分布式電驅動車輛狀態參數估計技術研究

摘 要：本文主要簡單介紹了分布式驅動控制狀態參數估算系統結構，分析了分布式電阻驅動車輛參數和車輛狀態估算，通過開展分布式電驅動車輛實車實驗來證明分布式電驅動車輛狀態參數估計技術的應用有效性，以充分發揮分布式電驅動車輛的優勢，進一步優化車輛的分布式驅動控制系統，全面了解車輛的實際狀態，做好各項參數的估算工作，提高估算的精確性，推動分布式電驅動車輛的發展。

關鍵詞：分布式 電驅動 車輛狀態參數 估計

近年來，隨著我國社會經濟的高速發展，汽車行業也隨之蓬勃發展，在能源問題日益突出的當下，汽車行業開始朝著新能源方向發展，電動汽車受到人們的廣泛關注。電動汽車發展在初期發展過程中受傳統汽車設計影響，大多數時候只關注于動力總成變化，卻忽視了整體的設計。新能源電動汽車的市場需求逐步增大，汽車開始有了專門的設計平臺，對電驅系統的研究越來越多。通過對分布式電驅動車輛狀態參數估計技術的研究，能夠全面了解電動汽車驅動電機的優勢，準確獲取車輛狀態，有利于擴展分布式電驅動車輛的市場。

1 分布式驅動控制狀態參數估算系統的結構

1.1 狀態參數估算影響分布式驅動控制設計

分布式驅動控制的核心是車輪驅動力協調控制分配，需要通過優化設計分布式驅動車輛狀態及參數估算模塊來輸入相關參數。車輪驅動力協調控制分配具有一定的復雜性，需設計結構設計控制系統來明確各層模塊的功能，使結構更加明晰，便于后期維護和管理。分布式驅動控制總體框架主要包含了兩層內容：第一層是狀態參數觀測層。這一層中設置了車輛狀態參數估算模塊，能夠全面采集各項參數信息，如車在慣性傳感器輸出縱向加速度值、驅動輪速數值、反饋驅動轉矩數值等。在采集相關參數后進行估算融合，便可把控車輛的橫向車速、縱向車速，掌控車輛狀態[1]；第二層是驅動力協調控制分配層。該層中設置了期望橫擺力矩及總驅動力制動模塊。該模塊中包括了驅動防滑、分配兩個部分，涉及駕駛人員的加速踏板開度、縱向車速等數值的輸入，能夠模糊控制質心側偏角的期望值，減少橫擺角速度目標值和實際值的偏差，提高整車的期望總驅動力。驅動力分配模塊功能的實施，在一定程度上受分配方法、約束條件的影響，可通過輸入相關參數來控制車輪滑移率，并確定好車輪的轉矩，向輪邊驅動電機發出指令并予以有效執行。

分布式電驅動車輛狀態參數估算系統結構的設計十分有必要，直接影響著分布式驅動控制工作的開展。通過輪邊驅動電機，能判斷出轉矩、轉速的實際情況，了解其特點，基于傳感器則可全面掌握和估算車輛的狀態。在設計車輛狀態參數模塊的時候，需要全面采集駕駛員的操作信息、慣性傳感器信息和驅動電機的信息反饋。針對這些采集信息應實施信號處理，估算整車質量路面坡度參數，輸入縣官參數，以估算車輛運動狀態，從而科學分配驅動力。要注意的是，相關人員應當開展高效的動力學分析工作，創建動力學模型，以了解汽車運動過程總參數、狀態的變化，盡可能利用多自由度車輛模型來還原車輛狀態，保證參數計算的精確性[2]。

1.2 用于參數估算的車輛動力學模型

在分布式驅動控制中，整車質量、道路坡度十分重要，需創建科學的動力學模型來模擬車輛運動受力，聯系輸入、輸出量。首先，要創建驅動動力學模型。對分布式四驅電動汽車運行過程中，輪邊電機產生的驅動力進行受力分析。在這個過程中汽車的阻力主要來自空氣、道路和加速阻力。在完成作用力分析之后可獲取相應的平衡方程式，其中涉及輪邊電機產生的驅動力參數、輸出轉矩參數、減速器減速比和驅動輪滾動半徑等參數。可根據相關公式來計算車輛縱向運動時的空氣阻力、坡道阻力、滾動阻力數據，明確汽車行駛阻力系數的影響因素，以便于得出系統輸出量和輸入量，有效識別分布式電驅動汽車的動力參數。其次，構建制動力學模型。汽車處于制動階段行駛的時候會受到許多阻力的作用，通過公式可計算出系統的輸出變量、輸入變量以及系統的待識別參數。

1.3 用于狀態估算的車輛動力學模型

在研究分布式電驅動車輛狀態的時候，需把控關鍵參數的輸入，如橫向和縱向車速、質心側偏角等，在精確估算和把控車輛狀態的時候，能夠進一步加強算法控制。用于狀態估算的車輛動力學模型有二自由度模型、三自由度車輛模型、輪胎模型。其中，二自由度模型建設以車輛橫向自由度運動、橫擺自由度運動為主，無需考慮車輪在水平方向的載荷變化。在分析車輛受力的時候要考慮整車質量參數，了解汽車的橫向加速度、前軸車輪和后軸車輪的側向力以及橫擺角速度、力矩等。同時還要計算輪胎的側向力[3]；三自由度車輛模型則包含了車輛縱向自由度、橫向自由度和橫擺自由度，其作用在于精準描述分布式電驅動車輛的運動過程，可呈現出車輛大部分的運動特性。三自由度車輛模型的創建需要在設置坐標軸的時候，以車輛質心為原點，x軸正向是車輛正向，y軸正向是駕駛員左側，z軸正向是垂直質心向。利用該模型來分析車輛行駛的運動學時，可獲取車輛縱向和橫向運動的加速度值、車速值，通過橫擺角速度、力矩等參數可設置縱向、橫向動力學方程，以精準估算各項車輛參數，了解車輛的實際運行狀態；輪胎模型分為三種類別：一種是半經驗模型，一種是經驗模型，另一種是純理論模型。其中半經驗模型具有較好的優勢，不僅在形式上較為簡單，能夠適應許多場景，同時還可保證精度。由于車輛輪胎與外界接觸，因此分析車輛運行過程中的輪胎力十分重要，這直接影響了整車動力學分析效果。計算輪胎側向力的時候可采用魔術公式輪胎模型，明確剛度系數、形狀系數、曲率系數和峰值系數等參數，據此來計算各個車輪的側偏角度和垂向荷載。

分布式驅動狀態參數估算模塊的設計，能夠全面了解車輛狀態參數的影響，通過模型的創建可建立各項參數、狀態量之間的聯系，有利于構建方程式進行科學分析和計算，為之后的仿真分析奠定基礎。

2 分布式電阻驅動車輛參數和車輛狀態估算

2.1 分布式電驅動車輛參數估算

在研究車輛特性的時候必須了解車輛參數，當車輛特性越發明顯、準確的時候，在實施算法的時候便更加容易，越好達到預期的控制效果，反之則會影響控制算法的實施，難以保證數據的精確性。由于部分車輛參數并不容易測量和獲取，則需要通過估算來了解車輛參數。在進行車輛質量和坡度聯合估算的時候，需要先創建相應的數學模型，基于相關準則來輸入、輸出相關數據，進行系統參數估算。在參數估算過程中最小二乘法十分常見，其能夠估算系統參數，縮小估算數據和實際數據之間的差距。估算結果具有統計規律，實際操作上算法簡單可落實，而且具有不錯的計算性能，能在線估計參數，實時性較高[4]。

在實施最小二乘法算法時，可選擇以下方式：一是帶單一遺忘因子的遞推最小二乘法。在該算法中需要了解系統的輸出變量、輸入變量和待識別參數。待識別參數可通過誤差函數來進行計算，將遺忘因子的取值范圍控制在0至1之間，如若選擇0，那么則不再參考過去的結果，估算結果僅和最新結果相關；如若選擇0至1之間的數值，那么估計結果會在一定程度上影響淡化歷史結果，當所取數值越小的時候其具有越強的淡化作用；如若選擇1時，遺忘因子并不會起到作用；如若取值超過了1，那么會強化歷史結果的影響，弱化新數據的影響。可根據最小二乘法的定義和公式進行推導，設計增益矩陣和協方差矩陣。

二是帶多遺忘因子的遞推最小二乘法。在應用帶多遺忘因子的遞推最小二乘法時，需要進行兩個參數估計，這兩個參數的變化規律并不相同，整個過程中車輛的整車質量并不會發生變化，僅坡度有變化。兩個參數的估算更加精準，不會影響最終的參數估算偏差。也就是說在處理不同參數規律的時候應當優先選用帶多遺忘因子的遞推最小乘法，可又下縮小與實際參數的偏差。

實際應用過程中應當根據相關參數來設置誤差函數，設計兩個參數的遺忘因子，用于調節不同變化速率的參數，盡可能縮小誤差。經過推導可轉化得到相應的公式，計算增益矩陣，協方差矩陣[5]。

三是帶可變遺忘因子的遞推最小二乘法。雖然多遺忘因子一定程度上解決了參數變化速率不同的估算問題，但因為遺忘因子固定，所以所產生的估算結果影響也相對固定。實際估計過程為提高估計結果的準確性，縮小誤差，應該添入新數據，用新數據來弱化歷史數據的影響，使估計值更加穩定，這就需要充分發揮帶可變遺忘因子遞推最小二乘法的作用。在基本函數的支持下，遺忘因子取值增大。遺忘因子可根據時間變化而變化，適用于整車質量參數的估算，需繪制相應的曲線變化圖。

2.2 分布式電驅動車輛狀態估算

分布式四驅電動汽車只有驅動輪，無從動輪，因此想要確定車速、質心側偏角等參數有一定的難度，需要利用動輪轉速來進行估算。對于分布式驅動來說，質心側偏角是四驅控制中的關鍵變量，若選擇傳感器來進行監測，不僅需要較高的成本，同時條件方面也有較大約束。基于此，可使用無跡卡爾曼濾波來進行估算，了解車輛的相關參數。卡爾曼濾波屬于濾波遞歸算法，輸入信號、觀測信號可進行有效融合，能夠得到最優解。卡爾曼濾波可于離散系統中應用，需設立狀態方程和觀測方程，輸入影響變量后便可獲取觀測變量，計算協方差。在進行分布式四驅電驅動汽車的時候，可實施無跡卡爾曼濾波算法，該算法的核心是UT變換，在計算過程中需要找到原始狀態下的特定電，提高目標對象的非線性程度，如此才能保證估算結果的精確度[6]。

在估算車速狀態的時候，可結合應用五集卡曼波算法，按照其算法流程來進行計算，同時開展聯合方針實驗，搭建仿真平臺，根據實際情況來設置仿真環境，以便于模擬傳感器信號，輸入信號。

3 分布式電驅動車輛試驗

3.1 試驗系統

在進行分布式電驅動車輛仿真試驗的時候，需要先完善試驗系統的硬件和軟件。硬件方面需安裝三軸陀螺儀傳感器，其能夠獲取和輸入車輛的縱向、橫向加速度信號，該傳感器的工作電壓在九至三十六伏之間，輸出電壓信號范圍不高于五伏。可在車身質心位置安裝三軸陀螺儀。在進行狀態估算的時候，還需要考慮前輪平均轉角，將方向盤轉角傳感器安裝于時鐘彈簧位置，以便于測量轉向角度。另外，還要使用CAN總線通信，做好外接供電工作，保證信息通暢。需選擇適宜的控制器型號和處理器型號，確定準確的參考車速，以保證估計算法的準確性。

試驗系統軟件部分則要應用先進軟件來編寫控制器的執行程序。軟件部分應當分為三個模塊：一是信號、數據接受模塊。該模塊中涵蓋了方向盤轉角傳感器的接受程序、陀螺儀的橫擺角速度數據接受程序等，而且擁有符合底層電路功能需求的FPGA程序；二是信號、數據的解析模塊。該模塊設計了陀螺儀解析程序，能夠將信號轉化為十進制數據；三是狀態估算模塊，該模塊用于處理總線數據、陀螺儀數據，能夠對車輛的縱向車算狀態進行準確估算[7]。

3.2 車速估算驗證

在進行車速估算驗證的時候，可從以下方面著手：一是進行直線加速工況試驗。先將車輛加速到某一個數值后再稍微減速，模擬車輛在路口起步時的額狀況。利用陀螺儀來對直線加速試驗中汽車的各項參數進行測量，繪制相應的圖標，以全面了解直線加速工況下車輛的橫向和縱向加速度及車速；二是進行直角轉彎工況試驗。這部分主要是針對于直角轉彎工況中車輛各項參數的估算，需模擬車輛路口向右轉彎的情況；三是開展單移線工礦試驗，車速確定，規劃路線，使汽車減速通過路段，模擬車輛變道情況，然后利用陀螺儀來測量車輛的各項參數，將其作為輸入信號來估算縱向車速和橫向車速。

4 結語

總而言之，加強分布式電驅動車輛狀態參數估計十分有必要，有利于進一步提升分布式電驅動車輛的性能，了解狀態參數估算對驅動控制的影響，可優化分布式驅動控制設計。

基金項目：江西省教育廳科學技術研究項目“基于復雜工況環境感知路面的車輛路噪主動控制研究”（GJJ2202416）。

參考文獻

[1]張策，張濤，葛平淑.基于自適應平方根容積卡爾曼濾波算法的分布式驅動車輛狀態估計[J].大連民族大學學報，2024，26（01）：22-28.

[2]申棋仁.分布式電驅動汽車狀態估計與轉矩分配策略研究[D].吉林：吉林大學，2022.

[3]劉迎康.分布式電驅動車輛多目標轉矩優化分配與控制研究[D].南昌：南昌大學，2020.

[4]林志超.多軸分布式電驅動車輛動力學建模與狀態估計研究[D].武漢：武漢理工大學，2018.

[5]尤敏.分布式電驅動汽車狀態參數觀測與穩定性控制研究[D].重慶：重慶大學，2017.

[6]褚文博，羅禹貢，陳龍，李克強.分布式電驅動車輛的無味粒子濾波狀態參數聯合觀測[J].機械工程學報，2013，49（24）：117-127.

[7]褚文博.分布式電驅動車輛動力學狀態參數觀測及驅動力協調控制[D].北京：清華大學，2013.