分布式驅動電動汽車穩定性控制研究綜述

陳廣秋

（福建商貿學校,福建 福州 350000）

以電動汽車為載體對其節能、環保、安全方面問題的研究已成為熱點話題。分布式驅動電動汽車，尤其是輪轂電機驅動電動汽車，其四個輪轂中分別安裝一個電機獨立控制車輪的驅動/制動力矩，已成為研究新能源汽車穩定性控制方面不可或缺的選擇[1]。

目前，國內外大多學者對分布式驅動電動汽車穩定性控制技術的研究局限在正常制動工況下的穩定性控制，而對處于極限工況下車輛穩定性控制技術研究較少，尤其是車輛多體動力學模型、穩定性控制器設計方面，因此本文針對這兩個方面進行總結、分析和展望。

1 車輛多體動力學模型

孫艷等（2014）在ADAMS/Car中建立電動汽車模型，并驗證模型的準確性，但該軟件存在仿真速度相對較慢的問題，且建模過程較為煩瑣，不利于后續對所建電動汽車進行控制[2]。宗長富等（2011）、楊福廣（2010）研究的四輪獨立驅動、獨立轉向車輛模型只考慮了車輛平面運動而未兼顧車輛垂向運動，該模型是基于MATLAB/Simulink軟件進行編程，其建模過程是車輛各個系統機械組合，缺乏有機組合，造成所建模型與實車差距較大[3-4]。馬高峰等（2015）運用CarSim/Simulink對電動汽車建模，并在雙移線工況下，驗證模型的精確度[5]。熊璐等（2014）在CarSim/Simulink里構建分布式驅動電動汽車模型，并與CarSim軟件里自帶的相應燃油車做操縱穩定性控制對比，其響應誤差均在允許范圍內，模型精度較高[6]。

綜上所述，由于CarSim構建的分布式驅動電動汽車模型具有響應速度快、模型精度高等優點，目前國內外在研究電動汽車穩定性控制時，車輛多體動力學建模大多基于CarSim完成。

2 穩定性控制器

設計車輛穩定性控制系統的要點包括：控制變量選取、穩定性控制策略、穩定性控制算法。

2.1 控制變量選取

分布式驅動電動穩定性控制是通過各個車輪提供的驅動/制動力使汽車在各種工況下穩定行駛，而橫擺角速度和質心側偏角是判斷汽車是否處于穩定狀態的關鍵因素[7]。

許建等（2014）對附加橫擺力矩控制采用模糊控制，該控制器以實際橫擺角速度與理想橫擺角速度差值及轉角盤轉角作為輸入[8]。劉志強等（2019）在CarSim中構建電動汽車模型，在Simulink中構建電動汽車控制模型，并進行聯合仿真，同時把橫擺角速度和質心側偏角作為判斷穩定性控制器是否需要介入控制車輛的指標[9]。王其東等（2009）把汽車簡化為二自由度的汽車模型，在角階躍工況下驗證其控制效果，仿真試驗結果表明車輛受控性良好[10]。蔡立春（2019）把橫擺角速度與質心側偏角當作控制器輸入控制變量，應用滑模變結構控制思想，設計了橫擺跟隨控制器，并基于CarSim/Simulink軟件平臺，在雙移線工況下對所設計的穩定性控制器進行驗證，結果表明在穩定性控制器干預下，車輛響應更迅速，同時運動跟蹤效果更佳[11]。

綜上所述，影響車輛穩定性控制的因素主要是橫擺角速度和質心側偏角，依據不同的試驗工況，穩定性控制器是否及時對車輛進行控制可以通過觀測實車上的橫擺角速度和質心側偏角觀測值是否與理論值偏差過大來評估。

2.2 穩定性控制策略

邱晨曦（2019）以理想橫擺角速度和實際橫擺角速度差值結合通過模糊控制器得到的邏輯門限值來確定穩定性控制器是否啟用，這可避免車輛行駛過程頻繁啟/停用穩定性控制器[12]，該控制策略如圖1所示。

圖1 整車穩定性控制策略

張新鋒等（2020）設計了模糊滑模穩定性控制器，該控制器采用分層結構，上層控制器是應用模糊滑模控制方法得到車輛穩定行駛的附加橫擺力矩；下層控制器是對上層控制器輸出的附加橫擺力矩進行差動制動控制分配和平均控制分配兩種方法對比分析，其結果為平均控制分配優于差動制動控制分配，這是因為平均控制分配能產生更大的橫擺力矩，在極限工況下對車輛干預強度更大，使車輛更迅速回穩[13]。具體分層模糊滑模穩定性控制策略如圖2所示。

圖2 分層模糊滑模穩定性控制策略

BAYERISCHE MOTOREN WERKE AG (DE)（2006）提出一種車輛動力學集成控制思想，為簡化車輛耦合度，將車輛穩定性控制系統分為兩層，即車輛運動跟蹤規劃控制層和控制分配層[14]。

陳禹行（2013）基于CarSim中的B級車模型搭建整車動力學模型，針對車輛實時狀態反饋精準需求，并通過Kalman濾波器進行車輛狀態觀測，同時結合反饋控制方法，使實際橫擺角速度能實時有效跟隨上理想橫擺角速度[15]。

吳科甲等（2018）采用電液協同穩定性控制策略，首先考慮利用輪轂電機驅動/制動力來調節車輛穩定性，當在極限工況下，液壓制動系統及時介入協調穩定性控制[16]，其電液協同控制策略如圖3所示。

圖3 協同控制策略圖

綜上所述，四輪驅動電動穩定性控制策略主要包括純電控制、電液協同控制，而電液協同穩定性控制器是否介入主要依據理想橫擺角速度和實際橫擺角速度差值是否超出極限值，在極限工況下，電液協同控制可明顯提升車輛穩定性能。

2.3 穩定性控制算法

劉迎康（2020）首先基于MATLAB/Simulink平臺，建立了十四自由度的車輛多體動力學模型，同時以二自由度車輛模型作為其控制模型，來獲得車輛實時理想橫擺角速度和質心側偏角；其次，設計分層結構穩定性控制器，車輛在運動過程中其參數是具有不確定性和非線性，因滑?？刂破鲗哂猩鲜鎏攸c的系統的控制上具有一定的優越性，故上層控制器采用滑模控制算法獲得車輛實時附加橫擺力矩，下層控制器則主要對轉矩分別以安全性最高、驅動系統效率最高為目標均與平均分配為目標進行對比；再次，以仿真和硬件在環方式驗證了以安全性最高、驅動系統效率最高為目標，轉矩分配算法的優越性[17]。

蔡立春等（2019）首先搭建了Carsim/Simulink聯合仿真平臺；其次，設計穩定性控制器，穩定性控制器中主要融合驅動防滑、轉矩協調等控制模塊，同時把橫擺角速度和質心側偏角二者看作控制變量，并利用滑模變算法獲得附加橫擺力矩；再次，以有效車輛進行驅動/制動力矩分配，并在雙移線工況下驗證其能有效提升車輛穩定性[11]。

馮沖等（2014）以四輪輪轂電機獨立驅動電動汽車為載體，以提升車輛操縱穩定性為目標，設計基于偽逆控制分配算法的穩定性控制器，并在雙移線和方向盤正弦轉角輸入工況下進行仿真，仿真結果顯示，基于偽逆算法控制分配車輛相對于常規按照前、后軸距固定比控制分配車輛，其穩定性能在兩種工況下均有較大改善[18]。

楊鵬飛等（2013）以分布式驅動電動汽車為載體對其穩定性控制進行研究，控制器控制策略采用電機/液壓控制策略，優先考慮電機驅動/制動力矩控制，而液壓制動力矩是起協助控制作用，電機控制力矩是以安全性為目標，液壓制動方面則采用單輪制動的方式，這使得在極限工況下，液壓制動系統協助控制時未能真正發揮各個車輪的全部潛能，尚有提高空間[19]。

熊璐等（2016）則根據實時車輛行駛狀態判斷電動汽車輪轂電機的輸出轉矩是否滿足車速和穩定性控制的需要，并在必要時啟動液壓制動控制進行補償，同時對電機轉矩/制動壓力以輪胎裕度值最大進行雙重最優分配[20]。

楊鵬飛等（2013）以整車穩定性最高為目標，設計穩定性控制器時，為獲得各個車輪實時載荷，創新性引入載荷估計器，而穩定性控制策略則采用電機/液壓制動系統協同，在穩定性控制算法方面采用二次規劃法對車輪轉矩進行優化分配，但輪轂電機與液壓制動系統始終處于共同工作狀態[19]。

ZHAO等（2020）[21]首先在控制策略方面采用相平面法的協調決策來決定采用穩定性還是經濟性的控制策略；其次，在輪胎力矩分配算法方面兼顧節能與安全問題，對轉矩進行優化分配；再次，用仿真和半實物試驗證明，該協調控制策略能有效地提升分布式驅動電動汽車的穩定性和經濟性。

綜上，四輪驅動電動汽車穩定性算法中，主要依據實際變量和理想變量之間的差值，通過模糊PI或者滑?？刂偏@得維持車輛穩定性行駛時所需的附加橫擺力矩。而在附加橫擺力矩分配方面，主要采取的方式包括有效輪驅動/制動、平均分配（即一側驅動一側制動）。這兩種穩定性控制算法在極限工況下無法充分利用輪胎裕度值，而以輪胎裕度值最大化為目標，電液協同控制可充分解決上述問題，值得學者深入研究。

3 結論與展望

文章從分布式驅動電動汽車穩定性控制器設計過程中的控制變量選取、穩定性控制策略、穩定性控制算法三方面的關鍵技術研究現狀進行闡述。

（1）在控制變量選取方面，目前主要是橫擺角速度和質心側偏角兩個變量，且大多數采用橫擺角速度進行控制，但質心側偏角也是衡量車輛是否處于穩定狀態的關鍵表征量，后續學者可采取聯合控制，或者在不同狀態下對橫擺角速度和質心側偏角采用自動切換控制。

（2）在電動汽車穩定性控制策略方面，大多采用純電控制或電液協同控制，且大多數是在常規工況下采用純電機控制，而在極限工況下采用電機/液壓系統控制。但目前大多學者在電液協同控制時采用電液復合制動，未能發揮電機能正反轉控制靈活的優勢，今后在控制策略上可考慮電機驅動/制動及液壓制動兩者控制車輛穩定性。

（3）在電動汽車穩定性控制算法方面，則以安全或者節能為目標進行控制力矩分配。但目前大多學者在電機控制力矩分配算法時有考慮節能、安全問題，而對液壓制動控制力矩分配的研究，仍停留在單側制動或有效輪制動。這使得車輛的穩定性能提升還有一定空間，后續學者可從電液雙重最優分配方面來繼續研究。