交通电气化目前当局的当务之急,世界各地的制造商和研究中心。电动汽车的发展和改善他们的功能是这一战略的关键元素。因此,有必要进一步研究减排,提高效率,或动态处理方法。为了实现这些目标,开发合适的高级驾驶员辅助系统(ADAS)是必需的。尽管传统的控制技术已经广泛用于ADAS实现,电动多电动机的动力系统的复杂性,使得智能控制方法适合这些案件。在这项工作中,新颖的智能扭矩矢量(电视)系统,去噪垂直轮胎组成的部队估计量和模糊偏航力矩控制器,提出,允许提高电动汽车多电动机的动态行为。该方法与传统策略相比使用高保真模拟器Dynacar车辆动力学。结果表明,该智能扭矩矢量系统能够提高车辆效率10%,由于最优转矩分配和使用噪垂直轮胎部队估计提供3倍比分析方法更精确的估计。
需要减少全球变暖,空气污染,和石油的依赖不仅有激励可再生能源的使用,但也一些范式的变化在其他领域,比如交通系统,发展电动汽车(EV)已成为一个关键策略 电机一体化的推进系统不仅提供了更好的能源效率和低污染,但也增加了可控制性,电动马达提供更好的响应时间( 传统的控制方法已经被广泛的用于实现ADAS在过去几十年。然而,电动推进系统提供更广泛的复杂性(和多个拓扑)比内燃机推进系统。因此,智能控制方法已成为最近的一个主要研究方向,因为他们可以管理复杂的系统比传统方法更容易。
最完整ADAS的提高电动汽车的动态行为和稳定性与每个轮胎汽车扭矩矢量(电视) 转矩分配方法实现了传统使用各种控制算法。在传统方法中,简单点的,如proportional-integral-derivative控制(PID)为基础的( 为了实现一个有效的驱动转矩分布、轮胎力的知识是至关重要的( 中提出的方法来估计车辆轮胎力,最常见的一个是使用基于轮胎的估计模型,如线性轮胎模型( 总之,智能方法被证明是一个合适的替代ADAS发展,提供均衡的性能和计算成本。然而,适当的轮胎力估计需要保证这种理论在一个真实的案例场景的表现。在文献中,大多数作品考虑完美的估计或使用基于物理变量难以测量,估计需要昂贵的传感器,或使用复杂的模型,其参数难以确定。这个问题的可能性和性能降低的方法提出了在大多数工作实际情况场景。
为了解决这些问题,这项工作提出了一种新颖的智能扭矩矢量的方法,由两种智能算法:首先,一个自适应神经模糊推理系统(简称ANFIS)估计基于专门的轮胎纵向力可测量的变量;第二,模糊偏航力矩控制器,控制车辆偏航率和侧滑角,因为他们是最具代表性的车辆动力学的一些变量。该方法能够提高电动汽车动力学及其效率。为了证明其有效性,简称ANFIS估计量,以及随之而来的智能电视系统已考虑几个场景Dynacar高保真动态模拟器,使用一个e级车和比较结果与其他先前的文学作品。
剩下的纸是划分如下:在部分
在这一节中详细提出了智能扭矩矢量系统。它的主要目的是通过分配不同的驱动轮的驱动转矩,以便车辆处理和稳定性提高。它可以分为5子系统(图 智能电视系统开发的方法是由横向力矩和纵向分布方法。第一个是基于汽车的偏航力矩的控制;这是,它需要一个适当的偏航率参考适当的性能。
计算所需的偏航率的参考,众所周知的<我t一个l我c>自行车模型我t一个l我c>使用,因为它提供了一个良好的平衡精度和计算成本 必须指出该模型降低复杂性是专门用于实时执行的控制器。此外,一些乘用车简化是合理的,因为它们不是驱动到轮胎的极限。
这种方式,偏航率参考方程( 然而,由于安全原因有必要限制产生偏航率参考的价值。在这种情况下,限制设置如下( 模糊偏航力矩控制器处理横向力矩分布(<我nl我ne- - - - - -for米ula>
这个子系统是基于模糊逻辑,这是1965年由德布尔逻辑的延伸( 最常见的模糊逻辑系统结构如图 提出了模糊逻辑控制器是基于Mamdani模糊模型,因为它提供了一个更直观的调优( 实际的车辆侧滑角值计算使用以下方程( 模糊系统的设计以下结构已经实现了。首先,5的分布隶属函数选择的偏航率误差<我nl我ne- - - - - -for米ula>
最后,为输出,适用于每一方的转矩百分比的车辆,<我nl我ne- - - - - -for米ula>
开发了模糊控制器的结构如图 随后相应的规则实现了基于知识的系统和人类驾驶数据集。表 车辆的动态行为在很大程度上取决于轮胎力,因为这些模型之间的接触力车轮和路面。然而,他们估计是车辆动力学中最复杂的问题之一,随着轮胎/道路接触动力学取决于不同的变量。这些力量并不总是解决方案的直接测量,这些力量是非常难以衡量。
在本节中,一本小说简称ANFIS垂直轮胎提出了部队估计量。该估计量提供实时、准确的估计轮胎力,可以利用ADAS增加安全、稳定,车辆的效率。因此,这个估计将用于执行纵向动态扭矩分布。
该估计量是基于一个简称ANFIS基于模糊系统,用神经网络学习算法来源于理论确定其参数(模糊集和模糊规则)通过处理数据样本( 该估计量使用可测量的变量,这是这项工作的主要贡献之一与分析了参考书目。输入数据是由10个变量:转向角;的<我nl我ne- - - - - -for米ula>
拟议的简称ANFIS估计量是由4层组成的。在他们第一个7隶属度函数为每个输入已经开发出来。这些隶属度函数是高斯型的,因为它们提供更好的精度比三角( 方法选择Subclustering模糊推理系统的生成,由于大量的输入。所选择的训练方法是混合方法,这是一个最小二乘和反向传播梯度下降的方法。这个过程有详细的参数表 的数据用于训练和测试提出了简称ANFIS结构取得了从模拟车辆运行在纽博格林电路在一圈(模拟时间800年代和样品时间50 ms)。仿真获得了高保真的车辆动态模拟器Dynacar [ 拟议的纵向力矩分布方法计算纵向力矩分布百分比<我nl我ne- - - - - -for米ula>
这样,这个子系统允许发送更大的转矩命令轮子的汽车有更多的控制。为了这一目的,一个简单而有效的转矩分配算法,基于最大的法向力,可以应用在一个轴(前面已经作为参考)。这种方式, 这个子系统计算准确的电机转矩命令应用到每个轮子<我nl我ne- - - - - -for米ula>
在本节中使用的验证方法是解释说,包括选定的车辆,模拟环境,提出策略和测试场景。
图 车辆模型中实现Dynacar,高保真车辆动力学仿真平台由Tecnalia研究与创新 Dynacar的特点之一是激活自动驾驶模式的可能性,它模拟了一个标准的司机。这允许减少司机的影响能力在分析发达ADAS的结果,因此,允许更好的比较。
Dynacar车辆物理模型模拟引擎是基于多体模型和集成在C代码( 表 实现控制块在Xilinx Zynq XC7Z020 SoC,其输入和输出连接到Dynacar。这允许测试提出的智能电视控制方法的实时性能,并且不需要使用整车由于Dynacar model-in-the-loop方法。
所选择的硬件是由两部分组成的。第一个是可编程逻辑部分,这是一个完整的FPGA。另一部分是处理系统,由两个核心的手臂CPU和800 MHz时钟频率。此外,该委员会有多个I / O设备,如数字和模拟输入/输出端口和通讯总线。
手臂被用来实现不同子系统的核心方法(图提出的智能电视 Dynacar框架允许的模拟和测试开发智能电视控制器在不同的场景中,使用一组不同的标准化策略:skid-pad [ 一方面,skid-pad测试的目的是测量汽车的转弯能力放在一个平面上,表示半径。这个测试是FSAE动力学事件( 另一方面,双车道改变策略是ISO 3888规范中详细
在本节中获得的结果的验证期间开发了智能电视控制方法进行了分析。为此,首先提出了简称ANFIS垂直力估计量与Dynacar与获得的结果进行验证,分析估计提出了( 为了测试的有效性的方法,从获得的数据提出了估计量是相对于(a) Dynacar内部高保真轮胎模型和(b)提出的基于模型的分析估计量( 数据 此外,分析了该估计量的实时性能,要求<我nl我ne- - - - - -for米ula>
为了验证提出的智能电视的能力提高动态处理方法,首先,与skid-pad相关测试结果将进行分析。
为了确定该方法的有效性,临界速度的车辆必须首先定义。这个临界转速最大速度,允许车辆执行skid-pad测试正确没有电视控制。为此,没有电视系统已经激活,skid-pad测试进行了增加的速度,在每个测试,直到车辆未能按照参考轨迹。这种临界转速实验定义为47公里/小时,提供0.86 g的理论横向加速度。
一旦检测到这个关键限速,skid-pad测试被执行激活该智能电视的方法和基于PID的电视的方法。结果如图 临界转速的不良行为时没有电视是数字激活可以进一步升值 图 此外,如果一个机械能耗进行了分析,提出智能扭矩矢量方法允许不仅纠正偏航率跟踪,增加过弯能力,和滑率降低,而且增加车辆的效率。效率结果如表所示 skid-pad性能进行分析后,双车道改变场景将被研究。为了执行这个测试,初步选择50公里/小时的速度,和恒转矩参考应用于汽车总转矩(2300海里)。这提供了大约0.35 g的纵向加速度,允许获得最后一个近90 km / h的速度,涵盖最常见的速度范围中速客运车辆的道路。
仿真结果显示该场景数据
实时的发展能力,准确、高效ADAS是汽车发展的一个关键问题独立轮内马达。在这工作一个新颖的智能扭矩矢量(电视)系统,去噪垂直轮胎组成的部队估计量和模糊偏航力矩控制器,提出了。
该方法考虑横向和纵向力矩分布。纵向分布是基于神经模糊垂直轮胎力估计,仅仅是基于可测量的变量,这是一个重要的贡献相比,现有的估计。估计部队是用来确定扭矩的比例适用于前后轮轴的轮子,可以实现最大限度的控制。
另一方面,横向力矩分布是通过使用一个模糊偏航力矩控制器。这个控制器允许横向分配转矩(左、右车轮),以减少车轮滑移,提高过弯能力。整体力矩分布计算了考虑这两个发行版。
结果表明智能的能力提高车辆动态扭矩矢量系统在各种场景中。一方面,它能够增加稳定在一个规避策略,如双车道改变,使车辆更好地遵循所需的轨迹,在这样的策略是一个关键的安全问题。另一方面,在skid-pad测试中,一个重要的车轮滑转率和减少滑脱角(19%和23°,resp)已被证明,导致减少转向不足的行为。这使得车辆更好地匹配偏航率参考(误差降低33%),然后可以按照所需的轨迹,展示了转弯改进所提供的正确的扭矩分布。此外,提出了智能电视算法提出了一种改进的更传统的方法艺术的状态,提供更有效的推动(机械能耗减少10%)。
未来的工作将包括更复杂的设计使用估计轮胎纵向力智能扭矩矢量控制器,导致更复杂的控制器,以改善其性能。此外,电视系统在逻辑的实现SoC的一部分将被认为是为了减少周期时间。
作者宣称没有利益冲突有关的出版。
研究导致这些结果支持了ECSEL合营企业根据授权协议。662192 (3 ccar)。此合营企业接收来自欧盟的支持地平线2020研究和创新项目和ECSEL成员国。