四輪驅動及其融合技術發展綜述

申棋仁 代凱 蒲永鋒 馬芳武

（吉林大學 汽車仿真與控制國家重點試驗室，長春 130022）

主題詞：四輪驅動 差速轉向 四輪轉向 輪轂電機

縮略語

4WD Four Wheel Drive（四輪驅動）

4WS Four-Wheel Steering（四輪轉向）

DYCDirect Yaw moment Control（直接橫擺力矩控制）

ESP Electronic Stability Program(電子穩定性系統)

MPC Model Predictive Control(模型預測控制)

ARS Active Rear Steering（主動后輪轉向技術）

TCS Traction Control System（牽引力控制系統）

PHEV Plug in Hybrid Electric Vehicle（插電式混合動力汽車）

DOF Degree Of Freedom（自由度）

PSO Particle Swarm Optimization（粒子群算法）

LQR Linear Quadratic Regulator（線性二次型最優控制）

AFS Active Front Steering（主動前輪轉向）

TCS Traction Control System（驅動力控制系統）

PID Proportion-Integral-Differential

（利用比例、積分、微分）

GVC G-Vectoring Control（加速度矢量控制）

BLDCM Brushless Direct Current Motor（直流無刷電機）

SRM Switched Reluctance Motor（開關磁阻電機）

TSMCTerminal Sliding-Mode Control（終端滑模控制）

NEDC New European Driving Cycle(新歐洲駕駛循環)

SOC State of Charge(電池狀態)

1 引言

四輪驅動技術（4WD），是指汽車所輸出的扭矩傳遞到所有4個車輪上的設計。近年來，結合MPC、模糊控制[1]和神經網絡[2]等控制設計方法，進一步地提高了4WD車輛的驅動與轉向性能[3]。

四輪轉向技術（4WS），是指4個輪都具備轉向能力的設計。因為其可以在低速時通過反向轉向減小轉向半徑，提高靈活性，在高速時通過同向轉向，增加不足轉向趨勢提高操縱穩定性，應用的范圍也不斷擴大[4]。近年來，結合軸間預瞄[5]、模糊控制、滑?？刂啤⒖柭鼮V波[6]等控制設計方法，進一步地提高了四輪轉向車輛的轉向性能[7]。

隨著汽車電子技術和控制算法的發展，四輪驅動-四輪轉向融合控制技術的發展也十分迅猛。結合了電子穩定性系統（ESP）、主動后輪轉向技術（ARS）、直接橫擺力矩控制（DYC）等控制手段的車輛不斷地投入生產，對四輪驅動-四輪轉向耦合技術的發展要求也進一步增加。結合了各種控制手段和控制算法的四輪驅動-四輪轉向車輛，相比單獨四輪驅動或是四輪轉向的車輛，可以實現更好的車輛穩定性和軌跡跟蹤性能[8]。

本文主要包括3部分內容，第2部分對四輪驅動車輛驅動力分配策略進行討論，第3部分介紹四輪驅動-四輪轉向融合技術的發展，第4部分對搭載輪轂電機的車輛控制策略進行介紹，最后對四輪驅動技術的發展前景提出展望。

2 四輪驅動車輛驅動力分配策略

對于四輪驅動車輛來說，和傳統車輛相比，顯著的特征就是可以更好地利用路面附著，更容易實現車輛的穩定性控制。控制的基礎來自對于車輛各輪縱向力的獨立分配，針對車輛的直線行駛工況，通常采用的是兩側車輪均分動力的驅動策略。驅動力的最大值依賴于地面和輪胎之間的最大附著力，因此限制驅動力控制的直接因素有：輪胎與路面之間的附著系數、對應車輪的垂向載荷。后來隨著汽車試驗學的發展以及各種輪胎模型的提出，發現間接影響最大附著力的因素還包括車輪的滑轉率/滑移率[9]。以上3個因素均是從非車輛動力控制角度出發的，對于四輪驅動車輛的驅動力分配策略一般分為：軸間分配策略、輪間分配策略和其余分配策略[10]。

2.1 軸間分配策略

2.1.1 固定比值分配

吉林大學的劉禮用，設計了一種針對適時四驅車輛的軸間離合器及其控制方法[11]。驅動力的分配基于路面附著條件的限制，對軸間離合器的滑轉與鎖止邏輯進行研究與設計。當前后輪輪速相同且附著條件相同時，驅動力分配比例為前后軸荷比值；當有車輪發生滑轉時，通過牽引力控制系統（TCS）與軸間離合器來減少對應車軸的動力分配。和前輪驅動車輛對比，在高低附著路面及對開路面上均能體現更好的動力性，轉向時也擁有更好的操縱穩定性。

吉林大學的李洋等人，從制動力理想分配曲線（I曲線）出發，以電動汽車為平臺，拓展建立了驅動力理想分配曲線[12]。拓展I曲線的設計目標兼顧了車輛的動力性和操縱穩定性，和其他傳統驅動方式對比驗證，可以在保證縱向加速度的情況下盡可能地提高車輛側向穩定裕度，同時降低轉向半徑對縱向加速度的敏感性。和現有的軸間驅動力分配控制器相比，拓展I曲線可以在依賴信息較少的條件下，通過簡單易行的查表法在電動汽車上得以實現。

2.1.2 動態分配

北京理工大學的辛慧斌，對插電混動（PHEV）的四輪驅動車輛軸間驅動力分配策略和不同動力源的協調方案進行了設計[13]。軸間驅動力基于軸間載荷分配，以最小化整車等效油耗為設計目標，軸間驅動力分配根據工況計算得到。通過試驗驗證，和傳統的插電混動四輪驅動車輛相比，采用新的換擋策略和驅動力分配策略可以有效提高車輛的經濟性。

北京理工大學的張星爍，針對城市SUV車輛使用模糊控制理論設計了軸間驅動力分配控制器[14]?？刂破鞯目刂乒r涉及直線起步、直線行駛和轉向行駛三個工況，設計目標包括提高車輛動力性、操縱穩定性、零件壽命和減少動力學干涉。涉及的軸間驅動力分配控制器針對不同工況有著不同的模糊邏輯，與前輪驅動車輛對比，車輛在設計工況下都有著更好的表現。

2.2 輪間分配策略

2.2.1 傳統差速器分配

四輪驅動車輛的輪間的驅動力分配策略，常與差速轉向技術（Differential Steering）、直接橫擺力矩控制技術（DYC）和車輛電子穩定系統（ESP）結合使用，這些融合控制技術的應用可以提高車輛在高速行駛和轉向工況下的操縱穩定性。

中國重汽集團的王夕玉等人，以JN5560型10×10越野汽車為例，對重型車輛的輪間驅動力分配從差速器、傳動系、輪胎和載荷等角度入手，討論了不同因素的影響作用[15]。

西南大學的冀杰，通過建立基于運動學的預測模型，設計了一種用于四輪驅動-前輪轉向車輛的主動差速器[16]。基于累計軌跡跟蹤誤差和兩側車輪的控制力矩設計瞬時的操縱目標函數，用以評價瞬時的操縱穩定性，并同時將預測模型求解轉換為二次規劃問題，并通過仿真證明相對于傳統差速器，主動差速器可以提供額外的橫擺力矩，在損失少量動力性的前提下增強車輛的操縱穩定性和高速過彎能力。

2.2.2 電子差速器分配

傳統機械式差速器因為工作原理的限制，不能實現兩側車輪轉速和轉矩的獨立分配。隨著線控技術和電機驅動技術的推廣應用，電子差速器因為可以實現兩側車輪轉速和轉矩獨立分配，更方便實現各種控制算法，逐漸成為軸間驅動力分配的研究主流[17]。

江蘇大學的張厚忠等人，基于阿克曼轉向規律，設計了一種適用于前輪轉向車輛電子差速器[18]。該差速器的設計目標是在轉向工況下實現差速轉向，并且基于阿克曼轉向模型減少轉向過程中的內循環功。實車驗證電子差速器的可行性，并且可以實現設計目標，方便開發更優的驅動力控制算法。

首爾大學的S.Yun等人，開發了一種適用于六輪驅動的電子差速器[19]。該差速器的開發平臺為輪轂電機六輪驅動車輛，提出了一種以電機轉矩衡量電機驅動效率的方法。設計目標為提高電機驅動效率，通過實車驗證，這種轉矩分配策略可以提高整車經濟性，并且有利于制動能量回收。

Latif，R.等人對車輛轉向的不穩定工況進行分析，基于中性轉向的車輛模型設計了一種主動差速器[20]。差速器控制策略的觀測量為車輛橫擺角速度和側向加速度，控制量為車輛的轉向特性。值得一提的是，設計過程中將考慮輪胎和懸架的車輛模型簡化為一個10自由度模型（10 DOF），并且與CarSim提供的模型對比，可以較好地跟蹤車輛的側向加速度和橫擺角速度。

此外，F.Hoogterp等人將差動轉向應用在四輪驅動的輪式戰車上[21]。與傳統的履帶式戰車和非差動轉向的四輪驅動戰車相比，擁有更好的軌跡跟蹤性能，并且可以提高高速時操縱穩定性。

2.3 其余分配策略

吉林大學的Z.Hou等人，對四輪驅動的混動車輛模型提出了改進[22]。并根據改進后的模型，采用基于粒子群算法（PSO）的隨機森林（Random Forest）學習方法，開發了對應的虛擬控制器。與BP神經網絡、普通隨機森林等學習方法相比，可以更準確地跟隨實際車輛中的參數，為下一步低成本地開發驅動力控制策略提供了基礎。

I.Karogal等人對搭載了四輪輪轂電機的車輛應用不同的驅動力分配控制，以尋求最優的控制[23]?？刂频姆椒ㄊ欠謩e以橫擺角速度、側向加速度以及兩者結合作為反饋輸入量，對橫擺力矩進行計算，提出了4種不同的橫擺力矩分配方案。通過仿真對比，證明將一側車輪減少的轉矩施加到另一側車輪上的策略，更能夠使車輛保持良好的動態跟隨性能和操縱穩定性。

A.Pennycott等人，對四輪驅動-前輪轉向的電動車輛進行了轉矩優化分配，優化目標是降低整車電機驅動損失[24]。設計的轉矩分配控制器包含在線計算和離線計算兩個部分，轉向輪間的轉矩分配在線計算，前后軸間的轉矩分配則離線計算。對于整車的驅動損失計算，則是根據電機提供商提供的電機效率Map圖來在線計算的。仿真驗證該轉矩分配控制器可以使車輛較好地跟隨駕駛意圖，同時提高整車經濟性。

B.Li等人對四輪驅動-前輪轉向、輪轂電機驅動的車輛轉矩分配控制器設計，詳細地給出了設計的方法與步驟[25]。并且提出了一種考慮各輪胎對路面附著條件利用率的線性二次型最優控制（LQR）的目標函數。目標函數涉及3個子目標，提出了一種動態調整各子目標在目標函數中的權重的方法。最后證明與原有的目標函數和固定權重的目標函數相比，車輛對變化的路況有更強的適應性、操縱穩定性和軌跡跟蹤性。

清華大學的Y.Luo等人，將四輪驅動電動車的轉矩分配和主動前輪轉向（AFS）結合，設計了一種融合控制系統[26]。設計使用了一種15自由度（15-DOF）車輛模型，設計目標為最小化輪胎負荷以及最大化車輛的穩定性。通過仿真和實車驗證，該融合控制系統可以提高車輛的最高安全行駛速度，尤其可以在高附著路面上進行實車的試驗。

在農用車輛和農用機械中，轉向并不是主要的設計因素，為了提高其操縱靈活性，搭載輪轂電機的農用車輛采用差速轉向就變得很有必要了。江蘇大學的F.Hussain等人，對農用車輛的各輪轉矩分配采用了模型預測控制（MPC），并最終結合四輪轉向系統，設計出了自適應轉向的農用車輛[27]。

因為在低附著路面上驅動輪容易出現胎面波動而引起整車的舒適性下降，清華大學的L.Li等人，對電動車輛的驅動力控制系統（TCS）在低附著路面上的控制策略進行了改進[28]。改進的方法包括提出一種考慮時延的驅動力限制策略、基于PID控制方法的主動制動系統和非常規的模糊控制律，最終證明可以有效抑制驅動輪的胎面波動。

此外，基于人群搜索算法[29]、偽逆法[30]的四輪驅動車輛轉矩分配策略也均有相關研究進行。

在本部分的最后，對各種研究中主要關注的車輛性能優化目標及其感興趣的性能參數進行總結，見表1[31-32]。

表1 車輛性能優化目標以及關注參數總結[31-32]

3 四輪驅動與四輪轉向融合控制技術

3.1 四輪轉向控制策略

四輪轉向技術的應用可以有效減小轉向半徑[33]，提高車輛在高速過彎時的穩定性，增強車輛的軌跡跟蹤性能。隨著技術的逐漸成熟，搭載四輪轉向技術的車輛也越來越多地走進人們的視線。

和傳統的前輪轉向車輛相比，四輪轉向技術的不同之處在于使車輛的后輪也具有轉向能力。因此后輪轉角的控制策略就顯得十分重要，從研究的內容來看，大體上分為3種：

（1）后輪轉角由駕駛員意圖和離線查表來確定的經典控制

（2）根據前輪轉角作為輸入的前饋控制[34]

（3）以前輪轉角作為前饋輸入、車輛動力學參數作為反饋輸入的前饋-反饋控制。

3.1.1 經典控制與前饋控制

H.Liikane等人對裝備有四輪驅動-四輪轉向系統的重型車輛進行了基于軌跡跟蹤性能的控制研究[35]。分析發現耦合系統在受力時表現出了非線性的特征，基于縱向、側向位移和航向角作為輸入，目標車速和橫擺角速度作為輸出，提出了三種不同的轉角控制策略。采用PI控制器對各輪的轉速與轉角進行閉環反饋控制，最終證明和根據轉向曲率、動力學誤差反饋計算各輪轉角、轉速與轉矩相比，控制各輪轉速的誤差反饋控制能夠實現更好的軌跡跟蹤性能。

遼寧工業大學的李剛等人，對四輪獨立驅動-獨立轉向的車輛進行了橫擺力矩集成控制研究[36]。前輪轉角的確定來自于對駕駛員意圖的響應，后輪轉角則采用一種與前輪轉角成比例的前饋控制，比例系數隨著車速等因素變化。這種集成了前饋控制和DYC的控制器，以車輛實際的質心側偏角和橫擺角速度作為集成控制器的反饋輸入，與不采用集成控制的車輛相比，在緊急避障雙移線測試中表現出更好的操縱穩定性。

3.1.2 前饋-反饋控制

李偉等人分析了四輪轉向中反向與同向轉向帶來的影響后，對不易觀測的車輛質心側偏角設計了觀測器，并使用線性二次型最優控制（LQR）設計了一種主動后輪轉向（ARS）控制器[37]。該控制器可以在不顯著降低路感的同時，提升了車輛的軌跡跟蹤性能。

斯坦福大學的N.R.Kapania等人，基于Audi TTS測試車，以車輛軌跡跟蹤性能和在操縱極限下的穩定性作為設計目標，設計了一種前饋-反饋轉向控制器，控制器的邏輯結構見圖1[38]。同時，針對四輪轉向車輛高速行駛下不足轉向過多的現象進行分析，對軌跡跟蹤過程中降低誤差的方法進行了說明。前饋-反饋控制器的前饋輸入包括軌跡曲率和縱向車速，反饋輸入包括路徑跟蹤誤差和航向角誤差。試驗證明結合反饋控制后，軌跡跟蹤誤差顯著降低，可以實現更好的軌跡跟蹤性能，并且在操縱極限下也可以維持車輛的穩定性，同時也指出反饋控制對車輛模型的精確程度要求很高。該研究的平臺雖然是前輪驅動的車輛，但是為ARS控制提供了反饋控制的思路。

吉林大學的李犇，使用前饋和反饋控制后輪轉角，將ARS，DYC和加速度矢量控制（GVC）3種控制手段進行融合，控制器結構見圖2[39]。在融合控制算法中的ARS部分，后輪轉角的前饋輸入量為前輪轉角，反饋輸入量為質心側偏角誤差值。通過硬件在環仿真證明：采用前饋-反饋控制的ARS-DYC-GVC控制算法比傳統的ARS-DYC在車輛轉彎時擁有更小的質心側偏角，反映了車輛擁有更好的操縱穩定性。該研究對前饋-反饋控制下的ARS-DYC設計進行了詳細探討和試驗，力求提高車輛的操縱穩定性。但是此項研究也存在一定的問題，DYC控制中沒有考慮路面附著條件而對附加橫擺力矩和驅動力大小加以限制，針對驅動打滑的工況不能有效地保證車輛的穩定性。

圖1 前饋-反饋轉角控制器邏輯結構[38]

圖2 前饋-反饋的AFS控制器結構[39]

山東理工大學的張磊，在前饋-反饋控制后輪轉角的控制器中還融合了模糊控制理論[40]。在考慮車身側傾的3自由度操縱模型（3-DOF）下確定后輪轉角控制器的輸入，輸入包括：橫擺角、橫擺角速度、質心側偏角、側傾角、車身側傾加速度和車身速度。研究了2種不同的后輪轉角控制策略，分別是基于模糊控制的前饋-反饋控制和使用PSO優化PID參數后的融合控制，仿真試驗證明2種方法相比前輪轉向都可以較好地實現低速轉向的靈活性和中高速的操縱穩定性。其中，使用PSO優化后的融合算法擁有更好的操縱穩定性。

3.2 四輪驅動-四輪轉向車輛驅動力分配策略

四輪驅動-四輪轉向車輛的驅動力分配，集中體現在轉向工況，尤其以DYC和其他控制手段結合為主。在傳統車輛上實現這樣的控制需要由機械式差速器介入，機械式差速器往往實現的是差速不差扭，或者是通過兩側轉矩互相增減來實現橫擺力矩控制。那么在四輪驅動-四輪轉向車輛上，隨著電子差速器的開發，到底什么樣的驅動力分配策略是更為有效的呢？

關于兩側轉矩互相增減實現差速轉向，江蘇大學的T.Chen等人，對四輪驅動-四輪轉向車輛在摩擦極限內的操縱性和軌跡跟蹤性能進行了基于DYC的融合控制器設計[41]?；诰€性2自由度操縱模型（2-DOF）和軌跡跟蹤誤差模型設計了分層控制器，上端決策層根據反饋和駕駛員意圖確定DYC的橫擺力矩，下層決策層分配各輪轉矩和轉角，執行機構采用PID控制。通過仿真試驗證明：融合控制器和設計模型相符，可以很好地跟蹤模型參數，并且對于摩擦極限內的操縱穩定性和軌跡跟蹤性能都有提升。

前面提到Clemson大學的I.Karogal等人，設計了4種差速轉向的轉矩分配方法，證明了兩側車輪的轉矩互相增減是比僅在單側增加額外驅動力是更有效的手段，可是如果考慮類似ESP系統一樣的內側車輪制動又會是怎么樣呢？

針對這種分配策略，同濟大學的Y.Wang等人，設計了低速（15 km/h）下四輪驅動-四輪轉向車輛的對比試驗，對比了無DYC控制時4WS和2WS車輛的車輛側偏角，以及4WS車輛在4種不同的驅動轉矩分配下的轉向半徑[42]。試驗結果表明，在方向盤極限轉角的穩態轉向試驗中，外側兩車輪分配驅動力矩、內側前輪制動轉矩、內側后輪不分配轉矩的分配模式結合4WS可以獲得最小的轉向半徑，以及最好的駕駛穩定性。雖然這項對比試驗的結果僅在低速下成立，并且要求方向盤轉角在極限位置，但是對于類似的對比試驗提出了驅動力分配策略對比試驗的設計思路。

在本部分的最后，對不同車輛轉向技術的特點進行了總結與比較，見表2[43]。

4 輪轂電機推動四輪驅動技術發展

4.1 輪轂電機介紹

輪轂電機（In-Wheel Motor）是包括直流無刷電機（BLDCM）、同步電機、異步電機、開關磁阻電機（SRM）等一系列，可以安裝在汽車輪轂上提供動力的電機的總稱，其中直流無刷電機和開關磁阻電機逐漸成為研究主流，圖3是開關磁阻電機的結構圖[44]。輪轂電機省去了機械式的傳動系，在減少機械損失的同時更方便電子差速器的設計。因此可以滿足更多自由度控制策略的要求，逐漸成為了四輪驅動甚至自動駕駛車輛驅動方式的新寵。傳統的控制算法融合電機控制技術[45]、LQR最優設計[46]、滑模控制、模糊控制等手段，可以提高電機的響應速度、驅動效率和整車的控制效果[47-48]。

表2 車輛轉向技術總結與對比[43]

圖3 開關磁阻電機[44]

4.2 輪轂電機的控制方法

作為經典的電機控制理論，PID控制因為其穩定的控制效果以及融合其他控制理論的空間，經久不衰[49]。

從控制理論來說，PI控制器變可以滿足對BLD?CM的控制需求，羅小麗等人對BLDCM的PI模糊控制進行了研究，控制的結構見圖4[50]。對比試驗表明，與傳統的閉環PI控制器相比，轉速電流雙閉環的模糊PID控制器響應快速、平穩，可以靈活地實現各種控制策略。

東北電力大學的趙天宇等人，對傳統PID控制算法進行了變論域模糊控制的融合，并且和傳統PID以及模糊PID算法進行了對比[51]。仿真結果表明，相比而言，變論域的模糊PID在抗擾動、控制響應等方面均有著更好的表現。此外，變論域模糊PID控制器實現簡單，計算量少，適應性好，可以作用在高動靜態性能及高控制精度的調速及數字伺服控制系統。

圖4 模糊PI控制器結構圖[50]

以上2種均為經典的電機控制手段，除此還有BP神經網絡-PID[52]，優化的向量控制，基于神經網絡模式識別的電機控制等控制手段也均有研究。對于車載的輪轂電機而言，可以從電機的響應速度、驅動效率等角度入手，改善整車的動力性和經濟性[53-54]。

4.3 輪轂電機與四輪驅動車輛的融合

4.3.1 線控技術

線控技術是一種車輛電子化的技術，以數據總線控制各執行機構，省去了機械式的連接。為了保證車輛在車內電子通信失效時仍然可控，現有的線控技術都會配置電子或機械式的冗余設計。目前已有搭載線控制動或線控轉向的量產車輛，比如擎度科技的無人運輸車，英菲尼迪的Q50等，但是完全線控的車輛仍在研發中。

吉林大學的P.Song等人，基于四輪驅動-四輪轉向車輛，設計了一種新型的整車線控控制器[55]。設計目標為降低輪胎負荷，同時提升車輛的操縱穩定性。值得一提的是，設計的對比試驗中，將各種不同控制算法下的輪胎最大可用合力進行了統計，以此來表明各種策略對路面附著的利用程度和附著裕度。試驗表明終端滑模控制（TSMC）和設計的驅動力分配約束融合控制可以給車輛提供更加優秀的性能表現。

因為線控系統存在時延，在響應駕駛員操作時存在滯后，執行的滯后會影響整車的運動，這種影響在轉向工況下更為重要。清華大學的Z.Shuai等人，對車輛線控系統存在的時延特性進行考慮，設計了一種DYC控制器，控制器的結構見圖5[56]。將AFS-DYC融合技術在線控系統中實現，就要考慮CAN總線時延帶來的影響，該控制器在設計過程中，對車輛總線系統進行了仿真與建模，降低時延帶來的影響。通過與未考慮時延的AFS-DYC控制器進行對比，考慮時延的控制器可以更好地保證車輛在轉向工況下的操縱穩定性。

圖5 考慮CAN總線時延的AFS-DYC控制器結構[56]

圖6 是日本神奈川工學院Y.Suzuki等人設計的完全線控的電動汽車，該車被用來試驗不同的驅動力控制策略[57]。

圖6 神奈川工業大學的線控電動車[57]

4.3.2 驅動力分配策略

三星電子的K.Nam等人，對搭載輪轂電機的車輛進行了基于滑?？刂评碚摵虳YC的轉矩分配控制器設計[58]?？刂破髦谢Ｃ娴脑O定目標是可以快速且穩定地響應橫擺力矩的需求，整體控制器的設計目標是提升車輛的側向穩定性。設計過程中對車輛狀態的估計也提出了新的觀測器方案，和實際傳感器測量到的數據進行對比，證明觀測器的設計是可以準確估計當前車輛狀態的，為低成本的電動車輛開發提供了方法。

H.Zhang等人將AFS-DYC技術和魯棒性整定技術進行了融合，設計目標為變化的縱向車速下維持更好的操縱穩定性[59]。該融合技術并不新穎，但是其開發設計過程中的變參數思想值得在其它控制策略的開發過程中得到應用[60]。

4.3.3 其余研究

遼寧工業大學的Z.Yang等人，針對搭載了四輪轂電機的四輪驅動-四輪轉向車輛，因為無法準確提供像傳統車輛一樣的路感，提出了一種路感模擬器[61]。方向盤的反饋轉矩和車速、方向盤轉角有關，試驗也驗證了提供合適的路感可以減輕駕駛員的駕駛負擔，此種方法也適用于搭載線控技術的車輛。

對于電驅動的4WD車輛來說，以經濟性作為轉矩分配目標的優化策略，經常采用查閱電機效率Map圖，輸出對應的經濟轉速或者轉矩。通常四輪電機都是相同的電機，直線時兩側動力均分，查閱效率Map圖的方法可以獲得最大的傳動效率，但是當兩側電機不同時，能否獲得更好的傳動系效率呢？X.Yuan等人在NEDC循環工況下從傳動系效率入手，考慮電機的磁通損失，建立了車輛傳動系損失模型，對高轉速和低轉矩兩種工作區域進行了效率優化，同時也對不同電機的搭配使用從提高效率的角度給出了建議[62]。直線行駛時，新的轉矩分配策略和兩側等轉矩分配相比，永磁電機的損失減少了27%，能源利用效率提高了4%。

對于輪轂電機這種方便控制的驅動機構，基于神經網絡的模式識別功能，進行車輛工況識別，調整車輛的參數來獲得更好的車輛駕駛性能，正在成為一種研究趨勢。目前，這種方法正成為混合動力車輛的動力源協調的新思路，相信不久也會在電動車輛控制上展現出應有的優勢。

在本部分的最后，對各種可作為車輛輪轂電機的優缺點進行了總結，見表3[63]。

表3 各輪轂電機優缺點[63]

5 結束語

縱覽四輪驅動車輛控制策略近20年的研究發展，不難發現，對車輛控制的策略和控制的輸出經歷了從低維度到多維度的變化，控制手段和目標從單一到復雜的發展。從動力源來看，經歷了從傳統內燃機到混合動力，再到純電動的變化；從車輛的驅動形式來看，經歷了從前驅、后驅、傳統四輪驅動到四輪獨立驅動的發展；從控制目標來看，經歷了從追求性能到節能減排再到兩者兼顧的變化；從控制方法來看，從傳統的動力學模型出發，已經開發了多種成熟的控制算法，未來將會走向人工智能的控制領域。

當前，研究還存在著模型不夠精確、數據難以獲取[64]、算法不夠智能等問題。未來一段時間內，對新的車輛仿真模型的開發[65]，新的測量方法[66]、估計方法的提出與檢驗，線控技術的發展，智能算法在實車上的落地，都仍然會是推動車輛智能化、高效化的有力研究。