基于CarSim和Matlab四輪獨(dú)立驅(qū)動(dòng)輪轂電機(jī)電動(dòng)汽車(chē)驅(qū)動(dòng)控制系統(tǒng)的研究

梅　鳴

（杭州電子科技大學(xué)機(jī)械工程學(xué)院,杭州 310018）

基于CarSim和Matlab四輪獨(dú)立驅(qū)動(dòng)輪轂電機(jī)電動(dòng)汽車(chē)驅(qū)動(dòng)控制系統(tǒng)的研究

梅鳴

（杭州電子科技大學(xué)機(jī)械工程學(xué)院,杭州 310018）

針對(duì)四輪獨(dú)立驅(qū)動(dòng)輪轂電機(jī)電動(dòng)汽車(chē)驅(qū)動(dòng)控制系統(tǒng)進(jìn)行了建模與仿真，在傳統(tǒng)PID的基礎(chǔ)上引入SOA智能優(yōu)化算法，最后驗(yàn)證了所建立的CarSim和Matlab車(chē)輛模型的合理性。

電動(dòng)汽車(chē)；驅(qū)動(dòng)控制系統(tǒng)；車(chē)輛模型；SOA智能優(yōu)化算法

0　引言

近年來(lái),綠色環(huán)保與可持續(xù)發(fā)展成為日益重要的發(fā)展理念。本文研究的輪轂電機(jī)驅(qū)動(dòng)電動(dòng)汽車(chē)在現(xiàn)有商用化電動(dòng)汽車(chē)的基礎(chǔ)上省略了減速器、差速器和傳動(dòng)軸等機(jī)械零部件部件，直接由整車(chē)控制器發(fā)出控制信號(hào)直接控制車(chē)輪，這樣節(jié)省車(chē)內(nèi)空間，更容易實(shí)現(xiàn)電動(dòng)車(chē)的微型化、輕量化[1-2]。本文將CarSim中的內(nèi)燃機(jī)模型和傳動(dòng)系統(tǒng)模型，修改為轂電機(jī)模型，在Matlab/Simulink中搭建電機(jī)模型和控制系統(tǒng)模塊，在聯(lián)合CarSim進(jìn)行聯(lián)合仿真。

1　四輪輪轂電機(jī)電動(dòng)汽車(chē)建模

在Matlab/Simulink中搭建輪轂電機(jī)模型，去掉CarSim中的傳統(tǒng)內(nèi)燃機(jī)汽車(chē)模型，通過(guò)Matlab/Simulink和CarSim聯(lián)合仿真，搭建出四輪獨(dú)立驅(qū)動(dòng)輪轂電機(jī)電動(dòng)汽車(chē)整車(chē)模型。

1.1 輪轂電機(jī)建模

輪轂電機(jī)無(wú)刷直流電機(jī)，其主要由電機(jī)本體、霍爾位置傳感器和電子逆變器構(gòu)成。無(wú)刷直流電機(jī)數(shù)學(xué)模型形式可表示為：

其中ea，eb，ec分別表示定子a,b,c三相生成的梯形反電動(dòng)勢(shì)。電磁轉(zhuǎn)矩方程為：

運(yùn)動(dòng)方程為

式中：Te為電磁轉(zhuǎn)矩;w為電機(jī)角速度;Tl為負(fù)載轉(zhuǎn)矩;J為轉(zhuǎn)動(dòng)慣量;B為黏滯摩擦系數(shù);ua,ub，uc為繞組電壓，ia，ib，ic為相電流;ea,eb,ec為相反電勢(shì);L為相繞組自感系數(shù);M為相繞組互感系數(shù)。

式（1）、式（2）和式（3）共同構(gòu)成了無(wú)刷直流電機(jī)的微分方程數(shù)學(xué)模型。采用基于SOA的PID控制算法來(lái)控制輪轂電機(jī)，

1.2 整車(chē)模型搭建

打開(kāi)CarSim8.02軟件，選擇B-Class,Hatchback選項(xiàng)作為基準(zhǔn)車(chē)輛，將CarSim中原有的內(nèi)燃機(jī)模型改為4-wheeldrive（四輪驅(qū)動(dòng)），其內(nèi)容定義為選擇Nodatasetselect方式，同時(shí)將四輪驅(qū)動(dòng)轉(zhuǎn)矩設(shè)置為車(chē)輛模型的輸入量變量。

2　整車(chē)動(dòng)力學(xué)控制器設(shè)計(jì)

基于PID的控制器技術(shù)問(wèn)世至今有70多年，但在一般情況下，對(duì)PID的三個(gè)參數(shù)的取值是根據(jù)經(jīng)驗(yàn)，再加上試湊出來(lái)的，本論文引用基于人群搜索算法來(lái)優(yōu)化PID的參數(shù)整定。

2.1 SOA算法適度函數(shù)的選取

SOA智能算法在搜索進(jìn)化中用適度值來(lái)評(píng)價(jià)解的優(yōu)劣，用其解作為下一個(gè)搜尋個(gè)體的更新依據(jù)，經(jīng)過(guò)多次迭代，最終達(dá)到最優(yōu)解。目標(biāo)函數(shù)如下：

式中，()et是系統(tǒng)誤差，()ut是控制器的輸出，1ω和2ω為權(quán)值。同時(shí)采用懲罰控制，一旦有超調(diào)產(chǎn)生，超調(diào)量就作為一項(xiàng)最優(yōu)指標(biāo)，其最優(yōu)指標(biāo)函數(shù)為下：

2.2 SOA算法個(gè)體位置的更新

用高斯隸屬度函數(shù)表示了搜索步長(zhǎng)的模糊變量：

試中：Au為高斯隸屬度函數(shù)，而x為輸入變量，u和δ為隸屬度函數(shù)的參數(shù)。通過(guò)對(duì)人的利己、利他和預(yù)估行為分析，確定搜索方向，確定搜索方向和步長(zhǎng)以后，可以得到位置更新算式如下：

2.3 SOA算法流程

適度函數(shù)和參數(shù)編碼確定后SOA算法整定PID參數(shù)算法如下：（1）初始化個(gè)體和維度矩陣時(shí)，隨機(jī)產(chǎn)生一個(gè)S×D的初始位置矩陣；（2）根據(jù)目標(biāo)函數(shù)和最優(yōu)指標(biāo)函數(shù)計(jì)算個(gè)體的適度值；（3）每個(gè)個(gè)體位置與自己的歷史最佳位置進(jìn)行比較，記錄最佳位置作為個(gè)體最佳位置；（4）每個(gè)個(gè)體最佳位置與種群最佳位置進(jìn)行比較，記錄最佳位置作為種群最佳位置；（5）根據(jù)位置更新算法，更新位置，如果沒(méi)有達(dá)到結(jié)束條件，返回到（2）。

3　仿真分析

采用CarSim和Matlab/Simulink搭建的用于四輪獨(dú)立驅(qū)動(dòng)輪轂電機(jī)電動(dòng)汽車(chē)控制系統(tǒng)仿真驗(yàn)證的平臺(tái)。首先，SOA智能算法，實(shí)時(shí)的迭代出控制系統(tǒng)的最優(yōu)參數(shù)，使得PID控制器能獲得最優(yōu)的控制性能，PID控制器根據(jù)目標(biāo)車(chē)速實(shí)際工作狀態(tài)，合理的給四個(gè)四輪分配力矩。為進(jìn)一步驗(yàn)證所搭建的四輪獨(dú)立驅(qū)動(dòng)輪轂電機(jī)電動(dòng)汽車(chē)模型的有效性，在CarSim中選擇對(duì)應(yīng)的傳統(tǒng)車(chē)模型來(lái)對(duì)比，方向盤(pán)轉(zhuǎn)選擇有代表性的正弦波形來(lái)進(jìn)行仿真實(shí)驗(yàn)，路面附著系數(shù)選擇0.25，行駛速度為120km/h,無(wú)制動(dòng)，檔位控制選擇AT6檔。

4　結(jié)論

仿真結(jié)果可以很容易地分析得到，在論文中所建立的輪轂電機(jī)電動(dòng)汽車(chē)模型與CarSim中傳統(tǒng)汽車(chē)模型是比較接近，進(jìn)入一步的驗(yàn)證了模型的有效性，通過(guò)引入SOA智能控制算法，也提高了電動(dòng)汽車(chē)驅(qū)動(dòng)控制系統(tǒng)的快速響應(yīng)性能和魯棒性能，該模型的搭建將為日后電動(dòng)汽車(chē)整車(chē)控制算法的研究奠定了基礎(chǔ)。

[1]Murata S.Vehicle dynamics innovation with in-wheel motor. SAE Paper,2011(39):7204.

[2]Sakai SHin-Ichiro,Sado Hideo,Hori Yoichi.Dynamic driving/ braking force distribution in electric vehicles with independently driven four wheels[J].Electrical Engineering in Japan,2002, 138(01):79-89.

10.16640/j.cnki.37-1222/t.2016.21.163

梅鳴（1988-），男，在讀研究生，主要從事電動(dòng)汽車(chē)輪轂電機(jī)驅(qū)動(dòng)控制系統(tǒng)的研究。