一種采用自抗擾控制算法的蠕行控制策略研究

摘 要：車輛蠕行狀態是指駕駛員未踩下油門、剎車踏板時，車輛以較低的設定車速穩定行駛的狀態，在跟車、爬坡工況下應用廣泛。目前，汽車蠕行控制方法大概有以下幾種：根據車速查整車需求扭矩，該方法簡單，但無法適應不同載重及坡度條件；電機恒轉速控制，能夠適應載重及坡度變化，常常采用PID算法控制轉速，參數調節困難，容易產生超調問題。文章提出一種采用自抗擾控制算法的蠕行控制策略，能夠提高蠕行時車輛的平順性和穩定性，適應不同的載重及道路條件，降低調參難度，減少蠕行車速的超調，為實現整車蠕行功能給出了新的方案。

關鍵詞：電動汽車 蠕行 自抗擾控制 整車控制器

0 引言

隨著電動汽車領域的不斷發展，司機對于車輛的功能需求、舒適性的要求越來越高。車輛蠕行是指駕駛員未踩下油門、剎車踏板時，車輛以較低的設定車速穩定行駛的狀態，蠕行功能在擁擠路況跟車、爬坡、倒車時，能夠有效減少司機踩踏油門的頻率，提升司機駕駛體驗，無論對于乘用車還是商用車都是十分必要的。

針對傳統燃油汽車，許多專家、學者已給出多種蠕行控制方案[1-2]，通過對離合器的控制實現蠕行的平穩起步。近年來，由于新能源技術的蓬勃發展，電動汽車的市場占有量逐年增加，對于電動汽車蠕行功能的探索也層出不窮[3-5]，由整車控制器（Vehicle Control Unit，VCU）采集車輛數據并根據不同策略給出蠕形目標扭矩。目前電動汽車實現蠕行功能最普遍的方式是根據實際車速與目標車速的差值給出相應扭矩，這種方法操作簡單，但無法適應載重、坡度的變化；為了解決該問題，部分研究者們提出采用PID、模糊PID等算法實時調節整車扭矩來實現車速閉環，但這些算法調參難度較大，抗干擾能力較差，也不可避免地產生超調問題[6]。基于此，本文提出一種采用自抗擾控制算法（Active Disturbance Rejection Control，ADRC）的蠕行控制策略，與PID控制相比，ADRC算法[7]能通過對擾動的估計減少其影響，同時參數調節更簡單，車速超調量更小。

1 整車蠕行功能定義

本文蠕行功能定義如下：

在檔、油門踏板開度為零、剎車踏板開度為零、未拉手剎，上述條件同時滿足時蠕行功能開啟；空檔、踩剎車、拉手剎、油門扭矩大于蠕行扭矩，上述條件滿足任意一條則退出蠕行。

滿足蠕行條件時，車輛以較低的設定車速穩定行駛，平路及爬坡工況按設定車速蠕行，下坡工況不控，車輛正常滑行，如圖1所示。

2 車輛蠕行控制策略分析

2.1 整車動力學模型

根據牛頓第二定律可知，整車動力學模型如下：

其中，為變速箱輸出軸扭矩，為主減速比，r為輪胎半徑，m為整車質量，a為整車加速度，v是整車速度，為空氣阻力，為滾動阻力。

2.2 一階線性ADRC系統分析

ADRC繼承了PID“基于誤差來消除誤差”的思想，將系統內部未建模動態、外部擾動及一些復雜因素作為系統的“總擾動”，利用系統的輸入輸出構建擴張狀態觀測器（Extended State Observer，ESO）在線估計“總擾動”并在反饋環節進行補償。ADRC技術是由韓京清學者[8]首次提出，該技術有效解決了系統響應速度與超調之間的矛盾，但ADRC中引入了非線性函數，使得ADRC在系統調試、理論分析及參數整定方面都存在較大的困難。因此，高志強博士在非線性自抗擾控制器的基礎上進行改進，提出了線性自抗擾控制器（Line Active Disturbance Rejection Control，LADRC），并在其中引入帶寬化的設計思想來對LADRC的參數進行整定，從而簡化了控制器結構，降低了調參難度[9]。

線性ADRC系統結構框圖如圖2所示，主要結構包括線性狀態誤差反饋控制器和線性擴張狀態觀測器，誤差反饋控制器類似于PID，可以自行設置不同的誤差反饋控制方式，觀測器的主要作用是觀測未知狀態及擾動，以便消除擾動對模型產生的影響。

2.2.1 車輛動力學方程的等效轉化

將2.1節的車輛動力學方程轉化為一階微分方程的形式：

為模型固有參數，為系統的總擾動，ｖ為系統輸出，后續用表示，為系統控制量，后續用ｕ表示。

將上式寫成狀態方程的形式，選取狀態變量

可得狀態方程為

其中，，，，。至此，整車控制系統等效為一階線性系統。

2.2.2 線性擴張狀態觀測器設計

系統狀態量有車速及擾動，由于車速可觀測，因此僅需要觀測系統總擾動即可，采用降階狀態觀測器[10]即可。

令，降階觀測器形式如下：

為了消除的影響，令，可得：

對上述公式進行離散化，可得擾動估計值公式如下：

其中為系統擾動的估計值，為觀測器增益，為采樣步長。

2.2.3 線性狀態誤差反饋控制器設計

線性狀態誤差反饋采用比例控制即可滿足控制要求，推導過程如下：

系統等效為一階慣性環節，可以實現對目標車速的跟蹤，理論上不會產生超調。

2.3 蠕行控制過程

設定車速與實際輸出車速的差值，通過線性狀態誤差反饋模塊，得到初始的變速箱輸出軸扭矩，該扭矩減去觀測器觀測的總擾動并除以系統固有參數后，得到最終的輸出軸需求扭矩，整車控制器將該扭矩進行分配，電機、發動機進行扭矩響應，實現閉環控制。蠕行控制流程圖如圖3所示。

3 不同工況下蠕行控制策略試驗與分析

3.1 平路工況下的試驗結果分析

平路工況下，分別采用PID控制、ADRC算法兩種策略進行蠕行試驗，在不踩油門及剎車的情況下靜態起步，設定前進蠕行目標車速為7km/h，倒車蠕行目標車速為5km/h，實車驗證數據結果如圖4-5所示，兩種控制策略的效果對比見表1。

“起步時間”指首次到達某車速時間，本試驗統計的起步完成車速為6.8km/h、4.8km/h，“調節時間”指車速達到并保持在設定值±5%內所需最短時間。由試驗結果可知，在平路工況下，本文基于ADRC的蠕行控制策略相較于PID算法而言，兩者起步時間相差不大，但超調量降低超40%，同時調節時間也大大縮短，總體性能得到了較好提升。

3.2 坡路工況下的試驗結果分析

針對同一工況對兩種策略進行驗證，設定車速為7km/h，路況為平路起步后下坡，下坡后轉上坡，上坡段的坡度百分比在3.2%左右，實車驗證數據結果如圖6-7所示。

由圖不難看出，無論何種策略，整車在下坡時均正常滑行；但在轉上坡時，平路設定的PID參數無法完成上坡，整車在半坡來回抖動，采用ADRC蠕行控制策略時，當VCU檢測到車速降低后，自動控制扭矩增大，使整車能夠完成上坡，并且車速逐漸恢復到蠕行設定車速。

3.3 小結

由整車試驗結果可知，無論是平路工況還是帶坡工況，采用ADRC算法的蠕行控制策略在超調量、調節時間、參數適應性等各方面均優于PID蠕行控制策略，且ADRC算法的標定參數比PID算法更為簡單，將本文的蠕行控制策略應用于整車效果十分可觀。

4 總結

本文通過對車輛動力學模型及線性ADRC系統的分析，提出一種采用自抗擾控制算法的蠕行控制策略，并將該控制策略應用于整車控制器，通過在不同工況下的整車試驗驗證，得到如下結論：

（1）平路工況下，本文蠕行控制策略與控制器中的原PID控制策略相比，在滿足起步時間要求的情況下，超調量可降低40%以上，調節時間也大大縮短。

（2）下坡工況，無論采用何種控制策略，整車均正常滑行；上坡工況，在平路蠕行時設定的PID參數無法使整車完成上坡，而本文的控制策略則可通過扭矩自動調節完成上坡，參數適應性更優。

（3）采用自抗擾控制算法的蠕行控制策略通過對擾動進行估計，使系統具有良好的抗干擾能力，同時標定參數較少且標定難度較小，顯著降低了工程師的標定難度，節省整車功能開發時間。

參考文獻：

[1]李宇奇. AMT重型商用車蠕行起步控制方法研究[D].長春：吉林大學，2024.

[2]馬彪，昌和，李和言，等.車輛蠕行控制策略研究[J].汽車工程，2018，40（12）：1447-1453.

[3]董雯雯，張寧，耿睿，等.純電動裝載機自動起步控制系統及控制方法[P].江蘇省：CN202110011293.3，2021-04-13.

[4]張偉康，李懷義，楊海.一種電動車輛蠕行控制方法及系統[P].江蘇省：CN202311102479.5，2023-11-17.

[5]孟釗，朱德祥，姚帥.純電動汽車蠕行功能控制系統方案設計[C].河南省汽車工程學會，2020：2.

[6]Borase P R，Maghade K D，Sondkar Y S，et al.A review of PID control，tuning methods and applications[J].International Journal of Dynamics and Control，2020，9（prepublish）：1-10.

[7]韓京清.從PID技術到“自抗擾控制”技術[J].控制工程，2002（03）：13-18.

[8]韓京清.自抗擾控制器及其應用[J].控制與決策，1998，13（01）：19-23.

[9]Gao Z.Scaling and Bandwidth-Parameterization Based Control Tuning[C].Denver：Proc of the 2003 American Control Conference，2003，6（4）： 4989- 4996.

[10]周蘭，姜福喜，潘昌忠，等.基于降階擴張狀態觀測器的重復控制系統設計[J].控制與決策，2022，37（04）：933-943.