崔坤利 

　　（奇瑞新能源汽車技術有限公司，安徽 蕪湖 241002）

　　摘要：針對傳統雙電機四驅動電動汽車在不同附著系數路面驅動防滑功能較弱問題,提出基于神經Kalman四輪輪轂電機驅動防滑策略。Kalman濾波算法剔除神經網絡中隨機數據的干擾誤差，調整神經網絡的閾值和權值，獲得最優識別滑轉率和控制策略，改進后的神經Kalman算法能夠識別當前路面最優滑轉率，并結合四輪輪轂電機驅動轉速易于獲得，直接橫擺力矩有效控制的優點，對車輪力矩進行最優控制。仿真結果表明：神經Kalman能夠較好識別當前路面最優滑轉率，神經Kalman同時對四輪輪轂電機直接橫擺力矩最優控制，提高車輛驅動防滑能力。

　　關鍵詞：電動汽車；輪轂電機；神經Kalman算法 ；最優滑轉率 ；最優滑轉率

　　中圖分類號：TM351 文獻標識碼：A

　　0 引言

　　電動汽車驅動防滑策略（acceleration slipregulation）是電動汽車穩定性的重要組成部分。電動汽車驅動防滑針對于不平整路面，汽車轉彎處車輪空轉，以及雨雪天氣，地面摩擦力較小，驅動輪滑轉，汽車起步和加速時車輪滑轉等情況下，仍保持車輛穩定行駛和最優驅動。由于我國提倡節能減排，電動汽車零排放，無污染的優點使其成為研究成為汽車領域的一大熱點。電動汽車驅動力主要是電機驅動，驅動防滑對電機的驅動轉矩響應速度快和轉矩控制要求很高。電動汽車驅動防滑不僅和本身的驅動力有關，還和地面的滑轉率有關，驅動力越大，電動汽車防滑效果越好，穩定性越高；地面的滑轉率最優狀態下，電動汽車才能獲得較優驅動力。

　　電動汽車驅動防滑策略在最優滑轉率 ^[1] 方面，文獻 ^[2] 中設計基于雙模糊算法的自適應驅動防滑控制器，采用路面識別模塊，實現自適應控制前后輪，但是前后軸驅動性能不能達到最優。文獻 ^[3] 對比分析了PID控制、模型跟蹤控制以及動態自尋最佳滑轉率的滑模變結構控制三種驅動防滑控制算法的優缺點，得出動態自尋最佳滑轉率比靜態抗干擾性強。文獻 ^[4] 中提出了基于驅動防滑的全時四輪驅動汽車牽引力控制策略，抑制了驅動輪過度空轉滑轉，但只適用于個別路面條件，對于復雜路面控制穩定性和驅動性不能達到最優效果。電動汽車驅動防滑策略在驅動性能方面，文獻 ^[5] 對不同類型的驅動電機特點進行比較，其中輪轂電機轉矩 ^[6] 能夠獨立控制，且較容易測量。文獻 ^[7] 基于輪轂電機建立了整車動力模型，模擬電動汽車真實的駕駛狀態，為電動汽車控制算法研究提供了平臺。文獻 ^[8] 中對分布式驅動的電動汽車分別提出了基于穩定性的驅動力調節轉矩增加橫向穩定性，基于動力性的驅動調節轉矩以改變縱向加速度和驅動轉矩。

　　本文針對于傳統雙電機四驅動電動汽車在不同附著系數路面驅動防滑功能較弱，綜合比較輪轂電機獨立驅動，電機轉矩響應較快，穩定操縱性較強，基于輪轂電機驅動，提出神經Kalman濾波算法，Kalman濾波算法剔除神經網絡中隨機數據的干擾誤差，調整神經網絡的閾值和權值，獲得最優識別滑轉率和控制策略。改進后的神經Kalman算法對路面識別數據進行分析，得出最優滑轉率，車輪一發生滑轉，調節四輪輪轂電機扭矩，對當前車輪車速和扭矩進行最優控制下的車輪速度。并對當前車輪車速和扭矩進行最優控制下的車輪速度。

　　1 電動汽車整車建模

　　1.1 輪轂電機數學模型

　　電機是電動汽車的主要驅動力，電動汽車對電機要求包括較好的啟動性能，能量使用效率高，低速爬坡能力強，成本低，安全性能高。表1對幾種輪轂電機的高電壓，轉速，質量，體積，單位質量功率輸出，高適應性幾個方面進行比較，綜合得出無刷直流輪轂電機電動汽車驅動性最優，扭矩響應最快。輪轂電機參數如表2所示，電機驅動轉矩和功率如圖1所示，電機效率如圖2所示。

　　1.2 整車結構模型

　　本車型采用四輪輪轂電機驅動，整車結構如圖3所示，整車結構包括駕駛控制，扭矩分配，輪轂電機驅動，四個輪轂電機分別驅動四個車輪， 車速控制。駕駛員對加速踏板開合大小及方向盤轉角控制車速和車輪轉角大小，通過輪轂電機反饋給整車控制器當前制動轉矩和驅動扭矩，整車控制器對輪轂電機扭矩和轉矩進行調節，達到控制車輛的目的。

　　2 驅動防滑控制算法

　　2.1 Kalman濾波算法和神經網絡算法

　　Kalman濾波算法 ^[10] 從觀測數據中剔除干擾，估計出需要的濾波信號，獲得準確接近實際情況的信息。Kalman濾波算法的遞推公式為：其中， L λ 是觀測向量， Y λ 是狀態向量，, 1 λ λγ? 、B λ 是系數矩陣，, 1 λ λ ?Φ是狀態轉移矩陣。

　　神經網絡算法 ^[11] 是一種多層前饋網絡算法，按誤差逆向傳播，神經網絡算法像人的大腦神經一樣進行學習，神經網絡傳輸圖如圖4所示。學習規則是信號正向傳播和誤差反向傳播的梯度下降法，信號正向傳播過程是樣本輸入到輸入層，再傳到隱含層，再傳到傳輸層，如果正向傳播的計算結果和期望結果有誤差，則會把誤差信號進行反方向傳播，再調整神經網絡的閾值和權值，直到輸出結果和期望結果一樣。

　　2.2 神經Kalman優化算法

　　神經網絡算法學習能力較強，但是容易陷入局部最優，影響判斷結果。Kalman濾波算法通過剔除隨機數據的干擾誤差，改進后的神經Kalman優化算法能夠在任意輸入樣本中，尋找出最優結果。Kalman濾波算法分為兩個階段，向前傳輸階段和向后傳輸階段, 神經Kalman優化網絡模型如圖5所示。

　　（1）向前傳輸階段：

　　①從提供的樣本L中隨機取出一個樣本Li，并對樣本Li 進行Kalman過濾，得過濾后的樣本Yi，輸入網絡；

　　② 隱含層輸入Ri進行Kalman過濾，得過濾后的樣本Gi，輸入網絡；

　　③ 比較實際輸出Qi=FL（?F 2 （F 1 （P i W⑴

　　④ 計算誤差

　　⑤ 調整權重值W ⑴ ，W (2) , ? W (L) ,重復調整直到

　　（2）向后傳輸階段：

　　① 計算理想輸出Oi和實際輸出Qi的差值；

　　② 用輸出層的誤差修改輸出層權矩陣；

　　③

　　④ 用Ei估計輸出層的前一層誤差，再用前一層誤差估計更前一層誤差，反復獲得其它層估計誤差；

　　⑤將輸出端計算的誤差沿著輸出端相反的方向傳遞，利用這些誤差對權矩陣修改；

　　3 仿真實驗

　　3.1 仿真參數確定

　　應用Matlab/Simulink仿真對控制方法進行驗證。電動汽車模型參數如表3所示。

　　仿真路面選擇對接路面和對開路面。(1)對接路面仿真：初始車速10km/h，每個輪轂電機車輪驅動均輸入500N*m，路面變化如圖6(a)所示，圖6(b)所示，在車輪未打滑時，路面識別算法將當前路面數據放大，改進后的神經Kalman算法對路面識別數據進行分析，得出最優滑轉率，圖6(c)車輪一發生滑轉，調節四輪輪轂電機扭矩，圖6(d)對當前車輪車速和扭矩進行最優控制下的車輪速度。圖6(e)是無控制時車輪的速度。由圖6可以對比看出，改進后的神經Kalman算法對路面識別數據進行分析，得出最優滑轉率，并對當前車輪車速和扭矩進行最優控制下的車輪速度。驅動防滑效果明顯優于無控制狀態。

　　(2)開路面仿真：初始車速10km/h，每個輪轂電機車輪驅動均輸入500N*m，路面附著系數為0.25和0.5。實驗結果如圖7(a)所示，路面識別算法將當前路面進行識別，改進后的神經Kalman算法對路面識別數據進行分析，得出最優滑轉率，圖7(b)神經Kalman算法對整車力矩進行最優分配，圖7(c)表明神經Kalman算法對車輪滑轉進行了較優控制。

　　4 結論

　　本文針對傳統雙電機四驅動電動汽車在不同附著系數路面驅動防滑功能較弱問題,提出基于神經Kalman四輪輪轂電機驅動防滑策略。Kalman濾波算法剔除神經網絡中隨機數據的干擾誤差，調整神經網絡的閾值和權值，獲得最優識別滑轉率和控制策略。選擇對接路面和對開路面進行仿真，仿真結果表明，改進后的神經Kalman算法對路面識別數據進行分析，得出最優滑轉率，車輪一發生滑轉，調節四輪輪轂電機扭矩，對當前車輪車速和扭矩進行最優控制下的車輪速度。并對當前車輪車速和扭矩進行最優控制下的車輪速度。驅動防滑效果明顯優于無控制狀態。

　　參考文獻:

　　[1] 張振良, 趙亞超, 黃妙華, 等. 電動輪車驅動防滑控制策略的研究[J]. 武漢理工大學學報（信息與管理工程版）, 2014(6):794-797.

　　[2] 張博涵, 陳哲明, 陳寶, 等. 四輪獨立驅動電動汽車自適應驅動防滑控制[J]. 山東大學學報 (工學版),2017, 48(1):96-103.

　　[3] 張兆良. 電動汽車驅動防滑控制方法對比分析[J]. 上海汽車, 2011(2):11-15.

　　[4] 胡建軍, 楊振輝, 劉輝, 等. 四輪驅動汽車車輪驅動防滑的牽引力控制仿真分析[J]. 中國機械工程, 2014,25(13):1817-1823.

　　[5] 羅龍飛, 袁守華. 電動汽車驅動電機及其控制系統應用概述[J]. 汽車實用技術, 2014(4):5-7.

　　[6] 陶維輝, 喻厚宇, 黃妙華. 基于最優滑轉率識別的電動輪車驅動防滑模糊控制研究[J]. 武漢理工大學學報，2015, 37(4):47-52.

　　[7] 靳彪, 張欣, 彭之川, 等. 四輪輪轂電機驅動電動汽車建模與仿真[J]. 中國公路學報, 2016, 29(4):138-144.

　　[8] 褚文博, 羅禹貢, 趙峰, 等. 分布式驅動電動汽車驅動轉矩協調控制[J]. 汽車工程, 2012, 34(3):185-189.

　　作者簡介：

　　崔坤利，女，（1992.9-）安徽工程大學 控制工程專業，碩士研究生，工程師，主要研究方向為新能源汽車電驅動系統。

　　E-mail：2513855009@qq.com.com

　　電話：17730096975

　　通訊地址：安徽省蕪湖市弋江區花津南路226號奇瑞新能源研究院

　　本文來源于科技期刊《電子產品世界》2019年第7期第70頁，歡迎您寫論文時引用，并注明出處