[發明專利]一種輪轂電機驅動汽車電動助力轉向控制方法在審
| 申請號: | 201810540998.2 | 申請日: | 2018-05-30 |
| 公開(公告)號: | CN108820036A | 公開(公告)日: | 2018-11-16 |
| 發明(設計)人: | 郭景華;朱釗平;李文昌;吳鍇;王進 | 申請(專利權)人: | 廈門大學 |
| 主分類號: | B62D5/04 | 分類號: | B62D5/04;B60L15/20 |
| 代理公司: | 廈門南強之路專利事務所(普通合伙) 35200 | 代理人: | 馬應森 |
| 地址: | 361005 *** | 國省代碼: | 福建;35 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 輪轂電機 汽車電動助力轉向 驅動 電動助力轉向控制 目標電流 模糊控制規則 模糊控制技術 系統綜合性能 助力轉向系統 動力學模型 非線性特性 新能源汽車 不確定性 車載信息 跟蹤控制 規劃模塊 能量消耗 神經網絡 蟻群算法 助力轉向 轉向控制 綜合性能 隸屬度 自適應 時變 下層 優化 汽車 遺傳 | ||
1.一種輪轂電機驅動汽車電動助力轉向控制方法,其特征在于包括以下步驟:
1)設計車載信息的提取方法,建立輪轂電機驅動汽車電動助力轉向動力學模型;
2)以電動助力轉向控制能量消耗最小為目標,采用基于遺傳優化的自適應模糊控制技術設計輪轂電機驅動汽車電動助力轉向最優目標電流規劃模塊,包括:
(1)以輪轂電機驅動汽車的縱向速度和方向盤扭矩為輸入變量,助力電機的目標電流為輸出變量,確定決策目標電流的模糊控制輸入變量和輸出變量的論域和語言變量;
(2)設計電動助力轉向目標電流規劃的模糊隸屬度函數和模糊控制規則;
(3)采用遺傳算法優化轉向目標電流規劃的模糊隸屬度函數和模糊控制規則,動態規劃出電動助力轉向的目標電流;采用實數編碼將待優化的參數進行編碼,建立遺傳優化目標電流的數學模型,采用遺傳算子對模糊參數進行優化求解,獲取最優的電動助力轉向目標電流;
3)提出最優目標電流的神經網絡PID下層控制方法,實現最優目標電流的跟蹤控制。
2.如權利要求1所述一種輪轂電機驅動汽車電動助力轉向控制方法,其特征在于在步驟1)中,所述設計車載信息的提取方法,建立輪轂電機驅動汽車電動助力轉向動力學模型的具體方法為:
(1)通過車聯網模塊中的車速傳感器和轉矩傳感器獲取輪轂電機驅動汽車轉向桿的扭矩信息、車速信息和方向盤轉角信息;
(2)將獲取的扭矩信號、車速信號以及方向盤轉角信號進行濾波、去噪、分壓操作,將輸出結果輸送到主控電子控制單元模塊;
(3)以電動助力轉向齒條位移和電動機轉角為狀態量,對輪轂電機驅動汽車轉向系統和電動機進行動力學建模。
3.如權利要求1所述一種輪轂電機驅動汽車電動助力轉向控制方法,其特征在于在步驟3)中,所述提出最優目標電流的神經網絡PID下層控制方法,實現最優目標電流的跟蹤控制的具體方法為:
(1)定義目標電流Id和實際電流I偏差為e=I-Id和偏差變化率Δe=de(t)/d(t);
(2)設置具有三層的神經網絡PID下層助力轉向目標電流跟蹤控制方法,分別為輸入層、隱含層和輸出層,其中輸入層含有3個節點,隱含層含有8個節點,輸出層含有1個節點;
(3)設計神經網絡PID助力轉向下層控制的學習算法,建立神經網絡PID各層間權值的調節律。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廈門大學,未經廈門大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810540998.2/1.html,轉載請聲明來源鉆瓜專利網。





