不同的是其運動簡化為了沿y軸的橫向運動與繞z軸的橫擺運動。（1）簡化轉(zhuǎn)向系統(tǒng)，認為左右兩輪轉(zhuǎn)角相等且為輪胎轉(zhuǎn)角，即忽略轉(zhuǎn)向系統(tǒng)影響；（2）路面為二維平坦路面，兩側(cè)車輪路面狀況一致，即忽略車輛垂向、側(cè)傾、俯仰運動及懸架系統(tǒng)作用。（3）空氣阻力不在本次研究重點范圍內(nèi)，即忽略空氣阻力的影響。（4）車輛側(cè)向加速度在0.4g以下，輪胎不受路面切向力的作用，即輪胎側(cè)偏特性處于線性范圍。（5）車輛的縱向速度保持不變。通過以上簡化，不同于整車七自由度模型，理想二自由度模型可以簡化被稱為兩輪摩托車模型,如圖3.4所示。圖3.4理想二自由度模型Fig.3.4IdealTwoDegreeofFreedomModel由牛頓第二定理和力的平移與分解可得縱向、橫擺運動方程如式(3.21)和(3.22)所示。F(3.21)a(3.22)式中Fyf、F橫側(cè)向加速度計算式可以認為是式(3.23)和(3.24)所示。a(3.23)a(3.24)當輪胎均處于線性區(qū)時，前后軸的側(cè)向力可以表示為(3.25)和(3.26)所示。F(3.25)F(3.26)式中k1、k車輛前后輪側(cè)偏角與其運動參數(shù)有關(guān)，可以得出以下關(guān)系如式(3.27)和(3.28)所示。α(3.27)α(3.28)考慮到轉(zhuǎn)角較小，則有cosδ≈1，可以得到理想二自由度模型的微分方程如式(3.29)和(3.30)所示。k(3.29)a(3.30)可以將微分方程通過數(shù)學變換為如式(3.31)和(3.32)所示[45]。β(3.31)γ(3.32)可以將微分方程進行拉普拉斯變換，得到橫擺角速度和質(zhì)心側(cè)偏角的傳遞函數(shù)如式(3.33)和(3.34)所示。γ(s)(3.33)β(s)(3.34)式中K=m理想二自由度模型經(jīng)過各種變化后是一個可變參的二階線性傳遞函數(shù)，此系統(tǒng)可以作為參考量，而對其穩(wěn)態(tài)時候進行求解即可得到控制變量的參考值[40]。將微分方程改寫狀態(tài)空間表達式，用以更為方便的建模，表達式如式(3.35)-(3.38)所示[49]。x(3.35)x=[β,γ](3.36)A=(3.37)B=(3.38)3.4理想目標值當車輛在進入穩(wěn)態(tài)后，橫擺角速度為定值，此時有vy=γ=0，微分方程式可以改寫為如式(k(3.39)a(3.40)由此可得到穩(wěn)態(tài)橫擺角速度增益和質(zhì)心側(cè)偏角增益公式如式(3.41)-(3.42)所示。γ(3.41)β(3.42)進一步我們可以得到橫擺角速度和質(zhì)心側(cè)偏角的理想值如式(3.43)-(3.44)所示。γ(3.43)β(3.44)但是由于車輛在路面行駛時候收到路面附著條件的影響，其側(cè)向加速度受到如式(3.45)所示的制約[50]。a(3.45)當轉(zhuǎn)角較小時，質(zhì)心側(cè)偏角較小時，則如式(3.46)所示。a(3.46)那么對于橫擺角速度和質(zhì)心側(cè)偏角應(yīng)有如式(3.47)和(3.48)所示的限制。γ≤(3.47)β(3.48)則對于橫擺角度和質(zhì)心側(cè)偏角的理想值應(yīng)該進行如式(3.48)和(3.50)所示的修正。γ(3.49)β(3.50)結(jié)合上文控制策略的分析，也可將質(zhì)心側(cè)偏角的理想值直接設(shè)定為0[51]，可以理解為只要質(zhì)心側(cè)偏角的絕對值減小即可認為操縱穩(wěn)定性有優(yōu)化。3.5動力學模型搭建整車七自由度模型依照以上模型原理公式在MATLAB/Simulink軟件中進行搭建。最先嘗試在各個模塊和模型均使用M-Function模塊進行搭建，搭建起來的模型簡單整潔，但是在運行過程中重復(fù)出現(xiàn)代數(shù)環(huán)問題。這是因為將帶有直接饋通特性的各模塊串成回路會導(dǎo)致生成代數(shù)環(huán)，在代數(shù)環(huán)中的模塊之間的互相依賴性導(dǎo)致系統(tǒng)需要同時計算輸出值，而實際仿真時卻不是這樣的[40]。在采用在主回路上添加Memroy或Delay模塊嘗試解決代數(shù)環(huán)問題未果后，將車身模塊按照對應(yīng)運動動作拆解為三部分，并將車輪模塊與輪胎模型進行融合集合，各個參數(shù)通過.m文件腳本寫入，建模如圖3.5和圖3.6所示。圖3.5整車七自由度模型Fig.3.5FullVehicleSevenDegreeofFreedomModel圖3.6輪胎模型Fig.3.6TireModel理想二自由度模型同樣通過上述公式進行搭建，但其公式相較之下較為簡單，且不存在代數(shù)環(huán)問題，所以選擇通過M-Function模塊進行搭建，結(jié)構(gòu)較為簡單，故不進行截圖展示。3.6模型驗證仿真為了驗證已經(jīng)建立好的整車七自由度模型和理想二自由度模型的正確性，在MATLAB/Simulink軟件中搭建虛擬試驗工況以驗證兩模型的正確性。對于整車七自由度模型為了維持其車速的恒定，一般采用添加模擬駕駛員模塊進行實現(xiàn)，由于該內(nèi)容并不是本文研究重點，于是本文采用外加依照轉(zhuǎn)速查表的電機模型來實現(xiàn)此功能，并在此省略介紹。車輛參數(shù)主要參考CarSim2019種的D-Class,SUV車型進行輸入，各個值如表3.1所示。表3.1車輛參數(shù)Table.3.1ehvicleparameters名稱數(shù)值名稱數(shù)值整車質(zhì)量m2100kg輪胎轉(zhuǎn)動慣量I1kg繞z軸轉(zhuǎn)動慣量I2549kg·m輪胎半徑R0.31m前軸至質(zhì)心距離a1.05m輪胎縱向剛度C100000N后軸至質(zhì)心距離b1.61m前輪側(cè)向剛度C?40000N/rad質(zhì)心高度?0.7m后輪側(cè)向剛度C?50000N/rad輪距d1.65m重力加速度g9.8m/s模型驗證選取固定轉(zhuǎn)角（J-turn）試驗進行驗證，該試驗可以直觀清晰反應(yīng)檢測值的響應(yīng)速度和穩(wěn)定值大小方便對比檢測，即分別觀測兩模型計算得出的車輛運行參數(shù)在數(shù)值以及變換趨勢上是否正確。對應(yīng)的車輛初始速度選取40km/h和80km/h，路面附著在不同車輛運轉(zhuǎn)條件再次進行對比驗證。試驗輸入轉(zhuǎn)角如圖3.7所示。圖3.7試驗轉(zhuǎn)角Fig.3.7TestWheelAngle得到試驗結(jié)果如圖3.8所示。從結(jié)果可以看出當車輛進入穩(wěn)定行駛狀態(tài)后，低速行駛狀態(tài)下的兩模型主要參數(shù)保持一致；在高速行駛狀態(tài)下的兩模型主要參數(shù)出現(xiàn)不同，但最終均進入穩(wěn)定狀態(tài)。在低速行駛狀態(tài)下整車的操控穩(wěn)定性不需要額外的外界控制即可達到理想情況附近，即兩模型契合度很高，符合現(xiàn)實情況；在高速行駛狀態(tài)下整車情況在無外界控制的情況下已經(jīng)無法達到理想狀態(tài)，于是兩模型出現(xiàn)差異，同樣符合實際情況。而側(cè)向加速度在轉(zhuǎn)角進行輸入是會出現(xiàn)斷崖式波動是由于模擬電機模型的接入滯后導(dǎo)致的縱向速度又部分下降導(dǎo)致。圖3.8固定轉(zhuǎn)角試驗結(jié)果Fig.3.8ResultsofJ-TurnTest從結(jié)果可以看出當車輛進入穩(wěn)定行駛狀態(tài)后，低速行駛狀態(tài)下的兩模型主要參數(shù)保持一致；在高速行駛狀態(tài)下的兩模型主要參數(shù)出現(xiàn)不同，但最終均進入穩(wěn)定狀態(tài)。在低速行駛狀態(tài)下整車的操控穩(wěn)定性不需要額外的外界控制即可達到理想情況附近，即兩模型契合度很高，符合現(xiàn)實情況；在高速行駛狀態(tài)下整車情況在無外界控制的情況下已經(jīng)無法達到理想狀態(tài)，于是兩模型出現(xiàn)差異，同樣符合實際情況。而側(cè)向加速度在轉(zhuǎn)角進行輸入是會出現(xiàn)斷崖式波動是由于模擬電機模型的接入滯后導(dǎo)致的縱向速度又部分下降導(dǎo)致。綜上所述，兩模型完成驗證仿真，檢驗?zāi)Ｐ驼_，為下一步仿真試驗做好準備。3.7本章小結(jié)本章根據(jù)上文控制策略試驗與驗證的需求，在MATLAB/Simulink軟件搭建包含車身縱向、橫向、橫擺以及輪胎轉(zhuǎn)動并外加Dugoff輪胎模型的七自由度模型以模擬整車。車輛是個多自由度的動力學系統(tǒng)，因其子系統(tǒng)如輪胎、轉(zhuǎn)向、懸架等具有非線性導(dǎo)致整車也是為非線性模型，而引入了Dugoff輪胎模型的整車七自由度模型可以較好表達其非線性特征。另外還建立了提供控制變量目標值的理想二自由度模型。理想二自由度模型因為對其進行了更大程度的簡化因此擁有更強的線性特征，能夠較好的反應(yīng)駕駛員的意圖。之后采用高附著路面下的不同車速的固定轉(zhuǎn)角試驗對比驗證兩模型的可行性與正確性，得出在低速行駛狀態(tài)下兩模型高度契合，在高速行駛狀態(tài)下模型出現(xiàn)不契合現(xiàn)象，這與模型各自線性與非線性的特征相吻合，證明模型的正確性，為后的試驗提供了試驗平臺與基礎(chǔ)。

4控制器模型建模與仿真本文的研究對象為分布式驅(qū)動車輛的驅(qū)動控制，工況較為復(fù)雜，而模糊PID控制算法對復(fù)雜以及難以具體形容的系統(tǒng)有著強適應(yīng)性，于是本文選擇模糊PID控制算法進行本次控制器模型的設(shè)計。4.1控制器模型結(jié)構(gòu)無論控制器模型的控制結(jié)構(gòu)復(fù)雜或簡單都要包括控制算法的選擇，在車輛驅(qū)動控制領(lǐng)域較為常用控制算法是PID法、滑模法（SlidingModeControl，SMC）、自適應(yīng)法、魯棒法等，以及以模糊控制理論為基礎(chǔ)的模糊控制算法。以PID控制法為代表的經(jīng)典控制理論其優(yōu)點是較為成熟和穩(wěn)定，但是研究對象被局限于單輸入輸出的定常控制系統(tǒng)，模型過于理想，對解決現(xiàn)實工程中的非定常以及多輸入輸出的控制系統(tǒng)就難以應(yīng)對；而之后出現(xiàn)的以SMC為代表的現(xiàn)代控制理論就很好的解決了非定?？刂葡到y(tǒng)的難題；隨著研究的控制系統(tǒng)越發(fā)復(fù)雜以及難以準確具體地形容，恰巧近些年來計算機算力的突飛猛進，包含模糊集合論、模糊語言變量、模糊邏輯推理的計算機數(shù)字控制技術(shù)——模糊控制理論逐漸走上歷史舞臺。但是模糊控制在控制能力、控制系統(tǒng)穩(wěn)定性以及設(shè)計更多依靠經(jīng)驗等方面上不如傳統(tǒng)的控制理論。而如果與其他經(jīng)典控制相結(jié)合，便可發(fā)揮各自優(yōu)勢并彌補各自短板。無論每種算法都有自身的優(yōu)勢與劣勢，應(yīng)該根據(jù)不同的使用場景擇優(yōu)選擇。典型模糊PID控制器模型的輸入語言變量一般為控制量與其目標值的差值與差值變化率，輸出值一般為比例、積分系數(shù)、微分系數(shù)或為其變換量。如果按照此結(jié)構(gòu)搭建控制器模型，如上文提到的，控制變量為橫擺角速度和質(zhì)心側(cè)偏角的話，需要制作兩個獨立控制器模型分別計算附加橫擺力矩并最后進行疊加。但是需要調(diào)整的參數(shù)最少也不小于六個，這對于后續(xù)工作難度會有所提高并且控制效果不宜顯現(xiàn)。典型模糊PID控制器模型結(jié)構(gòu)如圖4.1所示。圖4.1典型模糊PID控制器模型結(jié)構(gòu)Fig.4.1ModelStructureofTypicalFuzzyPIDController于是采用另一種變體模糊PID控制器模型結(jié)構(gòu)[52]，其也是由模糊控制與PID控制相疊加而成，但不同于典型模糊PID控制器模型結(jié)構(gòu)的是，其模糊控制器模型輸出量僅有一個，并作為PID控制器模型中的比例系數(shù)，而模糊控制器模型和PID控制器模型控制變量可以不同，這正好應(yīng)對了直接橫擺力矩控制策略中對于不同控制量的不同控制要求，即在車輛在行駛狀態(tài)良好時著重控制橫擺角速度，對質(zhì)心側(cè)偏角的值進行限制，變體模糊PID控制器模型結(jié)構(gòu)如圖4.2所示。圖4.2變體模糊PID控制器模型結(jié)構(gòu)Fig.4.2ModelStructureofVariantFuzzyPIDController4.2附加橫擺力矩模糊控制器模型模糊控制器模型中的模糊系統(tǒng)主要包含三個部分，模糊化、模糊推理、解模糊化，三個部分的稱呼在部分文獻中可能有所不同，但實際意義相同。常用的模糊化系統(tǒng)有Mamdani和Takagi-Sugeno（T-S）兩類模糊系統(tǒng)[53]，因為使用MATLAB軟件中的Fuzzy工具箱進行模糊系統(tǒng)搭建，而其工具箱僅提供其中的Mamdani模糊系統(tǒng)的搭建，故本文選用Mamadni模糊系統(tǒng)。4.2.1模糊化模糊化的主要工作是對輸入輸出在論域上的語言變量進行定義，使其可以轉(zhuǎn)化為模糊控制器模型可以識別的模糊語言變量，其工作內(nèi)容也是模糊數(shù)據(jù)庫的構(gòu)建。內(nèi)容主要為依次確定語言變量、論域、模糊子集、隸屬度函數(shù)。語言變量是用于模糊算法識別的變量，用以保證模糊控制器模型可以準確快速識別，語言變量的選擇影響著控制器模型的實際控制效果，需要根據(jù)控制系統(tǒng)的特點和控制目標進行選擇。如上文對于控制變量影響的分析，將質(zhì)心側(cè)偏角的差值和差值變化率eβ、ecβ的語言變量Eβ、ECβ作為輸入變量。輸出語言變量按照控制器模型結(jié)構(gòu)選為PID控制器模型的比例系數(shù)論域可以理解為變量的范圍，其中分為輸入輸出變量的基本論域和輸入輸出語言變量的模糊論域。將質(zhì)心側(cè)偏角的差值和差值變化率eβ、ecβ的基本論域選為[-1.2,1.2]，各自對應(yīng)的語言變量Eβ、ECβ的模糊論域選為[-1.2,1.2]k(4.1)同理將比例系數(shù)的基本論域選為[0,1]，各自對應(yīng)的語言變量KP的模糊論域選為[0,1]，由此可以得到各自對應(yīng)比例因子如式(4.2)所示k(4.2)應(yīng)該指出的是目前論域的范圍和因子只是根據(jù)經(jīng)驗初步確定，在之后的控制器調(diào)參環(huán)節(jié)還需修改。模糊子集確定是對語言變量的基本論域進行離散化處理，將其定義為一個由有限離散整數(shù)組成的集合，方便模糊規(guī)則的指定。人們常常根據(jù)事務(wù)的特點將其分為高、中、低三檔程度，在此基礎(chǔ)上可以衍化出5、7、9檔乃至等多檔位的程度分類?？梢岳斫獾氖菣n位越多，控制器模型精度越高，但是后期模糊規(guī)則編寫越復(fù)雜，響應(yīng)時間越長；于此相反，檔位越少，模糊規(guī)則編寫越簡單，響應(yīng)時間越短，但精度越低。于是選用常用的7檔來進行模糊子集的劃分。7檔分別為[負大負中負小零正小正中正大]，對應(yīng)的字母表示方法為[NBNMNSZOPSPMPB]。模糊PID控制器模型參數(shù)如表4.1所示。表4.1模糊控制器模型參數(shù)Table.4.1modelparametersoffuzzycontroller參數(shù)名稱或數(shù)值變量eeK語言變量EECK基本論域[-1.2,1.2][-1.2,1.2][0,1]模糊論域[-1.2,1.2][-1.2,1.2][0,1]量化/比例因子111模糊子集[NBNMNSZOPSPMPB]隸屬度函數(shù)確定是為各個語言變量在其模糊論域上定義不同對應(yīng)的函數(shù)，為之后模糊化規(guī)則指定和解模糊化處理提供基礎(chǔ)。圖4.3語言變量隸屬度函數(shù)Fig.4.3MembershipFunctionofLinguisticVariables常見的隸屬度函數(shù)有離散型和連續(xù)型，離散型由于只是以幾個元素集合的形式組成，明顯不適用常見本次仿真情況，故本文選用連續(xù)型。連續(xù)型隸屬度函數(shù)有正態(tài)分布隸屬函數(shù)（gaussmf）、三角隸屬函數(shù)（trimf）、梯型隸屬函數(shù)（trapmf）等等。Fuzzy工具中對于連續(xù)型隸屬度函數(shù)設(shè)定各個種類基本均有提供，這里同樣使用最常用的三角隸屬函數(shù)（trimf）對各個語言變量的隸屬度函數(shù)進行設(shè)置。各個語言變量論域范圍和隸屬度函數(shù)設(shè)定如圖4.3所示。4.2.2模糊推理模糊推理是為已經(jīng)進行模糊化的語言變量逐一指定規(guī)則，其也是模糊控制器模型的核心，并且直接影響控制器模型的控制效果。內(nèi)容主要為模糊規(guī)則庫建立和規(guī)則形式的選取。規(guī)則庫的建立一般有兩個途徑，一是根據(jù)專家經(jīng)驗以及大量重復(fù)試驗來修正不同專家之間的經(jīng)驗差異得出的規(guī)則庫；二是使用計算機代替專家，引入計算機學習算法，同樣利用大量重復(fù)試驗的數(shù)據(jù)進行規(guī)則庫的建立。本文選用更加普遍的專家經(jīng)驗生成的規(guī)則庫進行本控制器模型模糊規(guī)則的建立，模糊規(guī)則如表4.2所示。表4.2模糊規(guī)則Table.4.2fuzzyrulesEECNBNMNSZOPSPMPBNBPBPBPBPBPBPBPBNMPBPBPMPMPMPBPBNSPBPMPMPMPMPMPBZOPMPMPSZOPSPMPMPSPBPMPMPMPMPMPBPMPBPBPMPMPMPBPBPBPBPBPBPBPBPBPB按照已知的專家經(jīng)驗將其輸入至Fuzzy工具箱內(nèi)，可以得到模糊曲面，如圖4.4所示。圖4.4規(guī)則曲面Fig.4.4RegularSurface4.2.3解模糊化解模糊化是根據(jù)指定的模糊規(guī)則由輸入語言變量推理得到明確的輸出語言變量的過程。主要內(nèi)容是解模糊化規(guī)則的選取。本文僅對Fuzzy工具箱中提供的常見解模糊化手段進行介紹，如最大隸屬度法、重心法。隸屬度法，又稱最大隸屬度法，輸出語言變量為模糊合集中隸屬度最大的元素作為輸出語言變量，計算公式如式(4.3)所示。v(4.3)若論域V中最大隸屬度的對應(yīng)值多于一個，則取所有具有最大隸屬輸出語言變量的平均值，即為平均最大隸屬度法（meanvalueofmaximum，mom），計算公式如式(4.4)所示。v(4.4)除此以外還有基于最大隸屬度法衍生的最大隸屬度取最小值法（smallest（absolute）valueofmaximum，som）、最大隸屬度法取最大值法（largest（absolute）valueofmaximum，lom）。重心法，又稱面積重心法或加權(quán)平均法（centroidofarea，centroid），取隸屬度函數(shù)曲線與橫坐標圍成面積的重心對應(yīng)的基本論域元素作為輸出語言變量，計算公式如式(4.5)所示。v(4.5)同樣使用面積來進行計算的還有面積平分法（bisectorofarea，bisector），將隸屬度函數(shù)曲線與橫坐標圍成面積的均分點對應(yīng)的基本論域元素作為輸出語言變量，計算公式如式(4.6)所示。a(4.6)最大隸屬度相關(guān)的三種方法利用信息少，計算量小，響應(yīng)快，但是精度收到影響；面積法相關(guān)的兩種方法利用信息多，且面積重心法較面積平分法計算更為簡單。本文選用精度較高且同精度下計算更為簡單的面積重心法作為解模糊的方法。4.3附加橫擺力矩PID控制器模型PID控制器模型結(jié)構(gòu)還是傳統(tǒng)PID控制器模型結(jié)構(gòu)搭建。傳統(tǒng)PID控制器模型控制算法如式(4.7)所示。u(4.7)式中ut為差值，et為控制器輸出值，Kp、K由于其中的比例系數(shù)由外部引入，使用MATLAB/Simulink中的PID模塊就會產(chǎn)生不便，于是選擇手動PID控制器模型。4.4驅(qū)動力平均分配控制器附加橫擺力矩公式如(4.8)所示[54]。Δ(4.8)式子表示的含義為附件橫擺力矩的產(chǎn)生是由于車輛左右兩側(cè)驅(qū)動力不同而產(chǎn)生的。驅(qū)動分配采用平均分配法，并引入前后軸分配比例系數(shù)，將上式改寫為如(4.8)所示。Δ(4.9)式中η為前后軸比例分配系數(shù)。平均分配法并不考慮其他約束條件，即認為分配的驅(qū)動力矩可以全部實現(xiàn)為驅(qū)動力，公式改為如(4.10)所示。F(4.10)同時為了滿足車速的恒定，引入上文中所用到的車速PID控制器來計算用于滿足維持車速所需轉(zhuǎn)矩，之后在其轉(zhuǎn)矩基礎(chǔ)上并且在車輛發(fā)生轉(zhuǎn)向時按照上述公式(4.9)和（4.10）對轉(zhuǎn)矩進行修正，以形成附加橫擺力矩。其修正后公式如(4.11)-(4.14)所示。T(4.11)T(4.12)T(4.13)T(4.14)式中Tdi、T4.5控制器模型搭建模糊PID控制器模型依照上文模型結(jié)構(gòu)、原理在MATLAB/Simulink軟件中進行搭建。如上文所述步驟在Fuzzy工具箱中設(shè)定好模糊控制器所需的模糊系統(tǒng)，并保存為.fls文件，并在FuzzyLogicController模塊中選擇其作為邏輯文件使用，搭建出模糊控制器模型如圖4.5所示。圖4.5附加橫擺力矩模糊控制器模型Fig.4.5AdditionalYawMomentFuzzyControllerModelPID控制器模型的比例系數(shù)由于為外部輸入，如果使用PIDController模塊變量數(shù)值傳輸就更加復(fù)雜，所以手動在MATLAB/Simulink軟件中搭建，如圖4.6所示。圖4.6附加橫擺力矩PID控制器模型Fig4.6AdditionalYawMomentPIDControllerModel之后將兩者進行結(jié)合，完成模糊PID控制器模型的搭建，如圖4.7所示?？刂颇Ｐ娃D(zhuǎn)換成的C代碼詳見附錄。圖4.7附加橫擺力矩模糊PID控制器模型Fig.4.7AdditionalYawMomentFuzzyPIDControllerModel驅(qū)動力分配控制器按照上文公式在MATLAB/Simulink軟件中進行搭建，如圖4.8所示。圖4.8驅(qū)動力分配控制器Fig.4.8DrivingForceDistributionController4.6本章小結(jié)本章根據(jù)上文控制策略試驗與驗證的需求，在MATLAB/Simulink軟件中搭建了附加橫擺力矩模糊PID控制器模型和驅(qū)動力平均分配控制器模型。其中模糊PID控制器模型采用變體模糊PID控制器結(jié)構(gòu)即模糊控制器模型的輸出為PID控制器模型的比例系數(shù)。模糊控制器模型的輸入選取質(zhì)心側(cè)偏角的差值與差值變換率，而PID控制器模型輸入為橫擺角速度的差值，可以分別滿足其二者的控制要求，即在質(zhì)心側(cè)偏角不大時，著重控制橫擺角速度，而當質(zhì)心側(cè)偏角增大，在控制橫擺角速度的同時盡快讓質(zhì)心側(cè)偏角回復(fù)到較低值。驅(qū)動力分配控制器僅選用簡單的平均分配法作為控制算法，方便快捷實現(xiàn)驅(qū)動力分配，適合實車試驗的實現(xiàn)。全部控制器模型將在下一章中進行綜合驗證以觀察控制效果。

5控制策論綜合驗證為驗證文中參考直接橫擺力矩控制策略設(shè)計的控制器的正確性和有效性，在MATLAB/Simulink軟件中搭建了仿真環(huán)境，選擇多種典型工況進行仿真試驗，利用文中搭建的整車七自由度模型作模擬實際車輛模型，理想二自由度作為控制策略參考模型，接入設(shè)計的附加橫擺力矩模糊PID控制器模型和驅(qū)動力分配控制器模型以完成控制策略的實現(xiàn)，對比控制變量的改善程度。5.1仿真環(huán)境將上文中搭建的動力學模型和控制器模型一并添加進MATLAB/Simulink軟件模型中，并且為了直觀顯示對于各個動力學模型和控制器模型進行封裝。轉(zhuǎn)角信號通過SignalBuilder模塊進行輸入，其他各個參量通過腳本.m文件進行寫入。搭建仿真環(huán)境如圖5.1所示。圖5.1仿真環(huán)境Fig.5.1SimulationEnvironment5.2仿真工況正如上文提到的車輛的失穩(wěn)多在緊急變道和路面附著條件不佳時候發(fā)生，此時也是控制系統(tǒng)進行控制產(chǎn)生控制效果的時機，故仿真工況應(yīng)該當盡量模仿此類特殊狀況的發(fā)生。本文參考該領(lǐng)域的典型試驗，挑選了固定轉(zhuǎn)角試驗（J-Turn）、魚鉤轉(zhuǎn)角試驗（Fishhook）、正弦試驗（Sin）三種試驗。同時考慮到整車七自由度動力學模型在搭建的時候有著一定程度的簡化，并且為了更好的驗證控制系統(tǒng)效果，在車速選擇上采用高速，路面附著條件選擇高附著和中低附著，選擇附著系數(shù)為0.85和0.35的路面。將選用工況繪制成如表5.1所示。表5.1仿真工況Table.5.1simulationcondition試驗類型初始車速路面附著系數(shù)模擬工況固定轉(zhuǎn)角試驗（J-Turn）80km/h0.85、0.35緊急轉(zhuǎn)向魚鉤轉(zhuǎn)角試驗（Fishhook）80km/h0.85、0.35緊急變道正弦試驗（Sin）80km/h0.85、0.35緊急連續(xù)變道5.3仿真驗證試驗轉(zhuǎn)角輸入如圖5.2所示。圖5.2轉(zhuǎn)角輸入Fig.5.2WheelAngelInput對于控制器參數(shù)的調(diào)節(jié)主要為質(zhì)心側(cè)偏角偏差及其變化率語言變量的比例因子kEβ和kECβ、比例系數(shù)語言變量的比例因子kKP、積分系數(shù)和微分系數(shù)K質(zhì)心側(cè)偏角偏差及其變化率語言變量的比例因子調(diào)整至對應(yīng)語言變量可以充分利用其模糊論域，而不是僅在一小范圍內(nèi)波動。比例系數(shù)語言變量的比例因子的調(diào)整參考比例系數(shù)的調(diào)整法，即數(shù)值越大系統(tǒng)響應(yīng)越快，同時也會造成波動與震蕩。積分系數(shù)可以消除系統(tǒng)的靜態(tài)誤差，即數(shù)值越大可以使靜態(tài)誤差和消除誤差所需時間越小，同時也會造成超調(diào)和振蕩。微分系數(shù)可以阻止誤差的變動，即數(shù)值越大可以使超調(diào)和振蕩越小，乃至濾波。根據(jù)上述調(diào)參方法對于控制器各個參數(shù)進行調(diào)整，選取最佳控制效果的各個參數(shù)，得到試驗結(jié)果。5.2.1固定轉(zhuǎn)角試驗圖5.3固定轉(zhuǎn)角試驗結(jié)果Fig.5.3resultsofJ-Turntest固定轉(zhuǎn)角試驗（J-Turn），主要模擬車輛緊急轉(zhuǎn)向情況，車速選取80km/h，路面附著系數(shù)設(shè)定為0.85和0.35，對比橫擺角速度與質(zhì)心側(cè)偏角在有無控制器接入情況下的數(shù)值變化，試驗結(jié)果如圖5.3所示。結(jié)合試驗結(jié)果可以看出不同路面附著條件下橫擺角速度和質(zhì)心側(cè)偏角均有改善。橫擺角速度在施加控制之后基本接近目標值，質(zhì)心側(cè)偏角在施加控制后可以向目標值靠攏，高附著路面情況時會有超調(diào)，但中低附著路面情況時仍有一定差值。橫擺角速度和質(zhì)心側(cè)偏角的穩(wěn)態(tài)值和極值均有優(yōu)化，并且尤其在中低附著路面條件下更快進入穩(wěn)態(tài)。各個數(shù)值改善量見下表5.2所示。表5.2固定轉(zhuǎn)角試驗結(jié)果總結(jié)Table.5.2SummaryresultsofJ-Turntest極值改善量（0.85/0.35）穩(wěn)態(tài)值改善量（0.85/0.35）橫擺角度速度/(rad/s)0.0330.0280.0230.007質(zhì)心側(cè)偏角/rad0.01220.00240.00820.0017本試驗證明控制器可以在高速高附著和高速中低附著路面情況下在緊急轉(zhuǎn)向時改善車輛操縱穩(wěn)定性，并使車輛更快穩(wěn)定下來，但高附著路面情況下的控制效果優(yōu)于中低附著路面情況5.2.2魚鉤轉(zhuǎn)角試驗圖5.4魚鉤轉(zhuǎn)角試驗結(jié)果Fig.5.4ResultsofFishhookTest魚鉤轉(zhuǎn)角試驗（Fishhook），主要模擬車輛變道情況，車速選取80km/h，路面附系數(shù)設(shè)定為0.85和0.35，對比橫擺角速度與質(zhì)心側(cè)偏角在有無控制器接入情況下的數(shù)值變化，試驗結(jié)果如圖5.4所示。結(jié)合試驗結(jié)果與固定轉(zhuǎn)角試驗類似，故不再贅述。各個數(shù)值改善量見下表5.3所示。表5.3魚鉤轉(zhuǎn)角試驗結(jié)果總結(jié)Table.5.3SummaryresultsofFishhooktest極值改善量（0.85/0.35）穩(wěn)態(tài)值改善量（0.85/0.35）橫擺角度速度/(rad/s)0.0300.0210.0230.008質(zhì)心側(cè)偏角/rad0.00610.00400.00540.0040本試驗證明控制器可以在高速低附著和高速中低附著路面情況下在緊急變道時改善車輛操縱穩(wěn)定性，并使車輛更快穩(wěn)定下來，但高附著路面情況下的控制效果優(yōu)于中低附著路面情況。5.2.3正弦轉(zhuǎn)角試驗圖5.5正弦轉(zhuǎn)角試驗結(jié)果Fig.5.5ResultsofSinTest結(jié)合試驗結(jié)果與固定轉(zhuǎn)角試驗類似，故不在贅述。各個數(shù)值極值改善量見下表5.4所示。本試驗證明控制器可以在高速低附著和高速中低附著路面情況下在連續(xù)變道時改善車輛操縱穩(wěn)定性。表5.4正弦轉(zhuǎn)角試驗結(jié)果總結(jié)Table.5.4SummaryresultsofSintest極值改善量（0.85/0.35）橫擺角度速度/(rad/s)0.0240.022質(zhì)心側(cè)偏角/rad0.00360.00545.4模型嵌入與試驗由于試驗用分布式驅(qū)動車輛目前還處于兩電機兩軸分布驅(qū)動式，并未改裝成四電機分布式驅(qū)動式，無法驗證全部控制策略，只能進行動力學模型的匹配，故僅將動力學模型嵌入到整車控制器硬件內(nèi)進行模型適配，即對比動力學模型與整車之間的契合程度。5.4.1總體流程模型嵌入與試驗的流程可以分為上位機與整車控制器的通訊連接、軟件嵌入、數(shù)據(jù)監(jiān)測、參數(shù)調(diào)整四個步驟，如圖5.6所示。硬件上，上位機選擇裝有Win10系統(tǒng)的個人電腦，整車控制器為AUDESSE生產(chǎn)的FlexCase整車控制器，傳感器為武漢元生創(chuàng)新生產(chǎn)的YIS500-U戰(zhàn)術(shù)級慣性測量單元，CAN接口卡為廣東致遠電子生產(chǎn)的USBCAN2E-UCAN接口卡。軟件上，選用VirtualHereUSBClient軟件完成連接適配；MATLAB/Simulink和S32DesignStudioIDE軟件完成軟件嵌入；FreeMASTER和CANTest軟件完成數(shù)據(jù)監(jiān)測。圖5.6模型嵌入與試驗流程Fig.5.6ModelEmbeddingandTestFlow5.4.2試驗硬件介紹AUDESSEFlexCase整車控制器內(nèi)含一個芯片為恩智浦NXPFS32K144HAT0MLLT的S32K14車輛開發(fā)平臺作為微控制器（MicroControllerUnit，MCU），另含一個基于Linux系統(tǒng)的RaspberryPiCM3+8/16/32GBviaSODIMM樹莓派電腦板作為微處理器（MicroProcessorUnit，MPU）。具體控制單元功能如圖5.7所示。圖5.7FlexCase控制單元功能Fig.5.7FunctionofFlexCaseControlUnit本文僅用到整車控制器相關(guān)功能，故使用為控制器的模擬量輸入、數(shù)字量輸入輸出、CAN報文輸入輸出等功能。武漢元生創(chuàng)新YIS500-U戰(zhàn)術(shù)級慣性測量單元集成微機電系統(tǒng)慣性傳感器（包含陀螺儀與加速度計），通過內(nèi)嵌YFusion傳感器融合算法，擁有航姿檢測功能。YIS500系列慣性測量單元功能如圖5.8所示。圖5.8YIS500系列慣性測量單元功能Fig.5.8FunctionsofYis500SeriesInertialMeasurementUnitYIS500-U屬于該系列的基礎(chǔ)產(chǎn)品，僅包含三方向加速度和三軸角速度的采集與計算，并通過串口或者CAN線進行輸出。為了數(shù)據(jù)的時效性以及檢測的方便性，本文選取利用CAN總線輸出的方式。廣東致遠電子USBCAN2E-UCAN接口卡集成2路CAN接口的高性能型CAN-bus總線通訊接口，構(gòu)成現(xiàn)場總線實驗室、工業(yè)控制、車輛電子網(wǎng)絡(luò)等CAN-bus網(wǎng)絡(luò)領(lǐng)域中數(shù)據(jù)處理、數(shù)據(jù)采集的CAN-bus網(wǎng)絡(luò)控制節(jié)點，搭配配套軟件可執(zhí)行CAN-bus報文的收發(fā)和監(jiān)測等功能。5.4.3試驗軟件介紹VirtualHereUSBClient軟件是VirtualHere公司開發(fā)的多操作系統(tǒng)平臺的USB設(shè)備管理軟件，可以為USB設(shè)備提供SSL或SSH通信。本文采用的整車控制器與上位機連接需要從用SSH通訊方式，使用此軟件可以完成通訊任務(wù)。MATLAB/Simulink軟件為常用工程軟件，這里不再贅述。S32DesignStudioIDE軟件是恩智浦公司開發(fā)的面向車輛、可靠電源架構(gòu)、基于手臂的微控制器和處理器的免費集成開發(fā)環(huán)境，為其自家S32K車輛開發(fā)平臺提供了豐富的功能集，例如易于使用的大容量存儲設(shè)備模式閃存編程器，虛擬串行端口，經(jīng)典編程或運行控制功能，可用于高級駕駛員輔助系統(tǒng)、車載網(wǎng)絡(luò)、車身、底盤、動力總成和安全應(yīng)用開發(fā)。本文使用此軟件對FlexCase中的S32K系列開發(fā)平臺進行軟件模型的嵌入。FreeMASTER軟件是飛思卡爾公司開發(fā)的實時調(diào)試監(jiān)視器和數(shù)據(jù)可視化工具，可對嵌入式軟件應(yīng)用程序進行運行時配置和調(diào)整，支持對正在運行的系統(tǒng)上的變量進行非侵入式監(jiān)視，可以與自定義MATLAB到其他可編寫腳本的框架，以將MCU硬件添加到控制回路中。同時該軟件支持FlexCase中的S32K系列開發(fā)平臺的開發(fā)工作本文使用此軟件進行整車控制器中輸入輸出量的實時監(jiān)控。CANTest是廣州致遠電子開發(fā)的可實現(xiàn)CAN數(shù)據(jù)收發(fā)于監(jiān)測CAN總線上的數(shù)據(jù)的通用測試軟件。本文使用此軟件對車輛CAN總線的接受報文進行監(jiān)控或發(fā)送報文以調(diào)整車輛運轉(zhuǎn)模型。5.4.4試驗步驟在檢查完各個硬件，并將硬件各個使用端口進行正確連線處理后，按照上文所述流程開展試驗步驟。首先將整車控制器通過線材和上位機相連接，運行VirtualHereUSBClient軟件設(shè)定端口，建立SSH連接。之后對模型進行適應(yīng)性改造，改造包括根據(jù)車輛CAN總線信息設(shè)定輸入端口模塊、設(shè)定輸出值檢測模塊、用.m腳本文件寫入的值改變?yōu)镃onstant模塊輸入、控制器基礎(chǔ)設(shè)定模塊。其中各個CAN總線輸入端口根據(jù)各個量的ID找到對應(yīng)數(shù)值的數(shù)據(jù)位，根據(jù)各自轉(zhuǎn)化規(guī)則將若干十六進制的數(shù)進行數(shù)位轉(zhuǎn)化為十進制數(shù)并乘以清晰度加上偏移量完成數(shù)據(jù)轉(zhuǎn)化。由于CAN通訊矩陣具體數(shù)據(jù)涉密，不在本文中進行展示。傳感器無法直接提供質(zhì)心側(cè)偏角，可通過獲取量進行計算得出，計算方法如式(5.1)所示[51]。β=(5.1)適應(yīng)性改造后的模型如圖5.9所示。圖5.9適應(yīng)性改造模型Fig.5.9AdaptiveTransformationModel將模型編譯成C代碼格式的.elf文件準備下一步的嵌入工作，編譯工作如圖5.10所示。圖5.10編譯工作Fig.5.10CompilationWork然后使用S32DesignStudioIDE將改造好的模型嵌入進控制器中，嵌入過程中軟件設(shè)置如圖5.11所示。圖5.11模型嵌入設(shè)置Fig.5.11SettingsofModelEmbedding隨后使用CANTest軟件對整車CAN報文監(jiān)測，CAN監(jiān)測過程如圖5.12所示。在確保CAN報文正確的前提下繼續(xù)試驗。圖5.12數(shù)據(jù)監(jiān)測設(shè)置Fig.5.12SettingsofDataMonitoring之后利用FreeMASTER軟件對燒錄模型計算輸出值進行監(jiān)測，采用人工方向盤輸入轉(zhuǎn)角模擬固定轉(zhuǎn)角、魚鉤轉(zhuǎn)角、正弦轉(zhuǎn)角試驗，監(jiān)測結(jié)果如圖5.13、圖1.14、圖5.15所示。因為是人工轉(zhuǎn)角輸入，各個曲線只能保證大致趨勢符合預(yù)期，可以進行下一步調(diào)參。圖5.13人工固定轉(zhuǎn)角試驗Fig.5.13ResultofManualJ-TurnTest圖5.14人工魚鉤轉(zhuǎn)角試驗Fig.5.13ResultofManualFishhookTest圖5.15人工正弦轉(zhuǎn)角試驗Fig.5.15ResultofManualSinTest之后便對比傳感器監(jiān)測量以進行參數(shù)調(diào)整，每調(diào)整過一次參數(shù)后均需重復(fù)以上試驗。由于篇幅和數(shù)據(jù)涉密等因素，該試驗具體數(shù)據(jù)就不在此文中公布。5.5本章小結(jié)結(jié)合上文搭建的動力學模型和控制器模型，在MATLAB/Simulink軟件中搭建仿真試驗環(huán)境，選擇具有代表性質(zhì)的車輛高速高附著和高速中低附著下的固定轉(zhuǎn)角、魚鉤轉(zhuǎn)角、正弦轉(zhuǎn)角試驗作為試驗項目。觀察試驗結(jié)果發(fā)現(xiàn)控制效果基本符合預(yù)期，兩個控制量均有優(yōu)化，驗證控制器在不同行駛工況下有著控制效果，可以有效提高車輛的操作穩(wěn)定性，但隨著行駛工況的下降控制效果也下降。并將動力學模型嵌入進整車控制器中，進行了初步的適配調(diào)節(jié)試驗。結(jié)論操作穩(wěn)定性對于車輛來說至關(guān)重要，同樣對于分布式驅(qū)動車輛來說也是一樣。分布式驅(qū)動車輛因其獨特的驅(qū)動形式使得直接橫擺力矩控制策略優(yōu)勢得以充分實現(xiàn)。于是本文以直接橫擺控制策略提升車輛穩(wěn)定性為研究目標，整車控制器為研究平臺，分布式驅(qū)動為研究對象，主要內(nèi)容和工作如下：1）介紹了直接橫擺力矩控制策略內(nèi)容，分析了橫擺角速度和質(zhì)心側(cè)偏角對于操作穩(wěn)定性的影響，結(jié)合控制變量的各自對應(yīng)控制需求明確了動力學模型和控制器模型的要求。2）在MATLAB/Simulink軟件搭建了模擬整車的包含Dugoff輪胎模型在內(nèi)的整車七自由度模型以及提供控制變量目標值的理想二自由度模型。并采用不同試驗工況對比驗證兩模型的可行性與正確性。3）在MATLAB/Simulink軟件中搭建了附加橫擺力矩模糊PID控制器模型和驅(qū)動力平均分配控制器模型。其中模糊PID控制器模型分別利用了模糊控制和PID控制的特性將其與橫擺角速度和質(zhì)心側(cè)偏角不同控制要求相結(jié)合。4）在MATLAB/Simulink軟件中搭建了虛擬仿真環(huán)境，選取具有代表性質(zhì)的車輛高速高附著和高速中低附著的固定轉(zhuǎn)角、魚鉤轉(zhuǎn)角、正弦轉(zhuǎn)角試驗作為試驗項目，驗證控制器控制效果，并且控制效果基本符合預(yù)期以及各個變量控制要求，即橫擺角速度基本可以契合對應(yīng)目標值，質(zhì)心側(cè)偏角的控制效果雖不能契合目標值，但較之未施加控制的數(shù)值有所優(yōu)化，基本滿足控制需求。本文對于分布式驅(qū)動電動車的直接橫擺力矩控制的只是做了較為基礎(chǔ)的研究，在許多方面仍應(yīng)該進一步研究：1）車輛動力學模型是一個非常復(fù)雜的系統(tǒng)，本文采用的動力學模型均對懸架、轉(zhuǎn)向、電機等系統(tǒng)做了不同程度的簡化，這就導(dǎo)致模型與實車情況的契合度下降。應(yīng)該進一步提升動力學模型的精度，如搭建包換更多子系統(tǒng)的高自由度動力學模型下。2）驅(qū)動分配的方法上采用平均分配固然簡單且易實現(xiàn)，且基于簡單動力學模型上可以突出優(yōu)化效果，如遇到復(fù)雜路面狀況其控制效果難以保證。應(yīng)該進一步提升改進驅(qū)動力分配方法，如使用符合車輛垂直載荷分配法或優(yōu)化分配法。3）試驗驗證僅采用了虛擬環(huán)境的仿真驗證，并未進行嚴格意義上的實車試驗。在條件允許的情況下應(yīng)該進行相關(guān)的實車道路試驗進行驗證。參考文獻劉麥.電動汽車驅(qū)動電機的應(yīng)用現(xiàn)狀與發(fā)展趨勢[J].汽車零部件,2020(10):91-94.孔垂毅,代穎,羅建.電動汽車輪轂電機技術(shù)的發(fā)展現(xiàn)狀與發(fā)展趨勢[J].電機與控制應(yīng)用,2019,46(02):101-108+113.王迪,尚秉旭,陳志新,代向升,王洪峰,奇楊.輪轂電機及其電動車技術(shù)發(fā)展綜述[J].汽車文摘,2019(11):40-44.董新偉,王一飛,楊磊.車用高性能永磁同步電機磁極設(shè)計綜述[J].微電機,2019,52(11):97-100.劉迎康.分布式電驅(qū)動車輛多目標轉(zhuǎn)矩優(yōu)化分配與控制研究[D].南昌大學,2020.王歲紅.淺談基于線控轉(zhuǎn)向系統(tǒng)的無人駕駛技術(shù)發(fā)展[J].科技經(jīng)濟導(dǎo)刊,2019,27(19):21.王秀旭,李川鵬,王耀福.車規(guī)級無人駕駛線控底盤車研發(fā)及其場景化應(yīng)用[J].汽車實用技術(shù),2021,46(02):25-27.白鴻飛.無人駕駛分布式電驅(qū)動實驗車設(shè)計與程序開發(fā)[D].遼寧工業(yè)大學,2020.曹福青.電動汽車輪轂電機分布式驅(qū)動技術(shù)研究[D].廈門大學,2018.邱明明,曹龍凱,黃康,張義雷,劉浩.基于視覺識別的線控制動壓力滑?？刂芠J].汽車工程,2021,43(01):68-76+85.BiaoMa,YulongLiu,XiaoxiangNa,YahuiLiu,YiyongYang.Asharedsteeringcontrollerdesignbasedonsteer-by-wiresystemconsideringhuman-machinegoalconsistency[J].JournaloftheFranklinInstitute,2019.TaghavifarHamid.EKFestimationbasedPIDType-2fuzzycontrolofelectriccars[J].Measurement,2020:108557-.李亮,王翔宇,程碩,陳翔,黃超,平先堯,魏凌濤.汽車底盤線控與動力學域控制技術(shù)[J].汽車安全與節(jié)能學報,2020,11(02):143-160.李剛.線控四輪獨立驅(qū)動輪轂電機電動汽車穩(wěn)定性與節(jié)能控制研究[D].吉林大學,2013.曹洋,蒼衍.電動汽車底盤技術(shù)的顛覆式創(chuàng)新[J].汽車文摘,2019(12):13-19.劉旭宇.四輪驅(qū)動電動汽車轉(zhuǎn)向驅(qū)動控制策略研究[D].江蘇大學,2017.吳金峰.輪轂電機驅(qū)動電動試驗車基本運行工況控制策略研究及實現(xiàn)[D].長安大學,2017.葛英輝.輪式驅(qū)動電動車控制系統(tǒng)的研究[D].浙江大學,2004.江先寶.微型電動汽車用輪邊驅(qū)動系統(tǒng)的設(shè)計與研究[D].同濟大學機械工程學院,2009.郝秀.日本八輪電動汽車驅(qū)動系統(tǒng)[J].船電技術(shù),2002(03):54-56.HiroichiYOSHIDA."ELIICA"–THE370KM/HMAXIMUMSPEEDELECTRICVEHICLE[J].IATSSResearch,2005,29(2).劉暢.四輪獨立驅(qū)動電動汽車懸架特性靈敏度分析與優(yōu)化[D].