[發明專利]四輪輪轂電機電動汽車智能轉向控制方法

有效

• 申請號: 201610075687.4
• 申請日: 2016-02-01
• 公開（公告）號: CN105741637B
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 李剛;韓海蘭;李寧;李高超
• 申請（專利權）人: 遼寧工業大學
• 主分類號: B60W30/02
• 分類號: B60W30/02
• 代理公司: 北京遠大卓悅知識產權代理事務所(普通合伙) 11369
• 代理人: 史霞

1.四輪輪轂電機電動汽車智能轉向控制方法，其特征在于，包括如下步驟：

分別將期望橫擺角速度和實際橫擺角速度的偏差、偏差變化率以及附加橫擺力矩轉換為模糊論域中的量化等級；

將所述偏差以及偏差變化率輸入模糊控制模型，所述模糊控制模型中的偏差分為9個等級，偏差變化率分為7個等級，附加橫擺力矩分為9個等級；

模糊控制模型輸出附加橫擺力矩；根據所述輸出的附加橫擺力矩，分別控制電動汽車的四個車輪轉矩；

當車速小于60km/h時，使用RBF神經網絡確定所述期望橫擺角速度；當車速大于等于60km/h時，采用汽車線性二自由度模型確定所述期望橫擺角速度；

所述RBF神經網絡的輸入為車速、方向盤轉角和方向盤轉角速度；

進行對訓練數據的采集及模型訓練，通過從每一類人中各選出三個具有典型代表的駕駛員，分別在駕駛模擬器上實驗，在實驗過程中需要不斷調整駕駛模擬器車輛模型中轉向傳動系統的傳動比，直到車輛運動狀態符合駕駛員的喜好轉向特性；從每一類人中各選出三個具有典型代表的駕駛員；在駕駛模擬器上采集實驗數據，將每種類型采集到的數據合并然后進行歸一化處理，從中選取一部分作為訓練集，按照輸入輸出訓練參考模型，另外一部分作為測試集，對模型的預測精度進行預測；參考模型的預測輸出能夠很好的跟隨期望輸出，參考模型精度都很快達到設定的偏差性能0.001。

2.如權利要求1所述的四輪輪轂電機電動汽車智能轉向控制方法，其特征在于，模糊模型控制規則為：

當橫擺角速度偏差為正時，應為電動汽車施加一個正的橫擺力矩以跟蹤期望的橫擺角速度；

當橫擺角速度偏差為負時，應為電動車輛施加一個負的橫擺力矩以跟蹤期望的橫擺角速度。

3.如權利要求1或2所述的四輪輪轂電機電動汽車智能轉向控制方法，其特征在于，橫擺角速度偏差的論域為[-8,8]，偏差變化率的論域為[-20，20]，設定量化因子都為1；附加橫擺力矩的論域為[-52，52]。

4.如權利要求2所述的四輪輪轂電機電動汽車智能轉向控制方法，其特征在于，通過各個車輪輪轂電機實現控制車輪轉矩；

當模糊模型輸出附加橫擺力矩為零時，此時，車輛直線行駛，四輪驅動力相等；

當模糊模型輸出附加橫擺力矩大于零時，此時，車輛左轉轉向不足或右轉向過度，增大右側車輪驅動力矩，減小左側車輪驅動力矩；

當模糊模型輸出附加橫擺力矩小于零時，此時，車輛右轉轉向不足或左轉向過度，增大左側車輪驅動力矩，減小右側車輪驅動力矩。

5.如權利要求4所述的四輪輪轂電機電動汽車智能轉向控制方法，其特征在于，當模糊模型輸出附加橫擺力矩大于零時，使左側車輪減小使右側車輪增大

當模糊模型輸出附加橫擺力矩小于零時，使左側車輪增大使右側車輪減小

其中，ΔM為輸出的附加橫擺力矩，B為前后軸軸距。

6.如權利要求5所述的四輪輪轂電機電動汽車智能轉向控制方法，其特征在于，駕駛員分為謹慎型、一般型和激進型三種類型，依據所述駕駛員類型，對應三種駕駛員類型分別建立RBF神經網絡，根據不同類型的駕駛員分別對應通過相應類型的RBF神經網絡確定所述期望橫擺角速度。

7.如權利要求6所述的四輪輪轂電機電動汽車智能轉向控制方法，其特征在于，采用模糊C均值聚類方法對駕駛員進行分類。

8.如權利要求1或2所述的四輪輪轂電機電動汽車智能轉向控制方法，其特征在于，所述偏差分為9個等級，模糊集為{NVB，NB，NM，NS，0，PS，PM，PB，PVB}，所述偏差變化率分為7個等級，模糊集為{NB，NM，NS，0，PS，PM，PB}，所述輸出的附加橫擺力矩分為9個等級，分別為{NVB，NB，NM，NS，0，PS，PM，PB，PVB}。