由电力驱动和控制的未来车辆对四轮驱动的UOT 电力之旅IIWord文档格式.docx

由电力驱动和控制的未来车辆对四轮驱动的UOT 电力之旅IIWord文档格式.docx

《由电力驱动和控制的未来车辆对四轮驱动的UOT 电力之旅IIWord文档格式.docx》由会员分享，可在线阅读，更多相关《由电力驱动和控制的未来车辆对四轮驱动的UOT 电力之旅IIWord文档格式.docx（25页珍藏版）》请在冰点文库上搜索。

对于靠内燃机驱动的汽车来说，使用四个发动机是不可能的，但是这对于电动汽车来说，却可以在成本没有太大增加的情况下实现。

3）电机扭矩可以轻易地测定

相较于内燃机和液压制动来说，电动机的驱动扭矩和制动扭矩的不确定性更小。

它可以通过电机工况来测得。

如此一来，我们可以设计一个简单的“驱动力观测仪”并且可以用简单的方法获得出实时的路面和车轮间的驱动扭矩和制动扭矩。

这个优势可以对设计基于实时路面状况的新型控制策略起到很大的帮助作用。

比如，它可以提醒驾驶员，“我们现在进入了积雪路面。

”

图1.UOT电力之旅Ⅱ概念图

图2.UOT电力之旅Ⅱ控制系统概念图

电动机的这些优势将确保产生新型电动汽车控制策略的可能性。

我们最终的目标是了解一种新型的基于四轮独立电机驱动的电动汽车的控制系统，如同在图1和图2中描述的那样。

它展示了每个车轮上“较小的回馈作用的控制回路”，以及作为一个外部的弱回馈回路的“完全的底盘控制系统”。

这样，模型跟踪控制系统被描述成一个较小回路的例子。

激励出高效的回馈控制策略要求一个极短的响应迟滞。

II.我们能用电动汽车做什么？

作为电动车领域我们首要明白的这种新型的控制技术，我们需要在以下几项技术中着力研究：

A．路面和车轮间的粘着力控制

在这个控制理论中，电动机被最有效地利用。

1）MFC；

2）转差率控制；

3）和高级别的控制系统相配合，如DYC；

4）在车速未知的情况下测定车轮滑移量。

B．制动系统的高效表现

我们可以意识到一个更高水平的制动系统的表现就好像电梯电机的使用和控制一样：

1）整个速度区间内的纯电制动控制。

2）HEV使用的混合动力ABS；

电动机快速但是较小的制动扭矩可以互补缓慢但是制动力更大的液压制动系统；

3）直接对每个车轮的驱动力控制。

C.双自由度的控制

双自由度控制技术基本上是为了能够发现如何实现对于综合γ（跑偏程度）和β（车身滑移角）的控制目标。

这个过程包括将驾驶者俯仰角δf到γ进行线性化，以及将β归零：

1）对β和γ进行解耦控制

2）AFS和DYC系统更好的整合表现；

3）基于预估的车辆动力控制；

4）涉及到侧向力比且与负荷变载荷的悬架系统相配合的驱动力分配系统。

D．路面状况评估

由于电机工况是易于获得的，我们可以应用以下数种评估技术：

1）对路面曲线弧度μ—λ的评估；

2）对最大摩擦系数的评估；

3）对应用于SRC系统最佳转差率的评估；

4）基于路面状况评估后，优化DYC系统的表现。

III.新型实验性电动汽车——“”

我们的电动汽车“UOT电力之旅II”于2001年研制成功。

其最具代表性的特征是装在每个车轮内的电机。

我们完全可以独立彻底的控制每个车轮的扭矩。

制动能量再生系统显然也是可以实现的。

我们通过对日产March的改进设计制造了这台电动汽车。

表1列出了“UOT电力之旅II”的一些规格参数。

它使用了永磁电机，以及一个内置的鼓制动和减速齿轮。

电机单元和车轮尽可能的紧凑。

两台电机被放置在每根驱动轴的末端，并且被固定在了底盘底部，如图3（a）和（b）所示。

电动机由车载电脑控制。

表格1

传动系

四部永磁电机/明电舍

最大功率（20秒）

36KW/48.3HP*

最大扭矩

77N·

m

减速比

5.0

电池

铅酸

重量

14kg（for1unit）

总电压

228V（for14units）

底盘

日产MarchK11

轴距

2360m

车轮踏面

1365/1325m

总重

1400kg

车轮惯性

8.2kg***

车轮半径

0.28m

控制器

CPU

奔腾MMX233

回转式译码器

3600ppr

陀螺仪

光纤式

*仅单台电机；

**等效质量；

***受减速比影响。

我们使用另一台计算机进行行驶控制管理。

它和一些传感器相连接，比如光纤光学陀螺仪，三坐标加速度传感器等。

一部运动控制器安装在第二台计算机中。

这台计算机输出需要的电机扭矩信号，两部变频器单元产生需要的电动机扭矩。

精确的扭矩产生于在变频器单元的电机工况控制器之中。

为了能测量到转向角，EPS译码器信号也必须涉及。

图3.UOT电力之旅Ⅱ主要部分视图。

a为前轮；

b为后轮；

c为变频器；

d为电池。

IV.横向防滑装置的控制

这一部分，我们推荐使用车轮防滑控制装置。

这个设想的来源于对于先进的运行控制技术的了解和掌握。

总体说来，一个闭环控制系统可以改变机械装置的动力学特征。

例如，如果能够应用合适的回路控制器，机器可以表现得很稳定。

在电动汽车中可以实现的快速反应的激励装置可以适用于此类控制方式。

我们建议两种防滑控制装置：

MFC和SRC。

图4.某一轮的受力图

如图4所示的单轮的简易模型中，转差率λ由下式给出

（1）

V为底盘速度；

V是车轮速度，由Vω=rω给出；

r为车轮半径，ω是车轮角速度。

图5.文中所述MFC的控制简图。

（Disturbance：

干扰；

SensorNoise：

传感器噪声。

InverseModel：

反演模型。

）

图5显示了MFC系统的控制流程图，F*m加速度所涉及的力，其大体上和油门加速踏板角成比例。

F*m=T*r，T*是驾驶者期望扭矩，ω则会在车轮打滑时迅速增加。

车辆动力因素由于包含了轮胎和路面状况因素，其必然十分复杂。

但是如果我们使用转差率λ概念，那么车身就可以看成一个整体的拥有单一转动惯量的惯性系。

而转动惯量由下式给出：

（2）

此处，Mactual，Mω，M则分别是总等效质量，车轮质量和等效车身质量。

方程

（2）意味着汽车在打滑时且λ增加时，车身质量似乎变轻了。

我们使用

作为参照的的模型。

当车轮不打滑时，Mmodel基本等于Mactual。

MFC不会产生输出信号。

当车轮打滑时，实际速度ω增加迅速。

模型速度却并不增加。

如此一来，为了补偿实际速度和电机工况之间的差值，电机扭矩会快速下降，这回引起路面和车轮的再粘连。

由于控制功能仅在相对来说更高频率的范围内被需求，在回路环中应用一个带有时间常量高通滤波器。

当车辆开始打滑时，车轮速度迅速改变。

例如，如果车辆在加速时打滑，它的车轮速度快速增加；

而当其减速时打滑，由于车轮锁止车轮速度则迅速减小。

如此剧烈的变化是在车轮转动惯量突降的前提下才会被观察到。

基于此，我们设计了如图5所示的MFC。

将方程3作为标称模型惯性量，则控制机构可以抑制惯性的突降。

使用这个装置之后，打滑的车轮的动力学特征将更接近于不打滑的车轮。

我们在我们的1997年的第一代实验性电动汽车“UOT电力之旅I”上进行过相关实验。

为了模拟低路面摩擦的路面情况，我们铺了14米长的铝片作为路面。

图6给出了转差率随时间的变化特征。

在这一系列的试验中，车辆在光滑的试验路面上加速，此时车轮扭矩呈线性增加。

如果没有控制，转差率则是迅速增加。

相反地，当相应的控制装置使用后，车轮转差率的增长就会被抑制。

图6.路面摩擦系数为0.1时的实验结果。

图7给出了“UOT电力之旅II”在专业的测试的中的结果。

车辆在最大的摩擦系数为0.5光滑跑道上减速，在没有控制的情况下，图7中的车轮速度迅速下降，车轮被迅速锁死。

在此对比中，当MFC使用后，车轮就不会被锁死，车辆可以安全停下。

B.SRC

MFC显示了电机控制装置可以改变机械特性。

如果我们需要更多更精确地把转差率限制在一个特定范围内，我们就需要一个类似但是更精确的装置。

图7.快速制动试验结果。

a）为无MFC，b）有MFC。

基于图4所示的轮胎模型，在一些较为实际的假设条件下，我们得出如下的运动方程：

路面和车轮间的摩擦力由下式给出：

（5）

Fm是点击扭矩（等效力）；

Fd为摩擦力；

Mω是车轮的转动惯量（等效质量）；

M是车轮质量；

N是车轮重力，由N=Mg给出。

图8给出了典型的μ-λ的特征图线。

图8.典型的μ-λ的特征图线。

（NormalizedDrivingForceμ：

驱动合力μ；

SideForce：

侧向力μy）

从方程1，当Vω≥V时，摄微系统由下式给出：

（6）

Vω0和V0是每个操纵点上车轮和车身质量，摩擦力由μ-λ曲线的斜率α给出，α如下式定义：

（7）

电机扭矩到转差率的传递函数由下式给出：

（8）

时间常量为：

（9）

其与车轮速度成比例。

当车速在10km/h左右时，一个典型的τα值为150-200ms。

在μ-λ图线最高点右侧的时候，α可以为负值。

（10）

在可变比例增益足够的情况下，一个简单的比例积分控制器可以作为一个转差率控制器。

（11）式给出了此种情况，并且在图9中绘出。

图9.转差率控制器。

（SlipRatioController:

转差率;

DynamicsofWheelandVehicle:

轮和车的动力性;

图10.SRC实验结果。

期望的转差率和真实转差率之间的传递函数化为：

（11）

如果λ0≤1，则其为时间常量可调的一阶延误模型。

如此，我们将响应时间设为50-100ms。

图10显示了SRC在“UOT电力之旅I”中应用的结果，以及相应的仿真。

此处目标转差率逐步地从0改变为其他可能数值。

我们可以在所有案例中看到良好的表现。

V.侧向稳定性

A.对于每个车轮内的MFC的仿真

在前一部分中，我们讨论了每个车轮小回馈控制。

下一步，我们的兴趣将会是如果我们将这样的控制方式应用在每个车轮上，那么在湿滑路面上的车辆情况将会如何？

图11.不同情况下车辆的稳定性试验结果。

我们假设电机都是各自独立的安装在车轮中的，而MFC则是装在每一个电机之中。

仿真结果（图11）表明副环控制可以有效平衡侧向平衡。

仿真结果显示，底盘的3自由度非线性动力学特征，四轮旋转情况，以及动力分配都被考虑到了。

我们假设车辆在μpeak=0.5的湿滑路面上起动，以转向角δf=3°

转向。

此时t=5s。

驾驶员输入的制动力为Fm=-1100N。

制动力矩则超过路面摩擦力极限。

由此，尽管驾驶员在t=9s时松开制动踏板，但是车辆车轮依然开始打滑，车身开始滑转。

在车身重心发生改变，动力分配也发生改变后，车轮开始严重打滑，尤其是左后轮。

相反的，如果每个车轮都独立地安装了MFC系统，则如此危险的打滑情况就会被避免。

左后轮的制动力矩就是自动减小。

MFC的原理是仅仅将每个车轮自己的速度作为回馈信号处理。

如此一来，它就和传统的姿态控制系统如DYC之流划清界限。

自主的线性运动稳定性控制就依靠小回馈控制系统实现了。

B.MFC稳定性改进实验

下一步，我们对“UOT电力之旅II”在湿滑路面上（试车场）进行了实际的实验。

后轮的速度由后轮的两台电机独立控制，尽管“UOT电力之旅II”有四台电机。

最初，“UOT电力之旅II”顺时针方向转向正常。

转向半径在车速为40km/h的时候，为25-30m。

这个值接近于不稳定的范围。

在这些实验中，两个后轮电机施加的加速力矩达到了1000N·

m。

在没有MFC的情况下，这个迅速增加的扭矩导致了如图12所示的不稳定状态。

右后轮开始很危险的打滑。

偏航角增加到不稳定的范围内。

车辆开始侧滑，并且失去控制。

相反的，如图13所示，如此危险地车辆行驶并不会被观察到。

图12.无MFC情况下的不稳定急转弯加速。

图14显示了车辆轨迹的对比图。

它说明MFC控制器阻止了由过度转向造成的跑偏。

而一个遗留的问题是，后轮扭矩的高频震荡。

这个可以通过合适的振动抑制装置控制。

VI．路面状况评估。

有些重要数值，如转差率，车身滑移角，或者路面最大摩擦系数都是不可以通过传感器直接测量的。

既然电机扭矩可以精确测量，那么它扭矩的精确值可以作为路面状况的信息来源。

测量技术同样很重要，而且这些变量可以容易地被电动车辆领域实现。

图13.装备MFC后的理想的稳定性结果。

A．路面状况评估。

车轮所获扭矩值的精确输入能够极大地促进实际而精确的评估。

这个在装有电机的电动车上是易于实现的，但是对于使用内外燃机的车辆来说是不可能的。

我们提供一种无打滑情况下的对μpeak和最大附着力的测量技术。

图15说明了典型的UOT电力之旅I的实验结果。

此车在干燥柏油路面上行驶，并行驶到湿滑的铁皮路面上。

路面状况评估器计算轮胎和路面最大附着力。

数值的变化标示出路面状况的突变。

即使是驱动力一直小于路面附着力，但其依然能够标示出路面的最大附着力。

这项技术可以用来作为警示系统，提醒驾驶员“小心驾驶，车辆已进入湿滑路面！

图14.将MFC装备到每个轮上后的稳定性结果。

图15.路面评估设备的结果。

如a图那样的路面情况突变会以b图中的最大摩擦力图线反映出来。

B．不需要车速的车轮侧滑诊测。

车轮侧滑角诊测是另一种对于电机能够精确发出扭矩这一特性的利用。

这种原理可以不通过底盘速度的测量而得到车轮侧滑角。

如果我们知道了电机扭矩Fm，驱动力探测器就可以设计为探测驱动力Fd大小。

它的原理和扰动观测器是一致的。

其算法也非常简单。

当Fm驱动力且Fd减小时，轮胎都应该附着在路面上。

当Fm增加而Fd没有增加时，轮胎则开始打滑。

图16显示了UOTMarchI的实验结果，我们可以清晰地看到这个方法的有效性。

图16.轮上的打滑诊测实验结果。

a图为前1~2s内的转差率变化情况；

b图为用推荐方法侦测到的数据。

VII.结论

在这篇文章中，我们谈到了电动汽车是先进的控制技术中最令人兴奋的。

如前文所述，我们的新型电动汽车“UOTMarchII”完成于2001年。

这种新型的四电机驱动的电动汽车将在我们的新型的运动控制技术研究中扮演重要的角色。

作为最初的尝试，我们证明了MFC和SRC系统的有效性。

我们的研究最大的亮点就是对于电机优势的利用：

快速、精确、分布式的扭矩生成。

近来，对于电动汽车的关注往往局限于其能源利用效率和环境效用上，但我们相信未来车辆将必然由电力驱动。

如此一来，控制技术将会成为最令人兴奋和重要的话题。

我们希望这篇文章能够在电动汽车的控制领域有所开拓。

附录

燃料电池车——发动机被电动机所取代。

在本附录中，我们讨论燃料电池车的构成。

有两种方式了解燃料电池车。

在图17中，如果我们假设发动机被燃料电池组和电动机取代，那么我们应该可以在多方面对发动机和燃料电池组进行比对，如能源利用效率，能耗/重量比。

另一方面，如果我们假设油箱被氢罐或者燃料电池组取代，发动机被电动机取代，那么我们可以在多个方面讨论发动机和电动机的区别。

我们支持这个观点。

图17.理解FCV的两种方式。

读者认为哪个观点更好呢？

我们追求电动机取代内燃机在未来的可能性。

一台燃料电池车使用电动机，而我们的研究就可以实现这个设想。

图18演示了两种可实现的燃料电池车模式。

如果我们从一辆混合动力车出发，如丰田的普锐斯，那么FCHV（燃料电池混合动力汽车）就是这种类型的最好的名称。

理由如下，既然染料电视并不足以产生足够的功率和能量回收系统，一个附加的第二电池和电机就应该装在其上。

图18.理解带有电池的FCV的两种方式，FCEV还是FCHV?

从这个意义上来说，一辆燃料电池车和混合动力电动车很类似。

但相反地，如果我们把燃料电池车理解为简单地应用两种不同的动力源，电动机和主动力源同样扮演着重要的角色。

在我们“电力之旅”项目的研究进程中，我们并不关心此种动力源。

但是，电动机是有效的且必须的，因为我们正在从控制的观念利用电机的优势。

从这个意义上来说，燃料电池汽车不应该成为FCHV（燃料电池混合动力汽车）而是FCEV（燃料电池电动汽车）。

感谢

作者对于众多工作于堀洋一的实验室的同学，尤其是对酒井博士以及其他为了电力之旅一代二代的复杂实验而辛勤劳动的同仁们表示极大的感谢。

同时对帮助修改底稿的冈野及古河表示感谢。

参考文献

[1]J.Ackermann,“Yawdisturbanceattenuationbyrobustdecouplingofcarsteering,”inProc.13thIFACWorldCongr.,vol.8b-01-1,1996,pp.1–6.

[2]A.DaissandU.Kiencke,“Estimationoftireslipduringcombinedcorneringandbrakingobserversupportedfuzzyestimation,”inProc.13thIFACWorldCongress,vol.8b-02-2,1996,pp.41–46.

[3]Y.FurukawaandM.Abe,“Directyawmomentcontrolwithestimatingside-slipanglebyusingon-board-tire-model,”inProc.4thInt.Symp.AdvancedVehicleControl（AVEC）,Nagoya,Japan,1998,pp.431–436.

[4]T.Furuya,Y.Toyoda,andY.Hori,“Implementationofadvancedadhesioncontrolforelectricvehicle,”inProc.IEEEWorkshopAdvanced

MotionControl（AMC）,vol.2,1996,pp.430–4356.

[5]F.Gustafsson,“Slip-basedtire-roadfrictionestimation,”Automatica,vol.33,no.6,pp.1087–1099,1997.

[6]Y.Hori,Y.Toyoda,andY.Tsuruoka,“Tractioncontrolofelectricvehiclebasedontheestimationofroadsurfacecondition,basicexperimentalresultsusingthetestev“UOTMarch”,”IEEETrans.Ind.Applicat.,vol.34,pp.1131–1138,Sept.Oct.1998.

[7]N.Iwamaetal.,“Activecontrolofanautomobile—Independentrearwheeltorquecontrol—,”inTrans.Soc.Instrum.Contr.Eng.,vol.28,1992,pp.844–853.

[8]C.LiuandH.Peng,“Roadfrictioncoefficientestimationforvehicle

pathprediction,”Veh.Syst.Dyn.Suppl.,vol.25,pp.413–425,1996.

[9]S.Motoyamaetal.,“Effectoftractionforcedistributioncontrolonvehicle

dynamics,”inProc.Int.Symp.AdvancedVehicleControl（AVEC）,

1992.

[10]T.Okano,C.Tai,T.Inoue,T.Uchida,S.Sakai,andY.Hori,“Vehicle

stabilityimprovementbasedonMFCindependentlyinstalledon4

wheels—Basicexperimentsusing‘UOTElectricMarchII’,”inProc.

PCC-Osaka,2002,CD-ROM.

[11]L.R.Ray,“Nonlineartireforceestimationandroadfrictionidentification:

Simulationandexperiments,”Automatica,vol.33,no.10,pp.

1819–1833,1997.

[12]H.Sado,S.Sakai,andY.Hori,“Roadconditionestimationfortraction

controlinelectricvehicle,”inProc.IEEEInt.Symp.IndustrialElectronics,

Slovenia,1999,pp.973–978.

[13]S.SakaiandY.Hori,“Robustifiedmodelmatchingcontrolformotion

controlofelectr